というNBER論文が上がっている（ungated（SSRN）版）。原題は「Man vs. Machine Learning: The Term Structure of Earnings Expectations and Conditional Biases」で、著者はJules H. van Binsbergen（ペンシルベニア大）、Xiao Han（エジンバラ大）、Alejandro Lopez-Lira（BIノルウェービジネススクール）。
以下はその要旨。
We use machine learning to construct a statistically optimal and unbiased benchmark for firms' earnings expectations. We show that analyst expectations are on average biased upwards, and that this bias exhibits substantial time-series and cross-sectional variation. On average, the bias increases in the forecast horizon, and analysts revise their expectations downwards as earnings announcement dates approach. We find that analysts' biases are associated with negative cross-sectional return predictability, and the short legs of many anomalies consist of firms for which the analysts' forecasts are excessively optimistic relative to our benchmark. Managers of companies with the greatest upward biased earnings forecasts are more likely to issue stocks.
（拙訳）
我々は機械学習を使い、企業の収益予想について統計的に最適で不偏なベンチマークを構築した。我々は、アナリスト予想は平均すると上方に偏っていること、および、その偏り（バイアス）が時系列ならびにクロスセクションでかなり変動することを示す。平均的には、バイアスは予測期間と共に増加し、アナリストは収益公表日が近づくとその予想を下方修正する。我々は、アナリストのバイアスが、負のクロスセクションのリターンの予測と結び付いていること、および、多くのアノマリーの空売り側*1が、アナリスト予測が我々のベンチマークに比べ過度に楽観的な企業からなることを見い出した。収益予測が最も上方に偏っている企業の経営者は、株式を発行する可能性が高い。
*1:ungated版の本文では、「we break stocks into 10 decile portfolios based on the anomaly score. The long legs are defined as the stocks in the top decile portfolio. The short legs are defined as the stocks in the bottom decile portfolio.」と定義されている。investopiaも参照。
