请问如何用stata计算当年股票月度收益率的标准差

最近在看论文遇到了一个变量构建的问题，模型其中一个变量是“当年股票月度收益率的标准差”，查了英文原文献是"standard deviation of monthly stock returns over the fiscal year"，想请问大家知道怎么做吗？ 是第一步先算出从一月到十二月的标准差，第二步再乘以SQRT(12)吗? 想请教下大家，包括完成这两步的stata代码



Mretwd是考虑现金红利再投资的月个股回报率

求问楼主找到解法了吗？我最近也需要这个数据但是没弄出来

1. Stata Code
   
2. 
   
3. * convert to monthly date
   
4. gen ym = monthly(Trdmnt,"YM")
   
5. format %tm ym
   
6. 
   
7. * generate fiscal year: from May to April
   
8. gen fiscal_year=year(dofm(ym-4))
   
9. 
   
10. * calculate the standard deviation of monthly stock returns
    
11. bys Stkcd fiscal_year:egen sigma_ret=sd(Mretwd)
    
12. 
    
13. * save the data
    
14. duplicates drop Stkcd fiscal_year,force
    
15. keep Stkcd fiscal_year sigma_ret
    
16. ren fiscal_year year
    
17. order Stkcd year
    
18. sort Stkcd year
    
19. save sigma_ret.dta, replace

复制代码

能问一下楼主这个数据是在哪找到的吗？CSMAR上好像没得

玫瑰花的葬礼etgyn 发表于 2022-1-14 13:04
能问一下楼主这个数据是在哪找到的吗？CSMAR上好像没得

股票市场内可以找到

2015lqh 发表于 2022-1-14 00:19

有个不理解的地方是为啥要往前推4个月，不是一年呢？最后数据合并的时候为啥按照你往前推的年份合并数据呢，不是应该按照源数据的日期合并数据嘛

ljt19961998 发表于 2022-8-6 00:52
有个不理解的地方是为啥要往前推4个月，不是一年呢？最后数据合并的时候为啥按照你往前推的年份合并数据呢 ...

作者大佬已经明白了吗，跪求解释

ljt19961998 发表于 2022-8-6 00:52
有个不理解的地方是为啥要往前推4个月，不是一年呢？最后数据合并的时候为啥按照你往前推的年份合并数据呢 ...

因为原文是财政年度

在Stata中计算年度股票月度收益率的标准差可以分为几个步骤。首先，你需要确定你的数据集已经按照年份和股票ID（如果有的话）排序。

以下是一个基本的流程：

1. **确保数据已按年份和股票ID排序**：
   ```stata
   sort stock_id year month
   ```

2. **计算每年每只股票月度收益率的标准差**。假设你的月度收益率变量是`mretwd`，你可以使用`collapse`命令来执行这一操作：

   ```stata
   bysort stock_id year: collapse (sd) sd_mretwd = mretwd, by(stock_id)
   ```

但是，由于`collapse`命令可能会导致数据集中的重复观测被删除（如果你的数据在股票和年份上有多条记录），你可能需要先确保每个组合只有一条记录。或者使用`egen`命令的`sd()`函数：

```stata
bysort stock_id year: egen sd_mretwd = sd(mretwd)
```

这将为每年每只股票计算月度收益率的标准差，并保存在一个新变量`sd_mretwd`中。

3. **如果你需要调整到年化标准差**，你可以在上述步骤之后乘以sqrt(12)（假设一个月的回报率是独立且相同的）。这可以通过以下命令完成：

   ```stata
   gen sd_mretwd_annualized = sd_mretwd * sqrt(12)
   ```

这样`sd_mretwd_annualized`就是年度化的月度收益率标准差。

请注意，这些命令假设你的数据已经按照所需的顺序排列（即，首先按股票ID排序，然后是年份）。如果需要调整排序或数据处理步骤，请根据实际情况修改上述代码。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用