Стремясь демистифицировать сложную картину долгосрочного прогнозирования акций, мы ранее представили формулу, которая делит доходность акций на три неотъемлемых компонента: дивиденды, сдвиг продаж на акцию и изменение отношения цены к объему продаж (P). /Продажи). Эта динамическая триада, если ее точно спрогнозировать, образует строительные блоки для надежного прогнозирования будущей доходности акций, тем самым потенциально революционизируя инвестиционные стратегии и процесс принятия финансовых решений.

Опираясь на эту основу, наше путешествие теперь ведет нас к более глубокому изучению сути прогнозирования акций, уделяя особое внимание предсказанию будущих дивидендов и их роста. Эта тема имеет огромное значение, поскольку дивиденды являются ключевым компонентом общего дохода акционеров и дают представление о финансовом состоянии, стабильности и перспективах прибыльности компании. Прогнозирование роста дивидендов также может дать инвесторам преимущество в определении долгосрочного потенциала роста компании.

Ранее мы прошли через сложные области прогнозирования будущего отношения P/Sales и будущего роста продаж. Каждое исследование обогащало наше понимание многогранной природы прогнозирования запасов. В этой экспедиции мы проявляем ту же строгость и страсть, надеясь найти убедительные открытия, которые могут послужить маяком для тех, кто путешествует по огромному океану инвестиций на фондовом рынке.

Наша цель — изучить прогностическую силу различных сигналов для будущих дивидендов и роста дивидендов, а также признать неотъемлемые проблемы и ограничения таких усилий. Мы стремимся освещать новые пути и вносить дальнейший вклад в области прогнозирования акций, уделяя особое внимание дивидендам.

Благодаря этому всестороннему исследованию мы приглашаем вас отправиться вместе с нами в это путешествие открытий, где каждое новое понимание и открытие приближают нас на один шаг к более глубокому пониманию прогнозирования фондового рынка.

Начнем кодировать

%matplotlib inline
import matplotlib.pyplot as plt
from IPython.display import display_jpeg

import pandas as pd
import numpy as np
import seaborn as sns
from scipy.stats import linregress
import statsmodels.api as sm

# SimFin imports.
import simfin as sf
from simfin.names import *

В этом коде импортируются несколько библиотек Python для анализа и визуализации данных. Первая строка («%matplotlib inline») — это волшебная команда, которая позволяет…