资本市场定价效率(Busch)
「资本市场定价效率(Busch)」，覆盖 1991-2025 年，频率 年度，上市公司层级，含 17 个变量，样本量约 69,271。 衡量资本市场定价效率，即股价对信息的反应速度。
| 时间跨度 | 1991-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 17 |
| 样本量 | 69,271 |
| 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 [股票简称] — 股票简称
- 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
- DR [定价延迟R2比值法] — 参考Busch & Obernberger (2017, RFS)的方法，计算公式为：DR=1-R2_base/R2_extended，其中基准模型含当期市场和行业收益率，拓展模型增加4期滞后。用作研究变量，越大代表定价效率越低。单位：比例
- DRadj [定价延迟调整R2法] — 参考Busch & Obernberger (2017, RFS)的方法，计算公式为：DRadj=1-R2adj_base/R2adj_extended，使用调整R2消除自由度影响。用作研究变量，越大代表定价效率越低。单位：比例
- DC [定价延迟回归系数法] — 参考Busch & Obernberger (2017, RFS)的方法，计算公式为：DC=sum_{n=1}^{4}n*(|beta^n|/se+|lambda^n|/se)/[(|beta^0|/se+|lambda^0|/se)+sum_{n=1}^{4}n*(|beta^n|/se+|lambda^n|/se)]，以加权标准化滞后系数衡量价格延迟。用作研究变量，越大代表定价效率越低。单位：比例
- R2Base [基准模型R方] — 基准模型(当期市场+行业收益率)对个股收益率的解释力R2。单位：比例
- R2Extended [拓展模型R方] — 拓展模型(含4期滞后的市场+行业收益率)对个股收益率的解释力R2。单位：比例
- TradeDays [年度有效交易天数] — 参与回归的年度有效交易观测数(最低100天)。单位：天
常见问题
- 「资本市场定价效率(Busch)」是什么数据集？
- 资本市场定价效率(Busch)，隶属风险因子。衡量资本市场定价效率，即股价对信息的反应速度。
- 该数据集的时间范围是？
- 覆盖 1991-2025 年。
- 包含哪些变量/指标？
- 共 17 个变量。核心指标包括：定价延迟R2比值法、定价延迟调整R2法、定价延迟回归系数法、基准模型R方、拓展模型R方、年度有效交易天数。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 69,271 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 本数据集旨在衡量资本市场的定价效率，其核心思想是通过比较不同信息集下模型对个股收益率解释力的差异，来捕捉价格对信息的反应速度。该方法基于Busch & Obernberger (2017)的研究，并参考了黄志宏等(2023)的应用。具体而言，通过构建一个仅包含当期市场与行业收益率的基准模型，以及一个额外包含了滞后市场与行业收益率的拓展模型，来评估信息融入股价的延迟程度。若股价能迅速反应信息，则滞后项不应提供额外的解释力，两个模型的拟合优度应接近；反之，若价格反应滞后，则包含滞后项的拓展模型将具有更高的解释力。基于此逻辑，构建了三个核心指标来衡量定价效率（或价格延迟），指标值越大，代表定价效率越低，价格延迟越严重。 首先，定义两个回归模型。基准模型仅包含当期的市场收益率和行业收益率： $$r{i,t} = \alpha + \beta^0 r{m,t} + \lambda^0 r{j,t} + \epsilon{i,t}$$ 其中，$r{i,t}$为股票$i$在第$t$日的收益率，$r{m,t}$为第$t$日的市场收益率，$r{j,t}$为股票$i$所属行业$j$在第$t$日的行业收益率（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计算行业组合收益率）。 拓展模型在基准模型的基础上，增加了市场收益率和行业收益率的前四期滞后项： $$r{i,t} = \alpha + \beta^0 r{m,t} + \lambda^0 r{j,t} + \sum{n=1}^{4} \beta^n r{m,t-n} + \sum{n=1}^{4} \lambda^n r{j,t-n} + \epsilon{i,t}$$ 基于上述模型，计算三个定价效率指标。第一个指标$DR$（定价延迟R2比值法）直接比较两个模型的决定系数$R^2$： $$DR = 1 - \frac{R^2{base}}{R^2{extended}}$$ 其中，$R^2{base}$和$R^2{extended}$分别为基准模型和拓展模型的决定系数。 第二个指标$DRadj$（定价延迟调整R2法）使用调整后的$R^2$以消除模型自由度增加带来的影响： $$DRadj = 1 - \frac{R^2adj{base}}{R^2adj{extended}}$$ 第三个指标$DC$（定价延迟回归系数法）则直接基于回归系数的显著性构建，通过加权标准化滞后系数来衡量延迟： $$DC = \frac{\sum{n=1}^{4} n \cdot (|\beta^n|/se{\beta^n} + |\lambda^n|/se{\lambda^n})}{(|\beta^0|/se{\beta^0} + |\lambda^0|/se{\lambda^0}) + \sum{n=1}^{4} n \cdot (|\beta^n|/se{\beta^n} + |\lambda^n|/se{\lambda^n})}$$ 其中，$se$为对应回归系数的标准误。该指标赋予滞后项更大的权重（$n$），使得更长期的滞后对延迟程度的贡献更大。 补充说明 - 回归分析基于日度收益率数据，每个年度对每只股票分别估计基准模型和拓展模型。 - 参与回归的年度有效交易观测数（TradeDays）需满足最低要求，以确保回归结果的可靠性。 - 为控制极端值的影响，在计算最终指标前会对相关中间变量进行缩尾处理。 参考文献 [1]Busch P, Obernberger S. Actual share repurchases, price efficiency, and the information content of stock prices[J]. The Review of Financial Studies, 2017, 30(1): 324-362. [2]黄志宏,郑建明,李金甜.资本市场定价效率对企业创新投入的影响及作用机制研究[J].管理学报, 2023, 20(7): 1065-1074.
- 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。