股价同步性(Morck)
「股价同步性(Morck)」，覆盖 1991-2025 年，频率 年度，上市公司层级，含 17 个变量，样本量约 69,301。 衡量股价变动与市场整体波动的同步程度，反映市场信息效率与公司特质信息融入股价的水平。
| 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 | 69,301 |
| 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
- R2_Market [市场同步性R方] — 参考Morck, Yeung & Yu (2000, JFE)的方法，个股周收益率对市场周收益率回归的R2，衡量股价与市场的同步程度。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：股价同步性=ln(R2/(1-R2))，对R2做logit变换以改善分布特性
- Beta_Mkt [市场Beta] — 参考Hou & Moskowitz (2005, RFS); Kinlay (1988, RFS); Morck, Yeung & Yu (2000, JFE)。个股周收益率对同期市场周收益率的回归系数，即传统CAPM的beta值
- ZeroReturn [零收益日比例] — 参考Lesmond, Ogden & Trzcinka (1999, RFS)的方法，计算公式为：年内收益率=0的交易日数/总交易日数，反映信息摩擦和交易成本。单位：比例
- AR1 [一阶自相关] — 参考Campbell, Lo & MacKinlay (1997)的方法，计算公式为：Corr(R_t,R_{t-1})，日收益率的一阶自相关系数，有效市场应接近0。单位：比例
- AR1_Abs [一阶自相关绝对值] — 参考Hou & Moskowitz (2005, RFS); Kinlay (1988, RFS); Morck, Yeung & Yu (2000, JFE)。计算公式为：abs(一阶自相关)，不区分正负的自相关强度
常见问题
- 「股价同步性(Morck)」是什么数据集？
- 股价同步性(Morck)，隶属风险因子。衡量股价变动与市场整体波动的同步程度，反映市场信息效率与公司特质信息融入股价的水平。
- 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：市场同步性R方、股价同步性、市场Beta、零收益日比例、一阶自相关、一阶自相关绝对值。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 69,301 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 股价同步性衡量个股价格变动与市场整体变动的一致性程度，是反映市场信息效率和公司特质信息融入股价的重要指标。低同步性通常意味着股价包含了更多公司层面的特质信息，而高同步性则可能表明市场信息效率较低或存在较多噪音交易。本数据集提供了多种基于不同理论框架的股价信息效率度量指标。 首先，基于市场模型回归的同步性度量是核心方法。参考Morck, Yeung和Yu (2000)的研究，对每只股票每年使用周收益率数据进行如下回归： $$R{i,w} = \alphai + \betai R{m,w} + \epsilon{i,w}$$ 其中$R{i,w}$为股票$i$在第$w$周的收益率，$R{m,w}$为同期市场周收益率。该回归的判定系数$R^2$即为R2Market，它直接衡量了股价变动中可由市场变动解释的比例。为了改善$R^2$的分布特性（使其更接近正态分布并减少边界效应），进一步计算Synch指标，即对$R^2$进行logit变换：$Synch = \ln(R^2/(1-R^2))$。同时，该回归得到的市场风险系数即为BetaMkt。 其次，价格延迟指标反映了股价对市场信息的反应速度。参考Hou和Moskowitz (2005)的方法，构建包含市场收益率及其滞后项的扩展回归模型（无约束模型），并与仅包含同期市场收益率的基准模型（有约束模型）进行比较。DelayD1度量了因忽略滞后信息而损失的模型解释力，计算为$D1 = 1 - R^2{restricted}/R^2{unrestricted}$，其中$R^2{restricted}$和$R^2{unrestricted}$分别为有约束和无约束模型的判定系数。DelayD2和DelayD3则基于无约束模型中滞后项回归系数的显著性或绝对值大小构建了加权的延迟度量。 第三，方差比检验用于探测收益序列是否服从随机游走。参考Lo和MacKinlay (1988)的方法，计算VR5、VR10、VR20等指标，其基本形式为$VR(q) = Var(rt^q)/(q \cdot Var(rt))$，其中$rt^q$为$q$期（如5日、10日、20日）收益率，$rt$为单期（日）收益率。在随机游走假设下，方差比应接近1；若显著偏离1，则表明收益序列存在自相关或异方差。 此外，零收益日比例是衡量交易成本与信息摩擦的间接指标。参考Lesmond, Ogden和Trzcinka (1999)的方法，ZeroReturn计算为一年内日收益率恰好为零的交易日数占总交易日数的比例。较高的零收益日比例通常意味着较高的交易成本，阻碍了信息融入价格。最后，AR1为日收益率的一阶自相关系数，AR1Abs为其绝对值，用于衡量短期收益的可预测性，在有效市场下应接近零。 补充说明 - 样本期间要求每只股票每年至少有30个交易周的数据，以确保回归估计的可靠性。 - 为控制极端值的影响，在计算最终指标前，对所有连续变量在1%和99%分位数上进行缩尾处理。 - 市场收益率采用流通市值加权的市场组合收益率。 参考文献 - Hou K, Moskowitz T J. Market frictions, price delay, and the cross-section of expected returns[J]. The Review of Financial Studies, 2005, 18(3): 981-1020. - Lo A W, MacKinlay A C. Stock market prices do not follow random walks: Evidence from a simple specification test[J]. The Review of Financial Studies, 1988, 1(1): 41-66. - 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. - 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. - Campbell J Y, Lo A W, MacKinlay A C. The econometrics of financial markets[M]. Princeton University Press, 1997.
- 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。