数据介绍：

• 年份：2000-2023
• 范围：A股上市公司
• 三个版本：信息不对称水平ASY（未剔除未缩尾）、信息不对称水平ASY（已剔除金融STPT未缩尾）、分信息不对称水平ASY（已剔除金融STPT已缩尾）
• 文件格式：Dta格式（使用Stata打开）、Xlsx格式（使用Excel打开)
• 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
• 行业参照证监会2012年行业分类标准，制造业用二级行业分类，其他用一级分类来计算并对连续型变量进行了1%和99%分位数的缩尾处理
• 代码格式：do文件（Stata 14/15/16/17/18）
  

---

计算说明

如未安装asreg需要安装一下:
        ssc install asreg


        共需要两个源数据文件：
        1. 综合市场日交易数据
        2. 股票日交易数据
        
        现已经将两个文件转换成dta格式，并将变量名改为中文变量名；
        其中由于2.股票日交易数据量【2007-2020】非常庞大，
        下载的会自动拆成N个xlsx文件，因此多进行了一步N合一的操作；
        此外无其他特殊操作

•      综合市场交易所需数据
•      流动率和非流动率指标计算所需数据
  

        这两个文件是计算过程产生的文件，不用看

•      信息不对称ASY（未剔除金融STPT版）.dta
•      信息不对称ASY（未剔除金融STPT版）.xlsx
•      信息不对称ASY（剔除金融STPT版）.dta
•      信息不对称ASY（剔除金融STPT版）.xlsx
•       信息不对称ASY（缩尾剔除金融STPT版）.dta
•      信息不对称ASY（缩尾剔除金融STPT版）.xlsx        
  

        
        ASY1为提取第一主成分的结果，ASY2为提取第一、第二主成分的结果


考虑到我国证券市场高频交易数据缺失严重，本文援用Amihud et al.（1997）、Amihud（2002）和Pastor & Stambaugh（2003）基于日频交易数据的方法来测算信息不对称程度。Amihud et al.（1997）流动性比率指标LR和Amihud（2002）非流动性比率指标ILL都利用买卖指令流（order flow）与股票价格之间的相互作用关系来识别流动性。基本思路是，逆向选择问题越轻，则股票流动性越高，单位成交量对应的价格变化越小。
测算方法分别为
   

其中：
rit(k)表示i企业t年度第k个交易日的股票收益率
Vit（k）表示日成交量
Dit表示当年交易天数


Pastor & Stambaugh(2003)认为，流动性差的股票会对指令流反应过度(overshoot)，给定成交量不变，流动性越低则收益率反转(return reversal)越大。他们建议用收益率反转衡量流动性。
收益率反转指标 ，系数 由下式估计得到

其中：
为超额收益率
rmt(k)表示按市值为权重加权的市场收益率(考虑到我国股市的特殊性，我们以流通市值作为权重)。
在其他条件不变的情况下，信息不对称程度越高，股票流动性越低，LR、ILL和GAM指标越大。

我们利用中国上市公司股票交易的微观结构数据（按流通市值加权的市场收益率rm、公司个股日收益率r、日成交量V和年度交易天数D)构建LR、ILL和GAM指标。但正如Hasbrouck(2007)所指出的，上述每个指标既包含与非对称信息相关的成分，也可能包含与非对称信息无关的成分，不能全面刻画信息不对称的全部特征。为此，我们遵循Bharath et al.(2009)的做法，对原始指标提取第一主成分，捕捉它们的共同变异信息也即与非对称信息相关的成分，记为信息不对称指标ASY。

---

参考文献

• 于蔚,汪淼军,金祥荣.政治关联和融资约束:信息效应与资源效应[J].经济研究,2012,47(09):125-139.
  

---

代码：

数据量：

描述性统计：

结果数据