Analyst（分析师数据）

Q: 如何计算个股当前股价相对于分析师一致目标价的隐含上涨空间？

调用 Price Target Consensus（目标价共识）获取 targetConsensus（一致预期目标价）与 targetMedian（目标价中位数），再除以 Stock Quote（股票实时报价）的当前 price 即可算出隐含空间。

此类接口提供卖方分析师的观点信息，包括营收、利润与 EPS 的一致预期，评级快照与历史评级，目标价汇总与共识，以及评级上调下调的明细与统计。做估值可以直接取用一致预期，做事件研究可以用评级变化构造信号；覆盖以美股为主，小市值标的会明显稀疏。

典型使用场景

4 个场景

预期差研究

将分析师预测与实际财报结果连接比较。

评级变化监控

跟踪升级、降级和市场共识变化。

目标价分析

比较目标价区间、平均值与当前市场价格。

一致预期上修选股

筛选未来财年 EPS 与营收一致预期连续上调且机构密集升评级的标的。

接口怎么选？

5 项选型对照

分析师类别将前瞻预测、当前评级和历史观点分开。研究盈利预期应选择 Estimates；判断观点变化应使用 Historical Ratings 或 Grades；查看目标价格区间则使用 Price Target。

分析师覆盖通常集中于活跃上市公司，标的、报告期和历史年份不同都可能导致空结果。

你的需求	推荐接口	选择理由
获取收入、EPS 等年度或季度预测	Financial Estimates分析师预期查询	面向未来报告期的分析师预测入口
查看公司当前综合评级	Ratings Snapshot评级快照	快速获得多维度评级快照
研究评级随时间的变化	Historical Ratings历史财务评分	适合观点变化与价格反应分析
查看目标价高低和平均值	Price Target Summary目标价汇总	用于目标价分布与潜在空间比较
查看买入、持有、卖出共识	Stock Grades Summary评级共识汇总	适合组合监控和情绪摘要

数据覆盖与参数口径

适用公司：具有分析师覆盖的上市公司，通常以美股活跃公司更常见
报告周期：年度或季度，取决于预测接口参数
数据类型：预测、评级、目标价、升降级与共识
更新方式：随分析师报告和评级活动更新，不是固定频率序列
使用限制：预测和目标价属于第三方观点，不代表未来实际结果
核心返回字段：symbol、date、revenueLow/High/Avg、ebitdaAvg、epsAvg、numAnalystsRevenue、numAnalystsEps
入库幂等主键：盈利预测按 (symbol, date, period, snapshotDate) 记录一致预期随时间的演变轨迹

调用示例

Python 关键代码

示例场景：获取 AAPL 年度分析师预测 · 对应接口：Financial Estimates（分析师预期查询）

Python（核心参数与字段清洗逻辑）

resp = requests.get(
    "https://quote-fmp.com/stable/analyst-estimates",
    params={"symbol": "AAPL", "period": "annual", "page": 0, "limit": 10, "apikey": FMP_KEY},
    timeout=15,
)
resp.raise_for_status()
df = pd.DataFrame(resp.json())
# 按 date 升序重排并数值化 revenueLow（营收预期最低值）
df["revenueLow"] = pd.to_numeric(df["revenueLow"], errors="coerce")
df = df.sort_values("date").reset_index(drop=True)

年度与季度预测不要混在同一序列比较。
空结果通常表示该公司或报告期缺少分析师覆盖。

数据注意事项

4 条实盘要点

Financial Estimates（分析师预期查询）中的 date 代表被预测的目标财报期末（未来或历史报告期），而非分析师发布研报的日期。
对比当前卖方目标价空间可组合 Price Target Summary（目标价汇总）与 Price Target Consensus（目标价共识），并关联 Stock Quote（股票报价）最新价计算隐含涨跌幅。
跟踪机构调级事件流使用 Stock Grades（股票评级变动）与 Historical Stock Grades（历史评级记录），做聚合情绪面板则读取 Stock Grades Summary（评级共识汇总）。
卖方覆盖高度集中于美股大中盘标的，小市值或非美股票返回空数组属正常现象，接入下游模型时需做好缺省值兜底。