分析师一致预期(Barron分解法)
「分析师一致预期(Barron分解法)」，覆盖 2016-2025 年，频率 年度，上市公司层级，含 25 个变量，样本量约 27,365。 衡量市场对公司未来业绩的共识与分析师意见分歧。
| 时间跨度 | 2016-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 25 |
| 样本量 | 27,365 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — 股票代码
- StkName [证券简称] — 证券简称
- Year [年份] — 被预测的财务年度
- Province [省份] — 公司注册所在省份
- ProvinceCode [省份代码] — 省份行政区划代码(6位)
- City [城市] — 公司注册所在城市
- CityCode [城市代码] — 城市行政区划代码(6位)
- County [区县] — 公司注册所在区县
- CountyCode [区县代码] — 区县行政区划代码(6位)
- IndustryCode [行业代码] — 中上协行业分类代码
- IndustryName [行业名称] — 中上协行业分类名称
- RevenueForecastMean [营收一致预测均值] — 计算公式为：当年所有分析师营收预测值的算术平均值(元)，参考Lang & Lundholm(1996,TAR)
- RevenueForecastMedian [营收一致预测中位数] — 计算公式为：当年所有分析师营收预测值的中位数(元)
- RevenueDispersion [营收预测分歧度] — 计算公式为：分析师营收预测标准差/abs(营收预测均值)*100%，将Diether et al.(2002,JF)分歧度方法推广至营收维度。单位：%
- NetProfitForecastMean [净利润一致预测均值] — 计算公式为：当年所有分析师净利润预测值的算术平均值(元)
- NetProfitForecastMedian [净利润一致预测中位数] — 计算公式为：当年所有分析师净利润预测值的中位数(元)
- NetProfitDispersion [净利润预测分歧度] — 计算公式为：分析师净利润预测标准差/abs(净利润预测均值)*100%。单位：%
- ROEForecastMean [ROE一致预测均值] — 计算公式为：当年所有分析师净资产收益率预测值的算术平均值(%)
- ROEForecastMedian [ROE一致预测中位数] — 计算公式为：当年所有分析师净资产收益率预测值的中位数(%)
- FY1ConsensusEPS [一期预测EPS] — 对下一财年(ForecastYear=ReportYear+1)的分析师EPS一致预期中位数。单位：元
- FY2ConsensusEPS [二期预测EPS] — 对两年后财年(ForecastYear=ReportYear+2)的分析师EPS一致预期中位数。单位：元
- ImpliedEPSGrowth [隐含EPS增长率] — 计算公式为：(下一年度一致预测EPS中位数/当年一致预测EPS中位数-1)*100%，反映市场对未来盈利增长的预期，参考La Porta(1996,JF)和Dechow & Sloan(1997,TAR)。单位：%
- ImpliedRevenueGrowth [隐含营收增长率] — 计算公式为：(下一年度一致预测营收中位数/当年一致预测营收中位数-1)*100%，反映市场对收入增长的预期。单位：%
- ImpliedNetProfitGrowth [隐含净利润增长率] — 计算公式为：(下一年度一致预测净利润中位数/当年一致预测净利润中位数-1)*100%，反映市场对利润增长的预期。单位：%
- AvgForecastHorizon [平均预测期限] — 计算公式为：各预测报告的(预测终止日-报告发布日)天数的算术平均值，衡量分析师预测的前瞻期长短，参考Clement & Tse(2003,JAR)。单位：天
常见问题
- 「分析师一致预期(Barron分解法)」是什么数据集？
- 分析师一致预期(Barron分解法)，隶属信息环境。衡量市场对公司未来业绩的共识与分析师意见分歧。
- 该数据集的时间范围是？
- 覆盖 2016-2025 年。
- 包含哪些变量/指标？
- 共 25 个变量。核心指标包括：营收一致预测均值、营收一致预测中位数、营收预测分歧度、净利润一致预测均值、净利润一致预测中位数、净利润预测分歧度、ROE一致预测均值、ROE一致预测中位数、一期预测EPS、二期预测EPS、隐含EPS增长率、隐含营收增长率、隐含净利润增长率、平均预测期限。完整字段清单（变量名·中文名·说明）见页面「字段字典」。
- 数据频率和层级是怎样的？
- 频率为年度，上市公司层级。
- 样本量有多大？
- 约 27,365 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 分析师一致预期指标基于分析师对上市公司未来财务表现的预测数据构建，旨在捕捉市场对公司未来业绩的共识、分析师之间的意见分歧以及预测的动态调整过程。这些指标广泛应用于资产定价、信息不对称、分析师行为等领域的研究。 分析师预测数据首先被汇总为针对特定财务年度（被预测年度）的多个关键财务指标的一致预期。对于营收、净利润和净资产收益率（ROE），分别计算其预测值的算术平均值（$Mean$）和中位数（$Median$），以反映市场共识。同时，为衡量分析师群体内部对特定指标预测意见的分歧程度，计算预测分歧度（$Dispersion$），其通用计算公式为： $$Dispersion = \frac{\sigma}{|Mean|} \times 100\%$$ 其中，$\sigma$为分析师预测值的标准差，$Mean$为预测值的算术平均值。该指标借鉴了Diether et al. (2002)的方法，分别应用于营收预测（$RevenueDispersion$）和净利润预测（$NetProfitDispersion$）。 为更深入地解构分析师预测的不确定性来源，本数据集引入了Barron et al. (1998)的分解模型。该模型将预测的总不确定性（$BarronV$）分解为公共信息不确定性（$BarronSE$）和私有信息差异度（$BarronD$）。其中，$BarronSE$衡量分析师基于相同公共信息集形成的预测共识程度，而$BarronD$则反映了分析师各自私有信息的差异。总不确定性$V$的计算公式为$V = SE + D \times (N-1)/N$，其中$N$为分析师人数。基于此，可进一步计算信息不对称比率（$InfoAsymmetry$），即$D/(SE+D) \times 100\%$，该比率越高，表明私有信息在预测差异中的作用越大。 分析师预测的动态调整过程通过修正指标来刻画。$EPSRevisionMean$和$EPSRevisionAbsMean$分别衡量分析师对每股收益（EPS）预测的相对修正幅度和绝对修正幅度的平均值。$RevisionMomentum$（修正动量）和$NetRevisionPct$（净修正比例）则从分析师群体行为角度，分别反映预测净上调的趋势和发生修正行为的分析师比例。此外，为捕捉预测随时间的系统性下调现象，即“预测行走”（Forecast Walkdown），本数据集计算了$ConsensusWalkdown$，其构建方法遵循Richardson et al. (2004)的研究，通过比较不同时期（如上、下半年）发布报告的一致预测中位数（$H1ConsensusEPS$, $H2ConsensusEPS$）来衡量。 为反映市场对公司未来增长的预期，本数据集计算了隐含增长率指标。这些指标通过比较对未来不同财年的一致预期中位数来构建。例如，隐含EPS增长率（$ImpliedEPSGrowth$）的计算公式为： $$ImpliedEPSGrowth = \left( \frac{FY1ConsensusEPS}{FY0ConsensusEPS} - 1 \right) \times 100\%$$ 其中，$FY0ConsensusEPS$为对当前财年的EPS一致预期中位数，$FY1ConsensusEPS$为对下一财年（$ForecastYear = ReportYear + 1$）的EPS一致预期中位数。隐含营收增长率（$ImpliedRevenueGrowth$）和隐含净利润增长率（$ImpliedNetProfitGrowth$）的计算逻辑与此类似，分别使用营收和净利润的一致预测中位数。此外，还提供了对两年后财年（$ForecastYear = ReportYear + 2$）的EPS一致预期中位数（$FY2ConsensusEPS$）。 最后，$AvgForecastHorizon$（平均预测期限）计算了各份预测报告中预测终止日与报告发布日之间天数的算术平均值，用以衡量分析师预测的前瞻期长短。 补充说明 - 一致预期指标的计算基于特定财务年度内所有分析师发布的预测报告。 - 在计算分歧度、Barron分解指标及修正相关指标时，通常要求对特定公司的预测分析师人数达到最小阈值（例如不少于2位或3位），以确保指标的有效性和稳定性。 - 为消除极端值影响，在计算均值、中位数、标准差等统计量前，可能对原始预测值进行缩尾（Winsorize）处理。 参考文献 - Barron O E, Kim O, Lim S C, et al. Using analysts' forecasts to measure properties of analysts' information environment[J]. The Accounting Review, 1998, 73(4): 421-433. - Clement M B, Tse S Y. Do investors respond to analysts' forecast revisions as if forecast accuracy is all that matters?[J]. Journal of Accounting Research, 2003, 41(1): 1-30. - Dechow P M, Sloan R G. Returns to contrarian investment strategies: Tests of naive expectations hypotheses[J]. Journal of Financial Economics, 1997, 43(1): 3-27. - Diether K B, Malloy C J, Scherbina A. Differences of opinion and the cross section of stock returns[J]. The Journal of Finance, 2002, 57(5): 2113-2141. - Lang M H, Lundholm R J. Corporate disclosure policy and analyst behavior[J]. The Accounting Review, 1996, 71(4): 467-492. - La Porta R. Expectations and the cross-section of stock returns[J]. The Journal of Finance, 1996, 51(5): 1715-1742. - Richardson S, Teoh S H, Wysocki P D. The walk-down to beatable analyst forecasts: The role of equity issuance and insider trading incentives[J]. Contemporary Accounting Research, 2004, 21(4): 885-924.
- 如何获取该数据集？
- 通过站内对应淘宝链接下单后，客服发放兑换码；在站内"兑换"页输入兑换码即可获得下载权益并下载。