chuyin0321/earnings-stocks

---
dataset_info:
features:
- name: symbol
dtype: string
- name: date
dtype: timestamp[ns, tz=EST]
- name: eps_estimate
dtype: float64
- name: reported_eps
dtype: float64
- name: surprise
dtype: float64
splits:
- name: train
num_bytes: 3707357
num_examples: 93309
download_size: 1828938
dataset_size: 3707357
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "earnings-stocks"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

---
## 数据集信息（dataset_info）
特征字段列表：
- 字段名：证券代码（symbol），数据类型：字符串（string）
- 字段名：日期（date），数据类型：纳秒级时间戳（timestamp），时区为美国东部时间（EST）
- 字段名：每股收益预期值（eps_estimate），数据类型：64位浮点型（float64）
- 字段名：已披露每股收益（reported_eps），数据类型：64位浮点型
- 字段名：盈余惊喜率（surprise），数据类型：64位浮点型
数据集划分：
- 划分名称：训练集（train），字节占用量：3707357，样本总数：93309
下载大小：1828938
数据集总占用大小：3707357
数据集配置：
- 配置名称：默认配置（default），数据文件：
- 对应训练集划分，文件路径：data/train-*
---
# 「盈利与股票（earnings-stocks）」数据集卡片
[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集信息

• 特征列表：

  • symbol：股票代码，数据类型为字符串。
  • date：日期，数据类型为时间戳（纳秒级，时区为EST）。
  • eps_estimate：每股收益估计，数据类型为浮点数（64位）。
  • reported_eps：报告的每股收益，数据类型为浮点数（64位）。
  • surprise：意外收益，数据类型为浮点数（64位）。

• 数据分割：

  • train：训练集，包含3707357字节的数据和93309个样本。

• 数据大小：

  • 下载大小：1828938字节
  • 数据集大小：3707357字节

配置信息

• 默认配置：
  • default：
    • 数据文件路径：data/train-*

搜集汇总

数据集介绍

构建方式

在金融市场的量化分析中，盈利公告事件是驱动股票价格波动的重要因素。chuyin0321/earnings-stocks数据集以美国上市公司为对象，系统收集了其盈利公告日期的每股收益（EPS）预测值与实际报告值。数据构建过程中，针对每只股票（symbol）在特定日期（date）的盈利事件，整合了分析师一致预期（eps_estimate）与公司实际披露的盈利数据（reported_eps），并进一步计算二者之间的差异（surprise），从而形成结构化的时序金融数据集。该数据集包含约9.3万条训练样本，覆盖多个交易时段，为盈利预测与市场反应研究提供了基础数据支撑。

使用方法

使用者可通过HuggingFace Datasets库直接加载该数据集，指定配置名为'default'并调用训练集拆分（train split）即可获取全部样本。加载后的数据以表格形式呈现，支持直接利用Pandas等数据分析工具进行探索性分析。典型应用场景包括：基于意外值（surprise）构建量化因子、训练机器学习模型预测盈利公告后的短期价格走势、或进行事件研究法中的异常收益率计算。数据字段均为数值或分类变量，无需额外清洗即可快速接入回测框架或统计建模流程。

背景与挑战

背景概述

在金融市场的量化分析与投资决策中，盈利预测的准确性对股票估值与交易策略至关重要。由研究者chuyin0321创建的earnings-stocks数据集，专注于收集与整理美国上市公司财报季中每股收益（EPS）的预期值与实际报告值之间的差异，即盈利惊喜（surprise）数据。该数据集覆盖了多个股票代码（symbol）及对应的时间戳（date），包含eps_estimate、reported_eps与surprise三个核心指标，为研究市场对盈利公告的反应、构建事件驱动型交易模型提供了结构化支持。其发布为金融自然语言处理与时间序列分析领域提供了标准化的数据资源，推动了盈利预测偏差与市场异象研究的实证进展。

当前挑战

该数据集面临的主要挑战包括：首先，盈利预测数据来源的多样性与一致性难以保证，不同分析师或机构对EPS的估算方法可能存在差异，导致数据噪声与偏误。其次，数据集仅包含单一时间点的预测值与实际值，缺乏对预测修正过程、分析师更新频率以及市场微观结构信息的捕捉，限制了模型对动态市场反应的建模能力。此外，构建过程中需处理财报发布日期的时区转换（如EST时间戳）、股票代码的变动与退市情况，以及极端值对surprise计算的干扰，这些数据处理环节增加了数据集维护与更新的复杂度。

常用场景

经典使用场景

在金融与计量经济学交叉研究的广阔领域中，盈余公告事件始终是市场微观结构分析的核心锚点。chuyin0321/earnings-stocks数据集以其精细化的时间戳与每股收益（EPS）预测及实际值记录，为研究者提供了高保真的盈余惊喜量化基础。该数据集最经典的用途在于构建事件研究框架，通过比较公告日前后市场反应，系统性地检验盈余惊喜对股票异常收益的解释力，从而揭示信息效率与定价偏差之间的动态关联。

解决学术问题

该数据集有效回应了行为金融学中关于市场对非预期信息反应不足或过度反应的经典争论。学术研究者可借助其中精确的surprise字段，复现并拓展如标准化的未预期盈利（SUE）策略研究，进而量化盈余公告后的漂移现象（PEAD）的统计显著性。此外，它还为检验有效市场假说提供了实证素材，帮助学界在微观层面厘清价格发现过程中信息吸收的速度与模式。

实际应用

在量化投资的实战领域，该数据集直接赋能于事件驱动型交易策略的研发与回测。资产管理机构可基于历史盈余惊喜数据，构建多空组合以捕捉公告窗口期的alpha收益。同时，它作为基本面量化模型的关键输入，能够辅助分析师优化盈利预测的校准机制，提升投资组合在财报季的风险调整后收益，推动金融科技从理论模型向可执行策略的转化。

数据集最近研究

最新研究方向

在金融科技与量化投资领域，上市公司财报披露引发的股价波动始终是市场微观结构研究的热点。chuyin0321/earnings-stocks数据集聚焦于美股盈利公告事件，收录了超过9.3万条涵盖股票代码、财报发布日期、每股收益预期值、实际报告值及意外偏差的核心指标，为学术界与业界提供了标准化的事件驱动研究基准。当前前沿方向集中于利用该数据集构建基于意外收益的因子模型，探索机器学习算法在盈利惊喜预测中的应用，并追踪2023年以来高频交易环境下财报信息传递效率的变化。该数据集的发布填补了开源金融数据中针对盈利公告精细时间戳与预期-实际对比的空白，对推动行为金融学中投资者过度反应与反应不足的实证检验具有重要意义，亦为量化策略回测提供了可靠的微观数据支撑。