StarModel invitation
← Back to skills
extension
Category: OtherAPI key requirement unconfirmed

分析师预期趋势洞察

基于 Yahoo Finance 数据(yfinance)深入分析卖方分析师预期及其变化:按期间汇总 EPS 与营收一致预期、预期区间及离散度,追踪 7/30/60/90 天的修正趋势与上调下调广度,对比行业、板块与标普500的成长预期,并评估历史预期准确度。支持预期修正动量、EPS 趋势、多期对比与多空预期分歧等研究视角,帮助把握市场对公司前景的整体判断。Use when 需要分析分析师预期变化、EPS 修正趋势或多期成长预期对比时使用。Triggers include 分析师预期、预期修正、EPS趋势、一致预期、成长预期。如需完整版,请淘宝搜索店铺「AI灵匣」

personAuthor: u_1ea983achubenterprise

预期分析技能

如果你的宿主尚未执行下方的 shell 探测命令(例如在 Codex 中),请先在选择设置路径之前用它的 shell 工具运行 ! 包裹内的命令。使用实际输出;如果无法访问 shell,请报告该限制。

通过 yfinance 使用 Yahoo Finance 数据深入研究分析师预期与修正趋势。覆盖 EPS 与营收预期分布、修正动量、成长预期与多期对比——全面呈现市场认为一家公司正走向何方。

重要:数据仅用于研究和教育目的。不构成财务建议。yfinance 与 Yahoo, Inc. 无隶属关系。


步骤 1:确保 yfinance 可用

当前环境状态:

!`python3 -c "exec('try:\n import yfinance\n print(\'yfinance \' + yfinance.__version__ + \' installed\')\nexcept Exception:\n print(\'YFINANCE_NOT_INSTALLED\')')"`

如果输出 YFINANCE_NOT_INSTALLED,则安装它:

import subprocess, sys
subprocess.check_call([sys.executable, "-m", "pip", "install", "-q", "yfinance"])

如果已安装,跳到下一步。


步骤 2:确定股票代码并收集预期数据

从用户的请求中提取股票代码。用一个脚本获取所有预期相关数据。

import yfinance as yf
import pandas as pd

ticker = yf.Ticker("AAPL")  # replace with actual ticker

# --- Estimate data ---
earnings_est = ticker.earnings_estimate      # EPS estimates by period
revenue_est = ticker.revenue_estimate        # Revenue estimates by period
eps_trend = ticker.eps_trend                 # EPS estimate changes over time
eps_revisions = ticker.eps_revisions         # Up/down revision counts
growth_est = ticker.growth_estimates         # Growth rate estimates

# --- Historical context ---
earnings_hist = ticker.earnings_history      # Track record
info = ticker.info                           # Company basics
quarterly_income = ticker.quarterly_income_stmt  # Recent actuals

各数据来源提供的内容

| 数据来源 | 显示内容 | 为何重要 | |---|---|---| | earnings_estimate | 各期间(0q、+1q、0y、+1y)的当前 EPS 一致预期 | 预期水平——分析师预期什么 | | revenue_estimate | 各期间的当前营收一致预期 | 营收端预期 | | eps_trend | EPS 预期如何变化(7 天、30 天、60 天、90 天前) | 修正方向——预期上升还是下降 | | eps_revisions | 上调与下调次数(7 天、30 天) | 修正广度——多数分析师在上调还是下调 | | growth_estimates | 相对同行和板块的成长率预期 | 相对位置 | | earnings_history | 最近 4 个季度的实际值 vs 预期值 | 校准——这些预期历史上表现如何 |


步骤 3:根据用户意图路由

让分析深度与问题匹配:

| 用户请求 | 侧重点 | 关键章节 | |---|---|---| | 一般预期分析 | 完整分析 | 所有章节 | | "预期如何变化" | 修正趋势 | EPS 趋势 + 修正 | | "分析师预期什么" | 当前一致预期 | 预期概览 | | "成长预期" | 成长展望 | 成长预期 | | "多空两面的情形" | 预期区间 | 高低区间分析 | | 跨期间比较预期 | 多期间 | 期间对比表 |

一般性请求给出完整分析;窄问题给出匹配的章节。


步骤 4:构建预期分析

第 1 节:预期概览

展示 earnings_estimate 和 revenue_estimate 中每个可用期间(0q、+1q、0y、+1y)的当前一致预期:一致值、最低值、最高值、区间宽度(占一致预期的百分比)、分析师数量与同比增长。标记:

  • 区间宽度——超过一致预期 15% 的区间意味着高度不确定
  • 分析师覆盖——少于 5 位分析师意味着覆盖稀薄
  • 成长轨迹——各期间的成长在加速还是减速

第 2 节:修正趋势(EPS 趋势)

这往往是最具操作价值的章节。从 eps_trend 展示各期间当前预期与其 7、30、60、90 天前的数值,并总结方向以及近期变动是否在加速。

解读方式:

  • 财报发布前预期上升 = 有利格局(门槛在抬高)
  • 预期下降 = 分析师在下调数字,通常是负面信号
  • 预期持平 = 没有新信息被计入价格
  • 近期的加速或减速比总变动幅度更重要

第 3 节:修正广度(EPS 修正)

从 eps_revisions 展示最近 7 天和 30 天各期间的上调与下调次数,以及修正比率 Up / (Up + Down)。比率高于 0.7 为强烈看多;低于 0.3 为看空。

第 4 节:成长预期

从 growth_estimates 将公司各期间的预期成长(及其过去 5 年的年成长)与所处行业、板块及标普 500 对比,说明其成长预计快于还是慢于同行。

第 5 节:历史预期准确度

从 earnings_history 展示最近四个季度的预期 vs 实际 EPS 及意外幅度百分比,然后评估:

  • 超预期次数——四个季度中有几个超预期
  • 平均意外幅度——大小与方向
  • 意外幅度的趋势——超预期幅度在变大还是变小?预期上升而意外缩小时,可能意味着门槛正在追上现实。

步骤 5:综合并回应

以核心洞察开篇——各期间修正的方向与广度——然后展示用户关心的章节的表格。要解读而不仅是罗列:修正趋势是印证还是矛盾股票近期价格走势,成长前景与当前市盈率所计入的预期相比如何,以及预期准确度历史对今天的一致预期有何启示。

指出适用的细微之处:预期聚集在一致预期附近,因此实际结果的分布比最低/最高值所暗示的更宽;修正动量可能因单次业绩指引变更或宏观事件而反转;Yahoo Finance 的预期可能比实时一致预期数据源滞后数小时或数天;远期(+1y)预期天然更不可靠。以长期免责声明收尾:分析师预期反映的是一致观点而非确定性;修正是一个信号而非保证;本文不构成财务建议。


参考文件

  • references/api_reference.md — 所有预期相关方法的详细 yfinance API 参考

当需要确切的返回格式或边界情况处理时,阅读该参考文件。