股价信息含量(Roll法)
「股价信息含量(Roll法)」，覆盖 1992-2025 年，频率 年度，上市公司层级，含 15 个变量，样本量约 67,187。 参考Roll (1988)与袁知柱、鞠晓峰 (2009)的方法，以个股周收益率对市场与行业周收益率(各含当期及滞后1、2期、均按流通市值加权、行业收益剔除公司自
| 时间跨度 | 1992-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 15 |
| 样本量 | 67,187 |
| 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 [证券简称] — 上市公司证券简称
- Year [年份] — 自然年度
- Province [省份] — 公司注册地所在省份
- ProvinceCode [省份代码] — 公司注册地省份行政区划代码
- City [城市] — 公司注册地所在城市
- CityCode [城市代码] — 公司注册地城市行政区划代码(6位)
- County [区县] — 公司注册地所在区县
- CountyCode [区县代码] — 公司注册地区县行政区划代码(6位)
- IndustryCode [行业代码] — 中上协行业分类代码(如C26、J66,按年度动态匹配公司当年所属行业)
- IndustryName [行业名称] — 中上协行业分类名称(按年度动态匹配公司当年所属行业)
- RSquared [决定系数R2] — 参考Roll (1988, JF)与袁知柱、鞠晓峰 (2009, 管理科学)的方法，为个股周收益率对市场与行业周收益率(各含当期及滞后1、2期、均按流通市值加权、行业收益剔除公司自身)双因子回归的拟合优度，计算公式为：1减去回归残差平方和与总离差平方和之比。值越高表示股价与市场/行业同步性越强、公司特质信息越少
- NWeeks [有效周收益观测数] — 该年度进入双因子回归的完整周观测个数，即个股周收益率及6个市场/行业回归项(当期及滞后1、2期)均非缺失的周数，要求不少于30周
- PriceInformativenessRoll [股价信息含量(Roll法)] — 参考Roll (1988, JF)与袁知柱、鞠晓峰 (2009, 管理科学)的方法，计算公式为：log((1-R2)/R2)，其中R2为个股周收益率对市场与行业周收益率(各含当期及滞后1、2期、均按流通市值加权、行业收益剔除公司自身)双因子回归的拟合优度。用作研究变量，越大代表公司特质信息融入股价越多、股价信息含量越高
- PriceInformativenessRollEW [股价信息含量(Roll法)-等权口径] — 稳健性口径，将市场与行业周收益率改为等权简单平均(行业收益仍剔除公司自身)后按相同双因子回归计算的股价信息含量，计算公式为：log((1-R2)/R2)，其中R2为等权口径下的回归拟合优度。用于检验加权方式对结论的稳健性
常见问题
- 「股价信息含量(Roll法)」是什么数据集？
- 股价信息含量(Roll法)，隶属市场交易数据。参考Roll (1988)与袁知柱、鞠晓峰 (2009)的方法，以个股周收益率对市场与行业周收益率(各含当期及滞后1、2期、均按流通市值加权、行业收益剔除公司自
- 该数据集的时间范围是？
- 覆盖 1992-2025 年。
- 包含哪些变量/指标？
- 共 15 个变量。核心指标包括：决定系数R2、有效周收益观测数、股价信息含量(Roll法)、股价信息含量(Roll法)-等权口径。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 67,187 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 股价信息含量(stock price informativeness)衡量公司层面特质信息融入股票价格的程度。其理论基础是：当外部投资者更有意愿和能力搜集、加工公司层面私有信息并据此套利时，更多公司特质信息进入股价，个股收益相对于市场与行业的共同波动呈现更强的"非同步性"，股价更接近企业实际价值，从而引导资源更有效配置。本指标参考 Roll (1988) 提出的 $R^2$ 思想与袁知柱、鞠晓峰 (2009) 的实证实现，以双因子周收益模型的拟合优度做对数转换来度量股价信息含量。 具体地，对每只股票 $i$ 在每个年度内，将其周收益率对市场层面与行业层面的共同收益率（各包含当期及滞后 1、2 期）做回归： $$r{ijt}=\beta0+\beta1 r{mt}+\beta2 r{m,t-1}+\beta3 r{m,t-2}+\beta4 r{jt}+\beta5 r{j,t-1}+\beta6 r{j,t-2}+\varepsilon{ijt}$$ 其中 $r{ijt}$ 为公司 $i$ 第 $t$ 周的周收益率（由日收益率在 ISO 周内复利得到），$r{mt}$ 为流通市值加权的市场周收益率，$r{jt}$ 为流通市值加权的行业周收益率。模型加入 $t-1$、$t-2$ 期的市场与行业收益，一方面控制潜在的自相关，另一方面是因为市场与行业信息进入公司层面股价可能存在时滞。 在以流通市值加权计算行业收益率 $r{jt}$ 时，剔除当前计算的公司 $i$ 自身（leave-one-out），即对公司 $i$ 而言 $r{jt}^{(-i)}=\big(\sum{k\in j}w{kt}r{kt}-w{it}r{it}\big)\big/\big(\sum{k\in j}w{kt}-w{it}\big)$，其中 $w$ 为流通市值。这样处理可减少个股收益 $r{ijt}$ 与行业收益 $r{jt}$ 之间的虚假相关，在行业内公司数较少时尤为有效。行业划分采用动态二级分类，制造业按两位代码归并、其余行业按一级（首字母）归并，与原文"制造业按二级代码、其余按一级代码、共 21 个行业"的口径结构一致。 设回归拟合优度为 $R^2{ij}$，则 $1-R^2{ij}$ 表示公司层面收益中不能被市场与行业共同波动所解释的比例，即股价波动的非同步性程度，公司特质信息越多其值越大。由于 $R^2{ij}$ 取值受限于 $[0,1]$、作为研究变量不符合计量分析要求，按 Durnev、Morck 等的做法做对数转换，得到股价信息含量： $$INFO{ij}=\log\!\left(\frac{1-R^2{ij}}{R^2{ij}}\right)$$ $INFO{ij}$ 越大，表示股价同步性越低、公司特质信息融入股价越多、股价信息含量越高。作为稳健性口径，另提供将市场与行业周收益率改为等权简单平均（行业收益仍剔除公司自身）后按相同模型计算的同一指标，用于检验加权方式对结论的影响。 补充说明 每个公司-年度要求进入回归的完整周观测不少于 30 周（个股周收益及 6 个市场/行业回归项均非缺失方计入）；某行业-周内有效公司数不足 5 家时不计算该行业周收益，以避免薄行业噪音。滞后项可跨年取自上一自然年末的市场/行业周收益。指标按全行业构建并保留行业标识，使用者可按需筛选金融业等子样本；输出为原始值未做缩尾，研究者可自行 winsorize。 需要说明的是，本指标在制度环境较差、特质信息搜集动机较弱的市场早期阶段及市场系统性冲击年份（如重大危机期间）整体偏低，反映彼时个股与大盘的高度同步，这与新兴市场股价信息含量普遍偏低的经典结论一致。指标的绝对水平受市场/行业组合构造口径与样本范围影响，跨期比较建议引入年度固定效应而非直接对照绝对数值。 参考文献 - 袁知柱, 鞠晓峰. 制度环境、公司治理与股价信息含量[J]. 管理科学, 2009, 22(1): 17-29. - Roll R. R2[J]. The Journal of Finance, 1988, 43(2): 541-566. - Durnev A, Morck R, Yeung B. Value-enhancing capital budgeting and firm-specific stock return variation[J]. The Journal of Finance, 2004, 59(1): 65-105. - Morck R, Yeung B, Yu W. The information content of stock markets: why do emerging markets have synchronous stock price movements?[J]. Journal of Financial Economics, 2000, 58(1-2): 215-238.
- 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。