Basu盈余稳健性(Basu原始模型)
「Basu盈余稳健性(Basu原始模型)」，覆盖 1994-2025 年，频率 年度，上市公司层级，含 21 个变量，样本量约 59,184。 衡量企业会计盈余对坏消息确认的及时性程度。
| 时间跨度 | 1994-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 21 |
| 样本量 | 59,184 |
| 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
- Industry
- NI_P [盈余价格比] — 参考Basu (1997, JAE)的方法，计算公式为：归属母公司股东净利润/期初总市值，等价于每股盈余/期初股价但规避股本变动偏差。单位：比例
- AnnualReturn [年度股票回报] — 基于日频涨跌幅复合计算的年度买入持有回报，含除权除息调整。单位：比例
- ReturnNeg [负回报虚拟变量] — 是否为年度负回报(0=否，1=是)，用作Basu模型中区分好消息与坏消息的虚拟变量D
- BasuCoef [Basu系数] — 参考Basu (1997, JAE)的方法，按行业-年度分组OLS回归中D*R交互项系数b3，衡量盈余对坏消息相对于好消息的增量及时性，用作研究变量，越大代表会计稳健性越强
- GoodTimeliness [好消息及时性系数] — 参考Basu (1997, JAE)的方法，行业-年度分组回归中R的系数b2，衡量盈余对正向回报(好消息)的及时反映程度
- TotalBadTimeliness [坏消息总及时性] — 参考Basu (1997, JAE)的方法，计算公式为：好消息及时性系数b2+Basu系数b3，衡量盈余对负向回报(坏消息)的总反映程度
- BasuResidual [Basu模型残差] — 参考Basu (1997, JAE)的方法，个体偏离行业-年度Basu回归模式的残差，正值表示实际盈余高于模型预测
- GroupN [分组样本量] — 行业-年度分组回归中的公司数量。单位：个
- GroupR2 [分组R方] — 行业-年度分组OLS回归的拟合优度R方。单位：比例
常见问题
- 「Basu盈余稳健性(Basu原始模型)」是什么数据集？
- Basu盈余稳健性(Basu原始模型)，隶属盈余质量。衡量企业会计盈余对坏消息确认的及时性程度。
- 该数据集的时间范围是？
- 覆盖 1994-2025 年。
- 包含哪些变量/指标？
- 共 21 个变量。核心指标包括：盈余价格比、年度股票回报、负回报虚拟变量、Basu系数、好消息及时性系数、坏消息总及时性、Basu模型残差、分组样本量、分组R方。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 59,184 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 会计稳健性是财务会计的一项基本原则，要求对坏消息（经济损失）的确认比对好消息（经济收益）的确认更为及时和充分。Basu (1997) 提出了盈余-回报非对称及时性模型，通过检验会计盈余对股票回报中蕴含的“坏消息”与“好消息”反应的及时性差异，来度量会计稳健性。其核心思想是，在稳健的会计体系下，盈余对负向股票回报（坏消息）的反应比对正向股票回报（好消息）的反应更为迅速和强烈。 本数据集基于Basu (1997) 的原始模型，计算了一系列反映公司层面及行业层面会计稳健性的指标。模型的关键变量包括：盈余价格比（$NI/P$），即归属母公司股东的净利润除以期初总市值，用以衡量单位市场价值所对应的会计盈余；年度股票回报（$R$），基于日频涨跌幅复合计算的年度买入持有回报，用以捕捉当年经济收益或损失的信息；以及负回报虚拟变量（$D$），当年度股票回报为负时取值为1，否则为0，用以区分好消息与坏消息。 核心的Basu模型通过以下回归方程进行估计： $$NI/P = \beta0 + \beta1 D + \beta2 R + \beta3 D \times R + \epsilon$$ 其中，$NI/P$为盈余价格比，$R$为年度股票回报，$D$为负回报虚拟变量。回归系数$\beta2$衡量了盈余对好消息（$R0$）的及时性，即好消息及时性系数（$GoodTimeliness$）。交互项系数$\beta3$（即$BasuCoef$）则衡量了盈余对坏消息（$R<0$）相对于好消息的增量及时性，是衡量会计稳健性的核心指标，其值越大，表明会计处理越稳健。坏消息的总及时性（$TotalBadTimeliness$）由$\beta2 + \beta3$计算得出，反映了盈余对坏消息的整体反应程度。 为控制行业和年度特征的影响，回归按中上协行业分类（制造业取二级代码前两位，其他行业取门类首位）和年度进行分组估计。对于每个行业-年度分组，记录其回归的拟合优度（$GroupR2$）和样本公司数量（$GroupN$）。同时，计算每个公司观测值在所属行业-年度分组回归中的残差（$BasuResidual$），该残差反映了公司个体盈余的稳健性水平偏离其行业-年度平均模式的程度，正值表示实际盈余高于模型预测值。 补充说明 - 回归分析以行业-年度为分组进行，每个分组需满足最小观测数要求以保证回归估计的有效性。 - 为控制极端值的影响，在构建回归变量（如$NI/P$、$R$）时进行了缩尾处理。 - 年度股票回报的计算窗口为日历年（1月至12月），与中国主流实证研究做法一致。 参考文献 [1]Basu S. The conservatism principle and the asymmetric timeliness of earnings[J]. Journal of Accounting and Economics, 1997, 24(1): 3-37.
- 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。