Horizon‐Dependent Underreaction in Financial Analysts' Earnings Forecasts*
Notice bibliographique
Résumé
Abstract This paper provides empirical evidence that underreaction in financial analysts' earnings forecasts increases with the forecast horizon, and offers a rational economic explanation for this result. The empirical portion of the paper evaluates analysts' responses to earnings‐surprise and other earnings‐related information. Our empirical evidence suggests that analysts' earnings forecasts underreact to both types of information, and the underreaction increases with the forecast horizon. The paper also develops a theoretical model that explains this horizon‐dependent analyst underreaction as a rational response to an asymmetric loss function. The model assumes that, for a given level of inaccuracy, analysts' reputations suffer more (less) when subsequent information causes a revision in investor expectations in the opposite (same) direction as the analyst's prior earnings‐forecast revision. Given this asymmetric loss function, underreaction increases with the risk of subsequent disconfirming information and with the disproportionate cost associated with revision reversal. Assuming that market frictions prevent prices from immediately unraveling these analyst underreac‐tion tactics, investors buying (selling) stock on the basis of analysts' positive (negative) earnings‐forecast revisions also benefit from analyst underreaction. Therefore, the asymmetric cost of forecast inaccuracy could arise from rational investor incentives consistent with a preference for analyst underreaction. Our incentives‐based explanation for underreaction provides an alternative to psychology‐based explanations and suggests avenues for further research.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,095 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».