一、数据简介
数据名称：上市公司定价效率数据
时间范围：2000-2025年
数据层级：公司-年度面板数据
核心指标：D1、D2
识别变量：stkcd、year、证券代码
文件格式：.dta、.xlsx、.do、.py、.txt、.pdf、.log


本数据基于上市公司日个股回报率、综合日市场回报率和年度行业地区信息数据构建，按照价格滞后模型在公司-年度层面对日收益率与当期及滞后市场收益率进行回归，形成两个定价效率相关指标 D1 和 D2，并进一步合并上市公司基本信息数据补充公司静态特征；结果数据覆盖 2000-2025 年，共形成 3 套公司-年度结果文件，其中未剔除金融ST未缩尾版本包含 72175 条观测、5791 家公司，剔除金融ST未缩尾版本和剔除金融ST缩尾版本均包含 64306 条观测、5394 家公司


二、原始数据与基本信息合并
上市公司日个股回报率原始数据.dta：该文件为公司日收益率原始数据，是构造 D1、D2 指标的核心基础输入，主要字段为 证券代码、交易日期、考虑现金红利再投资的日个股回报率。
上市公司综合日市场回报率原始数据.dta：该文件为市场层面的日综合回报率数据，用于构造当期及 1 至 4 期滞后市场回报率，主要字段为 交易日期、考虑现金红利再投资的综合日市场回报率。
上市公司年度行业地区信息原始数据.dta：该文件为公司-年度层面的行业和地区信息数据，用于回归完成后的年度信息补充及 ST/金融样本筛选，主要字段为 证券代码、证券简称、stkcd、year、行业代码、行业名称、所属省份、所属省份代码、所属城市、所属城市代码。
上市公司基本信息数据.dta：该文件为公司层面的静态基本信息数据，用于按 stkcd 合并补全上市日期、股票类型、行业分类和注册信息，主要字段为 证券代码、证券中文简称、上市日期、股票类型、公司名称、公司中文简称、行业名称A、行业代码A、行业名称B、行业代码B、行业名称C、行业代码C、行业名称D、行业代码D、注册资本、成立日期、退市日期、stkcd。





三、计算说明
【D1】D1 为基于回归决定系数构造的价格滞后指标。先在每个公司-年度样本内估计非限制模型 r(i,t)=α+β0*rm(t)+β1*rm(t-1)+β2*rm(t-2)+β3*rm(t-3)+β4*rm(t-4)+ε，得到决定系数 R2；再估计限制模型 r(i,t)=α+β0*rm(t)+ε，得到决定系数 R21；最后按 D1 = 1 - R21 / R2 构造指标。D1 越大，表示滞后市场收益率对个股收益率的解释增量越大、价格滞后越明显、定价效率越低。
【D2】D2 为基于回归系数绝对值占比构造的价格滞后指标。仍基于非限制模型，按 D2 = (|β1|+|β2|+|β3|+|β4|) / (|β0|+|β1|+|β2|+|β3|+|β4|) 计算。D2 越大，表示个股收益率对滞后市场收益率依赖程度越强、价格反应越滞后、定价效率越低。
【STPT】STPT 为样本状态识别变量，若证券简称包含 ST 或 PT，则记为 1，否则记为 0，用于剔除特殊处理公司。
【金融业】金融业为行业筛选变量，若行业代码以 J 开头则记为 1，否则记为 0，用于识别金融行业公司。





四、结果数据文件
共有 3 套结果数据文件。样本筛选步骤如下：
(1) 基于上市公司日个股回报率与综合日市场回报率，在公司-年度层面估计含滞后市场收益率与不含滞后市场收益率的回归模型，构造 D1 与 D2；
(2) 合并年度行业地区信息与上市公司基本信息，补充证券简称、上市日期、股票类型、行业分类、注册资本、成立日期和退市日期等字段；
(3) 按是否剔除金融行业、ST/PT/退市公司以及是否按年度 1%/99% 缩尾，生成三套可复现结果数据。


编号文件名称 说明
1 计算结果未剔除金融ST未缩尾版本.dta 保留金融行业、ST/PT/退市公司且不缩尾的原始全样本结果，用于留档、复核和对比分析。
2 计算结果剔除金融ST未缩尾版本.dta 剔除金融行业、ST/PT/退市公司但不缩尾的清洗样本结果，用于保留极端值的实证分析。
3 计算结果剔除金融ST缩尾版本.dta 剔除金融行业、ST/PT/退市公司并按年度 1%/99% 缩尾的常用实证样本结果。





五、变量说明
序号变量名称 变量类型变量说明
1 证券代码 str 上市公司证券代码，保留前导零。
2 证券简称 str 上市公司证券简称。
3 证券中文简称str 基本信息数据中的证券中文简称。
4 stkcd int 公司层面的数值型唯一识别码。
5 year int 会计年度。
6 D1 float 基于决定系数差异构造的价格滞后指标，值越大通常表示定价效率越低。
7 D2 float 基于滞后市场收益率系数占比构造的价格滞后指标，值越大通常表示定价效率越低。
8 STPT int 是否为 ST 或 PT 公司，是为 1，否为 0。
9 金融业 int 是否属于金融行业，是为 1，否为 0。
10 上市日期 str 公司首次上市日期。
11 股票类型 str 股票类别，如 A 股等。
12 公司名称 str 公司全称。
13 公司中文简称str 公司中文简称。
14 行业名称A str A 级行业名称。
15 行业代码A str A 级行业代码。
16 行业名称B str B 级行业名称。
17 行业代码B str B 级行业代码。
18 行业名称C str C 级行业名称。
19 行业代码C str C 级行业代码。
20 行业名称D str D 级行业名称。
21 行业代码D str D 级行业代码。
22 行业代码 str 原始行业地区数据中的行业代码字段。
23 行业名称 str 原始行业地区数据中的行业名称字段。
24 所属省份 str 公司所属省份名称。
25 所属省份代码str 所属省份行政区划代码。
26 所属城市 str 公司所属城市名称。
27 所属城市代码str 所属城市行政区划代码。
28 注册资本 float 公司注册资本。
29 成立日期 str 公司成立日期。
30 退市日期 str 公司退市日期；未退市公司通常为空。





六、代码文件
文件名称 语言 说明
上市公司定价效率数据计算代码.py Python读取日个股回报率、综合日市场回报率、年度行业地区信息和基本信息数据，计算 D1、D2 并导出 3 套结果数据。
上市公司定价效率数据计算代码.do Stata 在 Stata 中完成同口径 D1、D2 指标计算、样本筛癣基本信息合并与结果导出。
上市公司定价效率数据评估代码.py Python对结果 .dta 递归开展描述统计、频率分布、异常值、逻辑连续性、稳健性与图形化数据质量评估。
上市公司定价效率数据评估代码.do Stata 对结果 .dta 递归开展描述统计、异常值、连续性、稳健性与图形化数据质量评估。





七、数据质量评估
评估结果存放于 数据质量评估报告_20260706 文件夹，运行日志为 评估日志_20260706.log。各子文件夹内容如下：
子文件夹名 内容说明
1 数据分布分析 保存描述性统计汇总、变量频率分布与相关 CSV 结果。
2 分布图 保存直方图、箱线图、核密度图、散点图矩阵和时间趋势图等图形文件。
3 异常值检验 保存缺失值统计、Z-score 检验、IQR 检验等异常值识别结果。
4 逻辑合理性验证 保存面板结构、时间连续性、重复面板时间点与逻辑检验结果。
5 稳健性测试 保存不同样本期、不同处理方式下核心指标的对比统计结果。





八、参考文献
[1] 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.
[2] 李志生, 陈晨, 李凤羽, 郑安娜. 卖空机制提高了中国股票市场的定价效率吗?——基于自然实验的证据[J]. 经济研究, 2015, 50(4): 165-177.