Analyytikkoennusteiden virheet Suomen markkinoilla

Abstract

Tutkimuksen tavoitteena on selvittää analyytikoiden ennustevirheiden suuruus sekä jakauma. Keskeisenä tavoitteena on selvittää, kuinka paljon yrityksen toimiala ja markkina-arvo vaikuttavat ennustevirheen suuruuteen ja tätä kautta vääristävät osakkeiden hinnoittelua. Tutkimus olettaa, että osakkeiden hinnoittelu perustuu tuotto-odotuksiin eli analyytikoiden tulosennusteisiin sekä riskiin. Tutkimuksessa on käytetty kvantitatiivisia menetelmiä. Tutkimusaineistona on käytetty Helsingin pörssin päälistalla vuosina 1998 – 1999 olleita yrityksiä, joille on annettu tulosennusteita. Tulosennusteet on poimittu manuaalisesti REUTTERS:in tietokannasta. Tulosennusteet vuosille 1998 - 1999 eivät ole selvästi positiivisia tai negatiivisia. Ennustevirheet eivät myöskään ole jakautuneet selvästi toimialan mukaan. Kuitenkin vuonna 1999 ”teollisuus” sekä ”palvelut” toimialoille annettiin selvästi liian pessimistisiä ennusteita. Myöskään yhtiön markkina-arvolla ei ole selvää yhteyttä ennustevirheen suuruuteen. Kuitenkin vuonna 1999 isojen yhtiöiden tuloksista on annettu liian pessimistisiä ja pienten liian positiivisia arvioita. Etsittäessä ennustevirheen selittäjiä regressioanalyysin avulla, vahvimmiksi selittäjiksi nousivat analyytikoiden määrä per yhtiö ja analyytikkoennusteiden keskihajonta. Selittäjät saavuttivat 40 prosentin selitysasteen.

The aim of this study is to find out how large estimate errors analysis make and how errors are distributed. How the company’s market value and the industry affects to the size of the estimate error. This research assumes that equity prises are based on risk and analyst earning estimates. The empirical data includes predicted and realized earning for companies listed at Helsinki Stock Exchange main list in 1998 - 1999. Earning estimates are picked up manually from REUTERS database. Earning predictions are annual estimates. Earning estimates to years 1998 - 1999 are not significantly positive or negative. Size of the earning error is not dependent on company’s industry or market value. Still industries of “services” and “basic industry” was given significantly pessimistic earning estimates at 1999. Also estimates are pessimistic for big and positive for small companies at 1999. Determinants for forecast errors were identified by using regression model. Differentials were largely attributed by number of analyst and standard deviation of estimates. The adjusted R-Square of the regression model was 0.4.