jwigginton/eps-revisions-sp500

该数据集包含多个特征，主要涉及时间序列数据和数值数据。特征包括symbol（符号）、date（日期）、current_qtr（当前季度）、up_last_7_days_current_qtr（过去7天当前季度的上涨幅度）、next_qtr（下一个季度）、up_last_7_days_next_qtr（过去7天下一个季度的上涨幅度）、current_year（当前年份）、up_last_7_days_current_year（过去7天当前年份的上涨幅度）、next_year（下一年）、up_last_7_days_next_year（过去7天下一年份的上涨幅度）、up_last_30_days_current_qtr（过去30天当前季度的上涨幅度）、up_last_30_days_next_qtr（过去30天下一个季度的上涨幅度）、up_last_30_days_current_year（过去30天当前年份的上涨幅度）、up_last_30_days_next_year（过去30天下一年份的上涨幅度）、down_last_7_days_current_qtr（过去7天当前季度的下跌幅度）、down_last_7_days_next_qtr（过去7天下一个季度的下跌幅度）、down_last_7_days_current_year（过去7天当前年份的下跌幅度）、down_last_7_days_next_year（过去7天下一年份的下跌幅度）、down_last_30_days_current_qtr（过去30天当前季度的下跌幅度）、down_last_30_days_next_qtr（过去30天下一个季度的下跌幅度）、down_last_30_days_current_year（过去30天当前年份的下跌幅度）、down_last_30_days_next_year（过去30天下一年份的下跌幅度）。数据集被分为一个训练集，包含997个样本，总大小为158200字节。

原始信息汇总

数据集概述

特征信息

数据集包含以下特征：

• symbol: 类型为字符串
• date: 类型为字符串
• current_qtr: 类型为字符串
• up_last_7_days_current_qtr: 类型为浮点数
• next_qtr: 类型为字符串
• up_last_7_days_next_qtr: 类型为浮点数
• current_year: 类型为整数
• up_last_7_days_current_year: 类型为浮点数
• next_year: 类型为整数
• up_last_7_days_next_year: 类型为浮点数
• up_last_30_days_current_qtr: 类型为浮点数
• up_last_30_days_next_qtr: 类型为浮点数
• up_last_30_days_current_year: 类型为浮点数
• up_last_30_days_next_year: 类型为浮点数
• down_last_7_days_current_qtr: 类型为空
• down_last_7_days_next_qtr: 类型为空
• down_last_7_days_current_year: 类型为空
• down_last_7_days_next_year: 类型为空
• down_last_30_days_current_qtr: 类型为浮点数
• down_last_30_days_next_qtr: 类型为浮点数
• down_last_30_days_current_year: 类型为浮点数
• down_last_30_days_next_year: 类型为浮点数

数据分割

• train: 包含158200字节的数据，共997个样本

数据集大小

• 下载大小: 23036字节
• 数据集大小: 158200字节

配置信息

• config_name: default
• data_files:
  • split: train
  • path: data/train-*

搜集汇总

数据集介绍

构建方式

该数据集聚焦于标普500指数成分股的每股收益（EPS）修正动态，通过系统采集各公司在不同时间窗口内的分析师预期调整数据构建而成。数据涵盖当前季度、下一季度、本财年及下一财年四个时间维度，并分别统计过去7天和30天内的上调与下调修正次数。样本源自公开的金融数据库，共收录997条训练样本，每条记录均关联具体股票代码与日期，形成结构化时间序列数据，便于追踪盈利预期的演变轨迹。

特点

数据集的核心特色在于其多维度的修正指标设计，不仅区分了短期（7天）与中期（30天）的修正幅度，还同时覆盖了向上修正与向下修正两个方向。这种对称性设计使得研究者能够捕捉市场情绪的双向波动，尤其适用于分析盈利预期修正对股价的冲击效应。此外，数据按季度和年度分层，为跨周期比较提供了基础，而缺失值的保留则反映了实际金融数据中信息不对称的客观特征。

使用方法

使用时可将该数据集直接加载为pandas DataFrame，通过'symbol'和'date'字段进行分组或时间序列分析。典型应用包括构建事件研究模型，以EPS修正日为事件窗口，观察修正前后股价的异常收益率；或作为特征工程输入，将上调/下调比率纳入量化选股模型。由于数据已按训练集划分，可直接用于监督学习任务，预测修正方向或幅度。建议结合市场因子数据（如波动率、行业板块）进行协变量调整，以提升分析稳健性。

背景与挑战

背景概述

在金融量化分析与行为金融学交叉领域，盈利预测修正（EPS Revisions）作为市场微观结构研究的重要指标，长期以来被用于衡量分析师预期变化对资产定价的影响。该数据集由研究者J. Wigginton于近年创建，聚焦于标普500指数成分股的盈利预测修正动态，覆盖当前季度、下一季度及对应年度的上下修幅度，时间跨度涵盖7日与30日窗口。其核心研究问题在于揭示分析师集体预期调整的时序规律及其与股价异动之间的内在关联，为因子投资、事件驱动策略及市场效率假说验证提供结构化数据支撑。作为连接公司基本面与市场定价行为的关键桥梁，这一数据集填补了高频盈利修正数据在标准普尔500成分股中系统性缺失的空白，对资产定价理论与实证资产组合管理领域具有显著的推动作用。

当前挑战

该数据集面临的首要挑战在于盈利预测修正本身的噪声与偏差问题，分析师预期常受羊群效应、利益冲突及信息滞后影响，导致修正信号的有效性需要复杂的统计过滤与因果推断方法加以剥离。其次，数据集仅包含997个训练样本，样本量有限且时间窗口集中于短期修正，难以支撑长周期跨市场或跨周期的稳健性检验，易引发过拟合风险。构建过程中，不同券商对EPS定义的口径差异、数据源更新的非同步性以及周末与节假日导致的日期处理问题，均对数据清洗与对齐提出了严苛要求。此外，缺失值（如部分向下修正字段为null）与浮点精度误差进一步增加了特征工程与模型训练的复杂度，需开发自适应插补算法与鲁棒性评估框架以保障分析结论的可信度。

常用场景

经典使用场景

在金融与量化投资研究领域，分析师对上市公司每股收益（EPS）的预测修正被视为市场信息流的重要代理变量。该数据集汇集了标普500成分股在多个时间窗口内（如过去7天与30天）的EPS预测上调与下调幅度，覆盖当前季度、下一季度、当前财年及下一财年等关键财务周期。研究者可借此构建预测修正动量因子，或将其作为横截面股票收益预测模型的核心输入特征，从而捕捉市场预期变化的动态信号。

解决学术问题

传统资产定价理论常依赖历史收益率或基本面指标，却难以充分解释分析师预测修正所蕴含的增量信息。该数据集直接回应了“预测修正漂移”这一经典学术谜题，即为何向上修正的股票在后续期间往往呈现正向超额收益，反之亦然。通过提供标准化、高频次的EPS修正数据，学者得以系统检验信息传播效率、市场对修正公告的反应滞后性，以及修正信号在不同市场状态下的异质性表现，深化了对半强式有效市场假说的理解。

衍生相关工作

该数据集催生了一系列标志性学术与业界研究。例如，有学者基于修正数据构建了“分析师修正强度因子”，并将其纳入Fama-French多因子模型框架，证实其具有独立于价值、动量等传统因子的解释能力。另有一些工作聚焦于修正信号的时序衰减特征，开发出结合机器学习的动态权重模型，显著提升了中短期收益预测精度。在业界，多家量化平台已将类似数据整合至其因子库中，作为Smart Beta策略与指数增强产品的核心构成要素。