博彩型股票指数(MAX5与CGO)
「博彩型股票指数(MAX5与CGO)」，覆盖 1990-2025 年，频率 月度，上市公司层级，含 20 个变量，样本量约 823,527。 衡量股票所具有的博彩型特征对投资者的吸引力。
| 时间跨度 | 1990-2025 年 |
|---|---|
| 数据频率 | 月度 |
| 层级 | 上市公司 |
| 变量数 | 20 |
| 样本量 | 823,527 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — 6位股票代码
- StkName
- Year [年份] — 年份
- Month [月份] — 月份(1-12)
- Date [月末交易日] — 当月最后一个交易日(YYYY-MM-DD)
- Province
- ProvinceCode
- City
- CityCode
- County
- CountyCode
- IndustryCode
- IndustryName
- MAX [月内最大日收益率] — 参考Bali, Cakici & Whitelaw (2011, JFE)的方法，计算公式为：月内所有交易日日收益率(小数)的最大值，用作研究变量，越大代表上行潜力越大
- MAX5 [月内前5日最高收益率均值] — 参考Bali, Cakici & Whitelaw (2011, JFE)的方法，计算公式为：月内最高的5个日收益率(小数)的算术平均值，用作研究变量，越大代表博彩特性越强
- CGO [资本利得突出] — 参考Grinblatt & Han (2005, JFE)的方法，计算公式为：(上月末收盘价-参考价格)/上月末收盘价，其中参考价格RP为过去260周以换手率为权重的加权平均价格，用作研究变量，正值代表投资者处于盈利状态
- IVol [月度特质波动率] — 参考Ang et al. (2006, JF)的方法，计算公式为：月内Fama-French三因子模型日度残差的标准差(小数)，用作研究变量，越大代表特质风险越高
- ISkew [月度特质偏度] — 参考Harvey & Siddique (2000, JF)的方法，计算公式为：月内Fama-French三因子模型日度残差的标准化偏度(中心矩)，用作研究变量，越大代表正偏度越高
- Gamble1 [学术型博彩指数] — 参考Kumar (2009, JF)的方法，计算公式为：月内特质波动率升序排名/N+特质偏度升序排名/N+股价降序排名/N的均值，取值0-1，用作研究变量，越接近1代表博彩特性越强
- Gamble2 [直观型博彩指数] — 参考陈文博等(2019, 中国管理科学)的方法，计算公式为：月内特质波动率升序排名/N+最大日收益率升序排名/N+股价降序排名/N的均值，取值0-1，用作研究变量，越接近1代表博彩特性越强
常见问题
- 「博彩型股票指数(MAX5与CGO)」是什么数据集？
- 博彩型股票指数(MAX5与CGO)，隶属风险因子。衡量股票所具有的博彩型特征对投资者的吸引力。
- 该数据集的时间范围是？
- 覆盖 1990-2025 年。
- 包含哪些变量/指标？
- 共 20 个变量。核心指标包括：月份、月末交易日、月内最大日收益率、月内前5日最高收益率均值、资本利得突出、月度特质波动率、月度特质偏度、学术型博彩指数、直观型博彩指数。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？
- 频率为月度，上市公司层级。
- 样本量有多大？
- 约 823,527 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 本数据集包含一系列用于衡量股票博彩特性的月度指标。博彩型股票通常具有高特质波动率、高特质偏度、低股价以及极端正收益等特征，这些特征吸引了具有博彩偏好的投资者。指标的计算主要基于日度收益率数据。 首先，计算月度特质波动率（$IVol$）与特质偏度（$ISkew$）。这两个指标通过Fama-French三因子模型在日度层面进行估计。对于每只股票，在每个月内，使用日度收益率对市场、市值、账面市值比三因子进行回归，得到残差序列。月度特质波动率$IVol$定义为该月内日度残差的标准差。月度特质偏度$ISkew$定义为该月内日度残差的标准化偏度（即三阶中心矩除以标准差的三次方）。 其次，计算反映极端正收益潜力的指标。$MAX$定义为股票在当月所有交易日中日收益率（小数形式）的最大值。$MAX5$则定义为当月最高的5个日收益率的算术平均值。这两个指标直接捕捉了股票的短期上行潜力。 资本利得突出（$CGO$）衡量了投资者的平均盈亏状态，其核心是计算一个参考价格（$RP$）。参考价格$RP$是过去260周（约5年）内，以每周换手率为权重计算的加权平均价格。$CGO$的计算公式为： $$CGO = \frac{P{t-1} - RP}{P{t-1}}$$ 其中$P{t-1}$为上月末的收盘价。$CGO$为正值表示投资者整体处于浮盈状态。 最后，综合以上基础指标，构建两个博彩指数。学术型博彩指数（$Gamble1$）参考Kumar (2009)的方法，计算公式为： $$Gamble1 = \frac{1}{3} \left( \frac{Rank(IVol)}{N} + \frac{Rank(ISkew)}{N} + \frac{Rank(P)}{N} \right)$$ 其中$Rank(IVol)$和$Rank(ISkew)$分别为特质波动率和特质偏度在横截面上的升序排名（排名越高，值越大），$Rank(P)$为股价的降序排名（股价越低，排名越高），$N$为当期股票总数。直观型博彩指数（$Gamble2$）参考陈文博等 (2019)的方法，计算公式为： $$Gamble2 = \frac{1}{3} \left( \frac{Rank(IVol)}{N} + \frac{Rank(MAX)}{N} + \frac{Rank(P)}{N} \right)$$ 其中$Rank(MAX)$为月内最大日收益率的升序排名。两个指数取值均在0到1之间，数值越大，代表股票的博彩特性越强。 补充说明 - 计算$CGO$所需的参考价格$RP$时，使用过去260周的周度数据，以周换手率为权重进行加权平均。 - 计算$IVol$和$ISkew$时，要求每月至少有15个有效的日度观测值。 - 所有连续变量在横截面上进行了1%和99%分位数的缩尾处理，以控制极端值的影响。 - 排名计算（$Gamble1$, $Gamble2$）基于每期横截面上所有有效股票进行。 参考文献 [1] Bali T G, Cakici N, Whitelaw R F. Maxing out: Stocks as lotteries and the cross-section of expected returns[J]. Journal of Financial Economics, 2011, 99(2): 427-446. [2] Grinblatt M, Han B. Prospect theory, mental accounting, and momentum[J]. Journal of Financial Economics, 2005, 78(2): 311-339. [3] Kumar A. Who gambles in the stock market?[J]. Journal of Finance, 2009, 64(4): 1889-1933. [4] 陈文博,陈浪南,王升泉.投资者的博彩行为研究——基于盈亏状态和投资者情绪的视角[J].中国管理科学,2019,27(2):19-30. [5] Ang A, Hodrick R J, Xing Y, et al. The cross-section of volatility and expected returns[J]. Journal of Finance, 2006, 61(1): 259-299. [6] Harvey C R, Siddique A. Conditional skewness in asset pricing tests[J]. Journal of Finance, 2000, 55(3): 1263-1295.
- 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。