企业收益反转指标(GAM)

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)
• Gamma [收益反转系数(γ)] — 参考Pastor & Stambaugh (2003, JPE)与苏冬蔚、熊家财 (2013, 经济研究)的方法，为个股次日超额收益对当日带符号成交额回归的系数γ，计算公式为：r^e_{i,d+1}=θ+φ·r_{i,d}+γ·sign(r^e_{i,d})·v_{i,d}+ε，其中r^e为个股收益减流通市值加权市场收益、v为当日交易金额(千元)、sign为符号函数；γ多为负代表成交冲击后的收益反转，用作研究变量
• GAM [收益反转指标] — 参考苏冬蔚、熊家财 (2013, 经济研究)与Pastor & Stambaugh (2003, JPE)的方法，计算公式为：GAM=|γ|，即收益反转回归系数γ的绝对值，用作股票流动性的反向代理，越大代表收益反转越强、流动性越差。注：GAM呈右偏重尾分布，极少数极端值来自近零成交的微盘公司年度，原文对各变量做1%/99%缩尾后使用，建议使用前按年度做1%/99%缩尾处理。
• NDays [年内有效回归观测数] — 当年用于估计收益反转回归的有效(当日,次日)观测对数量，要求不少于30，用于衡量γ估计的可靠性

常见问题

「企业收益反转指标(GAM)」是什么数据集？

企业收益反转指标(GAM)，隶属市场交易数据。参考Pastor & Stambaugh (2003, JPE)与苏冬蔚、熊家财 (2013, 经济研究)的方法，对每家公司每个年度用其当年日度数据估计收益反转

该数据集的时间范围是？

覆盖 1991-2025 年。

包含哪些变量/指标？

共 14 个变量。核心指标包括：收益反转系数(γ)、收益反转指标、年内有效回归观测数。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 71,488 条观测。

数据是如何测算/获取的？

指标定义与计算方法 收益反转指标用于度量股票的流动性。其理论基础是：流动性较差的股票，投资者更容易对成交冲击产生过度反应，因此在成交量给定的情况下，一旦流动性下降，由订单流引起的价格变化在随后交易日的反转程度就会加大。Pastor 与 Stambaugh (2003) 据此提出用"带符号成交额所引起的次日收益反转幅度"刻画个股流动性，苏冬蔚、熊家财 (2013) 将该方法应用于中国市场并记为 GAM。 具体地，对每家公司 $i$ 的每个年度 $t$，使用其当年的日度数据估计如下回归： $$r^{e}{i,t,d+1} = \theta{i,t} + \phi{i,t}\, r{i,t,d} + \gamma{i,t}\cdot \mathrm{sign}\!\left(r^{e}{i,t,d}\right)\cdot v{i,t,d} + \varepsilon{i,t,d+1}$$ 其中 $r{i,t,d}$ 为个股第 $d$ 个交易日的日收益率（忽略红利再投资）；$r^{e}{i,t,d}=r{i,t,d}-r{m,t,d}$ 为超额收益率，市场收益率 $r{m,t,d}$ 取全部 A 股按流通市值加权（同样忽略红利再投资）的综合市场日回报率；$v{i,t,d}$ 为当日交易金额；$\mathrm{sign}(\cdot)$ 为符号函数，当超额收益率为正时取 $1$，为零时取 $0$，为负时取 $-1$。 回归系数 $\gamma{i,t}$ 即为带符号成交额对次日超额收益的影响。在存在收益反转时该系数通常为负：一笔买入（正的超额收益）短暂推高价格后于次日回落。收益反转指标取其绝对值： $$\mathrm{GAM}{i,t} = \left|\gamma{i,t}\right|$$ $\mathrm{GAM}$ 越大，表示单位带符号成交额引起的次日反转越强、股票流动性越差，因此 $\mathrm{GAM}$ 是流动性的反向代理。除核心指标外，本数据集同时保留带符号的原始系数 $\gamma$（机制变量，其符号可反映反转方向），以及当年用于估计回归的有效观测对数量，供使用者判断估计可靠性。 补充说明 逐年单独估计上述回归，每个公司-年度要求当年至少有 30 个有效的（当日，次日）观测对，且带符号成交额项具有足够的横截面变异，否则该公司-年度不予输出。回归在年度边界处分别估计，不跨年度构造滞后。 $\mathrm{GAM}$ 呈明显的右偏重尾分布，极少数极端值来自近乎无成交的微盘公司-年度——此时带符号成交额几乎不变，回归系数被机械放大。苏冬蔚、熊家财 (2013) 在描述统计与实证检验中对各主要变量做了上下 1% 的缩尾处理。本数据集输出未缩尾的原始 $\mathrm{GAM}$，建议使用者在回归前按年度对其做 1%/99% 缩尾。 参考文献 - Pastor L, Stambaugh R F. Liquidity risk and expected stock returns[J]. Journal of Political Economy, 2003, 111(3): 642-685. - 苏冬蔚, 熊家财. 股票流动性、股价信息含量与CEO薪酬契约[J]. 经济研究, 2013, 48(11): 56-70.

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。