融资约束FC指数(顾雷雷法)

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
• FCIndex [FC融资约束指数] — 参考顾雷雷等(2020, 金融研究)和张悦玫等(2017, 会计研究)的方法，计算公式为：逐年Logit回归P(融资约束分组=1|X)的拟合概率，取值[0,1]，越大融资约束越严重
• QUFC [融资约束分组] — 公司规模+上市年限+现金股利支付率标准化均值按33/66分位划分：1=高融资约束，0=低融资约束，NaN=中间组
• Size [公司规模] — 计算公式为：总资产的自然对数ln(总资产)
• FirmAge [公司年龄] — 计算公式为：当前年份减去上市年份。单位：年
• DivPayout [现金股利支付率] — 当年现金股利支付率(%)，来源于DividendHistory
• Lev [资产负债率] — 参考Rajan & Zingales (1995, JF)的方法，计算公式为：总负债/总资产。单位：比例
• DIV_TA [现金股利/总资产] — 计算公式为：实际现金股利总额/资产合计。单位：比例
• MB [市账比] — 计算公式为：(总市值*10000)/股东权益合计。单位：倍
• NWC_TA [净营运资本比率] — 计算公式为：(流动资产-流动负债)/资产总额。单位：比例
• EBIT_TA [息税前利润/总资产] — 计算公式为：息税前利润/资产合计。单位：比例

常见问题

「融资约束FC指数(顾雷雷法)」是什么数据集？

融资约束FC指数(顾雷雷法)，隶属资本结构。衡量企业面临的外部融资约束程度。

该数据集的时间范围是？

覆盖 2000-2025 年。

包含哪些变量/指标？

共 21 个变量。核心指标包括：FC融资约束指数、融资约束分组、公司规模、公司年龄、现金股利支付率、资产负债率、现金股利/总资产、市账比、净营运资本比率、息税前利润/总资产。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 64,432 条观测。

数据是如何测算/获取的？

指标定义与计算方法 FC融资约束指数（FCIndex）是一种基于Logit模型估计的融资约束概率测度，其构建逻辑源于融资约束理论。该指数通过识别受融资约束影响程度不同的公司组别，并利用财务特征变量建立预测模型，最终得到所有公司面临融资约束的可能性。指数值介于0到1之间，数值越大，表明公司面临的融资约束程度越严重。 指数的构建过程分为两步。首先，依据况学文等(2010)、顾雷雷等(2020)和张悦玫等(2017)的方法，使用三个外生性较强的变量对公司进行初步分组。这三个变量分别是：公司规模（$Size$，取总资产的自然对数）、公司年龄（$FirmAge$，观测年度减去上市年份）和现金股利支付率（$DivPayout$，现金股利除以归属于母公司股东的净利润）。每年对这三个变量进行标准化处理，并计算其标准化值的均值。随后，根据该均值的升序排列，以33%和66%分位数为界，将样本划分为三组：均值最低的1/3公司被定义为高融资约束组（$QUFC=1$），均值最高的1/3公司被定义为低融资约束组（$QUFC=0$），中间1/3的公司则被排除，不参与后续的模型估计。 其次，利用上述分组结果，逐年进行Logit回归分析。回归模型以融资约束分组（$QUFC$）为因变量，以一系列反映公司财务状况和特征的指标为自变量。这些自变量包括：公司规模（$Size$）、资产负债率（$Lev$，总负债除以总资产）、现金股利与总资产比率（$DIV\TA$，实际现金股利总额除以总资产）、市账比（$MB$，总市值除以股东权益合计）、净营运资本比率（$NWC\TA$，流动资产合计减去流动负债合计后除以总资产）以及息税前利润比率（$EBIT\TA$，息税前利润除以总资产）。回归模型如下： $$P(QUFC=1|X) = \frac{1}{1 + e^{-(\beta0 + \beta1 Size + \beta2 Lev + \beta3 DIV\TA + \beta4 MB + \beta5 NWC\TA + \beta6 EBIT\TA)}}$$ 其中，$P(QUFC=1|X)$ 即为FC融资约束指数（$FCIndex$），表示在给定财务特征$X$的条件下，公司属于高融资约束组的预测概率。最终，使用每年估计出的Logit模型系数，对所有上市公司（包括在第一步中被排除的中间组公司）进行预测，得到其$FCIndex$值。 补充说明 - 在构建初始分组（$QUFC$）时，仅使用公司规模、年龄和股利支付率三个变量的标准化均值进行排序和分组，中间1/3的样本不参与Logit模型的参数估计。 - 所有连续变量在回归前均经过年度层面的缩尾（Winsorize）处理，以消除极端值的影响。 - 回归及预测过程按年度独立进行，确保模型参数随时间变化。 参考文献 - 况学文, 施臻懿, 何恩良. 中国上市公司融资约束指数设计与评价[J]. 山西财经大学学报, 2010. - 顾雷雷， 郭建鸾， 王鸿宇. 企业社会责任、融资约束与企业金融化[J]. 金融研究， 2020(2): 109-127. - 张悦玫, 张芳, 李延喜. 会计稳健性、融资约束与投资效率[J]. 会计研究, 2017, (9): 35-40+96. - Rajan R G, Zingales L. What do we know about capital structure? Some evidence from international data[J]. The Journal of Finance, 1995, 50(5): 1421-1460.

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。