异常换手率(DTURN)

「异常换手率(DTURN)」,覆盖 1990-2025 年,频率 年度,上市公司层级,含 16 个变量,样本量约 71,851。 衡量投资者意见分歧的年度变化。

时间跨度1990-2025 年
数据频率年度
层级上市公司
变量数16
样本量71,851
是否可合并可与同主体数据集合并

字段字典

  • Symbol [股票代码] — 6位股票代码
  • StkName [股票简称] — 股票简称
  • Year [年份] — 财务年度
  • Province [省份] — 公司注册所在省份
  • ProvinceCode [省份代码] — 省份行政区划代码(6位)
  • City [城市] — 公司注册所在城市
  • CityCode [城市代码] — 城市行政区划代码(6位)
  • County [区县] — 公司注册所在区县
  • CountyCode [区县代码] — 区县行政区划代码(6位)
  • IndustryCode [行业代码] — 中上协行业分类代码
  • IndustryName [行业名称] — 中上协行业分类名称
  • AvgMonthlyTurnover [年均月换手率] — 参考Chen, Hong & Stein (2001, JFE)的方法,计算公式为:当年各月月换手率(日换手率月度合计)的算术平均值(%)
  • AvgMonthlyTurnoverF [年均月自由流通换手率] — 参考Chen, Hong & Stein (2001, JFE)的方法,计算公式为:当年各月月自由流通换手率(日自由流通换手率月度合计)的算术平均值(%)
  • DTURN [异常换手率] — 参考Chen, Hong & Stein (2001, JFE)的方法,计算公式为:当年年均月换手率减去前一年年均月换手率(%),用作崩盘风险研究的控制变量,越大代表投资者意见分歧增加
  • DTURNF [自由流通异常换手率] — 参考Chen, Hong & Stein (2001, JFE)的方法,计算公式为:当年年均月自由流通换手率减去前一年年均月自由流通换手率(%),用作崩盘风险研究的控制变量,越大代表投资者意见分歧增加
  • TradingMonths [交易月数] — 当年有交易记录的月份数,用于筛选不完整年度样本。单位:月

常见问题

「异常换手率(DTURN)」是什么数据集?
异常换手率(DTURN),隶属风险因子。衡量投资者意见分歧的年度变化。
该数据集的时间范围是?
覆盖 1990-2025 年。
包含哪些变量/指标?
共 16 个变量。核心指标包括:年均月换手率、年均月自由流通换手率、异常换手率、自由流通异常换手率、交易月数。完整字段清单(变量名·中文名·说明)见页面「字段字典」。
数据频率和层级是怎样的?
频率为年度,上市公司层级。
样本量有多大?
约 71,851 条观测。
数据是如何测算/获取的?
指标定义与计算方法 异常换手率是衡量投资者意见分歧年度变化的重要指标,在崩盘风险研究中常被用作控制变量。该指标基于Chen, Hong & Stein (2001)提出的方法,其核心思想是,投资者意见分歧的变化会反映在交易活跃度的变动上。因此,通过计算年度换手率水平相对于上一年的变化,可以捕捉到投资者意见分歧的增量信息,该值越大,通常意味着投资者之间的意见分歧程度增加。 计算过程首先需要得到年度化的月均换手率。对于每一年度,计算每个月的月换手率,即该月所有交易日的日换手率之和。然后,对该年度所有有交易记录的月份的月换手率取算术平均值,得到年均月换手率($AvgMonthlyTurnover$)。为了更精确地衡量实际可交易股份的活跃度,同时计算基于自由流通股本的年均月自由流通换手率($AvgMonthlyTurnoverF$)。 核心指标异常换手率($DTURN$)即为当年年均月换手率与上一年年均月换手率的差值。同理,自由流通异常换手率($DTURNF$)为当年年均月自由流通换手率与上一年年均月自由流通换手率的差值。计算公式如下: $$DTURN = AvgMonthlyTurnovert - AvgMonthlyTurnover{t-1}$$ $$DTURNF = AvgMonthlyTurnoverFt - AvgMonthlyTurnoverF{t-1}$$ 其中,$AvgMonthlyTurnovert$ 为第 $t$ 年的年均月换手率,$AvgMonthlyTurnover{t-1}$ 为第 $t-1$ 年的年均月换手率。$AvgMonthlyTurnoverFt$ 与 $AvgMonthlyTurnoverF{t-1}$ 分别为对应年份的年均月自由流通换手率。所有指标均以百分比(%)形式呈现。 补充说明 - 为确保年度数据的完整性,仅保留当年交易月数($TradingMonths$)不少于6个月的观测值。 参考文献 [1] Chen J, Hong H, Stein J C. Forecasting crashes: trading volume, past returns, and conditional skewness in stock prices[J]. Journal of Financial Economics, 2001, 61(3): 345-381. [2] Kim J B, Li Y, Zhang L. Corporate tax avoidance and stock price crash risk: firm-level analysis[J]. Journal of Financial Economics, 2011, 100(3): 639-662.
如何获取该数据集?
通过站内对应淘宝链接下单后,客服发放兑换码;在站内"兑换"页输入兑换码即可获得下载权益并下载。