发帖
雷达卡
持续更新，后续关注我后免费获取更新版本
不管什么时候毕业或者发期刊用到，都能用到最新的数据
【原创整理，严禁转载，转载必究】
参考文献
[1]熊和平,刘京军,杨伊君,周靖明.中国股票市场存在特质波动率之谜吗?——基于分位数回归模型的实证分析[J].管理科学学报,2018,21(12):37-53.
[2]邓雪春,郑振龙.中国股市存在“特质波动率之谜”吗?[J].商业经济与管理,2011(01):60-67+75.
[3]李合怡,贝政新.信用交易与投资者行为:对“特质波动率之谜”的再思考[J].学海,2015(06):66-71.
[4]罗登跃.特质波动率与横截面收益:基于Fama-French股票组合的检验[J].统计与决策,2013(04):167-169.
[5]左浩苗,郑鸣,张翼.股票特质波动率与横截面收益:对中国股市“特质波动率之谜”的解释[J].世界经济,2011,34(05):117-135.
计算说明
采用OLS回归法来提取特质波动率
OLS回归法是利用取Fama-French的三因子模型提取
其中
yi,t表示第i只股票第t日的相对于无风险利率的超额收益率（=考虑现金红利再投资的日个股回报率-无风险利率）
无风险利率采用日化的一年期存款利率
rMKT,t表示第t日市场组合相对于无风险利率的超额收益率（即市场因子）
SMBt,τ表示公司的规模因子
HMLt,τ表示公司的账面市值比因子（即价值因素）
βMKT,i，βSMB,i和βHML,i分别是三个因素的回归系数
用εi,t的标准差作为特质波动率的度量指标
每个股票的月度特质波动率数据可以通过下面的式(3)由日度数据得到，即
√N指的是根号N
其中
Ivol2i,k表示第i个股票在第k月的月特质波动率
N为第k月股票i正常交易的交易日数目(如果正常交易的交易日数目不足这个月总交易日天数的80%，该股票在这个月将不会纳入研究范畴）。
Fama- French三因子日数据，即市场超额收益因子、市值因子和账面市值比因子，各个因子数据所采取的加权方式为总市值加权.
数据说明
样本选择：全部A股1991-2022年数据
与参考文献相同，做了如下的处理：(1)剔除金融业公司；(2)剔除净资产和净利润为负的公司；(3)剔除变量缺失的样本
包含两个版本：一份未剔除、一份剔除金融和ST、*ST或PT
注：提供了剔除所需数据和剔除代码，若无需做该项剔除处理，自行删除相关代码重新运行即可
行业参照证监会2012年行业分类标准，制造业用二级行业分类，其他用一级分类来计算
并对连续型变量进行了1%和99%分位数的缩尾处理
每个压缩包都附有初始数据，计算代码，参考文献和最终数据
赠送超值上市基本信息：证券代码、统计截止日期、上市公司ID、证券简称、ABH股交叉码、行业名称、行业代码、中文全称、公司成立日期、首次上市日期、法人代表、注册资本、公司网址、经营范围、主营业务、上市状态、注册具体地址、注册地址所属省份、注册地址所属城市、注册地经度(E)、注册地纬度(N)、公司办公地址、办公地址经度、办公地址纬度、办公地址邮政编码等。
再额外赠送超值上市常用分组指标：是否 ST或PT、是否金融业、资产负债率是否大于1、是否沪深A股、
是否北京A股、行业名称、行业代码、所属省份代码、所属省份、所属城市代码、所属城市、分东部地区、中部地区、西部地区、是否高科技行业、是否重污染行业
数据截图
分年份数据量统计
缩尾后的描述性统计
1991-2022年上市公司月度特质波动率包含Stata代码
(76 Bytes, 需要: RMB 38 元)
年度特质波动率版本
与上述计算说明相同
如果正常交易的交易日数目不足这一年总交易日天数的50%，该股票在这一年将不会纳入研究范畴
注：提供了剔除所需数据和剔除代码，若无需做该项剔除处理，自行删除相关代码重新运行即可
参考文献：
[1]李松,王玉峰.短期债务与股价特质波动[J].商业研究,2021(02):56-64.
[2]邓雪春,郑振龙.中国股市存在“特质波动率之谜”吗?[J].商业经济与管理,2011(01):60-67+75.
1991-2022年上市公司年度特质波动率包含Stata代码
(76 Bytes, 需要: RMB 38 元)
京公网安备 11010802022788号
