ش | ی | د | س | چ | پ | ج |
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 |
A new measure of earnings forecast uncertainty
Xuguang Sheng a
, Maya Thevenot b,n
a American University, Washington, DC 20016, United States
b Florida Atlantic University, Boca Raton, FL 33431, United States
رشته: حسابداری
جهت دانلود رایگان مقاله انگلیسی اینجا را کلیک نمایید
چکیده:
با تکیه بر نتایج نظری معتبر که بر اساس آن عدم قطعیت دارای موئلفه های خاص و مشترکی می باشد، به طرح ارزیابی های جدید از عدم قطعیت در پیش بینی سود پرداخته، به صورتی که مجموع پراکندگی در میان تحلیل گران و واریانس پیش بینی میانگین، توسط مدل GARCH برآورد می گردد. ارزیابی های جدید بر مبنای اطلاعات خصوصی و مشترک در دسترس تحلیلگران در زمانی که پیش بینی را انجام می دهند، می باشد. از این رو، این ارزیابی بعضی از محدودیت های عوامل مورد استفاده مشترک عدم قطعیت در پیش بینی را در تحقیقات قبلی کاهش می دهد. با استفاده از پیش بینی سود توسط تحلیلگران، ما شواهد مستقیمی را از عملکرد برتر ارزیابی های جدید به دست می آوریم.
کلیدواژه: عدم قطعیت، پراکندگی تحلیل گر، اطلاعات خصوصی، BKLS، GARCH
1. مقدمه:
پیش بینی تحلیلگران در سطح گسترده ای در تحقیقات مربوط به مالی و حسابداری برای بررسی پیش بینی متقاضیان بازاری مورد استفاده قرار می گیرد. پژوهشگران و سرمایه گذاران مشخصا علاقمند به براورد عدم قطعیت در ارتباط با درامدهای آینده می باشند، زیرا مشخصه های مهم محیط اطلاعاتی شرکت را پیش از انتشار نتایج حسابداری آشکار می کند. از آنجایی که عدم قطعیت ذاتا غیر قابل حل می باشد، ارزیابی براورد آن مسائل روش شناختی چالش انگیزی را مطرح می کند. در نتیجه، محققان دارای تجاربی با توجه به پروکسی های (عوامل) دیگر برای عدم قطعیت پیش بینی سود دارند.
یکی از رایج ترین ارزیابی های عدم قطعیت پیش بینی سود، پراکندگی در میان تحلیلگران می باشد. پراکندگی، به عنوان عاملی برای عدم قطعیت، دارای چندین مزیت می باشد. محاسبه و ارزیابی عدم قطعیت در زمانی که پیش بینی صورت می پذیرد، یعنی در زمان واقعی، آسان است.