The Federal Reserve utilizes macroeconomic data and Nowcast to forecast the Standard & Poor's 500 earnings forecast errors and stock market returns for 2024.

金融与经济学讨论系列 美国联邦储备委员会，华盛顿特区，ISSN19362854（印刷版）ISSN2767389 8（在线版） 预测分析师对标准普尔500指数每股收益预测错误的股票使用宏观经济数据和近估来衡量市场回报 史蒂文A夏普和安东尼奥吉尔德鲁比奥克鲁斯 2024049 请引用本文如下： SharpeStevenA，和AntonioGildeRubioCruz2024“预测分析师的SP500使用宏观经济数据预测收益误差与股市回报Nowcasts，金融与经济讨论系列2024049。华盛顿：联邦储备委员会 美联储系统行长们，httpsdoiorg1017016FEDS2024049 注意：金融与经济讨论系列（FEDS）中的工作人员论文是初步材料，用于激发讨论和批判性评论。文中分析和结论为作者观点，不代表研究团队其他成员或董事会成员的同意。出版物中引用金融与经济讨论系列（除致谢外）应与作者确认，以保护这些论文的试探性特点。 使用宏观经济数据和预测数据对分析师的SP500收益预测误差和股市收益率进行预测 史蒂文A夏普和安东尼奥吉尔德鲁比奥克鲁斯 2024年6月21日 摘要 本研究审查了通过汇总分析师对个别公司层面盈利的预测所得出的近期标准普尔500指数综合盈利的“自下而上”预测的质量。我们检验了这些预测是否与反映在经济学家近期展望和其他可用数据中的当前宏观经济条件普遍一致。相反，我们发现，一个简单的基于宏观经济模型的标准普尔500指数综合盈利，结合蓝筹股调查的GDP预测以及最近的美元汇率变动，可以预测在本季度及下个季度标准普尔500指数盈利的“自下而上”预测中的大额且统计学上显著的误差。这一发现不受我们的计量模型仅使用预测时可用数据校准的要求的影响。此外，基于宏观模型得出的盈利预测与分析师预测之间的差异，对未来3个月股票回报有预测能力。 在此处表达的观点是作者的观点，并不一定反映联邦储备委员会或联邦储备系统工作人员的观点。特别感谢NelsonRayl在广泛的研究协助上的贡献，以及KirstinHubrich在项目早期版本中的领导作用。我们感谢RS午餐研讨会和联邦储备委员会财务论坛研讨会的参与者们提供的有益评论和建议。我们特别感谢AndrewChen、DinoPalazzo和BenjaminKnox同事的深思熟虑的反馈。当然，作者对所有剩余的不足负责。 联邦储备委员会研究与统计部，20街和宪法大道西北，华盛顿特区，20551 I引言 华尔街分析师季度收益预测的信息效率已经被广泛分析，尽管这些分析大多是在单个公司收益预测及其对公司股票收益影响的背景下进行的。关于分析师收益预测无效性作为推动整体市场股票收益的驱动因素所起的作用，相对而言讨论较少。即使研究旨在衡量分析师收益预测与宏观经济数据的效率，推断的指标在很大程度上还是基于公司层面的收益和回报。我们的分析通过衡量宏观经济信息被纳入分析师对整体收益展望的程度，填补了这一重要空白。我们还考察了SP500成分股的短期收益的“自下而上”预测在多大程度上未能纳入有关宏观经济的可用信息。我们的研究结果也为资产定价文献提供了新的证据，证明了现金流新闻在解释整体股票市场收益中的重要性。 我们首先考察了由分析师预测修正所衡量的短期收益新闻对19942023年股市回报的影响程度。我们发现存在非常强烈的正相关关系。即使在排除与金融危机相关的少数几个异常季度后，短期收益新闻的正面影响也占3个月和6个月综合指数回报变化的10以上 。这一结果似乎与以下内容相矛盾：负面在早期的文献中记录的总体收益收益率关系 。然而，这种差异可能部分归因于我们的较近样本期限；我们的样本数据始于1994年，接近以降低通货膨胀为主要目标的一段货币政策时期的尾声（ZolotoyFredericksonLyon2017）。 我们分析的核心在于检验分析师在总体层面的预测误差是否能够通过可用的宏观经济数据预测。具体来说，我们提出并估算了一个简单模型，该模型将总体标准普尔500指数季度收益的增长视为GDP增长、通货膨胀和美元兑汇率升值的一个函数。然后，我们衡量分析师对标准普尔500指数当前季度和下季度收益的预测与模型和可用的宏观经济数据所隐含的轨迹的一致程度。随后，我们考察基于分析师的预测与宏观经济条件所隐含的收益增长之间的差距，能够多好地预测分析师的预测误差，最后测试分析师预测误差的可预测性对股市回报的影响程度。 详细解析我们的方法和发现，我们构建了一个在国民收入和产品账户背景下关于企业利润增长的简约且可解释的模型。该模型提供了对关键宏观经济变量系数符号和可能范围的预测，并基于19932023年标准普尔500公司利润的季度增长率进行估计。最终，该计量经济模型仅包含少数解释变量：实际GDP的增长、产出和工资通胀的衡量以及美元汇率的升值。部分简约性是由公众驱动的。 宏观经济预测的可用性，这主要限于GDP及其组成部分。1 美元汇率被假设为关键决定因素，因为许多标普500指数公司的产品是出口或在外国子公司销售：在其他条件相同的情况下，美元贬值往往通过几个渠道提升美国企业盈利的美元价值。总体而言，我们的宏观经济变量解释了标普500指数企业盈利增长的25到45的变化，或当控制商业银行的资产减记时，高达75。 一个真正的测试是分析师或复杂的投资者是否将已知宏观经济信息纳入其预测之中，这个测试要求用于预测盈余的宏观经济模型的参数只能基于分析师记录预测时的可用信息 。因此，为了减少前瞻性偏差，我们使用了样本的早期部分，即19931998年，来估计模型系数的初始值。这些参数结合BlueChip调查的其他宏观经济预测及1999年第一季度中期的数据来预测1999年第一季度及第二季度的SP500公司收益增长率。换句话说，我们产生了第一季度的“nowcast”（即时估算）以及对第二季度的预测。然后，每一季度将添加新的历史数据，以此来迭代地更新整个样本模型参数。 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）分析师对当前季度的预测略比基于宏观的预测更准确，而（ii）对于当前季度及后续季度的累计增长来说，情况则相反。令人惊讶的是，自下而上的分析师增长预测与基于宏观的增长预测在很大程度上不相关，这表明分析师的预测没有包含最新的宏观经济信息。随后，我们使用简单回归来检验宏观模型预测与分析师预测之间的差距在多大程度上有助于预测当前（现在预测）季度和下一个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与分析师增长预测之间的差距可以预测约50的当前季度分析师预测误差，以及约40的下一个季度盈利预测误差。 我们的分析的最后阶段涉及检验预测的预测误差是否反过来预测了标准普尔500指数的收益。我们考察了三个月和六个月期限的回报，后者大致标志了实际季度前收益结果大部分已向公众发布的时间点。仅靠模型预测的预测误差本身，就预测了3个月股票回报率约8的变动，预期方向正确，但只预测了6个月回报率变动的约4至5。 此外，当我们将标准普尔500指数股息收益率或类似的所谓“回报因素”纳入对股票市场估值的控制时，我们发现我们预测的预测误差的增量解释力变化很小。 1特别是在主要的经济预测公众调查中，并没有包含劳动成本关键决定因素的预测（私人部门薪酬和工资），这些因素通常与实际GDP和价格同步增长，尽管往往并非完全同步。 我们的研究既为（i）关于现金流新闻在股票市场整体回报和估值变化中所占比例的资产定价研究做出了贡献，也为（ii）关于分析师盈利预测效率的会计研究做出了贡献。特别是，我们的分析为以下效应揭开了新的篇章：同时期的关于整体股票收益的盈利新闻 。几项先前研究发现在整体股票价格上，当前盈利增长具有一个非直观的负面效应（例如，Kothari、Lewellen和Warner（2006年）以及Cready和Gurun（2010年）的研究） ，这被解读为暗示有利现金流新闻往往被相关的折现率新闻所抵消。然而，最近，Zolotoy、Frederickson和Lyon（2017年）发现盈利收益关系是制度依赖性的，当市场担忧主要受到反通胀货币政策的影响时为负，但当市场专注于其他风险时为正。我们的1992年后样本期主要与通胀风险不是主导的制度时期重叠。 我们的分析也对未来现金流新闻在解释回报率变化中的作用产生了影响。从CampbellShiller（1988）开始，并由Cochrane（2008）等人加强，研究人员发现几乎没有证据表明未来分裂的增长可能解释了股票估值中的许多差异。这一推断被更近期的、没有强加理性预期假设但采用“主观”（基于调查的）预期现金流增长度量方法的研究推翻。Chen、Da和Zhao（2013）以及DeLaO和Myers（2021、2024）的研究均使用了IBES汇编的华尔街分析师预测，但采用了不同的建模框架，表明股票估值和收益中的大部分差异可由盈利增长预测的变化来解释，尤其是只针对一到两年后的盈利预测。我们的分析表明，仅针对下个季度（连同当前季度）的盈利预测就可以解释三个月和六个月回报中的很大一部分。 在关注宏观经济新闻传递至分析师公司层面盈利预测的会计研究中，一些最近且突出的研究包括Hugon、Kumar和Lin（2016）以及Carabias（2018）。前者专注于GDP新闻 ，通过GDP增长的共识预测来衡量，并发现GDP预测可以预测分析师对当前季度公司层面盈利的预测误差。后者构建了一个基于广泛经济数据发布的宏观经济增长新闻综合实时指数，然后使用这个实时宏观经济指标进行季度公司层面盈利的预测。这些预测被发现对预测分析师公司层面盈利预测误差及其股票回报具有显著的影响力。另一项相关研究是Chordia和Shivakumar（2005），该研究显示盈利预测并未完全纳入总体通货膨胀新闻；也就是说，通货膨胀数据可以预测随后的公司层面盈利意外和超额回报。 进一步洞察关于预测无效性这样的发现，由Hugon、Kumar和Lin（2016年）提供，他们对活跃内部宏观经济部门公司的分析师和缺乏此类部门的公司的分析师的盈利预测性能进行了比较。他们表明，前者的分析师的预测似乎在融入GDP新闻方面表现更好，并暗示那些缺乏接触密切关注宏观经济新闻的同事的分析师往往过于关注公司层面的信息 。 可能与我们分析最密切相关的最近一项研究是由Park、Peterson和Weisbrod（2024年 ）进行的一项研究，该研究考察了整体水平的收益预测效率，与LSEGIBES的SP500收益自下而上预测的方法相似。他们将分析师对未来12个月收益的自下而上一致预期与来自类似投资公司策略师产生的一个类似的一致性“自上而下”预测进行比较。与策略师更加关注宏观经济整体环境的假设一致，他们发现自上而下和自下而下预测之间的差距正向预测了接下来三个月收益惊喜的加权总和以及未来1到5个月的股票回报。此外，他们还发现预测之间的差距与宏观经济指标相关，例如最近失业率和投资者情绪的读数 。 我们的研究从几个方面为ParkPeterson和Weisbrod（2024）研究中关于自下而上预测中的预测无效性提供了更清晰的图景。首先，我们的样本涵盖了30年独立季度预测的历史，而不是未来一年收益的20年重叠预测历史。此外，我们关注分析师的季度预测，而不是更粗略划分的12个月前时间段，这使得我们能够在结构模型中考虑宏观经济数据如何转化为标普500指数的收益和收益预测。这使我们能够衡量分析师预测在多大程度上反映了，或未能反映宏观经济新闻，而不仅仅是测试预测误差预测的统计显著性。 本文的论述顺序如下。下一节介绍了我们关于综合盈利新闻的衡量方法，描述了样本期间，并强调了盈利新闻对股票收益的积极影响。第三章提出了针对标普500公司盈利增长的宏观经济核算模型。第四章估计了我们关于盈利增长的宏观经济模型的变体，包括实时参数估计。第五章比较了当前季度和未来季度盈利的底向上分析师预测，以及我们宏观经济模型的可比预测，以及实际的盈利增长；然后估计