Используя методы регрессионного анализа и машинного обучения, представляется возможным предсказать справедливое значение зависимой переменной - значения мультипликатора с помощью одной или нескольких независимых переменных - фундаментальных характеристик компании или других экономических переменных. В данной статье рассматривается процесс отбора, создания и конструирования независимых переменных для спецификации моделей прогнозирования справедливого значения фондовых мультипликаторов. Успешное применение таких моделей может использоваться для идентификации как недооценённых, так и переоцененных активов фондового рынка. Акции компаний, фактическое значение мультипликаторов которых ниже прогнозного значения, с высокой степенью вероятности являются недооценёнными. Именно отбор активов по такому признаку может служить основой для создания инвестиционных стратегий, претендующих на систематическое извлечение положительной сверхдоходности. Напротив, акции с прогнозным значением мультипликатора ниже фактического могут трактоваться как переоцененные и рассматриваются инвесторами как кандидаты для открытия коротких позиций. Использование статистических моделей для прогнозирования справедливого значения мультипликаторов также может служить основой для бесчисленного количества эмпирических исследований фондового рынка. Исследование влияния различных факторов, фундаментальных характеристик компаний позволяет пролить свет на процесс формирования стоимости компаний. К примеру, влияние участие государства в капитале предприятия на его стоимость. Это, в свою очередь, может повлечь за собой создание совершенно новых методов, принципов и подходов к управлению компании с целью максимизации ее внутренней стоимости. Именно результат процесса конструирования признаков различает первоклассные, переводовые модели прогнозирования мультипликаторов от просто «хороших».
