分析师羊群行为(Clement-Tse法)

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] — 预测目标年份，即预测终止日对应的财务年度
• 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
• ForecastCount [可分类预测数] — 可进行Clement-Tse大胆/羊群分类的预测条数，需同一分析师有先前预测记录。单位：个
• AnalystCount [分析师数量] — 该股票年度内发布EPS预测的独立分析师人数。单位：人
• BoldRatio [大胆预测比率] — 参考Clement和Tse(2005,Journal of Finance)方法，大胆预测占可分类预测总数的比例。计算公式为：大胆预测数/(大胆预测数+羊群预测数)。大胆预测定义为abs(F_new-C_t)>abs(F_prior-C_t)，即新预测比先前预测更偏离一致预期。单位：比例
• AvgBoldIntensity [平均大胆强度] — 参考Clement和Tse(2005,Journal of Finance)方法，计算公式为：mean((abs(F_new-C_t)-abs(F_prior-C_t))/abs(F_prior-C_t))，正值表示分析师平均趋向大胆，负值表示趋向羊群，截断在[-100,100]
• IsHighHerding [是否高羊群行为] — 是否高羊群行为(0=否，1=是)，大胆预测比率在当年截面中处于后25%(即大胆预测比率最低的四分之一)

常见问题

「分析师羊群行为(Clement-Tse法)」是什么数据集？

分析师羊群行为(Clement-Tse法)，隶属信息环境。衡量证券分析师发布盈利预测时的羊群行为程度。

该数据集的时间范围是？

覆盖 2001-2025 年。

包含哪些变量/指标？

共 16 个变量。核心指标包括：可分类预测数、分析师数量、大胆预测比率、平均大胆强度、是否高羊群行为。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 41,938 条观测。

数据是如何测算/获取的？

指标定义与计算方法 分析师羊群行为是指证券分析师在发布盈利预测时，其预测行为表现出跟随市场主流意见或先前预测的趋势，而非基于独立判断。本数据集基于个体分析师预测数据，采用多维度学术方法度量这一现象。核心度量方法包括：Clement和Tse (2005) 的大胆/羊群预测分类法、Welch (2000) 的序贯跟随行为模型、Lakonishok, Shleifer和Vishny (1992) 的修正方向集中度度量、Bernhardt, Campello和Kutsoati (2006) 的反羊群检验，以及Bikhchandani, Hirshleifer和Welch (1992) 的预测聚集度概念。 首先，基于Clement和Tse (2005) 的方法，对分析师预测行为进行分类。对于同一分析师对同一公司发布的连续预测，比较其新预测与先前预测相对于当期市场一致预期的偏离程度。若新预测比先前预测更偏离一致预期，则定义为“大胆预测”；反之，若新预测比先前预测更接近一致预期，则定义为“羊群预测”。BoldRatio（大胆预测比率）即为大胆预测数占可分类预测总数（大胆预测数与羊群预测数之和）的比例。AvgBoldIntensity（平均大胆强度）则量化了分析师预测行为偏离或趋同的平均程度，其计算公式为： $$AvgBoldIntensity = mean\left(\frac{|F{new} - Ct| - |F{prior} - Ct|}{|F{prior} - Ct|}\right)$$ 其中$F{new}$为分析师发布的新预测值，$F{prior}$为该分析师先前发布的预测值，$Ct$为当前的市场一致预期（通常为所有分析师预测的中位数）。该指标为正值表示分析师平均趋向大胆，负值表示趋向羊群。 其次，WelchHerdRatio（序贯跟随比率）基于Welch (2000) 的模型，衡量分析师在发布预测时，其预测方向（如上调或下调）与先前已发布预测的主流方向一致的比例，反映了序贯决策中的跟随行为。 第三，LSVHerd（LSV羊群度量）及其方向性指标LSVHerdBuy（看涨方向羊群度量）和LSVHerdSell（看跌方向羊群度量）基于Lakonishok, Shleifer和Vishny (1992) 的方法，计算在特定时期内，分析师群体做出相同方向预测（如上调或下调）的比例超出随机预期水平的绝对程度。 第四，BCKStat（BCK反羊群统计量）基于Bernhardt, Campello和Kutsoati (2006) 的方法，用于检验分析师是否存在故意偏离一致预期以显示其能力的“反羊群”行为。 此外，数据集还包含其他衍生指标以多角度刻画预测行为特征。ClusteringIndex（预测聚集指数）衡量预测值在市场一致预期附近的集中程度。NarrowBandPct（窄幅预测占比）为预测值落在一致预期正负5%范围内的预测比例。ConvergenceSpeed（一致预期收敛速度）度量年内分析师预测分歧度的变化速度。HerdAsymmetry（羊群不对称性）为看涨方向与看跌方向羊群度量的差异。IndependentRatio（独立预测比率）为偏离一致预期超过1个标准差的预测占比。RevisedSameDir（同向修正比率）为分析师修正预测的方向与一致预期变动方向相同的比例。 最后，基于截面排序定义了二元标识变量。IsHighHerding（是否高羊群行为）标识大胆预测比率在当年所有股票截面中处于后25%（即大胆预测比率最低的四分之一）的样本。IsAntiHerding（是否反羊群行为）则标识存在显著反羊群行为的样本。 补充说明 - 计算AvgBoldIntensity时，对结果进行了截断处理，限定在[-100, 100]的区间内。 - 计算BoldRatio、WelchHerdRatio等比率指标时，分母（即可分类预测数）需满足分析师有先前预测记录的条件。 - 行业分类采用中上协行业分类标准（制造业取二级代码前两位，其他行业取门类首位）。 参考文献 - Clement M B, Tse S Y. Financial analyst characteristics and herding behavior in forecasting[J]. The Journal of Finance, 2005, 60(1): 307-341. - Welch I. Herding among security analysts[J]. Journal of Financial Economics, 2000, 58(3): 369-396. - Lakonishok J, Shleifer A, Vishny R W. The impact of institutional trading on stock prices[J]. Journal of Financial Economics, 1992, 32(1): 23-43. - Bernhardt D, Campello M, Kutsoati E. Who herds?[J]. Journal of Financial Economics, 2006, 80(3): 657-675. - Bikhchandani S, Hirshleifer D, Welch I. A theory of fads, fashion, custom, and cultural change as informational cascades[J]. Journal of Political Economy, 1992, 100(5): 992-1026.

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。