Cross-sectional estimation: Fama an

Cross-sectional estimation: Fama and French (2000) introduce a crosssectional
estimation approach to the earnings forecasting literature to uncover
the time-series properties of earnings.They argue that time-series estimation
lacks power because there are only a few time-series observations of annual
earnings available for most firms.In addition, use of a long time series
introduces survivor bias.The survivor bias implies more observations of
positive earnings changes following positive changes than expected by chance,
for reasons discussed above.This offsets the underlying negative time-series
correlation in earnings changes.The effect of survivor bias, together with low power (i.e., large standard errors) of time-series estimation, favors the
conclusion of a random walk in annual earnings.

ผลลัพธ์ (ไทย) 1:

การประเมินโรงพยาบาล: Fama และฝรั่งเศส (2000) แนะนำ crosssectionalวิธีการประเมินกำไรที่วรรณกรรมเผยการคาดการณ์คุณสมบัติชุดเวลาของรายได้ พวกเขาทะเลาะกันประมาณว่าอนุกรมเวลาขาดพลังงานเนื่องจากมีเพียงไม่กี่ชุดเวลาสังเกตประจำปีกำไรสำหรับบริษัทส่วนใหญ่ นอกจากนี้ ใช้ชุดเวลานานแนะนำอคติผู้รอดชีวิต หมายถึงความโน้มเอียงของเซอร์ไวเวอร์สังเกตเพิ่มเติมของการเปลี่ยนแปลงในเชิงบวกกำไรต่อในเชิงบวกกว่าที่คาดโดยบังเอิญสำหรับเหตุผลที่กล่าวข้างต้น ซึ่งเหลื่อมต้นที่ลบชุดเวลาความสัมพันธ์ในการเปลี่ยนแปลงของรายได้ ให้ความสำคัญกับผลของเซอร์ไวเวอร์อคติ ร่วมกับพลังงานต่ำ (เช่น ขนาดใหญ่มาตรฐานข้อผิดพลาด) ของชุดข้อมูลเวลาการประมาณการ การบทสรุปของการเดินสุ่มในกำไรประจำปี

ผลลัพธ์ (ไทย) 2:

ตัดการประมาณค่า: Fama และภาษาฝรั่งเศส (2000) แนะนำ crosssectional
วิธีการประมาณค่าวรรณคดีกำไรคาดการณ์ในการค้นพบ
คุณสมบัติอนุกรมเวลาของ earnings.They ยืนยันว่าประมาณเวลาชุด
ขาดอำนาจเพราะมีเพียงไม่กี่ข้อสังเกตอนุกรมเวลา ประจำปีของ
รายได้ที่มีอยู่สำหรับการเพิ่ม firms.In ส่วนใหญ่การใช้งานของชุดนาน
แนะนำรอดชีวิต bias.The รอดชีวิตอคติหมายถึงการสังเกตมากขึ้นของการ
บวกการเปลี่ยนแปลงรายได้ดังต่อไปนี้การเปลี่ยนแปลงเชิงบวกกว่าที่คาดไว้โดยบังเอิญ
ด้วยเหตุผลที่กล่าว above.This ชดเชยเวลาพื้นฐานเชิงลบ -series
สัมพันธ์กำไรเป็นการเปลี่ยนแปลงผลของการรอดชีวิตอคติร่วมกับพลังงานต่ำ (เช่นข้อผิดพลาดมาตรฐานขนาดใหญ่) การประมาณเวลาชุดโปรดปราน
ข้อสรุปของการสุ่มเดินในผลประกอบการประจำปี

ผลลัพธ์ (ไทย) 3:

การตัดขวาง : Fama และฝรั่งเศส ( 2000 ) แนะนำ crosssectionalการประเมินวิธีการพยากรณ์จากวรรณกรรมที่จะเปิดเผยอนุกรมเวลา คุณสมบัติของรายได้ พวกเขาโต้เถียงว่า การประมาณค่าข้อมูลอนุกรมเวลาขาดพลัง เพราะมีเพียงไม่กี่เวลาการสังเกตของประรายได้ของบริษัทส่วนใหญ่ นอกจากนี้ การใช้ชุดเวลานานแนะนำตั้งค่าที่รอดชีวิต ผู้รอดชีวิตอคติบางมากขึ้น เพื่อบวกกำไรการเปลี่ยนแปลงตามการเปลี่ยนแปลงในเชิงบวกมากกว่าที่คาดไว้โดยบังเอิญด้วยเหตุผลที่กล่าวข้างต้น นี้ ชดเชยลบต้นแบบอนุกรมเวลาจากความสัมพันธ์ในการเปลี่ยนแปลง ผลกระทบของอคติผู้รอดชีวิตร่วมกับพลังงานต่ำ ( เช่น ขนาดใหญ่มาตรฐานข้อผิดพลาด ) ของการประมาณค่าเวลา , บุญที่เดินสุ่มในบทสรุปของผลประกอบการประจำปี