发帖
雷达卡
数据名称：上市公司股价信息含量INFO指标数据
时间范围：2000—2025年
数据层级：上市公司—年度面板数据
核心指标：市场与行业收益模型拟合优度R2、股价信息含量INFO
识别变量：stkcd、year；证券代码为保留前导零的字符型辅助识别变量
二、原始数据与基本信息合并
上市公司周个股回报率原始数据.dta：公司—交易周数据，共3,806,354条观测、6个字段、5,902家公司，交易周份覆盖1990年第52周至2025年第53周；主要包括证券代码、stkcd、交易周份、周开盘日期、考虑现金红利再投资的周个股回报率和周个股流通市值，是估计公司年度收益率模型的核心输入。
综合周市场回报率原始数据.dta：市场—交易周数据，共1,788条观测、2个字段，交易周份覆盖1990年第52周至2025年第53周；提供考虑现金红利再投资的综合周市场回报率，计算中重命名为Rm。
上市公司行业与上市日期原始数据.dta：公司级行业与上市日期数据，共5,961条观测、4个字段，包含证券代码、stkcd、上市日期和行业代码；用于确定公司行业分组，并剔除IPO当年及以前的公司年度。
上市公司年度行业与地区信息数据.dta：公司—年度行业及注册地区信息，共75,495条观测、10个字段、5,907家公司，覆盖2000—2025年；包含年度证券简称、行业代码及名称、所属省市及行政区划代码，stkcd—year组合无重复。
行业代码/上市公司基本信息数据.dta：公司级静态基本信息，共5,718条观测、22个字段，主要包括证券代码、证券中文简称、上市日期、股票类型、ABH股交叉码、公司中英文名称、行业A—D、经营范围、公司沿革、注册资本、成立日期、退市日期和stkcd。
年度信息合并方式：模型估计完成后先形成唯一的stkcd—year记录，再以stkcd和year执行m:1合并，补充对应年度的证券代码、证券简称、行业和地区信息；年度证券简称为空的记录不进入最终结果。
基本信息合并方式：以stkcd为公司级键执行m:1合并，同名字段由基本信息数据中的非缺失值更新并替换，基本信息缺失时保留结果中已有值；公司级静态信息不以year作为合并条件。
三、核心指标计算说明
【研究年度划分】先从交易周份提取公历年份；若周开盘日期的月份为1—4月，则研究年度减1。因此，一个研究年度主要由当年5月至次年4月的交易周构成，指标归属年份代表该区间起始年份。
【样本预处理】周个股数据与综合周市场收益按交易周份匹配；删除证券代码前三位为200或900的B股，删除year小于或等于上市年份的观测，并将研究年度限制在可用范围内。公司年度在删除个股周收益缺失后至少需有30周原始观测，方可进入后续模型估计。
【行业分组】制造业公司以行业代码前三位划分细分行业，其他行业以行业代码首字母划分大类行业，兼顾制造业内部差异与非制造业样本规模。
【行业周收益率Rj】先在行业—交易周内按周个股流通市值计算加权行业平均收益率，再从行业总流通市值和行业加权收益中扣除本公司贡献，构造不包含本公司自身影响的行业周收益率。该处理可避免被解释变量Ri机械进入自身的行业基准收益。
【市场与行业收益模型】对每个公司—研究年度执行带常数项的OLS回归：Ri,t=αi+β0Rm,t+β1Rm,t−1+β2Rm,t−2+γ0Rj,t+γ1Rj,t−1+γ2Rj,t−2+εi,t。其中Ri,t为公司周个股回报率，Rm,t为综合周市场回报率，Rj,t为剔除本公司后的行业周收益率，t−1和t−2分别表示滞后1期和滞后2期。滞后值仅在交易周序号连续时保留，实际回归使用上述变量均非缺失的周观测。
【R2】表示公司—研究年度市场与行业周收益率模型的拟合优度，理论上主要位于0至1之间。R2越高，表示个股周收益中由市场和行业共同波动解释的比例越高，股价同步性通常越强。
【INFO】按INFO=ln((1−R2)/R2)计算，是R2的单调递减转换。INFO越高，表示市场与行业共同信息对个股收益的解释比例越低、公司层面的特质信息相对更多；INFO越低则表示个股收益与市场和行业共同波动更同步。R2无有效估计值或不满足0<R2<1时，INFO记为缺失。
【样本清洗】未剔除版本保留金融行业、ST/PT及退市公司；清洗版本剔除年度行业代码首字母为J的金融业观测、年度证券简称含ST或PT的观测、退市日期非空的公司以及年度证券简称含“退”的观测。
【缩尾处理】剔除金融ST缩尾版本使用与剔除金融ST未缩尾版本完全相同的公司年度样本，仅按year对R2和INFO分别实施1%与99%分位双侧缩尾。缩尾改变极端指标值但不删除公司—年度记录，因此两套清洗结果的观测数一致。
四、结果数据文件与样本量
共有3套结果数据，每套均同时提供.dta与.xlsx，DTA和XLSX的行数、字段数一致。三套数据的stkcd—year组合均无重复，字段结构均为32个变量。
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 / 计算结果未剔除金融ST未缩尾版本.xlsx 保留金融行业、ST/PT及退市公司，不缩尾；66,222个观测、32个字段、5,672家公司。
2 计算结果剔除金融ST未缩尾版本.dta / 计算结果剔除金融ST未缩尾版本.xlsx 剔除金融行业、ST/PT及退市公司，不缩尾；59,076个观测、32个字段、5,277家公司。
3 计算结果剔除金融ST缩尾版本.dta / 计算结果剔除金融ST缩尾版本.xlsx 使用第2套样本，按年度对R2和INFO缩尾；59,076个观测、32个字段、5,277家公司。
五、结果变量说明
序号 变量名称 变量类型 变量说明
1 证券代码 str6 六位证券代码字符变量，可保留前导零；来自年度行业地区信息。
2 证券简称 str18 公司在对应研究年度使用的证券简称，也是识别ST/PT及简称含“退”的依据。
3 stkcd double 数值型证券代码，公司识别、面板排序和基本信息合并键。
4 year double 指标归属研究年度，最终结果范围为2000—2025年。
5 R2 double 市场与行业收益扩展模型的公司年度拟合优度；数值越高通常表示股价同步性越强。
6 INFO double 股价信息含量指标，等于ln((1−R2)/R2)；数值越高通常表示公司特质信息相对越多。
7 行业代码 str3 公司对应年度行业代码；用于行业收益分组及金融业识别。
8 行业名称 str60 公司对应年度行业名称。
9 所属省份 str24 公司对应年度注册地所属省份。
10 所属省份代码 str6 注册地省级行政区划代码。
11 所属城市 str30 公司对应年度注册地所属城市。
12 所属城市代码 str6 注册地城市行政区划代码。
13 证券中文简称 str12 公司基本信息库中的静态证券中文简称。
14 上市日期 str10 公司首次上市日期，通常为YYYY-MM-DD格式。
15 股票类型 str3 股票类别或上市市场类型标识。
16 ABH股交叉码 str29 A股、B股或H股交叉上市及关联代码信息。
17 公司名称 str69 公司法定或登记全称。
18 公司中文简称 str18 公司基本信息库中的中文简称。
19 公司英文名称 str88 公司英文全称。
20 行业名称D str60 基本信息库中的D层级行业名称。
21 行业代码D str3 基本信息库中的D层级行业代码。
22 行业名称C str60 基本信息库中的C层级行业名称。
23 行业代码C str3 基本信息库中的C层级行业代码。
24 行业名称B str51 基本信息库中的B层级行业名称。
25 行业代码B str5 基本信息库中的B层级行业代码。
26 行业名称A str12 基本信息库中的A层级行业名称。
27 行业代码A str4 基本信息库中的A层级行业代码。
28 经营范围 strL 公司登记经营范围长文本。
29 公司沿革 strL 公司设立、改制及发展沿革长文本。
30 注册资本 double 公司注册资本，计量单位沿用基本信息源文件口径。
31 成立日期 str10 公司成立日期，通常为YYYY-MM-DD格式。
32 退市日期 str10 公司退市日期；空值表示基本信息库未记录退市日期。
六、计算与评估代码
文件名称 语言 说明
上市公司股价信息含量INFO指标数据计算代码.do Stata 完成研究年度划分、市场数据匹配、B股与IPO样本处理、行业收益构造、公司年度回归、信息合并、样本清洗、年度缩尾，并输出三套DTA/XLSX结果。
上市公司股价信息含量INFO指标数据计算代码.py Python 与Stata版在输入文件、年度口径、行业分组、回归变量、合并键、筛选条件、缩尾口径和输出文件名上保持功能对等。
上市公司股价信息含量INFO指标数据评估代码.do Stata 递归识别三套结果DTA，执行描述统计、频数、图形、异常值、缺失、取值范围、面板连续性、指标关系和版本稳健性评估。
上市公司股价信息含量INFO指标数据评估代码.py Python 与Stata评估版功能对等，可独立生成相同结构的数据质量评估报告。
七、数据质量评估
文件夹已保留实跑质量报告“数据质量评估报告_20260720”，其中日志为“评估日志_20260720.log”。本次评估使用Stata 18在Windows环境运行，逐套处理3个结果DTA，共生成106个CSV、3个汇总DTA、36张JPG图和1个日志文件；变量级总评估结论表包含96条记录，对应3套结果的32个字段。三套结果的stkcd—year组合均无重复，核心指标字段完整；对每套结果执行的INFO=ln[(1−R2)/R2]关系检验均通过。报告检测到部分公司年度存在时间断档，这反映上市时间、停牌、退市、周数门槛和样本清洗造成的非平衡面板，并不等同于重复键或计算错误。
子文件夹名 内容说明
1 数据分布分析 三套结果的数值变量描述性统计、数值频率分布及字符变量频数CSV。
2 分布图 R2、INFO及注册资本的直方图、箱线图、核密度图，R2与INFO年度趋势图及数值变量散点图矩阵。
3 异常值检验 数值变量的Z-score、IQR及极端异常观测比例汇总。
4 逻辑合理性验证 缺失、取值范围、公司—年度重复、时间断档以及R2与INFO定义关系检查。
5 稳健性测试 三种处理版本和不同样本期的样本量、均值及标准差比较，并提供总评估结论CSV和DTA。
八、参考文献与使用建议
参考文献：袁知柱、鞠晓峰：《制度环境、公司治理与股价信息含量》，《管理科学》2009年第22卷第1期，第17—29页。
【数据】上市公司股价信息含量INFO指标2000-2025年含do-python代码和excel-dta格式数
(76 Bytes, 需要: RMB 35 元)
京公网安备 11010802022788号
