Confucius confusion: analyst forecast dispersion and business cycles
Notice bibliographique
Résumé
Purpose Financial analysts have been found to be overconfident. The purpose of this paper is to study the ramifications of that overconfidence on the dispersion of earnings estimates as a predictor of the US business cycle. Design/methodology/approach Whether aggregate analyst forecast dispersion contains information about turning points in business cycles, especially downturns, is examined by utilizing the analyst earnings forecast dispersion metric. The primary analysis derives from logit regression and Markov switching models. The analysis controls for sentiment (consumer confidence), output (industrial production), and financial indicators (stock returns and turnover). Analyst data come from Institutional Brokers Estimate System, while the economic data are available at the Federal Reserve Bank of St Louis Economic Data site. Findings A rise in the dispersion of analyst forecasts is a significant predictor of turning points in the US business cycle. Financial analyst uncertainty of earnings estimate contains crucial information about the risks of US business cycle turning points. The results are consistent with some analysts becoming overconfident during the expansion period and misjudging the precision of their information, thus over or under weighting various sources of information. This causes the disagreement among analysts measured as dispersion. Originality/value This is the first study to show that analyst forecast dispersion contributions valuable information to predictions of economic downturns. In addition, that dispersion can be attributed to analyst overconfidence.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».