The Impact of Volatility on Firms Holding Growth Options

“Abuses of real option valuation were partly behind the ramping and subsequent deramping of the 2000 internet techno bubble. No one ever got to eat the free lunch these real option 'theorists' promised. No one ever will; no one ever could.” (Mayor 2001, 53) Growth options contribute to over 95% of the market value of Internet stocks such as Amazon.com, America Online, and eBay. Finance theory often promotes market volatility as being desirable for investors holding financial options. Is volatility also desirable for firms holding growth options? While many argue that it is, this paper presents a simple example illustrating that increasing volatility can destroy growth option value, especially for firms holding “quality” growth options.     

Forecasts of earnings per share: Possible sources of analyst superiority and bias*

Abstract. Previous research has shown that analysts' forecasts of quarterly earnings per share (EPS) are more accurate than those of accepted time-series models. In addition, some previous research suggests that, on average, analysts' forecasts tend to be optimistic (i.e., biased). Two explanations for analysts' superiority have been proposed: (1) analysts use more recent information than can time-series models and (2) analysts use forecast-relevant information not included in the time-series of past earnings. This paper provides evidence on a third potential source of analyst superiority: the possibility that humans can use past earnings data to predict future earnings more accurately than can mechanical time-series models. We find that human judges do no worse than accepted time-series models when both use the same information set: namely, the series of past EPS figures. To date, little or no research has attempted to determine why analyst bias might exist. Still, some possible reasons have been forwarded. First, pessimistic forecasts or reports may hinder future efforts of the analyst or the analyst's employer to obtain information from the company being analyzed. Second, forecast data bases may suffer a selection bias if analysts tend to stop following those firms that they perceive as performing poorly. This study proposes, and provides evidence regarding, a third possible explanation for analyst bias: the use of judgmental heuristics by analysts. Many studies have shown that human predictions are often biased because of the use of such heuristics. We present evidence that suggests this may be the case for analysts' forecasts of earnings per share. Résumé. De précédents travaux de recherche ont démontré que les prévisions des analystes relatives au bénéfice par action (BPA) trimestriel sont plus exactes que celles que permettent d'obtenir les modèles reconnus basés sur les séries chronologiques. De plus, les résultats de certains travaux de recherche laissent croire qu'en moyenne, les prévisions des analystes tendent à être optimistes (c'est-à-dire biaisées). Deux explications à cette supériorité ont été proposées: 1) l'information que les analystes utilisent est plus récente que celles utilisées dans les modèles fondés sur les séries chronologiques et 2) les analystes utilisent de l'information pertinente aux prévisions qui ne figure pas dans les séries chronologiques relatives aux bénéfices passes. Les auteurs attribuent à un troisième facteur potentiel cette supériorité: la possibilité pour les humains d'utiliser les données relatives aux bénéfices passés pour prédire les bénéfices futurs de façon plus précise que ne le peuvent les modèles fondés sur les séries chronologiques. Ils en viennent à la conclusion que les humains obtiennent des résultats tout aussi efficaces que les modèles chronologiques reconnus lorsqu'ils utilisent un jeu de renseignements identique, soit les données historiques relatives au BPA. Jusqu'à maintenant, peu de chercheurs, sinon aucun, ont tenté de déterminer à quoi tiendrait l'existence d'un biais chez l'analyste. Malgré tout, certaines explications possibles ont été proposées. Premièrement, les prévisions ou les rapports pessimistes peuvent faire obstacle aux efforts futurs de l'analyste ou de son employeur pour obtenir de l'information de la société faisant l'objet de l'analyse. Deuxièmement, les bases de données servant à la prévision peuvent être entachées d'un biais de sélection si les analystes ont tendance à cesser de suivre les entreprises qui leur semblent afficher une piètre performance. Les auteurs proposent et attestent une troisième explication possible du biais de l'analyste: l'utilisation de méthodes heuristiques fondées sur le jugement. De nombreuses études ont démontré que les prédictions humaines sont souvent biaisées par suite de l'utilisation de ces méthodes heuristiques. Les auteurs apportent des arguments qui permettent de croire que ce pourrait être le cas des prévisions des analystes du bénéfice par action.     

Do They Have Your Number? Understanding the Moderating Role of Format Effects and Consumer Numeracy for Quantitative Front‐of‐Package Nutrition Claims

Front‐of‐package (FOP) nutrient content claims are often used by food manufacturers to promote the nutrition levels of their products. In this research, two studies examine the influence of the numerical format (either percentages or absolute numbers) presented on FOP‐reduced nutrient content claims and the moderating influence of consumers' numeracy levels (i.e., consumers' ability to interpret numbers). Low numerate consumers are more strongly influenced by the label's numerical format, but results differ across nutrition attributes linked to cardiovascular disease risk. For saturated fat, low numerate consumers had more favorable evaluations of the product that had a label presented in a percent format compared to an absolute unit format. In contrast, the moderating effect of numeracy had little effect on the format of reduced sodium claims. Implications are offered for policymakers, consumer researchers, and food manufacturers .