Thesis Engine ใช้ได้จริงไหม?
เราย้อนรันมันกับงบที่ยื่นต่อ SEC ทั้งหมด 1232 บริษัท-ปี ให้คะแนนแต่ละครั้งโดยใช้เฉพาะข้อมูลที่เปิดเผยแล้ว ณ วันที่ยื่นงบ แล้วดูว่าบริษัทรายงานอะไรในปีถัดมา นี่คือผลลัพธ์ รวมถึงครั้งที่มันพลาดด้วย
ทุกตัวเลขด้านล่างต้องดีกว่าค่านี้ สัญญาณที่เตือนว่าแย่ลงถูกครึ่งหนึ่ง ไม่มีค่าอะไรเลย ถ้าครึ่งหนึ่งของบริษัทก็แย่ลงอยู่แล้ว
| คะแนน ณ ตอนนั้น | N | แย่ลง | เทียบพื้นฐาน | รายได้ปีถัดไป |
|---|---|---|---|---|
| ตามแผน (75-100) | 730 | 31.9% | -4.8pp | 5.9% |
| เฝ้าระวัง (50-74) | 241 | 43.2% | +6.5pp | 3.1% |
| หลุดแผน (0-49) | 182 | 47.3% | +10.6pp | 1.8% |
ทั้งสามกลุ่มคะแนนแยกออกจากกันตามลำดับที่ควรเป็น ทั้งสองตัววัด คะแนนหลุดแผนตามมาด้วยการแย่ลงต่อ 47.3% ของครั้ง เทียบกับอัตราพื้นฐาน 36.7% และค่ามัธยฐานการเติบโตของรายได้ที่รายงานในปีถัดไปก็ลดลงไล่ตามกลุ่ม — 5.9% สำหรับตามแผน, 3.1% สำหรับเฝ้าระวัง, 1.8% สำหรับหลุดแผน
หน้านี้เวอร์ชันก่อนรายงานว่าแทบไม่มีสัญญาณ ซึ่งควรอธิบายให้ชัด ไม่ใช่แอบแทนที่เงียบ ๆ ตอนนั้นวัดจากบริษัทยักษ์ใหญ่ 32 แห่ง ซึ่งเกือบทั้งหมดไปได้ดีในภายหลัง ปีที่แย่จึงมักเป็นแค่การสะดุดแล้วกลับมา เมื่อขยายกลุ่มตัวอย่างให้รวมสายการบิน เรือสำราญ ห้างสรรพสินค้า เหล็ก บริการน้ำมัน และสื่อดั้งเดิม อัตราพื้นฐานขยับจาก 30.4% เป็น 36.7% และส่วนต่างของกลุ่มหลุดแผนขยับจาก +5.8pp เป็น 10.6pp ตัว engine ไม่ได้เก่งขึ้น แค่การวัดครั้งแรกทำบนกลุ่มตัวอย่างที่แทบไม่มีอะไรพังเลย
มันยังเป็นการอธิบาย ไม่ใช่การพยากรณ์: รายงานว่างบปีล่าสุดแสดงอะไร พร้อมตัวเลขประกอบ คะแนนหลุดแผนไม่ได้แปลว่าบริษัทจะแย่ลงต่อ — มี 96 ครั้งที่ตามมาด้วยการดีขึ้น
ทดสอบอย่างไร
ส่วนที่ยากของการทดสอบย้อนหลังไม่ใช่การคำนวณ แต่คือการไม่ใช้ข้อมูลที่ยังไม่มีอยู่จริงในตอนนั้น ปีบัญชี 2024 ของ Apple สิ้นสุดวันที่ 28 กันยายน และยื่นงบวันที่ 1 พฤศจิกายน การให้คะแนน Thesis ในเดือนตุลาคมด้วยตัวเลขชุดนั้นไม่ได้แค่มองโลกในแง่ดีไปนิด แต่ไม่มีความหมายเลย เพราะคำทำนายถูกดึงมาจากคำตอบ
งบที่ยื่นต่อ SEC มีวันที่ยื่นกำกับทุกตัวเลข คะแนนแต่ละครั้งที่นี่จึงสร้างจากค่าที่เปิดเผยแล้ว ณ วันนั้นเท่านั้น การแก้ไขงบย้อนหลังก็ใช้หลักเดียวกัน: อ่านจากวันก่อนหน้าจะเห็นตัวเลขตามที่รายงานครั้งแรก อ่านจากวันหลังจะเห็นตัวเลขที่แก้แล้ว — ตรงกับที่คนอ่าน ณ วันนั้น ๆ จะเห็นจริง
ทดสอบโดยเรียกใช้ engine ตัวจริง ไม่ได้เขียนกฎขึ้นใหม่ การทดสอบย้อนหลังกับกฎที่ลอกมาพิสูจน์ได้แค่เรื่องของตัวที่ลอกมา
สิ่งที่การทดสอบนี้ยืนยันไม่ได้
- กลุ่มตัวอย่างยังเป็นบริษัทใหญ่ในสหรัฐฯ 83 บริษัท ตอนนี้รวมธุรกิจที่ถดถอยจริงแล้ว — แต่ทุกบริษัทใหญ่พอจะยังจดทะเบียนอยู่ บริษัทที่ล้มไปเลยและบริษัทเล็กจึงไม่อยู่ในนี้ การขยายกลุ่มตัวอย่างครั้งเดียวเปลี่ยนคำตอบไปมากแล้ว จึงควรถือตัวเลขนี้เป็นค่าชั่วคราว
- ใช้ได้ 4 จาก 7 เกณฑ์ ข้อมูลบางอย่างที่ engine ตัวจริงใช้สร้างย้อนหลังไม่ได้ engine จะข้ามเกณฑ์นั้นแทนการเดา คะแนนย้อนหลังจึงอิงสัญญาณน้อยกว่าคะแนนจริง
- ไม่ได้อ้างนัยสำคัญทางสถิติ มี 1153 ข้อมูล และบริษัทในตลาดเดียวกันเคลื่อนไหวไปด้วยกัน นี่จึงเป็นข้อความเชิงพรรณนาเกี่ยวกับกลุ่มตัวอย่างนี้ — ไม่ใช่สถิติที่ควรนำไปขยายผล
- วัดผลทางธุรกิจ ไม่ใช่ผลตอบแทน เราวัดว่าธุรกิจแย่ลงหรือไม่ ซึ่งคือสิ่งที่เกณฑ์ต่าง ๆ อ่าน ไม่มีส่วนไหนในนี้กล่าวอ้างเรื่องราคาหุ้น
ครั้งที่พลาด (96)
ได้คะแนนหลุดแผน แต่ธุรกิจดีขึ้นในปีถัดมา ทั้ง 96 ครั้งถูกนับรวมในตัวเลขข้างบนแล้ว ด้านล่างคือ 40 ครั้งที่พลาดมากที่สุด เรียงตามความผิดพลาด ตารางคะแนนที่แสดงแต่ครั้งที่ถูกคือโฆษณา
ทำไมถึงเปิดเผยผลนี้
เพราะทางเลือกอื่นคือขอให้คุณเชื่อตัวเลขเพียงเพราะมันดูน่าเชื่อถือ engine อ่านงบแล้วรายงานว่าอะไรเปลี่ยนไป พร้อมตัวเลขประกอบ เร็วกว่ารอให้ใครเขียนสรุป — และกรณี Intel แสดงให้เห็นว่ามันทำงาน: ได้คะแนน 0 ในวันที่งบออก จากนั้นรายได้ลดลง 14% และอัตรากำไรลดลง 22 จุด สิ่งที่มันไม่ได้ทำคือบอกว่าจะเกิดอะไรต่อไป และเราอยากแสดงหลักฐานเรื่องนี้ให้คุณเห็น มากกว่าปล่อยให้หน้าจอสื่อเป็นอย่างอื่น
ข้อมูลเพื่อการศึกษาเท่านั้น ไม่ใช่คำแนะนำการลงทุน ตัวเลขในอดีตไม่ได้บ่งชี้ผลในอนาคต ข้อมูล ณ 2026-08-12 จากงบใน SEC EDGAR