1994-2022年特质波动率、月度特质波动率和年度特质波动率，五因素/五因子

zq1069321348

1759

收藏 2023-02-19

一、特质波动率和月度特质波动率
1.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的五因子模型提取

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）（=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-无风险利率）
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）
CMAt,τ表示公司的投资因子
RMWt,τ表示公司的盈利因子
βMKT,i，βSMB,i，βHML,i，βCMA,i，βRMW,i分别是五个因素的回归系数

用εi,t的标准差作为特质波动率的度量指标
Ivol1i = std(εi,t) （2）
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
Ivol2i,k =√Nstd(εi,t) （3）
√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）。

2.数据说明
样本选择：全部A股1994-2022年数据（“五因子模型指标日”在数据库中是从1994-01-03开始，所以数据起点为1994年）
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

3.参考文献
[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]陆静,张银盈.“特质波动率之谜”与估计模型有关吗?[J].中国管理科学,2022,30(09):36-48.[3]赵胜民,刘笑天.特质风险、投资者偏好与股票收益——基于前景理论视角的分析[J].管理科学学报,2020,23(03):100-115.
[4]赵胜民,刘笑天.公司特质风险、估值水平与股票收益——基于分位数Fama-MacBeth回归模型的实证分析[J].华东经济管理,2017,31(09):35-44.

压缩包所含文件：

数据样例：

分年度数据量统计：

描述性统计结果：

2022月度特质波动率五因子
大小:(76 Bytes)

只需: RMB 49元马上下载

二、特质波动率和年度特质波动率
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.

压缩包所含文件：