美联营 — — 用观察经济指数和 Nowscast 防控分析师的标普 500 收益防控误差和股市报 （ 汉 ） - 2024

财经系列讨论 联邦储备委员会，华盛顿特区，ISSN1936-2854（打印） ISSN2767-3898(在线) 使用宏观经济数据和Nowcast预测分析师的标准普尔500指数盈利预测误差和股市回报 StevenA.Sharpe和AntonioGildeRubioCruz2024-049 请引用本文为： Sharpe，StevenA.和AntonioGildeRubioCruz（2024）。“使用宏观经济数据和Nowcast预测分析师的S＆P500收益预测误差和股市回报”，《金融与经济讨论系列2024-049》。华盛顿 ：美联储理事会，https：//doi.org/10.17016/FEDS.2024.49049。 注意：金融和经济讨论系列（FEDS）中的员工工作文件是为激发讨论和评论而分发的初步材料。提出的分析和结论是作者的分析和结论，并不表示其他研究人员或理事会成员的同意。在出版物中引用的金融和经济讨论系列（除了承认）应清除与作者（S），以保护这些论文的暂定性质。 使用宏观经济数据和Nowcast预测分析师的标准普尔500指数盈利预测误差和股市回报* StevenA.SharpeandAntonioGildeRubioCruz** 2024年6月21日 Abstract 这项研究审查了近期标准普尔500综合指数收益的“自下而上”预测的质量，该预测是通过汇总分析师对单个公司级别收益的预测得出的。我们研究预测是否与经济学家的近期前景和其他可用数据所反映的当前宏观经济状况基本一致。相反，我们发现，一个简单的综合标普500收益宏观经济模型，再加上蓝筹调查的GDP预测和近期的美元汇率走势，可以预测股票分析师对标普500在本季度和未来季度收益的自下而上预测中的巨大且具有统计意义的误差。这一发现对于仅使用预测时可用的数据来校准我们的计量经济模型的要求是稳健的。此外，基于宏观模型的收益预测与分析师预测之间的差异对3个月前的股票收益具有预测能力。 *本文表达的观点是作者的观点，不一定反映理事会或联邦储备系统工作人员的观点。特别感谢NelsoRayl提供的广泛研究援助，以及KirstiHbrich在该项目的早期版本中的领导能力。我们感谢R＆S午餐研讨会和州长金融论坛研讨会的参与者提供有益的意见和建议。我们特别感谢同事AdrewChe、DioPalazzo和BejamiKox的周到反馈。当然，作者对所有剩余的缺点负责。 **研究和统计司，联邦储备委员会，第20街和宪法大道N.W. 华盛顿特区20551 I.Introduction 华尔街分析师季度收益预测的信息效率已经得到了广泛的分析，尽管主要是在对单个公司收益的收益预测以及对公司层面股票收益的影响的背景下进行的。关于分析师盈利预测效率低下作为总市场股票回报驱动因素的作用，相对而言很少有人提及。即使研究旨在衡量分析师盈利预测相对于宏观经济数据的效率，推断的指标在很大程度上是基于企业层面的收益和回报。我们的分析通过衡量宏观经济信息被纳入分析师对总收益的展望的程度，填补了一个重要的空白。我们研究了对标准普尔500指数成份股近期收益的汇总或“自下而上”预测未能纳入有关宏观经济的可用信息的程度。我们的结果也为资产定价文献提供了新的证据，证明了现金流量新闻对解释股票市场总收益的重要性。 首先，我们首先研究通过对分析师预测的修正来衡量的短期收益新闻对1994-2023年股市回报的影响程度。我们发现了非常牢固的积极关系。即使排除了与金融危机相关的少数异常季度，近期收益新闻的积极影响也占3个月和6个月综合指数回报变化的10％以上。这一结果似乎与早期研究中记录的负的总收益-回报关系相矛盾。然而，这种差异可能部分归因于我们最近的样本期；外部样本始于1994年，接近主要侧重于降低通胀的货币政策制度的结束(Zolotoy，Fredericso，&Lyo，2017)。 我们分析的关键是测试分析师的预测误差在总体水平上是否可以通过可用的宏观经济数据来预测。具体来说，我们提出并估计了一个简单的模型，该模型是标准普尔500指数季度收益总量随GDP增长，通货膨胀和美元汇率升值的函数。然后，我们评估分析师对标准普尔500指数收益的当前季度和季度预测与模型和可用宏观经济数据所隐含的轨迹一致的程度。然后，我们根据分析师的预测与宏观经济状况所隐含的盈利增长之间的差距，研究分析师的预测误差在多大程度上可以预测，最后，检验分析师预测误差的可预测性对股票市场收益的预测程度。 更详细地阐述了我们的方法和发现，我们在国民收入和产品账户的背景下建立了一个简约且可解释的企业利润增长模型。由此产生的模型提供了对关键宏观经济变量系数的迹象和合理幅度范围的预测，并根据1993-2023年标准普尔500指数利润的季度增长进行了估计。最终，计量经济学模型仅包含几个解释变量：实际GDP的增长，产出和工资通货膨胀的度量以及美元汇率的升值。在某种程度上，简约部分是由公众驱动的。 宏观经济预测的可用性，这在很大程度上限于GDP及其组成部分。1据推测，美元汇率是一个关键的决定因素，因为许多标准普尔500指数公司在外国子公司生产出口或产生销售：其他情况相同，美元贬值倾向于提高美元的价值S.公司通过几个渠道获得收益。总体而言，我们的宏观经济变量可以解释标准普尔500指数收益增长的25％至45％的变化，或者在控制商业银行资产减记时可以解释高达75％的变化。 真正检验分析师或老练的投资者是否将已知的宏观经济信息纳入其预测中，要求用于预测收益的宏观模型的参数仅基于分析师记录其预测时可获得的信息。因此，为了减少前瞻偏差，我们使用1993-1998年样本的早期部分来估计一组初始模型系数。这些参数与蓝筹股调查的宏观经济预测以及 1999年第一季度中期观察到的其他传入数据一起使用，以预测标准普尔500指数在1999年前两个季度的收益增长。也就是说，我们制作了第一季度增长的“owcast”和第二季度的预测。然后,逐季地添加新的历史数据,以在样本的其余部分上迭代地更新模型参数。 当我们使用简单的相关性分析比较基于宏观模型的预测和分析师预测的准确性时，我们发现 （i）当前季度的分析师预测比基于宏观的预测更准确，而（ii）当前和后续季度的累积增长则相反。令人惊讶的是，分析师自下而上的增长预测与基于宏观的增长预测基本不相关，这表明分析师的预测没有包含近期的宏观经济信息。 然后使用简单的回归来检查基于宏观的预测和分析师预测之间的差距在多大程度上有助于预测当前 （临近预报）季度和未来季度的分析师预测误差。我们发现，我们的宏观模型增长预测和分析师增长预测之间的差距可以预测分析师当前季度的预测误差约为50％，而他们的季前收益预测误差约为40％。 我们分析的最后阶段涉及测试那些预测的预测误差是否会反过来预测标准普尔500指数的回报。我们检查了三个月和六个月的回报率，后者大致标志着季度前收益的实际结果已基本向公众发布的时间点。就其本身而言，模型预测的预测误差预测了两个3个月股票收益率变化的8%左右，具有预期符号，但只有6个月收益率变化的4%至5%左右。 此外，当我们使用标准普尔500指数股息率或类似的所谓“回报因子”对股票市场估值进行控制时，我们发现我们预测的预测误差的增量解释力几乎没有变化。 1特别是，对经济预测的主要公开调查不包含对劳动力成本的关键决定因素（私营部门的工资和工资）的预测，劳动力成本的增长往往与实际GDP和价格大致一致，尽管经常不同步。 我们的发现有助于（i）资产定价研究，即现金流量新闻占股票市场总收益和估值的变化，以及（ii）对分析师盈利预测效率的会计研究。特别是，我们的分析为同期收益新闻对总股票收益的影响提供了新的思路。先前的几项研究发现，当前的收益增长对总股票价格具有违反直觉的负面影响 （例如Procedre，Kothari，Lewelle和Warer（2006）和Cready和Gr（2010）），这被解释为表明有利的现金流新闻往往被相关的贴现率新闻所抵消。然而，最近，Zolotoy，Fredericso和Lyo（2017）发现收益-回报关系依赖于政权，当市场担忧由抗通胀货币政策主导时，收益-回报关系是负面的，但当市场关注其他风险时，收益-回报关系是正面的。我们1992年后的样本期与通货膨胀风险不占主导地位的制度大部分重叠。 我们的分析还影响了未来现金流量新闻在解释收益变化中的作用。从Campbell&Shiller（1988）开始，并由Cochrae（2008）进行了放大，研究人员发现几乎没有证据表明未来的分裂增长可以解释股票估值的大部分变化。这一推论被最近的研究所推翻，这些研究没有强加理性预期的假设 ，而是采用“主观”（基于调查）的预期现金流增长措施。Che，Da和Zhao（2013）和DeLaO和Myers（2021，2024）都使用了由I/B/E/S编制的华尔街分析师预测，但建模框架不同，表明股票估值和回报的大部分变化是由盈利增长预测的变化解释的，特别是对未来一两年盈利的预测。我们的分析表明，仅提前一个季度（加上当前季度）的收益预测可以解释三个月和六个月回报的很大一部分。 在专注于将宏观经济新闻传递到分析师的公司层面收益预测的会计研究中，最近和突出的研究有Hgo，Kmar和Li（2016）和Carabias（2018）。前者专注于GDP新闻，使用对GDP增长的共识预测进行衡量，并发现GDP预测可以预测分析师对当前季度公司级收益的预测误差。后一项研究基于广泛的经济数据发布，构建了宏观经济增长新闻的综合实时指数，然后使用此实时宏观指标来预测季度公司级收益。这些owcast被发现对预测分析师的公司级收益预测误差以及他们的股票回报具有重要的能力。另一项相关研究是Chordia和Shivamar(2005)，研究表明盈利预测并没有完全纳入总体通胀消息；也就是说，通胀数据预测了随后的企业层面的盈利惊喜和超额收益。 Hgo，Kmar和Li（2016）提供了对此类预测效率低下发现的进一步见解，该研究将在活跃的内部宏观经济学家公司工作的分析师的盈利预测表现与缺乏此类部门的公司分析师的盈利预测表现进行了比较。他们表明，前一组分析师的预测似乎更适合纳入GDP新闻，并表明那些缺乏密切关注宏观经济新闻的同事的分析师倾向于过于关注公司层面的信息。 也许与我们的分析最密切相关的是Park，Peterson和Weisbrod（2024）的最新研究，该研究考察了总体盈利预测的效率，类似地通过对标准普尔500的自下而上的预测来衡量LSEGI/B/E/S 。他们将分析师对12个月前盈利的自下而上的共识预测与 类似的“自上而下”的共识预测是由一组类似的投资公司的策略师产生的。与策略师更关注宏观宏观经济环境的假设一致，他们表明自上而下和自下而上的预测之间的差距积极地预测了随后三个月的收益惊喜以及股票收益的加权总和从1到5个月。此外，他们发现预测之间的差距与宏观经济指标相关，例如最近的失业率和投资者情绪。 我们的研究以多种方式提供了自下而上的预测低效率的更清晰的图景，超越了公园，彼得森和魏斯布罗德（2024）研究。首先，我们的样本涵盖了30年的独立季度预测历史，而不是20年的年度收益预测基本重叠的历史。此外，我们对分析师的季度预测的关注，而不是对未来12个月的细分，使我们能够在结构模型中考虑宏观经济数据如何转化为标准普尔500指数的收益和收益预测。这使我们能够衡量分析师预测反映或未能反映宏观经济新闻的程度，而不是简单地测试预测误差可预测性的统计意义。 本文的内容如下。下一节介绍了我们对总收益新闻的衡量，描述了样本期，并强调了收益新闻对股票收益的积极影响。第三节发展了为标准普尔500指数盈利增长提出的宏观经济核算模型。第四节估计了我们的盈利增长宏观模型的变化，包括实时参数估计。在第五节中，我们比较了自下而上的分析师对当前季度和季度前收益的预测，宏观模型的可比预测以及实际收益增长；然后，我们估算了一个用于预测分析师预测