Методика за многохоризонтно прогнозиране
За да се намали субективността, бъдещето се моделира чрез три математически стълба, чиито тегла се менят според хоризонта.
1. Фундаментален DCF / Monte Carlo
Дисконтирани свободни парични потоци със симулация на сценарии за растеж, марж и WACC.
2. Мултифакторен Machine Learning
XGBoost/LightGBM и LSTM върху техническите, фундаменталните и пазарните фактори.
3. Динамичен консенсус и ревизии
Анализаторски таргети, ревизии на оценките и NLP сентимент от новини и транскрипти.
Претегляне по времеви хоризонт
| Хоризонт | Основен двигател на цената | Технически & Momentum | Ревизии & NLP | DCF & Икономика |
|---|---|---|---|---|
| 3 мес. | Сентимент, тримесечни отчети, волатилност | 50% | 35% | 15% |
| 6 мес. | Ревизии на печалбите, продуктови цикли | 30% | 45% | 25% |
| 12 мес. | Фундаментален растеж, пазарен дял | 15% | 35% | 50% |
| 24 мес. | ROIC > WACC, свободен кеш, макротрендове | 5% | 20% | 75% |
Нормализация
Суровата стойност се сравнява с peer-групата в сектора и с 3- и 5-годишната медиана на самата компания. Резултатът е z-score, ограничен до [−3, 3], и персентил. За метрики, при които по-ниското е по-добро (напр. P/E, задлъжнялост), знакът се обръща, така че по-висок скор винаги означава по-благоприятно.