бумаги, для которых ожидания рынка являются отчасти ошибочными. Но до тех пор, пока данные инвесторы не определят, каковы ожидания рынка, они не будут знать, насколько сильно их ожидания отличаются от рыночных.

Как говорилось ранее, ожидания в отношении прибыли являются тем, что более всего влияет на курс обыкновенных акций. Если инвестор может определить компании, Д1я которых рынок недооценил или переоценил будущую прибыль, тогда этот инвестор соответственно купит ил продаст акции данной компании, чтобы получить более высокую доходность своего портфеля, чем среднерыночная Д1Я портфеля данного уровня риска.

Многие организации, включая компании Standard & Poors, Value Line и брокерские фирмы, публикуют прогнозы ожидаемой прибыли. Однако сами по себе эти прогнозные оценки не представляют ожидания рынка, они отражают только мнение определенных аналитиков. Таким образом, можно собрать многочисленные оценки разных аналитиков о прибыли конкретной компании. Этим уже более 20 лет занимается фирма под названием Institutional Brokers Estimate System, или l/B/E/S.

Хотя l/B/E/S не единственная компания, занимающаяся сбором информации об ожиданиях в отношении прибыли (известным конкурентом ее в этой области является фирма Zacks Investment Research), она первая приступила к этой работе и до сих пор остается лидером в данной области. l/B/E/S был я создана в 1971 г. Первоначально цели были достаточно скромными - своевременно получать прогнозные оценки прибыли от брокерских фирм в отношении 100 крупных, успешно работающих компаний. Затем эти оценки обрабатывались и данные о распределении оценок прибыли (высокая, низкая, средняя, дисперсия) периодически сообщались подписчикам.

Например, пусть фирма - институциональный инвестор - оценивает прибыль будущего гола в расчете на акцию для компании XYZuz уровне $2,50, а для компании ЛВС - на уровне $3.30. Обратившись к данным l/B/E/S. институциональный инвестор \1С1жет выяснить, что обшерыночные оценки прибыли для XYZh ABC на этот момент равны соответственно $1,50 и $3,50 Далее, коэффициент вариации (стандартное отклонение, деленное на среднее значение прогнозируемой прибыли. - мера оценки

относительной дисперсии прогнозных оценок) составляет 0,20 для XYZu 0,80 для ABC. Если институциональный инвестор уверен в своих оценках, то он прогнозирует неплохой рост курсов акций XYZ Рыночные ожидания прибыли находятся примерно на уровне $1.50. что на $1,00 меньше оценки инвестора. Если на рынке установится мнение, что действительный уровень прибыли XYZ составит $2,50, то, скорее всего, это приведет к повышению курса акций XYZ.

Акции ABC гораздо менее привлекательны. Оценка институционального инвестора ниже общей оценки на $0,20, поэтому он, вероятно, захочет продать принадлежащие ему акции ABC млн даже осуществить короткую продажу. В то же время относительно большой разброс оценок относительно средней оценки показывает, что ожидания рынка не имеют устойчивого характера. Если прибыль /4недействительно составит $3,30, то это не будет особенно неприятной неожиданностью пяя рынка и поэтому может слабо повлиять на динамику цен акций ЛВС.

Институциональные инвесторы быстро уловили преимущества использования обшпх ожиданий уровня прибыли при анализе обыкновенных акций. Сегодня компания l/B/E/S получает и обрабатывает оценки прибыли более чем 6000 аналитиков в примерно 600 исследовательских отделах в 33 странах Хотя наиболее широко представлены оценки прибыли компании США, аналитики, сотрудничающие с l/B/E/S. дают информацию по 13 000 компаний на 39 фондовых рынках мира. Даже компании развивающихся фондовых рынков, таких, как Китай, Шри-Ланка и Чили, привлекли внимание институциональных инвесторов и были включены н список l/B/E/S.

Компания l/B/E/S получает оценки прибыли различными способами - по факсу, на дискетах, по телефону и в печатном виде. Многие исследовательские фирмы передают l/B/E/S данные непосредственно по компьютерной сети. Получив данные аналитиков, служащие l/B/E/S проверяют некоторые из них. с тем чтобы обеспечить целостность данных. После этого оценки вводятся в базу данных фирмы. Обобщенные результаты рассчитываются ежедневно и предлагаются подписчикам l/B/E/S

Сначала сообщения 5/£/Упредставля-ли собой обыкновенные издания, содержащие обобщенные данные оценок прибыли отдельных компаний. В настоящее время издания в печатном виде продолжают существо-

вать, но fi/£/S предоставляег данные и посредством электронной почты. Например, к данным можно получить доступ с помощью системы передачи данных посредством оптического диска, когорая быстро преобразует данные об ожиданиях прибыли в электронную таблицу для детального анализа.

Клиенты 1/B/E/S могут сейчас получать данные, сгруппированные различным образом. Фирма предоставляет подписчикам данные каждого аналитика, ежедневные изменения в прогнозах аналитиков, исполняет индивидуальные заказы клиентов. Фирма также даег собственные коммента-

рии и делает анализ рыночных тенденций, исходя из имеющихся оценок прибыли.

Систематический сбор прогнозных оценок прибыли является неплохим примером факторов, которые увеличивают эффективность фондового рынка. До того как I/B/E/S приступила к сбору таких данных, трудно было получить общерыночную оценку прибыли и, кроме того, она была крайне неопределенна. В настоящее время такие оценки быстро обрабатываются и широко распространяются, что снижает вероятность действий инвесторов на основе неполной или ошибочной информации.

1Э.8.3 Прогнозные оценки прибыли финансовых аналитиков

Если использовать для прогноза будущей прибыли данные за прошедший период и авторегрессионную модель первого порядка, то, как показано в уравнении (19.19), она будет работать также эффективно, как и любая другая модель. Однако при разработке прогноза финансовый аналитик не ограничивается только прошлыми данными о прибыли. Насколько успешно аналитики могут прогнозировать прибыль? Включают ли их прогнозы иную информацию помимо прошлых данных о прибыли? Результаты двух исследований, дающих некоторые ответы на эти вопросы, показаны в табл. 19.5 и 19.6.

Прогнозы аналитиков

В одном исследовании, результаты которого показаны в табл. 19.5, была проведена проверка двух наборов прогнозов квартальной прибыли 50 фирм за период с 1971 по 1975 г.26 Первый набор прогнозов был получен на основе обработки прошлых данных о прибыли каждой фирмы посредством сложных механических моделей, таких, как авторегрессионная модель, представленная уравнением (19.19). Второй набор прогнозов получили, исходя из прогнозов финансовых аналитиков, публикуемых в издании Value Line Investment Survey27. Полученные результаты свидетельствуют о том, что прогнозы аналитиков по качеству превосходят механические модели. Например, 63,5% прогнозов аналитиков оказались в пределах 25% от действительной величины прибыли, а для механических моделей подобный показатель составил только 54,4% случаев. Дело в том, что аналитики делают свои прогнозы, исходя из данных о прошлой прибыли и другой информации, причем последняя оказывается весьма полезной.

Таблица 19.5

Точность прогнозов прибыли, сделанных на основе механических моделей

и экспертных оценок

Ошибка прогноза прибыли, Процентная доля прогнозов с небольшой ошибкой в процентах от действительной прибыли

Механическая Прогнозы

модель аналитиков

5 15,0 18,0

10 26,5 32,0

25 54,5 63,5

Источник: Lawrence D. Brown and Michael S. Rozeff, The Superiority of Analyst Forecasts as Measures of Expectations: Evidence from Earnings*, Journal of Finance, 33, no. 1 (March 1978), pp. 7-8.

В другом исследовании были изучены прогнозы прибыли за год, сделанные аналитиками приблизительно за 240, 180, 120 и 60 дней до даты объявления о фактической прибыли28. Эти дни обычно приходятся на день, предшествующий дате объявления о прибыли в соответствующем квартале финансового года. Поэтому 240 дней приблизительно соответствуют промежутку времени между объявлением о прибыли за прошлый год и объявлением о прибыли за первый квартал текущего года; 180 дней соответствуют времени между объявлениями о прибыли за первый и второй кварталы и т.д. Данные прогнозы, сделанные аналитиками от 50 до 130 брокерских фирм за период с 1975 по 1982 г., были взяты из базы данных Institutional Brokers Estimate System (I/B/E/S), разработанной брокерской фирмой Lynch, Jones & Ryan.

В табл. 19.6 сравнивается точность четырех прогнозов. Первый прогноз, обозначенный RW, - это ежегодный прогноз, сделанный на основе модели, напоминающей модель случайных колебаний (см. уравнение (19.16)). Второй прогноз, обозначенный AR, - это ежегодный прогноз на основе авторегрессионной модели, которая похожа на модель из уравнения (19.19). Третий прогноз - это средний прогноз, опубликованный I/B/E/S, и четвертый - это последний прогноз, публикуемый I/B/E/S.

Таблица 19.6

Точность прогноза прибыли на основе моделей временного ряда и моделей

ценных бумаг (в долл.)

Дни до ежегодной даты объявления

Источник: Составлено по: Patricia С. OBrien, Analysts Forecasts as Earnings Expectations , Journal of Accounting and Economics, 10, no. 1 (January 1988), Table 4.

Точность прогноза для конкретной модели и фирмы измерена с помощью показателя абсолютной ошибки прогноза:

FE=\a-F\, (19.22)

где / обозначает прогнозное значение прибыли и А - соответствующую величину фактической прибыли фирмы.

Таблица 19.6 позволяет сделать несколько интересных наблюдений. Во-первых, по мере приближения к дате объявления прибыли все прогнозные модели становятся более точными. Это неудивительно, так как чем ближе дата объявления прибыли, тем боль-