分析师跟踪人数(当年EPS预测口径)
「分析师跟踪人数(当年EPS预测口径)」，覆盖 2001-2025 年，频率 年度，上市公司层级，含 15 个变量，样本量约 41,590。 参考许年行等(2012)的方法,衡量每家公司每年被分析师跟踪/关注的程度。
| 时间跨度 | 2001-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 15 |
| 样本量 | 41,590 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — 6位股票代码
- StkName [证券简称] — 上市公司证券简称
- Year [年份] — 年度(报告发布年,同时为预测目标财年;统计在该年发布且预测对象为该年度每股盈余的分析师)
- Province [省份] — 公司注册地所在省份
- ProvinceCode [省份代码] — 公司注册地省份行政区划代码
- City [城市] — 公司注册地所在城市
- CityCode [城市代码] — 公司注册地城市行政区划代码(6位)
- County [区县] — 公司注册地所在区县
- CountyCode [区县代码] — 公司注册地区县行政区划代码(6位)
- IndustryCode [行业代码] — 中上协行业分类代码(如C26、J66,按年度动态匹配公司当年所属行业)
- IndustryName [行业名称] — 中上协行业分类名称(按年度动态匹配公司当年所属行业)
- AnalystFollowingCount [分析师跟踪人数] — 参考许年行等(2012,经济研究)的方法,计算公式为:当年(按报告发布年)对该公司发布每股盈余(EPS)预测的不同分析师数量,同一分析师当年多次预测只计一次(去重计数)。用作研究变量,越大代表分析师跟踪/关注越多。
- LnAnalystFollowing [分析师跟踪人数对数] — 参考许年行等(2012,经济研究)的方法,计算公式为:ln(1+分析师跟踪人数),即论文表1中的Analyst变量。用作研究变量,越大代表分析师跟踪越多。
- BrokerFollowingCount [券商跟踪家数] — 稳健性替代度量,计算公式为:当年(按报告发布年)对该公司发布每股盈余预测的不同券商数量(按券商名称去重)。从机构层面衡量分析师跟踪广度,越大代表覆盖券商越多。
- LnBrokerFollowing [券商跟踪家数对数] — 稳健性替代度量,计算公式为:ln(1+券商跟踪家数)。用作研究变量,越大代表覆盖券商越多。
常见问题
- 「分析师跟踪人数(当年EPS预测口径)」是什么数据集？
- 分析师跟踪人数(当年EPS预测口径)，隶属信息环境。参考许年行等(2012)的方法,衡量每家公司每年被分析师跟踪/关注的程度。
- 该数据集的时间范围是？
- 覆盖 2001-2025 年。
- 包含哪些变量/指标？
- 共 15 个变量。核心指标包括：分析师跟踪人数、分析师跟踪人数对数、券商跟踪家数、券商跟踪家数对数。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 41,590 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 分析师跟踪人数衡量上市公司在资本市场中受证券分析师关注的程度，是公司信息环境与外部监督强度的核心代理变量。证券分析师作为资本市场的信息中介，通过收集、加工并发布盈利预测与研究报告，缓解上市公司与外部投资者之间的信息不对称；一家公司被越多分析师跟踪，意味着其信息被越广泛地搜集、解读与传播。因此，分析师跟踪人数被广泛用作公司治理、信息披露质量、股价崩盘风险等研究中的控制变量或解释变量。本数据集参考许年行等（2012）的方法构建该指标。 记 $N{i,t}$ 为在第 $t$ 年发布、且预测对象为公司 $i$ 第 $t$ 年每股盈余（EPS）的不同分析师人数。这里以"报告发布于第 $t$ 年且所预测的正是第 $t$ 年盈余"双重锚定第 $t$ 年——只有在当年实际出具了对当年盈余之预测的分析师，才被视为当年跟踪该公司，这与分析师乐观偏差等指标所依据的分析师集合保持一致。为避免重复计算，同一分析师在当年对同一公司多次发布预测时只计为一人，即按分析师身份去重计数。在此基础上，核心指标取自然对数形式： $$Analyst{i,t} = \ln\left(1 + N{i,t}\right)$$ 其中加一处理用于容纳跟踪人数较少的观测并压缩右偏分布。当年没有任何分析师发布盈利预测的公司不会进入样本（相当于跟踪人数为零的公司被剔除）。 为从机构层面提供稳健性度量，本数据集另行统计当年对公司 $i$ 发布盈利预测的不同券商家数 $B{i,t}$（按券商名称去重），并同样给出其对数形式 $\ln(1+B{i,t})$。由于一家券商往往派出多名分析师，券商家数通常小于分析师人数，两者从"深度"与"广度"两个角度刻画同一跟踪构念。 补充说明 样本构建时剔除分析师身份缺失、报告发布日期缺失以及每股盈余预测缺失的预测记录。指标覆盖全部行业的上市公司，不对金融业作特别剔除——金融企业仅在以股价崩盘风险为被解释变量的特定回归中按惯例排除，而跟踪人数变量本身的定义对各行业一致适用。年份下限由数据自然决定，上限取至上一个完整自然年。 需说明的是，由于分析师预测记录会随时间被持续补录，早年（尤其是样本起始阶段）所统计到的跟踪人数可能高于早期文献基于当时数据库所报告的数值，这是底层数据覆盖范围扩充所致，而非计算口径差异；研究者在做跨年比较时宜控制年度固定效应。此外，极少数公司年度出现券商家数大于分析师人数的情形，系个别分析师当年在两家券商间变动任职、从而被两家机构分别计入所致，属真实现象。 参考文献 - 许年行, 江轩宇, 伊志宏, 等. 分析师利益冲突、乐观偏差与股价崩盘风险[J]. 经济研究, 2012, 47(7): 127-140.
- 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。