Introduction to Financial Forecasting in Investment Analysis

پیش‌بینی - هنر و علم پیش‌بینی نتایج آینده - به یک مهارت مهم در تحلیل تجاری و اقتصادی تبدیل شده است. این جلد خواننده را با ابزارها، روش‌ها و تکنیک‌های پیش‌بینی آشنا می‌کند، به‌ویژه که در تصمیم‌های مالی و سرمایه‌گذاری کاربرد دارند. نویسنده با تأکید بر «درآمد هر سهم» (eps)، متنی داده‌محور در مورد پیش‌بینی مالی، درک داده‌های مالی، ارزیابی استراتژی‌های مالی شرکت (مانند بازخرید سهام و هزینه‌های تحقیق و توسعه)، ایجاد پرتفوی کارآمد، و پوشش ریسک پرتفوی سهام با قراردادهای آتی مالی. فصل های آغازین توضیح می دهند که چگونه می توان نوسانات اقتصادی را درک کرد و چگونه بازار سهام روند کلی اقتصادی را هدایت می کند. مفهوم پرتفوی ساخت و ساز و چگونگی تأثیر حرکت در اقتصاد بر حرکات قیمت سهام را معرفی کنید. و خواننده را با فرآیند پیش بینی، از جمله هموارسازی نمایی و تخمین مدل سری های زمانی آشنا می کند. فصل های بعدی به بررسی شاخص ترکیبی شاخص های اقتصادی پیشرو (LEI) می پردازد. بررسی تجزیه و تحلیل صورتهای مالی و پرتفوی های کارآمد میانگین واریانس؛ و اثربخشی پیش‌بینی‌های سود تحلیلگران را ارزیابی کنید. با استفاده از داده‌های شرکت‌هایی مانند اینتل، جنرال الکتریک و هیتاچی، Guerard نشان می‌دهد که چگونه می‌توان از ابزارهای پیش‌بینی برای درک چرخه تجاری، ارزیابی ریسک بازار و نشان دادن تأثیر مدل‌سازی انتخاب سهام جهانی و ساخت نمونه کارها استفاده کرد.

Forecasting—the art and science of predicting future outcomes—has become a crucial skill in business and economic analysis. This volume introduces the reader to the tools, methods, and techniques of forecasting, specifically as they apply to financial and investing decisions. With an emphasis on "earnings per share" (eps), the author presents a data-oriented text on financial forecasting, understanding financial data, assessing firm financial strategies (such as share buybacks and R&D spending), creating efficient portfolios, and hedging stock portfolios with financial futures. The opening chapters explain how to understand economic fluctuations and how the stock market leads the general economic trend; introduce the concept of portfolio construction and how movements in the economy influence stock price movements; and introduce the reader to the forecasting process, including exponential smoothing and time series model estimations. Subsequent chapters examine the composite index of leading economic indicators (LEI); review financial statement analysis and mean-variance efficient portfolios; and assess the effectiveness of analysts’ earnings forecasts. Using data from such firms as Intel, General Electric, and Hitachi, Guerard demonstrates how forecasting tools can be applied to understand the business cycle, evaluate market risk, and demonstrate the impact of global stock selection modeling and portfolio construction.