牛鞭效应(滚动20季度波动比)
「牛鞭效应(滚动20季度波动比)」，覆盖 2010-2025 年，频率 年度，上市公司层级，含 18 个变量，样本量约 47,633。 衡量供应链中需求信号向上游传递时的放大效应。
| 时间跨度 | 2010-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 18 |
| 样本量 | 47,633 |
| 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
- Bwe [牛鞭效应] — 参考Bray & Mendelson (2012, MS)和Cachon et al. (2007, M&SOM)的方法，计算公式为：sigma(dProduction)/sigma(dDemand)，其中dProduction和dDemand分别为季度生产量和需求量的对数一阶差分，采用滚动20季度(5年)窗口估计。生产量=单季度营业成本+存货变动，需求量=单季度营业收入。大于1表示存在牛鞭效应(生产波动大于需求波动)，用作研究变量，越大代表供应链需求放大效应越强
- BweVar [牛鞭效应(方差比)] — 参考Cachon et al. (2007, M&SOM)的方法，计算公式为：Var(dProduction)/Var(dDemand)，为牛鞭效应的方差比版本，大于1表示存在牛鞭效应
- ProdVol [生产波动率] — 参考Bray & Mendelson (2012, Management Science); Cachon, Randall & Schmidt (2007, M&SOM)。计算公式为：季度生产量对数一阶差分序列的标准差，采用滚动20季度窗口估计，用作研究变量，越大代表企业生产波动越大
- DemandVol [需求波动率] — 参考Bray & Mendelson (2012, Management Science); Cachon, Randall & Schmidt (2007, M&SOM)。计算公式为：季度营业收入对数一阶差分序列的标准差，采用滚动20季度窗口估计，用作研究变量，越大代表企业需求波动越大
- SeasonR [季节性趋势因子] — 参考杨志强等(2020, 管理世界)的方法，计算公式为：[sigma(dDemand)-sigma(去季节化dDemand)]/sigma(dDemand)，其中去季节化采用窗口内按季度减均值法，衡量需求波动中季节性成分的占比。单位：比例
- Rho [需求冲击持续性] — 参考杨志强等(2020, 管理世界)的方法，计算公式为：去季节化需求对数差分序列的一阶自相关系数，反映需求冲击的持续性，用作研究变量，越大代表需求冲击越持久
- NumQtrs [有效季度数] — 参考Bray & Mendelson (2012, Management Science); Cachon, Randall & Schmidt (2007, M&SOM)。滚动窗口(最大20季度)内有效季度观测数，最低8个季度。单位：个
常见问题
- 「牛鞭效应(滚动20季度波动比)」是什么数据集？
- 牛鞭效应(滚动20季度波动比)，隶属供应链。衡量供应链中需求信号向上游传递时的放大效应。
- 该数据集的时间范围是？
- 覆盖 2010-2025 年。
- 包含哪些变量/指标？
- 共 18 个变量。核心指标包括：牛鞭效应、牛鞭效应(方差比)、生产波动率、需求波动率、季节性趋势因子、需求冲击持续性、有效季度数。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 47,633 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 牛鞭效应描述了供应链中需求信息从下游向上游传递时被逐级放大的现象，表现为生产波动性大于需求波动性。本数据集基于企业季度财务数据，采用滚动窗口方法计算公司层面的牛鞭效应及相关指标，以衡量供应链中的需求信号放大程度。 核心计算基于季度营业收入（代表需求）和季度生产量（代表供给）。季度生产量由单季度营业成本与存货变动之和估算，即 $Productiont = COGSt + (Invt - Inv{t-1})$，其中 $COGSt$ 为第 $t$ 季度的营业成本，$Invt$ 为第 $t$ 季度末的存货余额。季度需求量直接使用单季度营业收入，即 $Demandt = Revenuet$。为消除量纲并关注增长率，对季度生产量和需求量序列分别取自然对数后计算一阶差分，得到对数差分序列 $dPt = \ln(Productiont) - \ln(Production{t-1})$ 和 $dDt = \ln(Demandt) - \ln(Demand{t-1})$。 在一个滚动的时间窗口（通常为20个季度，即5年）内，计算上述对数差分序列的波动性。需求波动率 $DemandVol$ 定义为 $dDt$ 序列的标准差，生产波动率 $ProdVol$ 定义为 $dPt$ 序列的标准差。牛鞭效应的核心指标 $Bwe$ 是生产波动率与需求波动率的比值，即 $Bwe = \sigma(dP) / \sigma(dD)$。该比值大于1表明存在牛鞭效应，数值越大代表供应链中的需求放大效应越强。作为补充，$BweVar$ 为牛鞭效应的方差比版本，计算公式为 $BweVar = \text{Var}(dP) / \text{Var}(dD)$。 为深入分析需求波动的构成，计算了季节性趋势因子 $SeasonR$。首先对 $dDt$ 序列进行去季节化处理（采用窗口内按季度减均值法），得到去季节化后的需求波动序列 $dD\deseasont$。季节性趋势因子衡量了原始需求波动中可归因于季节性成分的比例，计算公式为 $SeasonR = [\sigma(dD) - \sigma(dD\deseason)] / \sigma(dD)$。此外，需求冲击持续性 $Rho$ 通过估计去季节化需求对数差分序列 $dD\deseasont$ 的一阶自回归模型 $dD\deseasont = \rho \cdot dD\deseason{t-1} + \epsilont$ 得到，其自相关系数 $\rho$ 即为 $Rho$，反映了需求冲击的持久性。 补充说明 - 所有波动率及相关比率指标均基于滚动20个季度的窗口进行计算。 - 滚动窗口内要求至少有8个有效的季度观测值，否则视为缺失。 - 计算过程中涉及的财务数据为单季度值（非累计值）。 参考文献 - Bray R L, Mendelson H. Information transmission and the bullwhip effect: An empirical investigation[J]. Management Science, 2012, 58(5): 860-875. - Cachon G P, Randall T, Schmidt G M. In search of the bullwhip effect[J]. Manufacturing & Service Operations Management, 2007, 9(4): 457-479. - 杨志强, 唐松, 李增泉. 资本市场信息披露、关系型合约与供需长鞭效应——基于供应链信息外溢的经验证据[J]. 管理世界, 2021. - 孙兰兰,钟琴,祝兵,等.数字化转型如何影响供需长鞭效应？——基于企业与供应链网络双重视角[J].证券市场导报,2022,(10):26-37.
- 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。