分析师因子：预期、修正与分歧的三重信息
我的掌握程度：
先掌握这个答案
三维度：①预期水平：一致预期EP/预期增速——「预期口径的估值」：预期兑现的股票才值这个价（陷阱：预期本身常滞后于价格）；②修正动量（最有信息）：一致预期近30/90天的上调幅度——分析师是渐进更新者（羊群），修正有惯性→预期上调后继续上调、股价跟随（ERP效应）；③分歧度：分析师预测的离散度（标准差/均值）——分歧大=不确定性高→风险溢价或信息混乱（方向不定，常与波动/质量因子交互使用）。个人可得性：免费接口（akshare/tushare部分）提供当前一致预期与评级——历史预期序列难免费获得（机构领地，q-327差距清单）——个人的现实路径：用「评级/目标价的当前截面」+「公告后的预期跳变事件」做简化版。
先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。
从理解到使用
本阶段实战方法 · 让一个因子经历完整的样本外检验
从一个投资直觉构造信号时，先验证预测关系，再验证能否交易。
- 写出经济假设、股票池、因子方向、可用时点、持有期和评价指标；用历史成分与退市样本。
- 在每个时点用可得数据计算因子，检验截面IC、分层收益、换手和行业市值暴露。
- 锁定参数做样本外验证，扣除成本并做不同市场阶段与参数敏感性分析。
使用边界
- IC没有通用合格线；股票池、频率、持有期与成本不同，数值不可直接横比。
- 多空分组收益不是个人可直接实现的收益，还要考虑融券、对冲与资金约束。
背景 · 从一个困惑说起
卖方分析师每天发布盈利预测与评级——这批数据浓缩成三个维度的信号：一致预期的水平（贵不贵）、预期的变化（修正方向）、预期的分歧（确定性强弱）。三维度各有信息，各有陷阱。
由此产生的问题
三个维度（预期水平/修正动量/分歧度）各自的逻辑与构造？为什么「修正」比「水平」更有信息（动态vs静态）？国内数据可得性与个人研究路径？
核心概念
三维度：①预期水平：一致预期EP/预期增速——「预期口径的估值」：预期兑现的股票才值这个价（陷阱：预期本身常滞后于价格）；②修正动量（最有信息）：一致预期近30/90天的上调幅度——分析师是渐进更新者（羊群），修正有惯性→预期上调后继续上调、股价跟随（ERP效应）；③分歧度：分析师预测的离散度（标准差/均值）——分歧大=不确定性高→风险溢价或信息混乱（方向不定，常与波动/质量因子交互使用）。个人可得性：免费接口（akshare/tushare部分）提供当前一致预期与评级——历史预期序列难免费获得（机构领地，q-327差距清单）——个人的现实路径：用「评级/目标价的当前截面」+「公告后的预期跳变事件」做简化版。
为什么需要它
①预期数据=市场的「前瞻共识」：基本面因子的历史视角之外，它是少数向前看的变量——对成长股研究尤其重要；②修正的信息论：静态水平早已被价格消化（有效市场部分），修正的「变化」才是新信息——这是它与PEAD（q-415）共享的逻辑内核（信息渐进扩散）；③分歧度的正确用法：它单独方向不稳，但作为交互项（高分歧×高波动=风险组合）与状态变量（高分歧期降权重）有效。
实际应用场景
个人简化版构造：评级调整因子（近一月上调评级的家数变化）+目标价隐含空间（目标价/现价−1）的中性化排名——数据在免费接口可得，走标准三件套检验。
与之前知识的联系
q-415（PEAD）的姊妹信号（同为「信息渐进」家族）；q-327（数据差距）中预期历史是个人最明显的缺口；分歧度交互呼应q-705（标签工程）的状态思想。
⚠ 常见误解
- 分析师预期=内幕信息：它是公开的共识——信息量在「修正的过程」而非水平；把它当圣杯是因果倒置
- 上调预期的股票会立即涨完：ERP/PEAD的证据都显示渐进漂移（数周）——「立即」和「渐进」的差别正是可交易性
- 分歧大=要变盘：分歧是持续状态不是拐点信号——单独用它择时的证据薄弱，交互使用更稳
🛠 本题实践任务
用免费接口取一组「近一月评级上调」的股票与一组下调的：对照其后20日相对行业平均的表现。你的样本支持修正动量吗（样本小仅验证流程）？
💡 提示（先自己想5分钟再看）
akshare的评级记录接口或行情软件「机构评级」栏；对照基准用行业均值剔除市场。
✅ 验收标准
两组对照+流程跑通。你在个人数据约束内复现了机构级信号的骨架。
在你的浏览器内运行。首次需联网下载 Python；支持标准库和 Pyodide 提供的 NumPy、pandas 等包。行情抓取、系统文件访问和部分第三方库请在本地环境运行。输出自检仅比对结果关键词，不代替逻辑审查。
Python · 独立工作线程 · 执行限时10秒
🤖 AI导师
导师会先检查你的前置知识（一致预期概念、PEAD），再用案例、公式和代码帮助理解。此功能需要先启用服务。