发帖
雷达卡
上市公司分析师预测误差与分析师预测分歧度是衡量证券分析师对上市公司盈余预测准确性与一致性的核心指标，也是公司信息环境、资本市场有效性、企业投融资、股价崩盘风险研究的关键被解释变量与调节变量；分析师关注度作为反映公司被资本市场分析师覆盖程度的代理变量，是衡量上市公司信息环境、股价信息含量、资本市场关注度的重要指标。分析师预测行为广泛应用于公司信息环境、盈余管理、企业投融资、股价崩盘风险等方向的实证研究，与会计信息质量、审计师选择、企业创新等指标互为补充，《经济研究》《管理世界》《金融研究》《中国工业经济》等权威刊物均刊发过大量相关成果。附件内为自用整理、严谨测度、多重校验的2001-2025年上市公司分析师预测误差、分析师预测分歧度、分析师关注度数据合集，14个核心测度指标，附原始数据+Stata测算代码！原始数据来源于权威数据库，涵盖沪深A股上市公司在 2001-2025 年间的分析师对每股收益的预测记录、年报实际每股收益披露数据、年个股回报率（用于年开盘价标准化），严格遵循6 篇国内权威文献的差异化算法。核心变量包括：FERROR1（基础预测误差）、FDISP1（基础分歧度）、FERROR2（开盘价标准化误差）、FDISP2（开盘价标准化分歧度）、FERROR3（中位数法误差）、FERROR4（中位数+开盘价误差）、FDISP4（开盘价标准化分歧度）、FERROR5（绝对值均值法误差）、FERROR6（+0.5平滑误差）、FDISP6（+0.5平滑分歧度），分析师关注度、研报关注度，共计14+指标，以及指标构建所需的全部基础信息变量。累计涵盖 5.27w+ 公司-年度观测值，横跨 2001-2025 年共 25 个年份，已整理好的面板数据可直接用于回归分析！一个数据集将分析师预测误差、分析师预测分歧度、分析师关注度、盈余预测质量、公司信息环境研究所需核心指标一网打尽，研究价值较高！
本数据集经过多次校验，由本人及所在课题组自用整理并提供售后咨询服务，欢迎大家私信交流！
本团队分享的所有原创自用数据都会及时更新，点击关注我，即可第一时间免费获取后续更新数据！购买则一份数据即可满足您不同时期的数据需求，充分节约您的宝贵时间！充分节约您的时间与精力！
【温馨提示】本人及所在团队致力于向大家分享高质量、科学准确的科研数据，长期以来好评如潮，数据质量有目共睹。近期发现论坛上出现部分账号倒卖本账号分享的原创数据，甚至连数据介绍文案都原封不动抄袭，查重率100%，实在令人不齿（在此就不一一点名，我们将保留追究其责任的权利连文案都要抄袭，数据质量如何令人信服？）。作为论坛首批原创数据分享者，我们深知一份好数据对学术研究的重要性，我们在论坛此唯一账号，其他类似账号均为假冒，请各位用户仔细甄别！
附件内所有文件均包括xlsx、dta格式面板数据，无偿赠送您非常详细的参考文献原文（C刊高被引文献！！）、变量说明文件、非常详细的Stata指标测算全过程参考代码（真正实现数据真实且可复现，参考价值较高！）、非常详细的原始数据（包括分析师对每股收益的预测记录（分析师预测指标文件）、年报实际每股收益披露数据（年中季报基本情况）、年个股回报率（含年开盘价，用于部分算法标准化）等指标构建所需的全部原始字段，完整原始数据体量较大，指标来源有依据，充分保证数据真实性、准确性，绝对不同于市面上其他粗制滥造数据！！）！以及2025上市公司基本信息！！！本数据集适用于所有涉及分析师预测行为、盈余预测质量、公司信息环境、股价崩盘风险、企业投融资方向的实证研究与理论分析，更是非常适合在此基础上进行拓展研究，能够帮助大家高效上手，完成科研任务！
此外，本数据集已为您匹配完成2000-2025上市公司常用财务指标面板数据，包括行业名称、行业代码、注册具体地址、公司办公地址、统一社会信用代码、重大变更、办公地经度、办公地纬度、公司成立日期、注册资本、公司网址、经营范围、注册地经度、注册地纬度、首次上市日期、所属省份代码、所属省份、所属城市代码、所属城市、主营业务、上市状态、总资产、应收账款、存货、股东权益合计、主营业务收入、销售费用、应付普通股股利、经营活动产生的现金流量净额、资产负债率、营业毛利率、资产收益率、边际利润率、净资产收益率、每股收益、每股净资产、资本支出、实际税率、特殊项目利润、员工数目等60+关键变量，可与上市公司面板数据匹配用于回归，累计涵盖6.6w+公司-年度观测值，约 5000+样本企业！
本数据集来源正规，由我手动收集、整理，与同门多次核对，观测值数量全面。市面上的分析师预测行为相关数据，大多仅简单地以单一预测偏差（如只给绝对值差）或单一关注人数近似，未做基于6篇文献差异化的多算法稳健性测算，未提供完整原始输入数据（分析师预测记录、实际EPS披露、年个股回报率），未做按年度归一化或对数化处理，使用时仍需研究者自行测算，过程繁琐且易错，测算方法不透明、不可复现，更新到2025年，严格遵循6篇国内权威文献的算法，分别对预测偏差/分歧度/关注人数构造14个核心测度指标（6种FERROR + 4种FDISP + 4种ANALYST/REPORT），附完整 Stata 参考代码与样本原始数据，观测值无误差，亲测效果良好，不含拟合处理，均为基于上市公司原始分析师预测记录、实际EPS披露、年个股回报率数据的规范测度结果！
附件内容简介：
1、2001-2025年上市公司分析师预测误差和分歧度面板数据：基于权威数据库中沪深A股上市公司的分析师预测记录、年报实际每股收益披露数据、年个股回报率数据，严格遵循6篇国内权威文献的差异化算法框架。核心变量包括：FERROR1（基础预测误差）、FDISP1（基础分歧度）、FERROR2（开盘价标准化误差）、FDISP2（开盘价标准化分歧度）、FERROR3（中位数法误差）、FERROR4（中位数+开盘价误差）、FDISP4（开盘价标准化分歧度）、FERROR5（绝对值均值法误差）、FERROR6（+0.5平滑误差）、FDISP6（+0.5平滑分歧度），分析师关注度、研报关注度，共计14+指标，以及指标构建所需的全部基础信息变量。累计涵盖 5.27w+ 公司-年度观测值，横跨 2001-2025 年共 25 个年份，已整理好的面板数据可直接用于回归分析，极具研究价值！
附件内包括非常详细的 Stata 指标测算参考代码、所有原始数据文件、参考文献原文、变量说明文件，可逐一核验准确性，大家可放心数据质量！
指标测度方法：本数据集基于 6 篇国内权威文献方法学，构建 14 个核心指标：6 种分析师预测误差（FERROR1~FERROR6）+ 4 种分析师预测分歧度（FDISP1/2/4/6）+ 4 种分析师关注度（ANALYST1/2 + REPORT1/2）。预测误差与分歧度基于"分析师对每股收益的预测值 vs 实际每股收益"的偏差计算；分析师关注度基于"被分析师关注人数 + 研报数量"两类基础计数变量。所有指标均为公司-年度面板数据，可直接用于回归分析。
（0a）分析师对每股收益的预测值（多次预测）
对每家上市公司 i 在年度 t，分析师 k 对其每股收益的预测值。其中 K_{i,t} 为关注公司 i 的分析师数量。
（0b）公司-年度聚合：分析师预测均值与标准差
对每家公司-年度 t，将 K 个分析师的预测聚合成均值 EPSFMean 与标准差 EPSFStd（保留每个分析师当年的最后一次预测）。
（1）分析师预测误差 FERROR1（王玉涛等, 2012）
用预测均值与实际每股收益的绝对偏差除以实际值绝对值，反映分析师预测的相对偏差程度。
（2）分析师预测误差 FERROR2（孙光国等, 2023）
用预测均值与实际每股收益的绝对偏差除以年开盘价并放大 100 倍，反映单位股价承担的预测偏差。
（3）分析师预测误差 FERROR3（何贤杰+肖土盛+田野, 2012）
用预测中位数（而非均值）替代 FERROR1 中的预测均值，缓解极端预测值的扭曲。
（4）分析师预测误差 FERROR4（何贤杰+肖土盛+朱红军, 2012）
用预测中位数 + 年开盘价标准化，是 FERROR2 的中位数版本，缓解极端预测值扭曲。
（5）分析师预测误差 FERROR5（贾元琪+郑立群, 2017）
先对每位分析师-年度计算相对偏差，再求算术平均，反映多家分析师综合的相对偏差。
（6）分析师预测误差 FERROR6（刘瑶瑶+路军伟, 2023）
在分母上额外加 0.5 的平滑项，缓解小 EPS 公司分母接近 0 时预测偏差被极端放大问题。
（7）分析师预测分歧度 FDISP1（王玉涛等, 2012）
用预测标准差除以实际值绝对值，反映多家分析师之间对公司 EPS 预测的分歧程度。
（8）分析师预测分歧度 FDISP2（孙光国等, 2023）
用预测标准差除以年开盘价并放大 100 倍，反映单位股价承担的预测分歧度。
（9）分析师预测分歧度 FDISP4（何贤杰+肖土盛+朱红军, 2012）
用预测标准差除以年开盘价，是 FDISP2 的非放大版本，更易于跨公司比较。
（10）分析师预测分歧度 FDISP6（刘瑶瑶+路军伟, 2023）
在分母上额外加 0.5 平滑项，缓解小 EPS 公司分母接近 0 时分歧度被极端放大问题。
（11）分析师关注度 ANALYST1（直接人数）
对每家上市公司 i 在年度 t 被证券分析师关注的原始人数。
（12）分析师关注度 ANALYST2（对数化处理）
在 ANALYST1 基础上加 1 后取自然对数，缓解偏态分布，更适用于面板数据回归。
（13）研报关注度 REPORT1（直接数量）
对每家上市公司 i 在年度 t 被分析的研报数量原始值。
（14）研报关注度 REPORT2（对数化处理）
在 REPORT1 基础上加 1 后取自然对数，缓解偏态分布，更适用于面板数据回归。
3、无偿赠送权威参考文献PDF原文：包括王玉涛等——业绩预告信息对分析师预测行为的影响（金融研究 2012）、孙光国等——企业ESG表现能提高分析师盈余预测质量吗（财经论丛 2023）、何贤杰等——新会计准则对资本市场信息环境的影响研究（2012）、何贤杰等——产权性质、治理环境与企业社会责任信息披露的经济后果（2012）、贾元琪等——企业社会责任信息披露与分析师盈利预测准确性（上海管理科学 2017）、刘瑶瑶等——前瞻性信息披露与分析师盈余预测（外国经济与管理 2023）、潘越等——信息不透明、分析师关注与个股暴跌风险（金融研究 2011）、李春涛等——分析师跟踪与企业盈余管理（金融研究 2014）、陈钦源等——分析师跟踪与企业创新绩效（南开管理评论 2017）原文PDF，为分析师预测行为、盈余预测质量、公司信息环境方向的高质量参考文献，可作为理论与实证研究的参考依据，可逐篇核对实证设计逻辑，确保研究有据可查！
4、无偿赠送！2001-2025年更新版本的上市公司年度基本信息，包括行业名称、行业代码、注册具体地址、公司办公地址、统一社会信用代码、重大变更、办公地经度、办公地纬度、公司成立日期、注册资本、公司网址、经营范围、注册地经度、注册地纬度、首次上市日期、所属省份代码、所属省份、所属城市代码、所属城市、主营业务、上市状态、总资产、应收账款、存货、股东权益合计、主营业务收入、销售费用、应付普通股股利、经营活动产生的现金流量净额、资产负债率、营业毛利率、资产收益率、边际利润率、净资产收益率、每股收益、每股净资产、资本支出、实际税率、特殊项目利润、员工数目等60+变量，可与上市公司数据进行匹配，适用范围广泛！（市价超30元+！）
篇幅限制无法展示详细的Stata代码与全部分年度回归结果，如有疑惑可私信我，我将及时回复！
点击下方链接购买：
【25重磅,热点】2001-2025上市公司分析师预测误差,分析师预测分歧度,分析师关注度数据
(85 Bytes, 需要: RMB 89 元)
数据来源：权威数据库途径手动整理而成，本数据集为课题组自用数据，经过我和同门师兄妹多次人工审核、校对；同时，数据的处理过程也咨询了我的导师，请大家放心使用，承诺良心数据！
欢迎大家购买，收集整理这份数据的成本远超售价！请大家支持原创，请勿转卖！
目前我应用经济学博士在读，如您有更具体的数据需求，请私信我详细说明，如有数据定制需求，可直接私信，我将秉持着严谨、科学的研究态度为您提供满意的数据服务。我所售数据均为承诺售后服务的，所有论坛私信都会及时回复，您在使用本数据集的过程中有任何疑问可随时联系，帮助大家到满意为止！如有任何疑问，欢迎私信沟通，恭候您的数据需求！
京公网安备 11010802022788号
