数据名称:上市公司股价信息含量VPIN指标数据
时间范围:2003—2025年
数据层级:上市公司—年度面板;原始交易数据为上市公司—交易日层面
核心指标:VPIN
识别变量:stkcd、year;原始证券识别字段为证券代码
文件格式:Stata DTA、Excel XLSX、Stata DO、Python PY
二、原始数据与基本信息合并
上市公司股价信息含量VPIN日度交易数据.dta:上市公司日度VPIN交易数据,共32,239,309条;主要字段为证券代码、交易日期、Volume、篮子数、VPIN、Num_1。
上市公司行业与所属省份城市年度数据.dta:上市公司年度行业、地区和公司简称基础面板,共75,495条;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。
行业代码\上市公司基本信息数据.dta:按公司静态合并的基本信息,共5,718家公司;主要字段为证券代码、证券中文简称、上市日期、股票类型、ABH股交叉码、公司名称、行业A-D代码及名称、经营范围、公司沿革、注册资本、成立日期、退市日期、stkcd。
合并规则:年度行业地区数据按stkcd和year合并,基本信息按stkcd进行公司级合并;同名字段以基本信息数据为主,采用update replace口径。
三、计算说明
【VPIN】原始日度VPIN字段由日度交易数据提供,代码不重新拆解其日度内部算法;在证券代码可识别、非B股、篮子数等于8的观测中,年度指标计算为:VPIN_it = mean(VPIN_日度),其中i为上市公司,t为年份。VPIN通常用于衡量交易流中的知情交易概率或订单流毒性,数值越大通常表示知情交易风险、订单流不平衡或股价信息不对称程度越高;本数据的具体经济含义应以原始VPIN字段构造口径为准。
【stkcd】由证券代码转换得到的数值型公司识别码,用于公司层面合并,不代表年份变化。
【year】从交易日期前四位提取的年份,用于年度聚合、年度合并和年度缩尾。
【篮子数】日度VPIN计算所对应的交易量篮子数量;本代码仅保留篮子数为8的观测。
【quarter】由交易日期生成的季度变量,仅用于中间处理,未进入结果文件。
【缩尾处理】对剔除金融、ST/PT和退市样本后的VPIN按year分组实施上下1%缩尾,形成缩尾版本;其他变量不作缩尾。
四、结果数据文件
共有3套结果数据版本,每套同时提供DTA和XLSX格式。样本筛选步骤如下:
(1) 从日度数据中剔除证券代码前三位为200或900的B股,转换stkcd和year,剔除无法识别stkcd的观测,并保留篮子数为8;
(2) 按证券代码和年份计算VPIN年度均值,合并年度行业地区信息和公司级基本信息;全样本版本保留金融、ST/PT和退市公司,清洗版本进一步剔除简称缺失、行业代码J、简称含ST/PT及退市日期非空的观测;
(3) 在清洗样本基础上按年份对VPIN进行1%和99%缩尾,生成缩尾版本。
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和退市公司,不缩尾;68,011条,用于全样本留档和复核。
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和退市公司,不缩尾;60,863条,用于清洗样本分析。
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 在清洗样本基础上按年份对VPIN上下1%缩尾;60,863条,用于常规实证分析。
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。
2 证券简称 str 上市公司证券简称。
3 证券中文简称 str 基本信息中的证券中文简称。
4 stkcd double 上市公司数值型公司识别码,按公司合并。
5 year double 年度,取交易日期前四位。
6 VPIN double 年度平均VPIN,核心股价信息含量指标。
7 行业代码 str 公司行业代码。
8 行业名称 str 公司行业名称。
9 所属省份 str 公司所属省份。
10 所属省份代码 str 公司所属省份代码。
11 所属城市 str 公司所属城市。
12 所属城市代码 str 公司所属城市代码。
13 上市日期 str 公司首次上市日期。
14 股票类型 str 股票类型或上市板块类型。
15 ABH股交叉码 str A、B、H股交叉上市相关代码。
16 公司名称 str 公司名称。
17 公司中文简称 str 公司中文简称。
18 公司英文名称 str 公司英文名称。
19 行业名称D str 行业分类D级名称。
20 行业代码D str 行业分类D级代码。
21 行业名称C str 行业分类C级名称。
22 行业代码C str 行业分类C级代码。
23 行业名称B str 行业分类B级名称。
24 行业代码B str 行业分类B级代码。
25 行业名称A str 行业分类A级名称。
26 行业代码A str 行业分类A级代码。
27 经营范围 str 公司登记经营范围。
28 公司沿革 str 公司历史沿革信息。
29 注册资本 double 公司注册资本。
30 成立日期 str 公司成立日期。
31 退市日期 str 公司退市日期;空值通常表示未退市。
六、代码文件
文件名称 语言 说明
上市公司股价信息含量VPIN指标数据计算代码.py Python 读取日度VPIN数据,按原口径筛选、年度聚合、合并年度和静态基本信息,并输出三套结果。
上市公司股价信息含量VPIN指标数据计算代码.do Stata 执行与Python版等价的日度筛选、年度VPIN计算、样本处理、合并和结果保存。
上市公司股价信息含量VPIN指标数据评估代码.py Python 对三套结果进行描述统计、频数、异常值、逻辑一致性、稳健性和绘图评估。
上市公司股价信息含量VPIN指标数据评估代码.do Stata 独立执行同等数据质量评估;结果DTA若因strL兼容性无法读取时回退读取同名XLSX。
七、数据质量评估
评估结果存放于数据质量评估报告_20260722文件夹,运行日志为评估日志_20260722.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 数值变量描述性统计、字符变量和数值变量频率分布CSV。
2 分布图 未剔除金融ST未缩尾版本的直方图、箱线图、核密度图、散点图矩阵和时间趋势图;大样本绘图固定种子抽样。
3 异常值检验 缺失率、IQR温和/极端异常、Z-score异常及异常率CSV。
4 逻辑合理性验证 面板键重复、时间连续性、取值范围和比例变量合理性检验CSV。
5 稳健性测试 三套结果版本的样本量、变量描述统计和时间范围对比CSV。
八、参考文献
[1] 王超. 股价信息含量对企业高质量发展的影响:基于效率、创新和共享的视角[D]. 2022.
【数据】上市公司股价信息含量VPIN指标2003-2025年含do-python代码和excel-dta格式数
(76 Bytes, 需要: RMB 29 元)


雷达卡




京公网安备 11010802022788号







