公司风险承担/系统性风险承担/特质性风险承担水平合集——基于股票交易数据的

1. 指标介绍

2. 指标构建

    2.1 传统做法

    2.2 Bernile et al.（2018，JFE）做法

    2.3 主要参考文献

3. 数据介绍

4. 数据获取

1. 指标介绍

除了采用财务盈利指标波动性度量企业风险承担水平外，对于上市公司而言，股票市场的表现直接反映了投资者对企业未来收益的预期，因此股价的波动性也可以作为风险的衡量指标。

基于此，Bernile et al.（2018，JFE）进一步通过构建模型，计算出企业的系统性风险承担指标和特质风险承担水平指标，前者与市场整体相关，后者代表企业承担的与自身相关的风险水平。上述指标越大，代表企业企业面临的不确定性因素越多，风险承担水平越高。

2. 指标构建

基于股票交易数据来构建企业风险承担水平的做法主要包括两类：

1. 传统的年化日收益率标准差做法（苏坤，2015，管理科学）；

2. 单因子模型（资本市场模型）做法（高文静等，2022，金融研究；Bernile et al.，2018，JAE）。

为了增加使用者便利，我们同时计算了上述两种做法的企业风险承担水平指标，并各自提供日度、周度和月度三个版本的做法，基本涵盖日常的使用范围，供使用者选择尝试。

2.1 传统做法

其中，R_{i,t,d} 为股票i在t年第d天的考虑现金红利再投资的日个股回报率，D为每个会计年度内总的交易日数。

注意：同时，我们也计算了基于周度、月度的CRT指标，供使用者选择。

2.2 Bernile et al.（2018，JFE）做法

参照原文：（Bernile et al.，2018，JFE）和国内最新研究：（高文静等，2022，金融研究）的做法，我们复现了基于日度股票市场交易数据的企业总体风险承担水平（total_risk）、系统性风险承担水平（system_risk）和特质风险承担水平（idiosyn risk）三个指标：

• 企业总体风险承担水平（total_risk）：以日个股回报率的年标准差作为企业的总体风险承担（2）；

  
  

  

• 系统性风险承担水平（system_risk）：以日个股回报率对综合日市场回报率进行市场模型回归（3），得到的系数即为企业的系统风险承担水平（4）；
• 

• 特质风险承担水平（idiosyn risk）：通过计算回归模型的残差的标准差（5），得到企业的特质风险承担水平。

• 

  
  

其中，R_{i,t,d} 为股票i在t年第d天的考虑现金红利再投资的日个股回报率，Rm_{t,d} 为t年第d天以流通市值加权平均法考虑现金红利再投资计算的综合日市场回报率，并按照（Bernile et al.，2018，JFE）的做法乘以平均交易日天数（我们设定为250天）并取对数标准化。

注意：同时，我们也计算了基于周度和月度两个口径的企业风险承担水平（包括总体、系统性和特质风险承担水平），可作为稳健型性检验指标。

2.3 主要参考文献

[1] 高文静等，2022，金融研究：劳动力保护与企业风险——来自2008年新《劳动合同法》的证据.

[2] Bernile et al.，2018，Journal of Financial Economics：Board diversity, firm risk, and corporate Policies.

[3] 苏坤，2015，管理科学：管理层股权激励、风险承担与资本配置效率.

3. 数据介绍

样本期限：1991年-2022年

数据筛选：按照参考文献的步骤，无需进行筛选。

指标包括：公司基本信息、总体风险承担水平（传统+Bernile做法）、系统风险承担水平、特质风险承担水平

• 再次强调：其中，任一指标均提供了日度、周度和月度数据的三个版本，建议日度为基准回归，周度和月度作为稳健性检验。

  
  

数据包含：

• 计算过程do文档（按照原始CSMAR数据处理过程开始写的）；

• 计算结果：股票收益波动_Bernile + 股票收益波动_传统.xlsx和dta格式文件，可直接使用

• 其余文件均为原始数据处理得到用于计算的数据集，最原始的数据均来自于CSMAR。由于股票原始交易数据过于庞大，故有需要请自行下载后运行do文档可以得到下图所有结果。

  
  

数据示例：

4. 数据获取