分析师一致预期数据的特点和处理方法分析

我来简单回答这个问题，如果你想更深入地了解，可以下载《金融分析工具：基于遗传规划的一致预期因子挖掘.》这篇报告查看。

1.一致预期数据的特点和形式

分析师一致预期数据归纳总结了市场上卖方分析师报告对个股的财务指标预测、评级以及 关注情况，是除公司财报数据、交易数据以外重要的第三方数据，蕴含丰富的信息。且分 析师一致预期数据可达到日频更新的水平，一定程度上能反映基本面的高频变化，具有深 度挖掘的价值。我们以朝阳永续分析师一致预期数据库 1.0 版本为例，来对本文涉及的数据 进行说明。

每日每只股票的一致预期数据个数可能是不同的，一般包含 2-3 个未来年份(通常有卖方持 续覆盖的情况下，不论是否披露财报，均有 3 年预测期数据，财报更新后没有卖方持续跟 踪的，有 2 年预测期数据)。当某年的财务报表披露后，该年的一致预期数据就不再出现， 所以一致预期数据的预测年份是在变化的。如下图，在 2021 年 2 月 2 日，股票 000002 有 三年的一致预期数据，而股票 000001 则只有两年的一致预期数据，这是由于股票 000001 的 2020 年财报已披露，最小预测年份就会变成 2021 年，而股票 000002 的 2020 年财报 尚未披露，故最小预测年份是 2020 年。

2.针对遗传规划需求的一致预期数据处理方法

在使用遗传规划进行量价因子挖掘时，因子计算过程是在二维(第一维是股票，第二维是交 易日)的量价数据上进行矩阵预算。而在进行一致预期因子挖掘时，情况变得更加复杂了一 些，每日每只股票通常包括未来 2-3 个年份的预期数据，此时需要一个三维数据结构来存 储数据，第一维是股票，第二维是交易日，第三维是预测年份，如图表 5 所示，我们把原 始一致预期个股数据表中的数据依次填入到三维数组中。 此外针对每只股票，每个交易日都使用最小预测年份的一致预期数据，因此还需要构建一 个二维数组存储股票在各个交易日的最小预测年份。