Question 1

「个股投资者情绪(估值分解法)」是什么数据集？

Accepted Answer

个股投资者情绪(估值分解法)，隶属市场交易数据。衡量个股层面的投资者情绪与错误定价程度。

Question 2

该数据集的时间范围是？

Accepted Answer

覆盖 2000-2025 年。

Question 3

包含哪些变量/指标？

Accepted Answer

共 17 个变量。核心指标包括：托宾Q值、个股错误定价、个股错误定价(标准化)、行业错误定价、长期价值账面比、投资者情绪(Q值法)。完整字段清单（变量名·中文名·说明）见页面「字段字典」。

Question 4

数据频率和层级是怎样的？

Accepted Answer

频率为年度，上市公司层级。

Question 5

样本量有多大？

Accepted Answer

约 65,145 条观测。

Question 6

数据是如何测算/获取的？

Accepted Answer

指标定义与计算方法

本数据集基于Rhodes-Kropf, Robinson & Viswanathan (2005)提出的估值分解框架，将公司的市值账面比分解为三个组成部分：个股层面的错误定价、行业层面的错误定价以及公司的长期价值。该方法的核心思想是，公司的市场价值（M）可以分解为长期价值（V）与短期错误定价（firm-specific error）之和，而长期价值又可进一步分解为行业层面的估值（sector error）和公司内在价值（V）。通过分年度、分行业的截面回归，可以分离出这些成分。同时，数据集也提供了基于花贵如等(2010)简化方法的Q值残差法投资者情绪指标。

首先，计算基础变量。年末总市值（M）为股票价格乘以总股本。账面净资产（B）为股东权益合计（TotalHldrEqyExcMinInt）。净利润（NI）为归属于母公司所有者的净利润（NIncomeAttrP）。杠杆率（LEV）为负债合计（TotalLiab）除以资产合计（TotalAssets）。托宾Q值（TobinQ）在此处定义为总市值除以总资产。

核心的分解过程通过以下回归模型实现。对于每一年（t）和每一个按中上协行业分类（制造业取二级代码前两位，其他行业取门类首位）划分的行业（j），运行如下截面回归（Model 3）：
$$
\ln(M{it}) = \alpha{0jt} + \alpha{1jt} \ln(B{it}) + \alpha{2jt} \ln(|NI{it}|) + \alpha{3jt} I(NI{it}<0) \ln(|NI{it}|) + \alpha{4jt} LEV{it} + \epsilon{it}
$$
其中$I(NI{it}<0)$为指示函数，当净利润为负时取值为1，否则为0。该回归的拟合值$\hat{\ln(M{it})}$代表了在当年行业估值水平下，公司基于其基本面（账面价值、盈利能力和杠杆）应得的市场价值对数。

个股错误定价（Mispricing） 即为上述回归的残差$\epsilon{it}$，它衡量了公司市值相对于其同行业、同年份可比公司的基本面价值的偏离，残差越大表示个股被高估的程度越高。为便于跨年度比较，进一步计算其年度Z标准化值，得到个股错误定价（标准化）（MispricingZ）。

行业错误定价（SectorMispricing） 的计算需要引入时间维度。首先，对每个行业j，使用其所有年份的观测值，运行一个与上述形式相同但系数恒定的长期回归，得到一组长期平均系数$\bar{\alpha}{kj}$。然后，用当年行业截面回归的拟合值减去使用长期平均系数计算的拟合值：
$$
SectorMispricing{jt} = [\hat{\alpha}{0jt} + \hat{\alpha}{1jt} \ln(B{it}) + \hat{\alpha}{2jt} \ln(|NI{it}|) + \hat{\alpha}{3jt} I(NI{it}<0) \ln(|NI{it}|) + \hat{\alpha}{4jt} LEV{it}] - [\bar{\alpha}{0j} + \bar{\alpha}{1j} \ln(B{it}) + \bar{\alpha}{2j} \ln(|NI{it}|) + \bar{\alpha}{3j} I(NI{it}<0) \ln(|NI{it}|) + \bar{\alpha}{4j} LEV{it}]
$$
该指标反映了当年整个行业的估值水平相对于该行业历史长期平均估值水平的偏离，越大表示行业整体被高估的程度越高。

长期价值账面比（LRVTB） 则衡量了公司基于行业长期估值水平的内在价值（V）超出其账面价值的程度。计算公式为使用行业长期平均系数计算的拟合值减去账面净资产的对数：
$$
LRVTB{it} = [\bar{\alpha}{0j} + \bar{\alpha}{1j} \ln(B{it}) + \bar{\alpha}{2j} \ln(|NI{it}|) + \bar{\alpha}{3j} I(NI{it}<0) \ln(|NI{it}|) + \bar{\alpha}{4j} LEV{it}] - \ln(B{it})
$$
该指标越大，通常代表公司具有更强的成长性或更优的基本面。

此外，数据集提供了另一种基于托宾Q值的简化投资者情绪测度。参考花贵如等(2010)的方法，对于每一年和每一个行业，运行如下截面回归：
$$
Q{it} = a + b1 Size{it} + b2 Lev{it} + b3 ROA{it} + \eta{it}
$$
其中$Q{it}$为托宾Q值，$Size{it}$为公司规模（通常为总资产的自然对数），$Lev{it}$为资产负债率，$ROA{it}$为总资产收益率（净利润/总资产）。回归残差$\eta{it}$反映了公司市值中无法由规模、杠杆和盈利能力解释的部分，可视为投资者情绪的代理变量。对该残差进行年度Z标准化后，得到投资者情绪（Q值法）（SentimentQ），数值越大代表投资者情绪越乐观。
补充说明

- 行业分类标准为中上协行业分类，其中制造业取二级行业代码前两位，其他行业取门类代码首位字母。
- 回归分析均在年度-行业截面内进行。
- 计算长期平均系数时，使用了行业在所有可用年份的数据。
- 为消除极端值影响，在回归前对所有连续变量进行了上下1%的缩尾处理。
参考文献

- Rhodes-Kropf M, Robinson D T, Viswanathan S. Valuation waves and merger activity: The empirical evidence[J]. Journal of Financial Economics, 2005, 77(3): 561-603.
- 花贵如,刘志远,许骞.投资者情绪、企业投资行为与资源配置效率[J].会计研究,2010,(11):49-55+97.

Question 7

如何获取该数据集？

Accepted Answer

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。

时间跨度	2000-2025 年
数据频率	年度
层级	上市公司
变量数	17
样本量	65,145
是否可合并	可与同主体数据集合并

个股投资者情绪(估值分解法)

字段字典

常见问题