超额现金持有(Opler残差法)
「超额现金持有(Opler残差法)」，覆盖 1990-2025 年，频率 年度，上市公司层级，含 16 个变量，样本量约 89,597。 衡量企业现金持有偏离其基本面决定的正常水平的程度。
| 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 | 89,597 |
| 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] — 会计年度
- 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
- CashRatio [现金持有比率] — 计算公式为：(货币资金+交易性金融资产)/总资产。单位：比例
- PredictedCash [预测现金持有] — 参考Opler et al.(1999,JFE)的方法，基于年度横截面回归的预测值，控制变量包括公司规模、账面市值比、现金流/资产、净营运资本/资产、资本支出/资产、资产负债率、研发强度、股利虚拟变量和行业固定效应。单位：比例
- ExcessCash [超额现金] — 参考Opler et al.(1999,JFE)的方法，计算公式为：实际现金持有比率减去模型预测值(回归残差)，正值表示现金持有超出正常水平。单位：比例
- ExcessCash_Ind [行业调整超额现金] — 计算公式为：现金比率减去行业年度中位数现金比率，作为比较基准指标。单位：比例
- HighCash [是否现金过剩] — 当超额现金处于当年横截面前25%分位时取1，否则取0(0=否，1=是)
常见问题
- 「超额现金持有(Opler残差法)」是什么数据集？
- 超额现金持有(Opler残差法)，隶属资本结构。衡量企业现金持有偏离其基本面决定的正常水平的程度。
- 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：现金持有比率、预测现金持有、超额现金、行业调整超额现金、是否现金过剩。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 89,597 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 超额现金持有衡量了公司实际持有的现金水平与其基于基本财务特征和行业属性所应持有的“正常”或“预期”水平之间的差异。该指标基于Opler, Pinkowitz, Stulz和Williamson (1999)的经典现金持有研究框架构建，其核心思想是通过回归模型估计出公司在特定年份的预期现金持有比率，实际值与预测值之间的残差即为超额现金持有。正值表示公司持有现金超过其基本面决定的正常水平，可能出于预防性动机或代理问题；负值则表示现金持有不足。 首先，计算公司的实际现金持有比率$CashRatio$，定义为货币资金与交易性金融资产之和除以期末总资产，即： $$CashRatio = \frac{Cash + TradingFinancialAssets}{TotalAssets}$$ 其中$Cash$为货币资金，$TradingFinancialAssets$为交易性金融资产，$TotalAssets$为总资产。 其次，为估计预期现金持有水平，需构建年度横截面回归模型。模型以$CashRatio$为因变量，自变量包括一系列影响现金持有的公司特征变量：公司规模$Size$（取总市值的自然对数）、账面市值比$BM$（账面价值与市值之比）、现金流资产比$CF/A$（经营活动现金流量净额除以期初总资产）、净营运资本资产比$NWC/A$（净营运资本除以总资产）、资本支出资产比$CapEx/A$（资本支出除以总资产）、资产负债率$Leverage$（负债合计除以资产合计）、研发强度$RD/Revenue$（研发支出除以营业收入）、股利支付虚拟变量$DivDummy$（若当年支付现金股利则取1，否则取0），并控制按中上协行业分类（制造业取二级代码前两位，其他行业取门类首位）分组的行业固定效应。该回归模型可表示为： $$CashRatio = \alpha + \beta1 Size + \beta2 BM + \beta3 \frac{CF}{A{t-1}} + \beta4 \frac{NWC}{A} + \beta5 \frac{CapEx}{A} + \beta6 Leverage + \beta7 \frac{RD}{Revenue} + \gamma DivDummy + \sum IndustryFE + \epsilon$$ 通过该模型得到的拟合值即为预测现金持有$PredictedCash$。 核心指标超额现金$ExcessCash$即为实际现金持有比率与模型预测值之差： $$ExcessCash = CashRatio - PredictedCash$$ 此外，为提供更直观的比较基准，计算行业调整超额现金$ExcessCash\Ind$，定义为公司现金比率减去其所属行业（按中上协行业分类）在同一年度的现金比率中位数。同时，定义二元变量$HighCash$，若某公司当年的$ExcessCash$处于当年所有公司横截面数据的前25%分位数以上，则标识为现金过剩，取值为1，否则为0。 补充说明 - 样本处理：计算涉及的所有连续变量均在年度和公司层面进行了1%和99%分位数的缩尾处理，以缓解极端值的影响。 - 回归要求：年度横截面回归要求该年度至少有20个有效观测值。 参考文献 - Opler T, Pinkowitz L, Stulz R, et al. The determinants and implications of corporate cash holdings[J]. Journal of Financial Economics, 1999, 52(1): 3-46.
- 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。