易获数据网A股上市公司研发投入强度、两权分离度、财务杠杆等数据2015-2023年
面板数据
| 证券代码 |
| 证券简称 |
| 统计截止日期 |
| 上市日期 |
| 行业名称D |
| 行业代码D |
| 是否st |
| 是否金融行业 |
| 资产总计 |
| 负债合计 |
| 研发投入强度 |
| 研发投入额 |
| 营业收入 |
| 两权分离度% |
| 资产负债率 |
| 财务杠杆 |
| 企业规模（总资产对数） |
| 营业收入增长率 |
| 是否四大审计 |
| 董事会规模 |
| 独立董事比例 |
| 第一大股东持股比例% |
| 性质1国有0否 |
上市公司企业金融化对实业投资效率的双重效应及门槛特征数据与stata代码2023-2011
选取2011~2023年我国沪深两市A股上市公司作为初始样本。样本筛选规则如下：①考虑到金融行业具有明显不同于其他行业的特征，剔除金融类A股上市公司；②剔除ST、*ST、PT类上市公司；③剔除资产负债率大于100%的上市公司；④剔除数据存在缺漏的样本。由于进行门槛回归分析时需保证样本为平衡面板数据，因此进一步删减样本，得到包含10670个样本的平衡面板数据。
指标说明
| 变量类型 | 变量符号 | 变量名称 | 变量定义 |
| 被解释变量 | IE | 投资效率 | 采用Richardson投资模型中的残差绝对值的负数表示，该值越大表明企业的投资效率越高 |
| 解释变量 | Fin | 金融化水平 | （交易性金融资产+衍生金融资产+发放贷款及垫款净额+可供出售金融资产净额+持有至到期投资净额+投资性房地产净额）/总资产 |
| 门槛变量 | Size | 企业规模 | 企业总资产的自然对数 |
| Growth | 企业成长性 | 采用托宾Q值表示 | |
| Compete | 产品市场竞争 | 赫芬达尔指数，值越小说明市场竞争越激烈 | |
| 控制变量 | EC | 股权集中度 | 第二到第十大股东持股比例之和/第一大股东持股比例 |
| NBD | 董事会规模 | 董事会人数 | |
| PID | 独立董事比例 | 独立董事人数/董事会总人数 | |
| MSR | 管理层持股比例 | 全部管理层持股总数/公司股本总数 | |
| CF | 自由现金流量 | 经营活动产生的现金流量净流量/期末总资产 | |
| Lev | 资产负债率 | 期末总负债/期末总资产 | |
| Age | 上市时间 | 企业截至本年年末的上市总年数 | |
| Year | 年度虚拟变量 | 控制年度宏观经济影响 | |
| Industry | 行业虚拟变量 | 控制行业经济影响 |
其中投资效率计算方式
模型构建
为了考察实体企业金融化与投资效率之间是否存在非线性关系，本文构建了以下多元回归模型：
由于企业金融化水平与投资效率之间的关系可能随着企业特征及市场环境的不同产生结构性突 变，本文借鉴了Hansen 关于门槛回归方法的研究成果，构建了二者之间的门槛回归模型，用以检验企业金融化与投资效率之间可能存在的区间效应。 该模型建立在平衡面板数据的基础上，基本方程设定如下：
参考文献
万良勇,李宸.企业金融化对实业投资效率的双重效应及门槛特征[J].财会月刊, 2021(7):8.
结果截图
描述性统计
相关性分析
回归分析
公司规模面板门槛效果自抽样检验
企业成长性门槛效果自抽样检验
行业竞争门槛效果自抽样检验
面板门槛回归结果
异质性分析分国企和非国企
稳健性检验
替换解释变量。由于投资性房地产变现能力较差，回收成本较高，与其他金融资产相比具有一定的特殊性，因此在金融化的衡
量指标中剔除“投资性房地产净额”重新进行回归。
由于采用 Richardson 模型衡量上市公司投资效率，所有的公司均存在非效率投资问题 ，因此为避免模型产生系统性偏差，将通过模型计算出来的残差三等分，剔除掉中间组，并将最大组和最小组作为非效率投资组，再相应对模型进行回归。
A股公司超额雇员数据+do代码2003-2023年
A股公司超额雇员数据+do代码2003-2023年
A股上市公司超额雇员数据，参考廖冠民文章方法
包含全部Stata处理代码do文件和计算处理结果数据。
公式如下：
Burden=[Empit-Assetit*(Indemp/Indasset)]/Empit （总资产口径）
Burden =[Empit-Saleit*(Indemp/IndSaleit)]/Empit （销售收入口径） 常用
参考文献：
胡宁-2018-社会性负担与公司财务困境动态
廖冠民-2014-国有企业的政策性负担
计算结果：
2套数据描述性统计与数据量 
全国31省市农业总产值数据2001-2022年
全国31省市农业总产值数据2001-2022年样例：
| 地区 | 年份 | 农业总产值 亿元 |
| 天津 | 2001 | 86.70 |
| 天津 | 2002 | 86.10 |
| 天津 | 2003 | 88.20 |
| 天津 | 2004 | 95.30 |
| 天津 | 2005 | 97.50 |
| 天津 | 2006 | 105.45 |
上市公司并购绩效CAR、BHAR计算Stata代码计算数据结果2008-2023年
上市公司并购绩效CAR、BHAR计算Stata代码计算数据结果2008-2023年
并购样本处理
按以下标准进行筛选:
- 剔除按照证监会发布的《上市公司行业分类指引》分类为金融类的收购方企业；
- 要求并购事件标的物为目标公司股权以避免资产收购事件对研究的影响；
- 并购交易金额应大于100万元人民币；
- 并购交易后收购方应至少实现对目标公司的相对控股，剔除并购后收购方股权比例不足30%的样本；
- 对于同一公司在同一年完成多起并购，仅保留公司在当年所完成的第一起并购,降低不同并购事件间的影响;
- 剔除数据缺失样本。
我们最后得到由1072家公司完成的1437起并购事件作为研究样本。
指标计算说明
短期并购绩效：
以首次公告日前后5个交易日内持有并购方股票的累计超额回报率[CAR(-5,5)]作为短期并购绩效的衡量指标。为计算并购方的累计超额回报率，定义首次公告日前的150个交易日至首次公告日前的30个交易日为估计窗口期，以窗口期的个股收益率为被解释变量、市场收益率为解释变量进行最小二乘法回归拟合，分别得到回归系数，并进一步根据一下公式计算持有并购方股票的累计超额收益率。
其中，Ri,t代表并购企业i在第t天的实际收益率，Rm,t代表第t天的分市场收益率；CAR为并购事件短期窗口内每天超额收益率的累计和，取短期窗口为(-5,5)可得到被解释变量CAR(-5,5)。
长期并购绩效：以首次公告日后12个月内持有并购方股票的持有期收益率BHAR作为长期并购绩效的衡量指标。根据以下公式计算持有并购方股票的持有期收益率。
其中，Ri,t代表并购企业i在并购后第t月的实际收益率，Rp,t代表市场p在并购后第t月的分市场收益率。当T=1时，BHAR代表并购后1个月的持有期收益率，取T=12即可计算并购后12 月内持有并购方股票的持有期收益率BHAR12。
包含最后的excel结果表，可以直接使用
沪深A股企业高管风险偏好数据和stata代码2007-2022年
沪深A股企业高管风险偏好数据和stata代码2007-2022年
提供二种口径，并改进代码，值差不多，哪个效果好用哪个^_^
高管风险偏好指公司高管人员对待风险的态度。由于高管风险偏好不可避免地会影响其行为决策，进而影响公司经营成果，所以从高管对公司决策的影响视角选取指标，采用主成分分析方法提取反映高管风险偏好水平的主成分，对高管风险偏好水平进行综合评价。具体地，从资产结构、偿债能力、盈利结构、利润分配和现金流量五方面，选取了风险资产占总资产的比重、资产负债率、核心盈利比率、留存收益率、自身资金满足率和资本支出率六项指标评价高管的风险偏好水平，其中，核心盈利比率、留存收益率和自身资金满足率为逆向指标，本文采用将逆向指标数据加负号的方式进行正向化处理。
| 评价内容 | 指标名称 | 符号 | 解释说明 |
| 资产结构 | 风险资产占总资产的比重 | X1 | (交易性金融资产+应收账款+可供出售金融资产+持有至到期投资+投资性房地产)/总资产 |
| 偿债能力 | 资产负债率 | X2 | 总负债/总资产 |
| 盈利结构 | 核心盈利比率 | X3 | -主营业务收入/(主营业务收入+营业外收入+公允价值变动损益+投资收益) |
| 利润分配 | 留存收益率 | X4 | -(一般盈余公积+任意盈余公积+公益金+未分配利润)/净利润 |
| 现金流量 | 自身资金满足率 | X5 | -(经营活动现金流入+期初现金及现金等价物)/所有现金流出 |
| 资本支出率 | X6 | 构建固定资产、无形资产和其他长期资产所支付的现金/总资产 |
文献
郭道燕, 黄国良, 张亮亮. 高管财务经历、风险偏好与公司超速增长——来自中国经济”黄金期”的经验证据[J]. 山西财经大学学报, 2016,
- 数据对象：选择2007-2022年全部A股上市公司数据
- 数据筛选：剔除金融行业，剔除ST、*ST或PT类公司样本（在代码里面剔除，可以修改自己的筛选条件）剔除缺失值，对连续变量进行缩尾处理
“新能源示范城市”试点DID 2000-2023年
参照《中国人口·资源与环境》李豫新（2023）的做法，若地级市入选新能源示范城市，且年份在2014年及以后，DID则赋值为1，否则为0
将新能源示范产业园区剔除，仅保留创建新能源示范城市名单（第一批）
一、数据介绍
数据名称：“新能源示范城市”试点DID
数据范围：300个地级市（包括直辖市）
数据年份：2000-2023年
数据来源：国家能源局
数据整理：自主整理，包含原始名单、城市DID
二、参考文献
李豫新,程洪飞,倪超军.能源转型政策与城市绿色创新活力—基于新能源示范城市政策的准自然实验[J].中国人口·资源与环境,2023,33(01):137-149.
【原创】上市银行绿色信贷、流动性比例等绩效研究实证面板数据2012-2022年
【原创】上市银行绿色信贷、流动性比例等绩效研究实证面板数据2012-2022年 ===史上最全版本===
说明：
1、共收录42家上市银行绿色信贷数据，已整理到2022年度
2、数据通过人工核准校验，所有数据均保证真实准确。
3、数据来源：通过银行年报、可持续发展报告、社会责任、绿色金融报告等收集整理
面板指标如下：
| 证券代码 |
| 证券简称 |
| year |
| ROA |
| ROE |
| 资本充足率CAR |
| 不良贷款比率NPLR |
| 存贷款比率LDR |
| 流动性比率LR |
| 总资产增长率AGR |
| 营业收入增长率YOY |
| 绿色信贷比 |
| 非利息收入占比 |
| 成本收入比 |
| 银行规模 |
| GDP增长率 |
| M2增长率 |
| 贷款总额 |
| 绿色信贷余额 |
| 资产总计 |
其中绿色信贷收集情况
| 证券简称 | year | 绿色信贷（1代表有值，0代表无值） |
| 平安银行 | 2012 | 1 |
| 平安银行 | 2013 | 1 |
| 平安银行 | 2014 | 1 |
| 平安银行 | 2015 | 1 |
| 平安银行 | 2016 | 1 |
| 平安银行 | 2017 | 1 |
| 平安银行 | 2018 | 1 |
| 平安银行 | 2019 | 1 |
| 平安银行 | 2020 | 1 |
| 平安银行 | 2021 | 1 |
| 平安银行 | 2022 | 1 |
| 兰州银行 | 2012 | 0 |
| 兰州银行 | 2013 | 0 |
| 兰州银行 | 2014 | 1 |
| 兰州银行 | 2015 | 1 |
| 兰州银行 | 2016 | 1 |
| 兰州银行 | 2017 | 1 |
| 兰州银行 | 2018 | 1 |
| 兰州银行 | 2019 | 1 |
| 兰州银行 | 2020 | 1 |
| 兰州银行 | 2021 | 1 |
| 兰州银行 | 2022 | 1 |
| 宁波银行 | 2012 | 1 |
| 宁波银行 | 2013 | 1 |
| 宁波银行 | 2014 | 1 |
| 宁波银行 | 2015 | 1 |
| 宁波银行 | 2016 | 1 |
| 宁波银行 | 2017 | 1 |
| 宁波银行 | 2018 | 1 |
| 宁波银行 | 2019 | 1 |
| 宁波银行 | 2020 | 1 |
| 宁波银行 | 2021 | 1 |
| 宁波银行 | 2022 | 1 |
| 江阴银行 | 2012 | 0 |
| 江阴银行 | 2013 | 0 |
| 江阴银行 | 2014 | 0 |
| 江阴银行 | 2015 | 0 |
| 江阴银行 | 2016 | 0 |
| 江阴银行 | 2017 | 0 |
| 江阴银行 | 2018 | 0 |
| 江阴银行 | 2019 | 1 |
| 江阴银行 | 2020 | 0 |
| 江阴银行 | 2021 | 1 |
| 江阴银行 | 2022 | 1 |
| 张家港行 | 2012 | 0 |
| 张家港行 | 2013 | 0 |
| 张家港行 | 2014 | 0 |
| 张家港行 | 2015 | 0 |
| 张家港行 | 2016 | 0 |
| 张家港行 | 2017 | 0 |
| 张家港行 | 2018 | 1 |
| 张家港行 | 2019 | 1 |
| 张家港行 | 2020 | 1 |
| 张家港行 | 2021 | 1 |
| 张家港行 | 2022 | 1 |
| 郑州银行 | 2012 | 0 |
| 郑州银行 | 2013 | 0 |
| 郑州银行 | 2014 | 0 |
| 郑州银行 | 2015 | 0 |
| 郑州银行 | 2016 | 0 |
| 郑州银行 | 2017 | 1 |
| 郑州银行 | 2018 | 1 |
| 郑州银行 | 2019 | 1 |
| 郑州银行 | 2020 | 1 |
| 郑州银行 | 2021 | 1 |
| 郑州银行 | 2022 | 1 |
| 青岛银行 | 2012 | 0 |
| 青岛银行 | 2013 | 0 |
| 青岛银行 | 2014 | 1 |
| 青岛银行 | 2015 | 1 |
| 青岛银行 | 2016 | 1 |
| 青岛银行 | 2017 | 1 |
| 青岛银行 | 2018 | 1 |
| 青岛银行 | 2019 | 1 |
| 青岛银行 | 2020 | 1 |
| 青岛银行 | 2021 | 1 |
| 青岛银行 | 2022 | 1 |
| 青农商行 | 2012 | 0 |
| 青农商行 | 2013 | 0 |
| 青农商行 | 2014 | 0 |
| 青农商行 | 2015 | 0 |
| 青农商行 | 2016 | 0 |
| 青农商行 | 2017 | 1 |
| 青农商行 | 2018 | 1 |
| 青农商行 | 2019 | 1 |
| 青农商行 | 2020 | 1 |
| 青农商行 | 2021 | 1 |
| 青农商行 | 2022 | 1 |
| 苏州银行 | 2012 | 0 |
| 苏州银行 | 2013 | 0 |
| 苏州银行 | 2014 | 0 |
| 苏州银行 | 2015 | 0 |
| 苏州银行 | 2016 | 0 |
| 苏州银行 | 2017 | 1 |
| 苏州银行 | 2018 | 1 |
| 苏州银行 | 2019 | 1 |
| 苏州银行 | 2020 | 1 |
| 苏州银行 | 2021 | 1 |
| 苏州银行 | 2022 | 1 |
| 浦发银行 | 2012 | 1 |
| 浦发银行 | 2013 | 1 |
| 浦发银行 | 2014 | 1 |
| 浦发银行 | 2015 | 1 |
| 浦发银行 | 2016 | 1 |
| 浦发银行 | 2017 | 1 |
| 浦发银行 | 2018 | 1 |
| 浦发银行 | 2019 | 1 |
| 浦发银行 | 2020 | 1 |
| 浦发银行 | 2021 | 1 |
| 浦发银行 | 2022 | 1 |
| 华夏银行 | 2012 | 1 |
| 华夏银行 | 2013 | 1 |
| 华夏银行 | 2014 | 1 |
| 华夏银行 | 2015 | 1 |
| 华夏银行 | 2016 | 1 |
| 华夏银行 | 2017 | 1 |
| 华夏银行 | 2018 | 1 |
| 华夏银行 | 2019 | 1 |
| 华夏银行 | 2020 | 1 |
| 华夏银行 | 2021 | 1 |
| 华夏银行 | 2022 | 1 |
| 民生银行 | 2012 | 1 |
| 民生银行 | 2013 | 1 |
| 民生银行 | 2014 | 0 |
| 民生银行 | 2015 | 1 |
| 民生银行 | 2016 | 1 |
| 民生银行 | 2017 | 1 |
| 民生银行 | 2018 | 1 |
| 民生银行 | 2019 | 1 |
| 民生银行 | 2020 | 1 |
| 民生银行 | 2021 | 1 |
| 民生银行 | 2022 | 1 |
| 招商银行 | 2012 | 1 |
| 招商银行 | 2013 | 1 |
| 招商银行 | 2014 | 1 |
| 招商银行 | 2015 | 1 |
| 招商银行 | 2016 | 1 |
| 招商银行 | 2017 | 1 |
| 招商银行 | 2018 | 1 |
| 招商银行 | 2019 | 1 |
| 招商银行 | 2020 | 1 |
| 招商银行 | 2021 | 1 |
| 招商银行 | 2022 | 1 |
| 无锡银行 | 2012 | 0 |
| 无锡银行 | 2013 | 0 |
| 无锡银行 | 2014 | 0 |
| 无锡银行 | 2015 | 0 |
| 无锡银行 | 2016 | 1 |
| 无锡银行 | 2017 | 1 |
| 无锡银行 | 2018 | 1 |
| 无锡银行 | 2019 | 1 |
| 无锡银行 | 2020 | 1 |
| 无锡银行 | 2021 | 1 |
| 无锡银行 | 2022 | 1 |
| 江苏银行 | 2012 | 0 |
| 江苏银行 | 2013 | 0 |
| 江苏银行 | 2014 | 0 |
| 江苏银行 | 2015 | 0 |
| 江苏银行 | 2016 | 1 |
| 江苏银行 | 2017 | 1 |
| 江苏银行 | 2018 | 1 |
| 江苏银行 | 2019 | 1 |
| 江苏银行 | 2020 | 1 |
| 江苏银行 | 2021 | 1 |
| 江苏银行 | 2022 | 1 |
| 杭州银行 | 2012 | 0 |
| 杭州银行 | 2013 | 0 |
| 杭州银行 | 2014 | 0 |
| 杭州银行 | 2015 | 0 |
| 杭州银行 | 2016 | 1 |
| 杭州银行 | 2017 | 1 |
| 杭州银行 | 2018 | 1 |
| 杭州银行 | 2019 | 1 |
| 杭州银行 | 2020 | 1 |
| 杭州银行 | 2021 | 1 |
| 杭州银行 | 2022 | 1 |
| 西安银行 | 2012 | 0 |
| 西安银行 | 2013 | 0 |
| 西安银行 | 2014 | 0 |
| 西安银行 | 2015 | 0 |
| 西安银行 | 2016 | 1 |
| 西安银行 | 2017 | 1 |
| 西安银行 | 2018 | 1 |
| 西安银行 | 2019 | 1 |
| 西安银行 | 2020 | 1 |
| 西安银行 | 2021 | 1 |
| 西安银行 | 2022 | 1 |
| 南京银行 | 2012 | 1 |
| 南京银行 | 2013 | 1 |
| 南京银行 | 2014 | 1 |
| 南京银行 | 2015 | 1 |
| 南京银行 | 2016 | 1 |
| 南京银行 | 2017 | 1 |
| 南京银行 | 2018 | 1 |
| 南京银行 | 2019 | 1 |
| 南京银行 | 2020 | 1 |
| 南京银行 | 2021 | 1 |
| 南京银行 | 2022 | 1 |
| 渝农商行 | 2012 | 0 |
| 渝农商行 | 2013 | 0 |
| 渝农商行 | 2014 | 0 |
| 渝农商行 | 2015 | 0 |
| 渝农商行 | 2016 | 0 |
| 渝农商行 | 2017 | 0 |
| 渝农商行 | 2018 | 1 |
| 渝农商行 | 2019 | 1 |
| 渝农商行 | 2020 | 1 |
| 渝农商行 | 2021 | 1 |
| 渝农商行 | 2022 | 1 |
| 常熟银行 | 2012 | 0 |
| 常熟银行 | 2013 | 0 |
| 常熟银行 | 2014 | 0 |
| 常熟银行 | 2015 | 0 |
| 常熟银行 | 2016 | 1 |
| 常熟银行 | 2017 | 1 |
| 常熟银行 | 2018 | 0 |
| 常熟银行 | 2019 | 0 |
| 常熟银行 | 2020 | 1 |
| 常熟银行 | 2021 | 1 |
| 常熟银行 | 2022 | 1 |
| 兴业银行 | 2012 | 1 |
| 兴业银行 | 2013 | 1 |
| 兴业银行 | 2014 | 1 |
| 兴业银行 | 2015 | 1 |
| 兴业银行 | 2016 | 1 |
| 兴业银行 | 2017 | 1 |
| 兴业银行 | 2018 | 1 |
| 兴业银行 | 2019 | 1 |
| 兴业银行 | 2020 | 1 |
| 兴业银行 | 2021 | 1 |
| 兴业银行 | 2022 | 1 |
| 北京银行 | 2012 | 1 |
| 北京银行 | 2013 | 1 |
| 北京银行 | 2014 | 1 |
| 北京银行 | 2015 | 1 |
| 北京银行 | 2016 | 1 |
| 北京银行 | 2017 | 0 |
| 北京银行 | 2018 | 0 |
| 北京银行 | 2019 | 1 |
| 北京银行 | 2020 | 1 |
| 北京银行 | 2021 | 1 |
| 北京银行 | 2022 | 1 |
| 厦门银行 | 2012 | 0 |
| 厦门银行 | 2013 | 0 |
| 厦门银行 | 2014 | 0 |
| 厦门银行 | 2015 | 0 |
| 厦门银行 | 2016 | 0 |
| 厦门银行 | 2017 | 0 |
| 厦门银行 | 2018 | 0 |
| 厦门银行 | 2019 | 1 |
| 厦门银行 | 2020 | 1 |
| 厦门银行 | 2021 | 1 |
| 厦门银行 | 2022 | 1 |
| 上海银行 | 2012 | 1 |
| 上海银行 | 2013 | 1 |
| 上海银行 | 2014 | 1 |
| 上海银行 | 2015 | 1 |
| 上海银行 | 2016 | 1 |
| 上海银行 | 2017 | 1 |
| 上海银行 | 2018 | 1 |
| 上海银行 | 2019 | 1 |
| 上海银行 | 2020 | 1 |
| 上海银行 | 2021 | 1 |
| 上海银行 | 2022 | 1 |
| 农业银行 | 2012 | 1 |
| 农业银行 | 2013 | 1 |
| 农业银行 | 2014 | 1 |
| 农业银行 | 2015 | 1 |
| 农业银行 | 2016 | 1 |
| 农业银行 | 2017 | 1 |
| 农业银行 | 2018 | 1 |
| 农业银行 | 2019 | 1 |
| 农业银行 | 2020 | 1 |
| 农业银行 | 2021 | 1 |
| 农业银行 | 2022 | 1 |
| 交通银行 | 2012 | 1 |
| 交通银行 | 2013 | 1 |
| 交通银行 | 2014 | 1 |
| 交通银行 | 2015 | 1 |
| 交通银行 | 2016 | 1 |
| 交通银行 | 2017 | 1 |
| 交通银行 | 2018 | 1 |
| 交通银行 | 2019 | 1 |
| 交通银行 | 2020 | 1 |
| 交通银行 | 2021 | 1 |
| 交通银行 | 2022 | 1 |
| 工商银行 | 2012 | 1 |
| 工商银行 | 2013 | 1 |
| 工商银行 | 2014 | 1 |
| 工商银行 | 2015 | 1 |
| 工商银行 | 2016 | 1 |
| 工商银行 | 2017 | 1 |
| 工商银行 | 2018 | 1 |
| 工商银行 | 2019 | 1 |
| 工商银行 | 2020 | 1 |
| 工商银行 | 2021 | 1 |
| 工商银行 | 2022 | 1 |
| 瑞丰银行 | 2012 | 0 |
| 瑞丰银行 | 2013 | 0 |
| 瑞丰银行 | 2014 | 0 |
| 瑞丰银行 | 2015 | 0 |
| 瑞丰银行 | 2016 | 0 |
| 瑞丰银行 | 2017 | 0 |
| 瑞丰银行 | 2018 | 0 |
| 瑞丰银行 | 2019 | 0 |
| 瑞丰银行 | 2020 | 0 |
| 瑞丰银行 | 2021 | 0 |
| 瑞丰银行 | 2022 | 1 |
| 长沙银行 | 2012 | 0 |
| 长沙银行 | 2013 | 0 |
| 长沙银行 | 2014 | 0 |
| 长沙银行 | 2015 | 0 |
| 长沙银行 | 2016 | 0 |
| 长沙银行 | 2017 | 1 |
| 长沙银行 | 2018 | 1 |
| 长沙银行 | 2019 | 1 |
| 长沙银行 | 2020 | 1 |
| 长沙银行 | 2021 | 1 |
| 长沙银行 | 2022 | 1 |
| 邮储银行 | 2012 | 0 |
| 邮储银行 | 2013 | 0 |
| 邮储银行 | 2014 | 0 |
| 邮储银行 | 2015 | 0 |
| 邮储银行 | 2016 | 0 |
| 邮储银行 | 2017 | 1 |
| 邮储银行 | 2018 | 1 |
| 邮储银行 | 2019 | 1 |
| 邮储银行 | 2020 | 1 |
| 邮储银行 | 2021 | 1 |
| 邮储银行 | 2022 | 1 |
| 齐鲁银行 | 2012 | 0 |
| 齐鲁银行 | 2013 | 0 |
| 齐鲁银行 | 2014 | 0 |
| 齐鲁银行 | 2015 | 0 |
| 齐鲁银行 | 2016 | 0 |
| 齐鲁银行 | 2017 | 0 |
| 齐鲁银行 | 2018 | 0 |
| 齐鲁银行 | 2019 | 0 |
| 齐鲁银行 | 2020 | 0 |
| 齐鲁银行 | 2021 | 1 |
| 齐鲁银行 | 2022 | 1 |
| 光大银行 | 2012 | 1 |
| 光大银行 | 2013 | 1 |
| 光大银行 | 2014 | 1 |
| 光大银行 | 2015 | 1 |
| 光大银行 | 2016 | 1 |
| 光大银行 | 2017 | 1 |
| 光大银行 | 2018 | 1 |
| 光大银行 | 2019 | 1 |
| 光大银行 | 2020 | 1 |
| 光大银行 | 2021 | 1 |
| 光大银行 | 2022 | 1 |
| 沪农商行 | 2012 | 0 |
| 沪农商行 | 2013 | 1 |
| 沪农商行 | 2014 | 1 |
| 沪农商行 | 2015 | 1 |
| 沪农商行 | 2016 | 1 |
| 沪农商行 | 2017 | 1 |
| 沪农商行 | 2018 | 1 |
| 沪农商行 | 2019 | 1 |
| 沪农商行 | 2020 | 1 |
| 沪农商行 | 2021 | 1 |
| 沪农商行 | 2022 | 1 |
| 成都银行 | 2012 | 0 |
| 成都银行 | 2013 | 0 |
| 成都银行 | 2014 | 0 |
| 成都银行 | 2015 | 0 |
| 成都银行 | 2016 | 0 |
| 成都银行 | 2017 | 0 |
| 成都银行 | 2018 | 0 |
| 成都银行 | 2019 | 0 |
| 成都银行 | 2020 | 1 |
| 成都银行 | 2021 | 1 |
| 成都银行 | 2022 | 1 |
| 紫金银行 | 2012 | 0 |
| 紫金银行 | 2013 | 0 |
| 紫金银行 | 2014 | 0 |
| 紫金银行 | 2015 | 0 |
| 紫金银行 | 2016 | 0 |
| 紫金银行 | 2017 | 0 |
| 紫金银行 | 2018 | 1 |
| 紫金银行 | 2019 | 1 |
| 紫金银行 | 2020 | 1 |
| 紫金银行 | 2021 | 1 |
| 紫金银行 | 2022 | 1 |
| 浙商银行 | 2012 | 0 |
| 浙商银行 | 2013 | 0 |
| 浙商银行 | 2014 | 0 |
| 浙商银行 | 2015 | 0 |
| 浙商银行 | 2016 | 0 |
| 浙商银行 | 2017 | 0 |
| 浙商银行 | 2018 | 0 |
| 浙商银行 | 2019 | 0 |
| 浙商银行 | 2020 | 1 |
| 浙商银行 | 2021 | 1 |
| 浙商银行 | 2022 | 1 |
| 建设银行 | 2012 | 1 |
| 建设银行 | 2013 | 1 |
| 建设银行 | 2014 | 1 |
| 建设银行 | 2015 | 1 |
| 建设银行 | 2016 | 1 |
| 建设银行 | 2017 | 1 |
| 建设银行 | 2018 | 1 |
| 建设银行 | 2019 | 1 |
| 建设银行 | 2020 | 1 |
| 建设银行 | 2021 | 1 |
| 建设银行 | 2022 | 1 |
| 重庆银行 | 2012 | 0 |
| 重庆银行 | 2013 | 0 |
| 重庆银行 | 2014 | 0 |
| 重庆银行 | 2015 | 0 |
| 重庆银行 | 2016 | 0 |
| 重庆银行 | 2017 | 0 |
| 重庆银行 | 2018 | 0 |
| 重庆银行 | 2019 | 0 |
| 重庆银行 | 2020 | 1 |
| 重庆银行 | 2021 | 1 |
| 重庆银行 | 2022 | 1 |
| 中国银行 | 2012 | 1 |
| 中国银行 | 2013 | 1 |
| 中国银行 | 2014 | 1 |
| 中国银行 | 2015 | 1 |
| 中国银行 | 2016 | 1 |
| 中国银行 | 2017 | 1 |
| 中国银行 | 2018 | 1 |
| 中国银行 | 2019 | 1 |
| 中国银行 | 2020 | 1 |
| 中国银行 | 2021 | 1 |
| 中国银行 | 2022 | 1 |
| 贵阳银行 | 2012 | 0 |
| 贵阳银行 | 2013 | 0 |
| 贵阳银行 | 2014 | 0 |
| 贵阳银行 | 2015 | 1 |
| 贵阳银行 | 2016 | 1 |
| 贵阳银行 | 2017 | 1 |
| 贵阳银行 | 2018 | 1 |
| 贵阳银行 | 2019 | 1 |
| 贵阳银行 | 2020 | 1 |
| 贵阳银行 | 2021 | 1 |
| 贵阳银行 | 2022 | 1 |
| 中信银行 | 2012 | 1 |
| 中信银行 | 2013 | 1 |
| 中信银行 | 2014 | 1 |
| 中信银行 | 2015 | 1 |
| 中信银行 | 2016 | 1 |
| 中信银行 | 2017 | 1 |
| 中信银行 | 2018 | 1 |
| 中信银行 | 2019 | 1 |
| 中信银行 | 2020 | 1 |
| 中信银行 | 2021 | 1 |
| 中信银行 | 2022 | 1 |
| 苏农银行 | 2012 | 0 |
| 苏农银行 | 2013 | 0 |
| 苏农银行 | 2014 | 0 |
| 苏农银行 | 2015 | 0 |
| 苏农银行 | 2016 | 0 |
| 苏农银行 | 2017 | 0 |
| 苏农银行 | 2018 | 0 |
| 苏农银行 | 2019 | 1 |
| 苏农银行 | 2020 | 1 |
| 苏农银行 | 2021 | 1 |
| 苏农银行 | 2022 | 1 |
上市企业价格延迟定价效率数据stata代码2001-2023年
上市企业价格延迟定价效率数据stata代码2001-2023年
Hou&Moskowitz（2005）提出利用资产价格对市场信息的调整速度的相对效率来衡量定价效率，并构建了价格滞后指标，得到了学者们的广泛运用。如果市场不能将信息及时而充分地反映到股票的价格中，那么这些信息将会在后续的时间中陆续被吸收，从而形成价格反应的滞后。这种价格反应的滞后可以通过含有滞后的市场收益率的回归模型得到，滞后变量的解释力越强，则价格对信息反应的时间也越长。Hou&Moskowitz（2005）提出，用单只股票的收益率对同期以及滞后四期的市场收益进行回归：
其中，
表示时间 t 时股票 i 的收益率 （使用考虑现金红利再投资的日个股回报率）
表示时间 t 时的市场收益率 （考虑现金红利再投资的综合日市场回报率流通市值加权平均法）
表示滞后 n 期的市场收益率
为随机误差项
首先，对模型进行估计，得到原始模型的回归决定系数 
；然后，令滞后的市场收益率的系数为零，对回归方程进行估计，得到限制模型的回归决定系数 
。基于上述计算，可以得到第一个价格滞后反应指标：
与F检验相似，这种衡量方法捕捉了单个资产收益率中由滞后的市场收益率所解释的比例。
D1取值越小，表明资产收益率对过去的市场信息的依赖程度越低，资产用来吸收市场信息所需的时间越短，从而定价效率越高。
除了回归方程决定系数，我们还可以用回归方程中解释变量的参数大小来衡量单个资产收益率对滞后的市场收率的依赖程度，得到第二个滞后反应指标：
D2捕捉了方程中滞后市场收益率的回归系数在所有回归系数中的比重，其取值越小，表明定价效率越高
文献
- 李志生, 陈晨, 林秉旋. 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(04):165-177.
- 郭白滢, 李瑾. 机构投资者信息共享与股价崩盘风险——基于社会关系网络的分析[J]. 经济管理, 2019, v.41(07):173-191.
数据
- 原始数据包含：日个股回报率、综合日市场回报率以及行业代码和交易状态（
- 数据格式为：dta格式
- 选取2001—2023年沪深两市A股上市公司为研究对象
- 行业代码以2012年证监会行业标准
- 计算结果：
中国货币政策MP变量数据1994-2023年
中国货币政策MP变量数据1994-2023年
部分数据供展示：
| 年份 | 中国:GDP增长率 | CPI增长率 | M2增长率 | MP指标货币政策 |
| 2013 | 7.8 | 2.6 | 13.6 | 3.2 |
| 2012 | 7.9 | 2.6 | 13.8 | 3.3 |
在我国，央行（中国人民银行）主要通过控制货币发行、控制存款准备金率、调节基准利率、调节再贴现率等方式，来执行相关货币政策。单单结合某一指标，实际上很难判断货币政策究竟是紧缩，还是宽松。吴晓灵（2009）认为，可以用GDP的增长率代表商品的实物量；用CPI的增长率代表价格；根据上述原理，我们一般在预计货币供应量增长时会采用货币供应量M2增长率等于GDP增长率加CPI预计调整率加一个包含各种不可预测变量的2~3个百分点的方法来匡算。
故本文采用MP（MP=M2增长率一GDP增长率一CPI增长率）这个变量来估算货币政策。
如果该指标偏大，则表示货币政策偏于宽松；反之，则表示货币政策偏于紧缩。
可以根据MP中位数，选择MP较大的年份，作为货币政策宽松期；其余年份作为货币政策紧缩期。
原始数据来源于国家统计局、人民bank