Pre-Tax Corporate Profits Forecasts for the US Economy: An unresolved Challenge
本研究分析了1990年至2024年间的美国税前企业利润预测，揭示了一个令人惊讶的反常现象，即预测准确度并未随着预测周期的缩短而提高，并同时发现了预测行为中的从众效应、对波动性的低估以及预测者并不存在过度乐观的情况。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在投资领域，最基本的问题其实很简单：一家公司明年的盈利是否会比今年更多？几十年来，金融专家们一直致力于回答这个问题。他们研究业务报告，与管理层交谈，并进行数据计算，以预测企业的未来利润。这些预测是投资者决定资金去向的指南针。如果专家认为一个国家的企业将会蓬勃发展，投资者就会向该国的股市注入资金；如果专家预见困难，投资者则会撤资。整个主动投资体系都建立在一个假设之上，即这些专家能够比过去看得更远，并且随着离实际事件越近，他们的判断会变得越精准。这是一个合理的信念：正如明天的天气预报通常比下个月的要准确一样，在十二月做出的利润预测应该比在一月份做出的预测更可靠。
一组来自德国的研究人员决定通过对美国经济进行大规模、长期的观察来测试这一假设。他们收集了从1990年到2024年间，各大银行和研究机构针对税前企业利润变化所做的每一次月度预测。他们对这些预测进行了为期两年的追踪，观察随着实际结果的临近，这些预测是如何逐月演变的。他们的目标是看这些专家是真的从新信息中学习了，还是仅仅在黑暗中盲目猜测。他们的发现与金融界关于预测运作方式的所有认知都形成了惊人的矛盾。
这项研究审查了大量的资料，观察了这些专家对美国企业利润同比变化预测的准确程度。研究人员测量了专家预测值与实际发生情况之间的差距。他们原本预期会看到一个清晰的模式：随着月份的推进和年底的临近，预测误差应该会缩小。其逻辑在于，随着时间的推移，更多的信息变得可用。公司发布季度报告，经济数据被最终确定，不确定性的迷雾也应随之消散。然而，数据却讲述了一个完全不同的故事。这些预测的平均误差巨大，平均偏差接近95%。更令人震惊的是，这种巨大的误差率并未随着截止日期的临近而有所改善。提前二十四个月做出的预测，与在结果揭晓前仅一个月做出的预测一样不准确。专家们并没有变得更聪明；他们始终和最初时一样错误。
这一结果与专家处理其他经济指标的方式形成了鲜明对比。当同一组研究人员观察国内生产总值（GDP）、通货膨胀或房屋开工率的预测时，他们看到了预期的模式。对于这些主题，预测随着预测窗口期的缩短而变得显著更加准确。专家们显然知道如何针对这些课题利用新信息。但对于企业利润，这种改进并未发生。研究人员排除了专家反应迟钝的可能性。数据显示，专家们频繁更新其数据，数值经常在月度之间剧烈波动。他们并非在忽视新闻，而是在对新闻做出反应，然而他们的最终猜测却依然和最初的猜测一样，离目标点遥不可及。
研究人员随后观察了专家们是如何相互影响的。他们注意到，虽然准确性没有提高，但专家们开始趋于一致。随着实际利润数字的临近，他们预测值的离散程度缩小了。起初，专家们的观点大相径庭；到最后，他们几乎都在说同样的话。这种趋同现象表明了一种被称为“羊群效应”的行为。专家们不再是独立分析新数据以寻找真相，而是似乎在跟随大众。他们在使自己的观点与主流意见保持一致，或许是为了规避成为唯一犯错者的风险，但在这样做时，他们停止了对真实情况的探求。他们变成了一个统一的群体，大家同样地误判。
另一个令人惊讶的发现是，专家们并不像常见的金融批评所指出的那样过于乐观。事实上，数据表明他们过于谨慎了。当实际利润增长一定幅度时，专家们预测的增长率总是偏小。他们低估了经济的潜力。他们也无法想象极端情况。现实世界见证了利润的巨大波动，既有巨额增长也有严重亏损，但专家的预测总是聚集在中间区域。他们低估了现实的波动性，想象了一个比实际情况更平稳、更平静的世界。
这些发现对于任何资金管理人来说都具有深远的意义。如果那些受雇预测未来的专家无法做到这一点，且如果他们的预测不会随着时间推移而变得更好，那么基于这些预测进行选股的积极策略在根本上就是存在缺陷的。这项研究表明，无法准确预测企业利润是尝试战胜市场如此困难的一个主要原因。它意味着许多投资机构所使用的复杂的主动策略可能是在追逐一个幻影。数据表明，对于美国经济而言，投资者的最佳策略可能是接受未来是不可预测的这一事实，并坚持使用不依赖于这些失效预测的被动策略。专家们并不是在预见未来，他们只是在跟随彼此，走进了一片他们无法驱散的迷雾之中。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。