This paper reviews and synthesizes

This paper reviews and synthesizes empirical work in accounting assessing the time-series
properties of firms exhibiting nonseasonal quarterly earnings characteristics. The focus on
nonseasonal firms is warranted given the recent trend documented by Lorek, Willinger, and
Bathke (2008) showing that 35.6% of their sample firms exhibit nonseasonal quarterly earnings
characteristics. Moreover, 43.6% of their nonseasonal firms were not covered by security
analysts. Therefore, analysts, investors, and researchers interested in obtaining quarterly
earnings forecasts for such firms must employ statistically-based forecasting models thereby
increasing the importance of this topic. Yet, use of the seasonal ARIMA models on nonseasonal
firms described by O’Hanlon (1995) results in seasonal over-differencing, parameter
redundancy, and a violation of the principle of parsimony – not to mention a significant decline
in predictive ability. Finally, the paper also discusses specific statistically-based forecasting
models (i.e., the AR (1) model and, more recently, the random-walk model) which have
improved predictive ability of quarterly earnings for such nonseasonal firms.

Results (Thai) 1:

กระดาษนี้ทาน และ synthesizes งานประจักษ์ในบัญชีประเมินชุดข้อมูลเวลาคุณสมบัติของบริษัทที่กำไร nonseasonal ไตรลักษณะอย่างมีระดับ เน้นบริษัท nonseasonal เป็น warranted กำหนดแนวโน้มล่าสุดที่จัด โดย Lorek, Willinger และBathke (2008) แสดงว่า 35.6% ของบริษัทตัวอย่างการแสดงกำไรรายไตรมาส nonseasonalลักษณะการ นอกจากนี้ 43.6% ของบริษัทของพวกเขา nonseasonal ได้ไม่ครอบคลุมความปลอดภัยนักวิเคราะห์ ดังนั้น นักวิเคราะห์ นักลงทุน และนักวิจัยสนใจในการรับรายไตรมาสคาดการณ์กำไรในบริษัทดังกล่าวต้องใช้พื้นฐานทางสถิติเป็นแบบจำลองที่คาดการณ์จึงเพิ่มความสำคัญของหัวข้อนี้ ใช้ได้ รุ่นอาฤดูกาลบน nonseasonalบริษัทอธิบายไว้ โดย O'Hanlon (1995) ผลตามฤดูกาลมากกว่า differencing พารามิเตอร์ซ้ำ และการละเมิดหลักการของ parsimony – ไม่ต้องพูดถึงการลดลงอย่างมีนัยสำคัญในความสามารถคาดการณ์ สุดท้าย กระดาษยังกล่าวเฉพาะทางสถิติจากการคาดการณ์รูปแบบ (เช่น แบบจำลอง AR (1) และ เมื่อเร็ว ๆ นี้ แบบสุ่มเดิน) ซึ่งมีปรับปรุงความสามารถคาดการณ์รายได้รายไตรมาสสำหรับบริษัทเช่น nonseasonal

Results (Thai) 2:

ความคิดเห็นกระดาษนี้และสังเคราะห์ผลงานเชิงประจักษ์ในการบัญชีการประเมินอนุกรมเวลา
คุณสมบัติของ บริษัท ที่แสดงลักษณะผลประกอบการไตรมาสเนื่องจากฤดูกาล ได้แก่ มุ่งเน้นไปที่
บริษัท เนื่องจากฤดูกาล ได้แก่ การรับประกันได้รับแนวโน้มล่าสุดรับรองโดย Lorek, Willinger และ
Bathke (2008) แสดงให้เห็นว่า 35.6% ของ บริษัท ตัวอย่างของพวกเขาแสดงผลประกอบการไตรมาสเนื่องจากฤดูกาล ได้แก่
ลักษณะ นอกจากนี้ 43.6% ของ บริษัท เนื่องจากฤดูกาล ได้แก่ พวกเขาไม่ได้มีการรักษาความปลอดภัยของ
นักวิเคราะห์ ดังนั้นนักวิเคราะห์นักลงทุนและนักวิจัยที่สนใจในการได้รับรายไตรมาส
คาดการณ์ผลประกอบการสำหรับ บริษัท ดังกล่าวจะต้องจ้างรูปแบบการพยากรณ์ทางสถิติที่ใช้จึง
เพิ่มความสำคัญของหัวข้อนี้ แต่การใช้งานในรูปแบบ ARIMA ตามฤดูกาลเนื่องจากฤดูกาล ได้แก่
บริษัท อธิบายโดย O'Hanlon (1995) ส่งผลให้ตามฤดูกาลมากกว่าความแตกต่างของพารามิเตอร์
ซ้ำซ้อนและการละเมิดหลักการของความประหยัด - ไม่พูดถึงการลดลงอย่างมีนัยสำคัญ
ในความสามารถของการคาดการณ์ สุดท้ายกระดาษยังกล่าวถึงเฉพาะทางสถิติตามการคาดการณ์
รูปแบบ (เช่น AR (1) รูปแบบและเมื่อเร็ว ๆ นี้รูปแบบการสุ่มเดิน) ที่มี
การปรับปรุงความสามารถในการคาดการณ์ของผลประกอบการไตรมาสสำหรับ บริษัท ดังกล่าวเนื่องจากฤดูกาล ได้แก่

Results (Thai) 3:

บทความนี้รีวิวและสังเคราะห์เชิงประจักษ์ในงานบัญชีการประเมินคุณสมบัติของ บริษัท ถึงไม่มีเวลา
กำไรรายไตรมาสของ โฟกัส
บริษัทไม่มีรับประกันได้รับแนวโน้มล่าสุดเอกสารโดยยอริก willinger , ,
bathke ( 2551 ) แสดงให้เห็นตัวอย่างของพวกเขาจัดแสดง 35.6 % ของบริษัทไม่มีกำไรรายไตรมาส
ลักษณะ นอกจากนี้ 43ร้อยละ 6 ของฤดูกาลของพวกเขา บริษัท ยังไม่ครอบคลุม โดยนักวิเคราะห์ความปลอดภัย

ดังนั้น นักวิเคราะห์ นักลงทุน และนักวิจัยที่สนใจขอรับรายไตรมาส
ผลประกอบการสำหรับ บริษัท ดังกล่าวต้องใช้ตัวแบบการพยากรณ์ทางสถิติ จึง
เพิ่มความสำคัญของหัวข้อนี้ ยังใช้ของฤดูกาลต่อฤดูกาล
ตัวแบบ ARIMAบริษัท อธิบาย โดย o'hanlon ( 1995 ) ผลลัพธ์ในฤดูกาลมากกว่าปกติ ) , พารามิเตอร์
และละเมิดหลักการของความตระหนี่ และไม่พูดถึงอย่างมีนัยสำคัญลดลง
ความสามารถในการคาดการณ์ . สุดท้าย กระดาษยังกล่าวถึงเฉพาะทางสถิติ การพยากรณ์
รุ่น ( เช่น , AR ( 1 ) รุ่นและมากขึ้นเมื่อเร็ว ๆนี้สุ่มเดินแบบ ) ซึ่งมี
การปรับปรุงความสามารถในการทำนายของรายได้สำหรับ บริษัท ของฤดูกาลนั้น