Automated Earnings Forecasts: Beat Analysts or Combine and Conquer?

Abstract

Prior studies attribute analysts’ forecast superiority over time-series forecasting models to their access to a large set of firm, industry, and macroeconomic information (an information advantage), which they use to update their forecasts on a daily, weekly or monthly basis (a timing advantage). This study leverages recently developed mixed data sampling (MIDAS) regression methods to synthesize a broad spectrum of high frequency data to construct forecasts of firm-level earnings. We compare the accuracy of these forecasts to those of analysts at short horizons of one quarter or less. We find that our MIDAS forecasts are more accurate and have forecast errors that are smaller than analysts’ when forecast dispersion is high and when the firm size is smaller. In addition, we find that combining our MIDAS forecasts with analysts’ forecasts systematically outperforms analysts alone, which indicates that our MIDAS models provide information orthogonal to analysts. Our results provide preliminary support for the potential to automate the process of forecasting firm-level earnings, or other accounting performance measures, on a high-frequency basis. The online appendix is available at https://doi.org/10.1287/mnsc.2017.2864 . This paper was accepted by Mary Barth, accounting.

Predicting Surgery Duration: Physician Input, Statistical Models, and Combined Models

“…In the Operations Management literature, understanding the benefits/costs of allowing expert input in operational decision-making has been attracting interest in various application areas. For example, it has been examined in the context of horizontal multimarket coordination (Anand and Mendelson 1997), ordering behavior in retail stores (Van Donselaar et al 2010), capacity supply decisions in service operations (Campbell and Frei 2011), sales forecasting (Osadchiy et al 2013), price setting (Phillips et al 2015), and earnings forecasting (Ball and Ghysels 2018). In healthcare settings, Kim et al (2015) examine physicians' hospital unit admission decisions and show that allowing physician input in their data-driven decision making can help improve the system's performance.…”

Reavaliação da superioridade dos analistas na previsão de resultado futuro das empresas brasileiras de capital aberto

“…Quanto às discussões recentes sobre a reavaliação da superioridade dos analistas, este trabalho é relevante no sentido de acompanhar a discussão da literatura internacional, que indica que a superioridade dos analistas não é irrestrita e que, portanto, é necessário avaliar quando e sobre quais circunstâncias as estimativas dos analistas são mais acuradas do que as estimativas dos modelos de séries temporais (BALL, GHYSELS, 2017;BRADSHAW et al, 2012;LACINA, LEE, XU, 2011;LOREK, PAGACH, 2014).…”

“…Contudo, após um período inicial de desinteresse por essa linha de pesquisa, alguns estudos passaram a reavaliar a superioridade dos analistas de mercado e a discutir quando e sobre quais circunstâncias as estimativas dos analistas de mercado seriam superiores às previsões dos modelos de séries temporais (BALL, GHYSELS, 2017;BRADSHAW et al, 2012;LACINA, LEE, XU, 2011;LOREK, PAGACH, 2014).…”

“…Esses recentes trabalhos apresentam discussões com relação ao custo-benefício das estimativas dos analistas e apontam limitações dos estudos anteriores da literatura sobre o tema, as quais impossibilitam a generalização das conclusões sobre superioridade dos analistas (BALL, GHYSELS, 2017;BRADSHAW et al, 2012;LACINA, LEE, XU, 2011;LOREK, PAGACH, 2014). Assim, as evidências apresentadas por esses estudos encorajam a retomada da discussão sobre a superioridade dos analistas de mercado, indicando novos caminhos para essa linha de pesquisa.…”

“…Deste modo, enquanto os estudos anteriores apontam que os determinantes da superioridade: i) horizonte temporal da previsão; ii) tamanho da empresa; iii) cobertura dos analistas; iv) variabilidade dos resultados; v) dispersão da previsão dos analistas; vi) variabilidade dos lucros; vii) listagem em índices de mercado; e viii) divulgação de resultados positivos apenas alteram a magnitude da superioridade dos analistas de mercado sobre os modelos de séries temporais, os recentes trabalhos sobre superioridade dos analistas indicam que esses fatores podem alterar a relação de superioridade, ou seja, para diferentes características de amostra a superioridade é invertida e os modelos de séries temporais são superiores às estimativas dos analistas de mercado (BALL, GHYSELS, 2017;BRADSHAW et al, 2012;LACINA, LEE, XU, 2011;LOREK, PAGACH, 2014). Esses estudos indicam que, principalmente a longo prazo, as previsões das estimativas dos modelos de séries temporais são mais acuradas do que as previsões dos analistas de mercado.…”