用机器学习预测收益

用户7623498

发布于 2020-08-04 03:36:22

72100

代码可运行

文章被收录于专栏：决策智能与机器学习决策智能与机器学习

运行总次数：0

代码可运行

上市公司制作季度收益报告，当结果偏离分析师的估计时，可能导致价格大幅波动。这是因为根据有效市场假设，资产价格充分反映了所有可用信息，并将作为共识估计的结果因素。在本文中，我们将看到我们如何使用机器学习来预测公司是否会高出或低于其估算。

数据

我们考虑来自Estimates数据库的EPS分析师估算，并从Sentieo下载。该数据库收集并汇编了分析师对20多项指标的估算。对于每家公司，我们都会得到估算值的平均值，#估计值，低值，高值和实际值，如下所示：

不幸的是，对于这个数据库，我们每个公司只有70个数据点，这不足以根据之前公布的结果和他们的Beat / Miss vs估计值来预测一家公司的收益，但我们可以改为重新设计问题以增加数量数据点。

我们可以询问估值是高于还是低于实际值，而不是问自己公司是否会超过估计值。

然后，我们将对值进行标准化以便聚合它们。在这种情况下，我们将为我们的模型考虑的功能是：

＃估计
低于/平均％
高于/平均％
实际/平均％

然后，我们决定按行业汇总估算，以检验分析师（in）准确预测收益的能力与企业性质相关的假设。在本研究中，我们将关注医疗保健股。

然后，我们为以下117家公司进行6000次估值：

'AAC'，'ABT'，'ABBV'，'ACHC'，'XLRN'，'ACOR'，'AERI'，'AGIO'，'AIMT'，'AKCA'，'AKBA' 
 ，'AKRX'，'ALXN '，'ALGN'，'ALKS'，'AGN'，'ALNY'，'AMRN 
 '，'AMGN'，'FOLD'，'ARRY'，'ASND'，'AZN'，'ATRA'，'ATRC'， 'AVNS' 
 ，'BHC'，'BAX'，'BDX'，'BCRX'，'BMRN'，'TECH'，'BEAT'，'BLUE' 
 ，'BSX'，'BMY'，'CBM'，'CAH '，'CSII'，'CELG'，'CNC'，'CRL'，'CHE'，'CBPO' 
 ，'CNMD'，'CORT'，'CRY'，'DVA'，'XRAY'，'DXCM'， 'EHC'，'ESPR'，'EXAS' 
 ，'EXEL'，'FGEN'，'FMS'，'GHDX'，'GILD'，'GMED'，'GRFS'，'HAE'，'HALO'，'HCA ' 
 ，'HCSG'，'HSIC'，'HLF'，'HRTX'，'HRC'，'HZNP'，'HUM'，'ICUI'，'IDXX'，'IMMU' 
 ，'INCY'，'INVA'， 'INGN'， 'INSM'， 'IART'， 'ISRG'， '离子'， 'IOVA'， 'JAZZ'
 ，'LGND'，'LIVN'，'LMNX'，'MGLN'，'MASI'，'MCK'，'MMSI'，'MOH'，'MSA'，'MYL'，'NEOG'，'NEO'，' NBIX'，'NVO'，'NUS'，'NUVA'，'OPK'，'OFIX'，'PDCO'，'PAHC'，'DGX'，'RMD'，'SEM'，'ONCE'，'STE' ， 'SYNH'， 'TFX'， 'COO'， 'USPH'， 'UNH'， 'UHS'， 'var' 或 'VRTX'， 'WBA'， 'ZBH'