管理层过度自信(盈利预测偏差法)

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] — 会计年度
• 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
• ForecastEPS [管理层预测每股收益] — 参考姜付秀等(2009, 管理世界)的方法，管理层业绩预告净利润预测中值除以年末总股本，单位为元/股
• ActualEPS [实际每股收益] — 年报披露的实际每股收益(元/股)，来自财务指标表。单位：元
• ForecastBias [预测偏差] — 参考姜付秀等(2009, 管理世界)的方法，计算公式为：(管理层预测EPS-实际EPS)/|实际EPS|，正值表示管理层高估了盈利，经1%/99%缩尾处理。单位：比例
• IsOverconfidentFB [是否过度自信(预测偏差法)] — 参考姜付秀等(2009, 管理世界)的方法，是否过度自信(0=否，1=是)，当预测偏差大于0时判定为过度自信

常见问题

「管理层过度自信(盈利预测偏差法)」是什么数据集？

管理层过度自信(盈利预测偏差法)，隶属董监高数据。衡量管理层过度自信程度。

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：管理层预测每股收益、实际每股收益、预测偏差、是否过度自信(预测偏差法)。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 32,687 条观测。

数据是如何测算/获取的？

指标定义与计算方法 本数据集参考姜付秀等（2009）的研究，采用管理层盈利预测偏差法衡量管理者过度自信。其核心逻辑在于，过度自信的管理者倾向于对未来业绩做出过于乐观的估计。通过比较管理层发布的盈利预测与公司实际实现的业绩，可以捕捉这种系统性高估的倾向。预测偏差为正，表明管理层高估了公司盈利，是过度自信的表现。 计算过程首先需要获取两个关键变量：管理层预测的每股收益（EPS）和年报披露的实际每股收益。管理层预测EPS（$ForecastEPS$）通过提取公司发布的业绩预告中的净利润预测值计算。若预告给出预测区间，则取其中值；若为单点预测，则直接使用该值。该预测净利润值需除以年末总股本，得到以“元/股”为单位的预测EPS。实际EPS（$ActualEPS$）则直接取自公司年度财务报告。 核心指标预测偏差（$ForecastBias$）的计算公式为管理层预测EPS与实际EPS的差值，除以实际EPS的绝对值进行标准化，以消除公司规模或盈利水平差异的影响。计算公式如下： $$ForecastBias = \frac{ForecastEPS - ActualEPS}{|ActualEPS|}$$ 其中$ForecastEPS$为管理层预测的每股收益，$ActualEPS$为年报披露的实际每股收益。 最终，二元指标“是否过度自信”（$IsOverconfidentFB$）根据预测偏差的符号判定。若$ForecastBias 0$，即管理层预测高于实际业绩，则判定管理者在该年度表现出过度自信，取值为1；否则取值为0。 补充说明 - 为控制极端值的影响，计算得到的预测偏差（$ForecastBias$）在年度层面进行了1%和99%分位数的缩尾处理。 - 数据集包含公司注册地（省、市、区县）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 - 姜付秀， 张敏， 陆正飞， 等. 管理者过度自信、企业扩张与财务困境[J]. 经济研究， 2009， 44(1): 131-143.

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。