Beta异象与动态(Frazzini与Lewellen-Nagel)
「Beta异象与动态(Frazzini与Lewellen-Nagel)」，覆盖 2007-2025 年，频率 年度，上市公司层级，含 14 个变量，样本量约 58,347。 衡量股票系统性风险与预期收益之间的异常关系。
| 时间跨度 | 2007-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 14 |
| 样本量 | 58,347 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — 股票代码
- StkName [证券简称] — 证券简称
- 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
- BetaRank [Beta横截面排名] — 参考Frazzini & Pedersen (2014, JFE)的方法，当年贝塔系数的百分位排名(0-100)。单位：%
- IsLowBeta [低Beta股票] — 参考Frazzini & Pedersen (2014, JFE)的方法，是否贝塔系数低于当年中位数(0=否，1=是)
- BetaStd [Beta波动性] — 参考Lewellen & Nagel (2006, JFE)的方法，过去3年60日滚动贝塔系数的标准差
常见问题
- 「Beta异象与动态(Frazzini与Lewellen-Nagel)」是什么数据集？
- Beta异象与动态(Frazzini与Lewellen-Nagel)，隶属风险因子。衡量股票系统性风险与预期收益之间的异常关系。
- 该数据集的时间范围是？
- 覆盖 2007-2025 年。
- 包含哪些变量/指标？
- 共 14 个变量。核心指标包括：Beta横截面排名、低Beta股票、Beta波动性。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 58,347 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 本数据集旨在度量中国A股上市公司的系统性风险（Beta）及其相关特征，并捕捉Beta异象的动态变化。其理论基础源于资本资产定价模型（CAPM）及其后续发展，特别是关于Beta的条件性、不对称性以及其在资产定价中的异常表现。核心指标包括不同时间窗口的市场Beta、Beta的条件波动性、Beta的横截面特征以及基于Beta的风险调整后收益。 市场Beta（$\beta$）是衡量股票收益率对市场收益率敏感度的经典指标，其定义为股票收益率与市场收益率的协方差除以市场收益率的方差，即： $$\beta = \frac{Cov(Ri, Rm)}{Var(Rm)}$$ 其中$Ri$为个股日收益率，$Rm$为市场日收益率。本数据集基于不同长度的历史窗口计算了年度Beta值：$\beta{1Y}$、$\beta{3Y}$和$\beta{5Y}$，分别对应过去约250、750和1250个交易日。 为了探究Beta的非对称性，参考Ang, Chen & Xing (2006)的方法，分别计算了仅使用市场下跌日（$Rm < 0$）的$\beta{Down}$和仅使用市场上涨日（$Rm 0$）的$\beta{Up}$。Beta不对称性（$\beta{Asymmetry}$）定义为两者之差：$\beta{Down} - \beta{Up}$。 为研究“低Beta异象”（Betting Against Beta），参考Frazzini & Pedersen (2014)的方法，在每年横截面上对所有股票的Beta进行百分位排序，得到$\beta{Rank}$（0-100）。同时，定义一个二元变量$IsLowBeta$，若某股票当年的Beta低于当年所有股票Beta的中位数，则取值为1，否则为0。 为捕捉Beta的动态变化，参考Lewellen & Nagel (2006)的方法，计算过去三年内60日滚动Beta的标准差，记为$\beta{Std}$，以衡量Beta的波动性。Beta的年度变化（$\beta{Change}$）则直接计算为当年$\beta{1Y}$与上年$\beta{1Y}$的差值。 此外，数据集还提供了基于年度CAPM回归的拟合优度指标$R^2{1Y}$，以及年化的特质波动率$IdioVol{1Y}$，后者由回归残差的标准差乘以$\sqrt{252}$计算得到。风险调整后收益指标包括特雷诺比率$TreynorRatio = (Ri - Rf) / \beta$，以及詹森阿尔法$JensenAlpha = Ri - [Rf + \beta (Rm - Rf)]$，其中$Ri$为股票年收益率，$Rf$为无风险利率，$Rm$为市场年收益率。 补充说明 - 所有基于日收益率序列计算的指标（如各类Beta、$R^2$、特质波动率）均要求估计窗口内有足够数量的有效观测值。 - 市场收益率采用流通市值加权的市场组合收益率。 - 无风险利率采用一年期定期存款利率。 - 在计算横截面排名（$\beta{Rank}$）和低Beta标识（$IsLowBeta$）时，仅使用当年有有效Beta估计值的股票样本。 参考文献 - Sharpe W F. Capital asset prices: A theory of market equilibrium under conditions of risk[J]. The Journal of Finance, 1964, 19(3): 425-442. - Ang A, Chen J, Xing Y. Downside risk[J]. The Review of Financial Studies, 2006, 19(4): 1191-1239. - Frazzini A, Pedersen L H. Betting against beta[J]. Journal of Financial Economics, 2014, 111(1): 1-25. - Lewellen J, Nagel S. The conditional CAPM does not explain asset-pricing anomalies[J]. Journal of Financial Economics, 2006, 82(2): 289-314.
- 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。