mcpField
E
estimate-analysis

estimate-analysis

github.com/himself65数据与数据库3.5k3.3k 次安装3 天前更新
代码仓库

关于 estimate-analysis

estimate-analysis 是通过 yfinance 使用 Yahoo Finance 数据分析分析师预测与修正趋势的技能,涵盖 EPS、营收共识、增长预期及历史预测准确性。

主要功能

  1. 01按期间查看 EPS 与营收共识
  2. 02预测区间与分析师人数
  3. 03EPS 趋势与修正广度
  4. 04与行业及市场比较增长预期
  5. 05回顾最近四季度预测准确性

适用场景

  1. 01查看分析师预测如何变化
  2. 02了解公司的市场一致预期
  3. 03比较公司与同业的预期增长
  4. 04评估近期盈利预测准确性

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/himself65/finance-skills --skill estimate-analysis

安装后在 Claude Code 中输入/estimate-analysis确认已加载。

附带文件README.mdreferences/api_reference.md

详细介绍

预估分析技能

如果宿主尚未执行以下 shell 探测命令(例如在 Codex 中),请先使用其 shell 工具运行 ! 包裹的命令,再选择设置路径。使用实际输出;如果无法访问 shell,请说明这一限制。

通过 yfinance 使用 Yahoo Finance 数据,深入分析分析师预估及其修正趋势。涵盖 EPS 和营收预估分布、修正动能、增长预测以及多期比较,全面呈现华尔街对公司未来走向的看法。

重要提示:数据仅用于研究和教育目的,不构成财务建议。yfinance 与 Yahoo, Inc. 无关联。


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\')')"`

如果显示 YFINANCE_NOT_INSTALLED,请安装:

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

如果已安装,请跳至下一步。


步骤 2:识别股票代码并获取预估数据

从用户的请求中提取股票代码。使用一个脚本获取所有与预估相关的数据。

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
数据来源显示内容重要性
earnings_estimate各期(0q、+1q、0y、+1y)的当前 EPS 共识预估预估水平——分析师的预期
revenue_estimate各期当前营收共识预估营收预期
eps_trendEPS 预估的变化情况(7、30、60、90 天前)修正方向——预期是在上升还是下降?
eps_revisions上调与下调预估的次数(7、30 天)修正广度——多数分析师是在上调还是下调?
growth_estimates相对于同行和行业的增长率预估相对定位
earnings_history过去 4 个季度的实际值与预估值对比校准情况——这些预估的历史准确度如何?

步骤 3:根据用户意图选择分析方向

根据问题匹配分析深度:

用户请求关注领域关键章节
常规预估分析完整分析所有章节
“预估有何变化”修正趋势EPS 趋势 + 修正
“分析师有何预期”当前共识预估预估概览
“增长预估”增长预测增长预估
“看涨与看跌情景”预估区间高低值区间分析
比较各期预估多期比较期间比较表

常规请求应进行完整分析;范围较窄的问题则选择对应章节。


步骤 4:构建预估分析

章节 1:预估概览

从 earnings_estimate 和 revenue_estimate 中,列出所有可用期间(0q、+1q、0y、+1y)的当前共识预估:共识值、低值、高值、区间宽度(占共识值的百分比)、分析师人数以及同比增长。标出:

  • 区间宽度——区间宽度超过共识值的 15% 表示存在较高不确定性
  • 分析师覆盖——分析师少于 5 人表示覆盖较少
  • 增长轨迹——增长在各期间之间是加速还是减速
章节 2:修正趋势(EPS Trend)

这通常是最具参考价值的章节。从 eps_trend 中列出各期当前预估值,以及 7、30、60 和 90 天前的对应值,并总结变化方向以及近期变动是否正在加速。

解读方法:

  • 财报发布前预估上升 = 积极信号(门槛正在提高)
  • 预估下降 = 分析师下调数字,通常是负面信号
  • 预估持平 = 没有新的信息被计入价格
  • 与总变动幅度相比,近期加速或减速更值得关注
章节 3:修正广度(EPS Revisions)

从 eps_revisions 中,列出各期过去 7 天和 30 天的预估上调与下调次数,以及修正比率 Up / (Up + Down)。比率高于 0.7 表示强烈看涨;低于 0.3 则表示看跌。

第 4 节:增长预估

通过 growth_estimates,比较公司各个期间的预期增长率(以及过去 5 年的年增长率)与其所在行业、板块和 S&P 500 的预期增长率,并说明预计其增长速度会快于还是慢于同行。

第 5 节:历史预估准确性

通过 earnings_history,展示过去四个季度的预估 EPS、实际 EPS 以及意外幅度百分比,然后评估:

  • 超预期比率 — 四个季度中有几个季度超出预估
  • 平均意外幅度 — 幅度及方向
  • 意外幅度趋势 — 超出预估的幅度是在变大还是变小?如果预估上升,而超出预估的幅度收窄,可能意味着预期门槛正在追上实际表现。

第 5 步:综合并作答

开头先点明核心洞察——各个期间的预估修正方向及覆盖范围——然后展示用户关心部分的表格。不要只罗列数据,还要解读:预估修正趋势是否印证或与该股票近期的价格走势相矛盾?增长前景与当前 P/E 所反映的预期相比如何?历史预估准确性说明了当前一致预期的什么情况?

指出适用的细节:预估通常集中在一致预期附近,因此实际结果的分布范围比高低值所显示的更广;修正动能可能因一次指引变更或宏观事件而逆转;Yahoo Finance 的预估可能比实时一致预期数据提供商的数据延迟数小时或数天;未来一年(+1y)的预估本质上可靠性较低。最后说明以下常规注意事项:分析师预估反映的是一致观点,而非确定结果;预估修正是信号,不是保证;这不是财务建议。


参考文件

  • references/api_reference.md — 所有预估相关方法的 yfinance API 详细参考

需要确认确切的返回格式或边缘情况时,请阅读参考文件。

评论

支持 Markdown