分析师羊群行为(LSV法)
「分析师羊群行为(LSV法)」，覆盖 2003-2025 年，频率 年度，上市公司层级，含 15 个变量，样本量约 28,402。 衡量证券分析师群体发布盈利预测时的羊群行为强度。
| 时间跨度 | 2003-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 15 |
| 样本量 | 28,402 |
| 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] — 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
- LSVHerd [LSV羊群度量] — 参考Lakonishok、Shleifer和Vishny(1992,Journal of Financial Economics)方法，计算公式为：abs(上调比例-0.5)-AF(n,0.5)，其中AF为二项分布调整因子。正值表示修正方向过度集中(存在羊群)。单位：比例
- LSVHerdBuy [看涨方向羊群度量] — 当上调比例大于0.5时的LSV度量，计算公式为：(上调比例-0.5)-AF(n,0.5)，衡量分析师在看涨方向的超额集中程度。单位：比例
- LSVHerdSell [看跌方向羊群度量] — 当下调比例大于0.5时的LSV度量，计算公式为：(0.5-上调比例)-AF(n,0.5)，衡量分析师在看跌方向的超额集中程度。单位：比例
- HerdAsymmetry [羊群不对称性] — 计算公式为：当上调比例>0.5时取看涨方向羊群度量(正值，看涨方向羊群)，当下调比例>0.5时取-看跌方向羊群度量(负值，看跌方向羊群)。正值表示看涨方向羊群更强，负值表示看跌方向羊群更强。单位：比例
常见问题
- 「分析师羊群行为(LSV法)」是什么数据集？
- 分析师羊群行为(LSV法)，隶属信息环境。衡量证券分析师群体发布盈利预测时的羊群行为强度。
- 该数据集的时间范围是？
- 覆盖 2003-2025 年。
- 包含哪些变量/指标？
- 共 15 个变量。核心指标包括：LSV羊群度量、看涨方向羊群度量、看跌方向羊群度量、羊群不对称性。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 28,402 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分析师在发布盈利预测时，其预测行为或修正方向过度集中于某一侧，而非基于独立判断的现象。本数据集基于个体分析师预测数据，采用学术文献中的多种标准方法，计算了多维度的羊群行为指标，以捕捉分析师群体在预测过程中的从众、跟随及意见收敛等行为模式。 核心的羊群度量方法之一是Lakonishok、Shleifer和Vishny（1992）提出的LSV模型。该方法通过比较分析师预测修正方向的实际分布与独立随机情况下的预期分布，来衡量羊群行为的强度。对于某只股票在特定年份，首先计算所有分析师预测修正中，方向为“上调”的比例$p$。在分析师独立决策的零假设下，上调与下调的概率应各为0.5。LSV羊群度量$LSVHerd$的计算公式为： $$LSVHerd = |p - 0.5| - AF(n, 0.5)$$ 其中$p$为上调预测的比例，$n$为该股票-年份内发布预测修正的分析师总数，$AF(n, 0.5)$为调整因子，代表在$n$次独立伯努利试验（成功概率为0.5）中，成功比例$p$偏离0.5的期望绝对值。该指标取正值时，表明分析师预测修正方向存在统计上显著的过度集中，即存在羊群行为。 为了区分羊群行为的方向，进一步计算看涨方向羊群度量$LSVHerdBuy$和看跌方向羊群度量$LSVHerdSell$。当$p 0.5$时，$LSVHerdBuy = (p - 0.5) - AF(n, 0.5)$，衡量分析师在看涨（上调）方向的超额集中程度；当$p < 0.5$时，$LSVHerdSell = (0.5 - p) - AF(n, 0.5)$，衡量分析师在看跌（下调）方向的超额集中程度。羊群不对称性$HerdAsymmetry$则综合了这两个方向指标：当上调比例大于0.5时，取$LSVHerdBuy$（正值）；当下调比例大于0.5时，取$-LSVHerdSell$（负值）。该指标的正负和大小反映了羊群行为在方向上的不均衡性。 除了LSV方法，数据集还整合了其他经典文献的度量。基于Clement和Tse（2005）的方法，计算大胆预测比率$BoldRatio$和平均大胆强度$AvgBoldIntensity$，前者衡量分析师发布偏离市场一致预期的“大胆”预测的比例，后者衡量这种偏离的平均程度。基于Welch（2000）的序贯信息流模型，计算序贯跟随比率$WelchHerdRatio$，以捕捉分析师在时间序列上的跟随行为。基于Bernhardt、Campello和Kutsoati（2006）的反羊群检验，计算BCK统计量$BCKStat$，用于识别分析师为彰显自身能力而故意偏离共识的“反羊群”行为。此外，还计算了预测聚集指数$ClusteringIndex$、窄幅预测占比$NarrowBandPct$、一致预期收敛速度$ConvergenceSpeed$、独立预测比率$IndependentRatio$和同向修正比率$RevisedSameDir$等指标，从不同维度刻画分析师预测的分布特征、动态变化及其与市场共识的互动关系。最终，根据特定阈值（如LSV度量是否显著为正）生成了二元标识变量$IsHighHerding$（是否高羊群行为）和$IsAntiHerding$（是否反羊群行为）。 补充说明 - 计算基于某只股票在特定年份内所有分析师的盈利预测数据。仅使用可明确分类为“上调”、“下调”或“维持”的预测修正记录进行计算。 - 在计算LSV度量及其调整因子时，需要满足最小分析师数量要求，以确保统计意义的可靠性。 - 部分比率指标（如$BoldRatio$, $WelchHerdRatio$）在计算时，分母为0或观测数过少的情况将被视为缺失值。 参考文献 - 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. - 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. - 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。