分析师预测分歧(Diether分歧度)

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
• AnalystCount [跟踪分析师数] — 当年对该股票发布盈利预测的分析师人数。单位：人
• BrokerCount [跟踪券商数] — 当年覆盖该股票的券商机构数。单位：家
• ForecastCount [盈利预测报告数] — 当年EPS预测报告总数。单位：篇
• EPSForecastMean [EPS预测均值] — 计算公式为: 分析师EPS预测的算术平均值(元)
• EPSForecastMedian [EPS预测中位数] — 计算公式为: 分析师EPS预测的中位数(元)
• EPSForecastStd [EPS预测标准差] — 计算公式为: 分析师EPS预测的标准差(元), 衡量预测分歧
• EPSForecastSkew [EPS预测偏度] — 预测分布的偏度, 正值表示乐观倾向, 负值表示悲观倾向
• Dispersion [预测分歧度] — 计算公式为: EPS预测标准差/abs(EPS预测均值)*100%, 参考Diether et al.(2002,JF)的分歧度指标。单位：%
• ForecastRange [预测极差] — 计算公式为: (最大EPS预测-最小EPS预测)/abs(EPS预测均值)*100%。单位：%
• ConsensusRevisionUp [上调次数] — 当年EPS预测被上调的分析师人次。单位：次
• ConsensusRevisionDown [下调次数] — 当年EPS预测被下调的分析师人次。单位：次
• RevisionRatio [上调比例] — 计算公式为: 上调次数/(上调+下调次数)*100%。单位：%

常见问题

「分析师预测分歧(Diether分歧度)」是什么数据集？

分析师预测分歧(Diether分歧度)，隶属信息环境。衡量分析师对公司未来盈利预测的一致性与分歧程度。

该数据集的时间范围是？

覆盖 2001-2025 年。

包含哪些变量/指标？

共 23 个变量。核心指标包括：跟踪分析师数、跟踪券商数、盈利预测报告数、EPS预测均值、EPS预测中位数、EPS预测标准差、EPS预测偏度、预测分歧度、预测极差、上调次数、下调次数、上调比例。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 44,314 条观测。

数据是如何测算/获取的？

指标定义与计算方法 本数据集旨在衡量分析师对公司未来盈利预测的一致性与分歧程度，以及预测的修正方向。分析师预测是资本市场重要的信息中介，其预测的分歧度（Dispersion）反映了市场对公司未来业绩不确定性的看法，是衡量信息不对称和投资者意见分歧的关键指标。预测的偏度（Skew）则反映了分析师群体的乐观或悲观倾向。预测修正方向（上调/下调）及其比例则捕捉了分析师对公司基本面预期的动态变化。 核心计算基于公司在特定年份内收到的所有每股收益（EPS）预测报告。首先，计算分析师覆盖的基本情况，包括发布预测的分析师人数（AnalystCount）、涉及的券商机构数（BrokerCount）以及预测报告总数（ForecastCount）。对于盈利预测本身，计算其算术平均值（EPSForecastMean）和中位数（EPSForecastMedian）作为市场共识的度量。 预测分歧度的核心度量是Dispersion，其计算方法参考了Diether et al. (2002) 的经典定义，即分析师EPS预测的标准差（EPSForecastStd）除以预测均值绝对值的百分比，用以标准化不同公司盈利水平差异带来的影响。计算公式为： $$Dispersion = \frac{EPSForecastStd}{|EPSForecastMean|} \times 100\%$$ 其中$EPSForecastStd$为分析师EPS预测的标准差，$EPSForecastMean$为分析师EPS预测的算术平均值。此外，ForecastRange作为补充指标，计算了预测最大值与最小值之差相对于预测均值绝对值的百分比。 预测分布的形态通过EPSForecastSkew（预测偏度）来刻画，正值表示预测分布右偏（存在更多高估的乐观预测），负值则表示左偏（存在更多低估的悲观预测）。 关于预测修正，统计了当年分析师相对于其自身或市场前期预测进行上调（ConsensusRevisionUp）和下调（ConsensusRevisionDown）的次数。RevisionRatio（上调比例）则计算了上调次数占所有方向性修正（上调与下调次数之和）的百分比，用以衡量修正的净方向。 补充说明 - 计算Dispersion、ForecastRange和RevisionRatio时，分母（预测均值绝对值、上调与下调次数之和）为零的观测值将被剔除。 - 所有计算均基于公司在指定财政年度内收到的所有有效EPS预测报告。 - 数据集同时提供了公司注册地的地理信息（省、市、区县及对应代码）以及按中上协行业分类（制造业取二级代码前两位，其他行业取门类首位）的行业信息。 参考文献 - 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.

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。