Wenn Sie auf der Suche nach genauen Prognosen zu den Gewinnen und zukünftigen Aktienkursen eines Unternehmens sind, sollten Sie sich besser an Analysten wenden, die kürzlich eine breite Palette von Prognosen für dasselbe Unternehmen veröffentlicht haben – nicht nur Gewinn- und Kursziele, sondern auch Cashflow. Dividenden, Buchwert, Investitionsausgaben, Bruttomarge, Betriebseinkommen, Gewinnprognosen vor Steuern usw ein neues Papier von Peter Pope von Bocconis Abteilung für Rechnungswesen und frischgebackenem Bocconi-Doktoranden. Absolvent Tong Wang, jetzt bei Barclays plc in London.
Das Papier erscheint in Rückblick auf Buchhaltungsstudienbefasst sich speziell mit der Kategorie von Fachleuten, die als „Sell-Side-Analysten“ bekannt sind; Die Aufgabe eines Sell-Side-Analysten besteht darin, eine Liste von Unternehmen zu verfolgen, die normalerweise alle derselben Branche angehören, und regelmäßige Forschungsberichte für Kunden zu erstellen. Im Rahmen dieses Prozesses erstellt der Analyst in der Regel Modelle, um die künftigen Finanzergebnisse des Unternehmens zu prognostizieren.
Die Qualität der von Finanzanalysten abgegebenen Prognosen ist ein entscheidendes Element für die Funktionsweise der Kapitalmärkte und kann für die Bestimmung der Portfolio-Performance institutioneller Investmentmanager wichtig sein. Pope und Wang untersuchen, ob es leicht verfügbare Indikatoren für die Forschungsqualität eines Analysten gibt, die bei der Entscheidung helfen können, auf wessen Prognosen man sich verlassen sollte.
Sell-Side-Analysten sind hochspezialisiert, da sie sich normalerweise auf ganz bestimmte Sektoren oder Teilsektoren oder auf eine begrenzte Anzahl von Unternehmen konzentrieren, die ähnlich operieren. Denn verständlicherweise ist eine gründliche Kenntnis der Geschäftsstrategie und des Wettbewerbsumfelds eines Unternehmens unerlässlich, um Marktrisiken und -chancen bewerten zu können.
In den letzten zwei Jahrzehnten hat die Häufigkeit, mit der Sell-Side-Analysten neben dem Gewinn je Aktie auch Prognosen zu Bilanzposten veröffentlichen, dramatisch zugenommen. Sie berichten mittlerweile häufig über Prognosen zu Cashflow, Dividenden, Buchwert, Investitionsausgaben, Bruttomarge, Betriebsergebnis, Vorsteuerergebnis und vielen anderen Bilanzposten.
Pope und Wang untersuchen den Zusammenhang zwischen der Anzahl der bereitgestellten Prognosetypen (NFT), der Genauigkeit von EPS- und Kurszielprognosen und der Rentabilität von Aktienempfehlungen. Sie argumentieren, dass vielfältigere Prognosesätze ein tieferes Verständnis der Bedingungen eines Unternehmens widerspiegeln und ein Zeichen für eine qualitativ hochwertigere Forschung seien.
Die empirische Studie wurde anhand eines umfassenden Satzes einzelner Analystenprognosen für 23 verschiedene Bilanzpositionen für die Jahre 2001–2020 durchgeführt, was mehreren Millionen Datenpunkten entspricht.
Die Ergebnisse bestätigen die Vorhersagen – zum Beispiel beträgt der erwartete Unterschied in der Genauigkeit der Gewinnprognosen beim Vergleich des maximalen NFT-Analysten und des minimalen NFT-Analysten innerhalb jedes Unternehmensjahrs 4,9 %, und der erwartete Unterschied in der Genauigkeit der Preiszielprognose beim Vergleich des maximalen NFT-Analysten und der minimale NFT-Analyst innerhalb jedes Firmenjahres beträgt 1,9 %.
Die Autoren zeigen auch, dass ein höherer NFT mit besseren Karriereaussichten für die Analysten selbst verbunden ist, da die Wahrscheinlichkeit einer Beförderung statistisch signifikant steigt, wenn sich die Bandbreite unterschiedlicher Prognosen erweitert.
„Wir stellen fest, dass Analysten, die mehr Prognosetypen bereitstellen, genauere Gewinnprognosen und Kurszielprognosen, profitablere Aktienempfehlungen, einflussreichere Aktienempfehlungsrevisionen und bessere Karriereergebnisse haben“, erklärt Peter Pope.
„Unsere Ergebnisse deuten darauf hin, dass die Revisionen der Gewinnprognosen und die Empfehlungen von Analysten, die eine größere Anzahl von Prognosetypen bereitstellen, bei der Vorhersage zukünftiger Aktienrenditen erfolgreicher sind. Daher legt unsere Studie nicht nur nahe, dass Analysten, die im Durchschnitt eine breitere Anzahl von Prognosetypen bereitstellen, , sind leistungsfähiger oder sorgfältiger und liefern eine überlegene Forschungsleistung. Unsere Out-of-Sample-Ergebnisse legen nahe, dass die ganzheitliche Modellierung von Big Data von Sell-Side-Analysten für die „Quants“ (quantitative Investoren) nützlich sein kann.“
Mehr Informationen:
Peter F. Pope et al., Analystenfähigkeit und Forschungsaufwand: Nicht-EPS-Prognosebereitstellung als Forschungsqualitätssignal, Rückblick auf Buchhaltungsstudien (2023). DOI: 10.1007/s11142-023-09791-8