Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
New Algorithms for Evaluating Equity Analysts’ Estimates and Recommendations
KTH, School of Computer Science and Communication (CSC).
2015 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesis
Abstract [en]

The purpose of this study is to find improved algorithms to evaluate the work of equity analysts. Initially the study describes how equity analysts work with forecasting earnings per share, and issuing recommendations on whether to invest in stocks. It then goes on to discuss techniques and evaluation algorithms used for evaluating estimates and recommendations found in financial literature. These algorithms are then compared to existing methods in use in the equity research industry. Weaknesses in the existing methods are discussed and new algorithms are proposed. For the evaluation of estimates the main difficulties are concerned with adjusting for the reducing uncertainty over time as new information becomes available, and the problem of identifying which analysts are leading as opposed to herding. For the evaluation of recommendations, the difficulties lie mainly in how to risk-adjust portfolio returns, and how to differentiate between stock-picking ability and portfolio effects. The proposed algorithms and the existing algorithms are applied to a database with over 3500 estimates and 7500 recommendations and an example analyst ranking is constructed. The results indicate that the new algorithms are viable improvements on the existing evaluation algorithms and incorporate new information into the evaluation of equity analysts.

Abstract [sv]

Syftet med denna studie är att hitta förbättrade algoritmer för att utvärdera aktieanalytikers arbete. I studien beskrivs inledningsvis hur aktieanalytiker arbetar med att ta fram prognoser för vinst per aktie och rekommendationer för att köpa eller sälja aktier. Därefter diskuteras tekniker och algoritmer för att utvärdera analytikers vinstprognoser och rekommendationer som hämtats från finansiell litteratur. Dessa algoritmer jämförs därefter med befintliga utvärderingsmetoder som används inom aktieanalys-branschen. Svagheter i de befintliga utvärderingsmetoderna diskuteras och nya algoritmer föreslås. För utvärderingen av vinstprognoser diskuteras svårigheterna i att justera för minskande osäkerhet allteftersom ny information blir tillgänglig, samt svårigheter att identifiera vilka analytiker som är ledande och vilka som är efterföljande. För utvärderingen av rekommendationer ligger svårigheterna främst i risk-justering av avkastningar, samt i att skilja mellan förmåga att bedöma enskilda aktiers utveckling och portföljeffekter. De föreslagna algoritmerna och de befintliga algoritmerna tillämpas på en databas med över 3500 vinstestimat och 7500 rekommendationer och ett exempel på ranking av analytiker tas fram. Resultaten indikerar att de nya algoritmerna utgör förbättringar av de befintliga utvärderingsalgoritmerna och integrerar ny information i utvärderingen av aktieanalytiker. 

Place, publisher, year, edition, pages
2015.
Keyword [en]
Algorithms, Evaluation, Equity Analyst
National Category
Computer Science
Identifiers
URN: urn:nbn:se:kth:diva-169670OAI: oai:DiVA.org:kth-169670DiVA: diva2:824355
Supervisors
Examiners
Available from: 2015-06-30 Created: 2015-06-22 Last updated: 2015-06-30Bibliographically approved

Open Access in DiVA

fulltext(2079 kB)267 downloads
File information
File name FULLTEXT01.pdfFile size 2079 kBChecksum SHA-512
b4a0b43d31e5d2ccf2b5a5238d8942c75afa79202a5c203d3053a0da330d836663256a2805682bb3908eda9d51c5000c879be780354f76dd2d3665423bdabcad
Type fulltextMimetype application/pdf

By organisation
School of Computer Science and Communication (CSC)
Computer Science

Search outside of DiVA

GoogleGoogle Scholar
Total: 267 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 207 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf