MétaCan
Menu
Retour à la cohorte
Enregistrement W3125049392 · doi:10.1111/j.1911-3846.2012.01184.x

Are Analysts' Cash Flow Forecasts Naïve Extensions of Their Own Earnings Forecasts?

2012· article· en· W3125049392 sur OpenAlexvenueno aff
Andrew C. Call, Shuping Chen, Yen H. Tong

Notice bibliographique

RevueContemporary Accounting Research · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCash flowAccrualSophisticationCash flow forecastingEarningsOperating cash flowEconometricsEconomicsConsensus forecastValuation (finance)Sample (material)Actuarial scienceBusinessFinance

Résumé

récupéré en direct d'OpenAlex

We examine the sophistication of analysts' cash flow forecasts to better understand what accrual adjustments, if any, analysts make when forecasting cash flows. As a preliminary step, we first demonstrate that prior empirical tests used to evaluate the sophistication of analysts' cash flow forecasts are not diagnostic. We then present three sets of evidence to triangulate our conclusion that analysts' cash flow forecasts incorporate meaningful accrual adjustments. First, we review a stratified random sample of 90 analyst reports and find that the majority of these analysts include explicit adjustments for working capital and other accruals in their cash flow forecasts. Second, using a large sample of analysts' cash flow forecasts from 1993–2008, we find that these forecasts outperform time‐series cash flow forecasts in correctly predicting the sign and magnitude of accruals. Finally, we find a significant market reaction to analysts' cash flow forecast revisions, suggesting that investors find these revisions informative. Collectively, our findings demonstrate that analysts' cash flow forecasts are not simply naïve extensions of their own earnings forecasts, but that they reflect meaningful and useful accrual adjustments. These findings are relevant to researchers who examine analysts' cash flow forecasts in a variety of settings, and to investors and practitioners who employ these forecasts for valuation purposes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,022
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,521
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,022
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,005
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,297
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations89
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207