价格冲击(Kyle与Hasbrouck)
「价格冲击(Kyle与Hasbrouck)」，覆盖 1990-2025 年，频率 年度，上市公司层级，含 16 个变量，样本量约 72,797。 衡量交易行为对市场价格造成的临时性冲击成本。
| 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 | 72,797 |
| 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] — 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
- KyleLambda [Kyle价格冲击系数] — 计算公式为：mean(abs(当月收益率)/sqrt(回购金额))，基于Kyle(1985)衡量单位成交额的价格冲击
- KyleLambdaStd [Kyle冲击波动] — 计算公式为：Kyle Lambda的年度标准差
- HasbrouckImpact [Hasbrouck冲击成本] — 计算公式为：mean(abs(当月收益率)/sqrt(成交量(手)))，基于Hasbrouck(2009)的成交量价格冲击。单位：比例
- ReturnAutoCorr [收益自相关] — 计算公式为：Corr(r_t, r_{t-1})，日收益率一阶自相关系数，负值表示价格反转。单位：比例
- PriceReversal [价格反转强度] — 计算公式为：max(-收益自相关*2, 0)，将负自相关转换为年化反转成本估计
常见问题
- 「价格冲击(Kyle与Hasbrouck)」是什么数据集？
- 价格冲击(Kyle与Hasbrouck)，隶属市场交易数据。衡量交易行为对市场价格造成的临时性冲击成本。
- 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：Kyle价格冲击系数、Kyle冲击波动、Hasbrouck冲击成本、收益自相关、价格反转强度。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 72,797 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 交易成本是影响资产定价和投资决策的关键因素，其中价格冲击成本衡量了交易行为对市场价格造成的临时性影响。本数据集基于Kyle (1985)和Hasbrouck (2009)的经典理论，构建了衡量价格冲击的指标。Kyle (1985)的模型将价格冲击系数（Lambda）定义为交易量对价格变化的瞬时影响，反映了市场深度的不足。Hasbrouck (2009)则提出了一种基于成交量的价格冲击度量，捕捉了单位交易量所引发的价格变动。此外，数据集还包含了基于Roll (1984)的有效价差、Corwin & Schultz (2012)的高低价格差、Lesmond, Ogden & Trzcinka (1999)的零收益比例成本，以及综合这些指标构建的总交易成本估计。 核心的价格冲击指标计算如下。Kyle价格冲击系数（$KyleLambda$）的计算公式为： $$KyleLambda = \text{mean}\left( \frac{|rt|}{\sqrt{Vt}} \right)$$ 其中$rt$为股票当月收益率，$Vt$为当月成交金额。该指标衡量了单位成交金额（取平方根以标准化）所引发的绝对价格变动。 Hasbrouck冲击成本（$HasbrouckImpact$）的计算公式为： $$HasbrouckImpact = \text{mean}\left( \frac{|rt|}{\sqrt{Qt}} \right)$$ 其中$rt$为股票当月收益率，$Qt$为当月成交量（单位：手）。该指标衡量了单位成交量（取平方根）所引发的绝对价格变动。 其他相关交易成本指标包括：$RollSpreadMean$为基于Roll (1984)模型计算的有效价差的年度均值；$CSSpreadMean$为基于Corwin & Schultz (2012)模型利用日最高最低价估计的价差的年度均值；$ReturnAutoCorr$为日收益率的一阶自相关系数；$PriceReversal$由负的收益自相关转换而来，计算公式为$\max(-2 \times ReturnAutoCorr, 0)$，用于估计年化的价格反转成本；$ZeroReturnPct$为年度内零收益交易日所占比例，基于Lesmond, Ogden & Trzcinka (1999)的方法；$LOTCost$是基于零收益比例估计的交易成本。综合以上基础指标，数据集还构建了$EffectiveSpread$（有效价差估计）、$TotalTradingCost$（总交易成本估计）以及$TradingCostRank$（年度横截面排名）等综合度量。 补充说明 - 所有价格和收益类指标的计算均基于日度交易数据。 - 为控制极端值的影响，在计算年度均值等统计量前，对日度或月度的基础计算值进行了缩尾处理（Winsorize）。 - 要求股票在年度内具有足够数量的有效交易日观测值，以确保指标估计的可靠性。 参考文献 - Amihud Y. Illiquidity and stock returns: cross-section and time-series effects[J]. Journal of Financial Markets, 2002, 5(1): 31-56. - Corwin S A, Schultz P. A simple way to estimate bid-ask spreads from daily high and low prices[J]. The Journal of Finance, 2012, 67(2): 719-760. - Hasbrouck J. Trading costs and returns for US equities: Estimating effective costs from daily data[J]. The Journal of Finance, 2009, 64(3): 1445-1477. - Kyle A S. Continuous auctions and insider trading[J]. Econometrica: Journal of the Econometric Society, 1985: 1315-1335. - Lesmond D A, Ogden J P, Trzcinka C A. A new estimate of transaction costs[J]. The Review of Financial Studies, 1999, 12(5): 1113-1141. - Roll R. A simple implicit measure of the effective bid-ask spread in an efficient market[J]. The Journal of Finance, 1984, 39(4): 1127-1139.
- 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。