资本市场定价效率(Hou)

字段字典

• Symbol [股票代码] — 6位股票代码
• StkName [股票简称] — 当年股票简称(动态，按年匹配年报披露名称)
• Year [年份] — 日历年度
• 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] — 当年中上协行业分类代码(动态，如C26、J66)
• IndustryName [行业名称] — 当年中上协行业分类名称(动态，按年匹配)
• R2_Restricted [限制模型决定系数] — 参考Hou & Moskowitz (2005, RFS)与谭欢等(2026)的方法，计算公式为：限制模型 r=α+β·r_mkt+ε 的决定系数R'²(r_mkt为流通市值加权·考虑现金红利的综合A股日市场收益率)。用作历史信息依赖度D1的分子构件。
• R2_Full [全模型决定系数] — 参考Hou & Moskowitz (2005, RFS)与谭欢等(2026)的方法，计算公式为：全模型 r=α+β·r_mkt+Σ(n=1..4)δ_n·r_mkt(t-n)+ε 的决定系数R²(在限制模型上加入市场收益1-4阶日滞后)。用作历史信息依赖度D1的分母构件，因全模型嵌套限制模型故恒有R²≥R'²。
• TradeDays [年内有效交易日数] — 该股该年纳入回归的有效交易日数(已剔除每年首4个因滞后缺失的交易日)，用作样本质量控制。
• D1 [历史信息依赖度] — 参考Hou & Moskowitz (2005, RFS)、谭欢等(2026, 当代财经)的方法，计算公式为：D1=1-R'²/R²，其中R'²为限制模型(仅当期市场收益)决定系数、R²为全模型(加入市场收益1-4阶日滞后)决定系数，按年度内日交易数据逐股估计。D1越小代表股价对历史市场信息依赖越低、吸收信息越快、资本市场定价效率越高。用作研究变量(被解释变量)，取值[0,1]，越大代表定价效率越低。

常见问题

「资本市场定价效率(Hou)」是什么数据集？

资本市场定价效率(Hou)，隶属风险因子。参考Hou & Moskowitz (2005, RFS)与谭欢等(2026, 当代财经)的方法，用年度内日交易数据逐股回归限制模型(仅当期市场收益)与全模型(

该数据集的时间范围是？

覆盖 1991-2025 年。

包含哪些变量/指标？

共 15 个变量。核心指标包括：限制模型决定系数、全模型决定系数、年内有效交易日数、历史信息依赖度。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 69,267 条观测。

数据是如何测算/获取的？

指标定义与计算方法 资本市场定价效率刻画股价吸收市场信息的速度：若股价能迅速、充分地反映当期市场信息，则定价效率高；若股价对过去（滞后）市场信息仍存在显著依赖，说明信息吸收迟缓、定价效率低。借鉴 Hou 和 Moskowitz (2005) 的价格延迟思想，以股票收益率对滞后市场收益率的依赖程度度量资本市场定价效率。 在每个年度内，利用个股与市场的日度收益率，逐股票估计两个嵌套回归模型。限制模型仅纳入当期市场收益率： $$ r{i,t} = \alphai + \betai\, r^{mkt}{t} + \varepsilon{i,t} $$ 全模型在限制模型基础上加入市场收益率的 1 至 4 阶日滞后项： $$ r{i,t} = \alphai + \betai\, r^{mkt}{t} + \sum{n=1}^{4}\delta{i,n}\, r^{mkt}{t-n} + \varepsilon{i,t} $$ 其中 $r{i,t}$ 为股票 $i$ 第 $t$ 个交易日的收益率，$r^{mkt}{t}$ 为第 $t$ 日的市场收益率（采用流通市值加权、考虑现金红利再投资的综合 A 股日市场收益率），$r^{mkt}{t-n}$ 为滞后 $n$ 个交易日的市场收益率。滞后项在各年度内构造，故每年首 4 个交易日因缺失滞后而不纳入估计，两个模型在同一观测样本上估计。 记限制模型与全模型的决定系数分别为 $R'^2$ 与 $R^2$，历史信息依赖度定义为： $$ D1i = 1 - \frac{R'^2}{R^2} $$ 由于全模型嵌套限制模型，恒有 $R^2 \ge R'^2$，因而 $D1$ 取值于 $[0,1]$。$D1$ 越大，表明股票收益率对历史市场信息的依赖越强、股价吸收市场信息所需时间越长，资本市场定价效率越低；反之 $D1$ 越小、定价效率越高。该指标常作为资本市场定价效率的被解释变量或机制变量使用。 补充说明 - 指标按年度—个股估计，要求年度内纳入回归的有效交易日不少于 100 个交易日，并同时输出限制模型决定系数 $R'^2$、全模型决定系数 $R^2$ 及有效交易日数，便于刻画机制与控制样本质量。 - 全样本覆盖各行业上市公司。当某一年度全模型解释力极弱（$R^2$ 接近 0）时，$D1$ 为比率型度量的机械放大产物，使用者可对其进行缩尾或剔除尾部样本；由于年度间市场环境差异较大，面板回归中建议加入年份固定效应。 参考文献 - Hou K, Moskowitz T J. Market frictions, price delay, and the cross-section of expected returns[J]. The Review of Financial Studies, 2005, 18(3): 981-1020. - 谭欢,李青原,王治,罗云磊.环境信息粉饰行为与资本市场定价效率——来自A股上市公司CSR报告的证据[J/OL].当代财经,2026.https://doi.org/10.13676/j.cnki.cn36-1030/f.20260529.004.

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。