What Information in Financial Statements Could Be Used to Predict the Risk of Equity Investment?
Notice bibliographique
Résumé
Theoretically, accounting earnings could be used to estimate the intrinsic value of equity. If accounting earnings could be predicted accurately, then, so could be the value of equity, thereby, creating much less risk in equity investment. However, earnings surprises are common, and therefore so is the risk in equity investment. To quantify the risk in the investment implied from accounting earnings, I propose to use financial statements to construct abnormal sales growth rates (ABG) and abnormal changes in profit margins (ABPM) to measure the uncertainty embedded in the accounting earnings. I measure ABG (ABPM) as the difference between the current value of sales growth rate (profit margin) and its benchmark, a weighted value of the three preceding years’ sales growth rate (profit margin). Then, I quantify whether and to what extent the news of ABG and ABPM are material enough to change the expected earnings (proxied by analysts’ forecasted earnings revisions [FREV] and predicted unexpected earnings [UE], and future stock returns [SAR]). Fama–MacBeth regression results show that, together, solely ABPM and ABG could explain 8.2% (2.3%) (5.4%) of the variation of FREV (UE) (SAR). The risk-predictability of ABPM and ABG is robust to the presence of abnormal growth in net operating assets and accruals quality, which, suggested by previous literature, might influence unexpected earnings. Further contingent analyses indicate that the capital market reacts more strongly to the bad news embedded in the ABPM/ABG (with negative signs) than the good news in ABPM/ABG (with positive signs).
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 | 0,004 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,004 | 0,009 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».