股价同步性(日频双因子模型)
「股价同步性(日频双因子模型)」，覆盖 1991-2025 年，频率 年度，上市公司层级，含 25 个变量，样本量约 68,557。 衡量股价中融入公司特质信息的程度。
| 时间跨度 | 1991-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 25 |
| 样本量 | 68,557 |
| 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 [年度] — 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
- Industry [所属行业] — 中上协行业分类，制造业取二位(如C2)，非制造业取首字母(如I)
- TradeDays [年度交易天数] — 年度交易天数。单位：天
- AvgReturn [年度平均日收益率(%)] — 年度平均日收益率(%)
- StdReturn [年度收益率标准差] — 年度日收益率的标准差，小数形式。单位：比例
- MktBeta [市场Beta系数] — 市场贝塔系数系数，个股收益对市场收益回归的斜率
- IndBeta [行业Beta系数] — 行业贝塔系数系数，个股收益对行业收益回归的斜率。单位：比例
- R2_Mkt [市场模型R方] — 市场模型R方，仅使用市场收益解释个股收益的R^2。单位：比例
- R2_MktInd [市场+行业模型R方] — 市场+行业模型R方，使用市场和行业收益解释个股收益的R^2。单位：比例
- SYNCH [股价同步性] — 参考Morck, Yeung & Yu (2000, JFE)的方法，计算公式为：ln(R2/(1-R2))，值越高表示股价与市场同步性越强
- SYNCH_Mkt [基于市场模型的同步性] — 基于市场模型的同步性
- IdioVol [特质波动率(%)] — 特质波动率(%)，回归残差的标准差年化值
- InfoContent [信息含量] — 参考孟庆斌等(2017, 中国工业经济)的方法，借鉴Hanley & Hoberg (2010, RFS)的思路，计算公式为：将MD&A文本词频向量L1标准化后，对行业均值向量和市场均值向量做OLS回归，信息含量等于残差向量各维度绝对值之和sum(|e|)。用作研究变量，越大代表MD&A中独特信息越多。单位：比例
- MktCorr [与市场收益的相关系数] — 与市场收益的相关系数。单位：比例
- IndCorr [与行业收益的相关系数] — 与行业收益的相关系数。单位：比例
常见问题
- 「股价同步性(日频双因子模型)」是什么数据集？
- 股价同步性(日频双因子模型)，隶属风险因子。衡量股价中融入公司特质信息的程度。
- 该数据集的时间范围是？
- 覆盖 1991-2025 年。
- 包含哪些变量/指标？
- 共 25 个变量。核心指标包括：年度交易天数、年度平均日收益率(%)、年度收益率标准差、市场Beta系数、行业Beta系数、市场模型R方、市场+行业模型R方、股价同步性、基于市场模型的同步性、特质波动率(%)、信息含量、与市场收益的相关系数、与行业收益的相关系数。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？
- 频率为年度，上市公司层级。
- 样本量有多大？
- 约 68,557 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 股价同步性衡量了公司股价变动与市场整体或行业整体变动的关联程度，是金融学中用于测度股价中融入公司特质信息多寡的重要指标。其核心思想是，如果一家公司的股价主要由市场或行业层面的共同信息驱动，则其股价与市场/行业指数的同步性较高，表明股价中包含的公司特有信息较少；反之，低同步性则意味着股价更多地反映了公司层面的特质信息。该指标广泛应用于公司治理、信息披露、分析师跟踪等领域的研究。 本数据集通过两种回归模型来捕捉股价同步性。首先，采用市场模型，将个股日收益率对市场日收益率进行回归： $$R{i,t} = \alphai + \beta{i}^{Mkt} R{m,t} + \epsilon{i,t}$$ 其中$R{i,t}$为股票$i$在第$t$日的收益率，$R{m,t}$为市场在第$t$日的收益率。此回归得到的决定系数记为$R^2{Mkt}$。其次，采用市场与行业双因子模型，将个股日收益率同时对市场日收益率和行业日收益率进行回归： $$R{i,t} = \alphai + \beta{i}^{Mkt} R{m,t} + \beta{i}^{Ind} R{ind,t} + \epsilon{i,t}$$ 其中$R{ind,t}$为按中上协行业分类（制造业取二级代码前两位，其他行业取门类首位）构建的行业指数在第$t$日的收益率。此回归得到的决定系数记为$R^2{MktInd}$。 基于回归得到的$R^2$，计算核心的股价同步性指标$SYNCH$。该指标借鉴了Morck, Yeung & Yu (2000)的方法，通过对$R^2$进行对数化变换以使其分布更接近正态，计算公式为： $$SYNCH = \ln\left(\frac{R^2}{1 - R^2}\right)$$ 其中$R^2$可分别取$R^2{Mkt}$或$R^2{MktInd}$，对应生成$SYNCH\Mkt$和$SYNCH$指标。$SYNCH$值越高，表明股价同步性越强，公司特质信息融入股价的程度越低。 此外，数据集还提供了与股价信息含量相关的其他微观结构指标。特质波动率$IdioVol$为上述回归模型残差$\epsilon{i,t}$的标准差，并进行年化处理，用以衡量未被市场和行业因子解释的股价波动。信息含量$InfoContent$则直接计算为$1 - R^2$，值越高代表股价中公司特质信息的比例越大。市场Beta系数$MktBeta$和行业Beta系数$IndBeta$分别为对应回归中的斜率系数，衡量个股收益对市场或行业收益变动的敏感度。与市场收益的相关系数$MktCorr$和与行业收益的相关系数$IndCorr$则直接度量了股价与市场或行业走势的线性相关程度。 补充说明 - 年度回归要求该年度内至少有30个有效的日收益率观测值。 - 为控制极端值的影响，在计算最终指标前，对回归得到的$R^2$进行了[0.001, 0.999]区间的缩尾处理。 参考文献 - 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): 215-260.
- 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。