数据介绍：

• 年份：2000-2024
• 范围：A股上市公司
• 三个版本：月度特质波动率IVOL三因子模型（剔除金融STPT版）、月度特质波动率IVOL三因子模型（剔除金融STPT缩尾版）、月度特质波动率IVOL三因子模型（已剔除STPT未剔除金融版）、月度特质波动率IVOL五因子模型（未剔除未缩尾）、月度特质波动率IVOL五因子模型（已剔除金融STPT未缩尾）、月度特质波动率IVOL五因子模型（已剔除金融STPT已缩尾）、年度特质波动率IVOL五因子模型（剔除金融STPT版）、年度特质波动率IVOL五因子模型（剔除金融STPT缩尾版）、年度特质波动率IVOL五因子模型（已剔除金融未剔除STPT版）、年度特质波动率IVOL三因子模型（剔除金融STPT版）、年度特质波动率IVOL三因子模型（剔除金融STPT缩尾版）、年度特质波动率IVOL三因子模型（已剔除金融未剔除STPT版）
• 文件格式：Dta格式（使用Stata打开）、Xlsx格式（使用Excel打开)
• 原始数据包含：日个股回报率、综合日市场回报率、三因子日度数据、无风险利率（1991-2024年的完整数据）
• 个股收益率使用考虑现金红利再投资的日个股回报率
• 用于月内三因素模型回归的Fama-French三因素日数据使用流通市值加权来构建
• 无风险利率采用一年期定期存款利率
• 为了保证月内回归的有效性, 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
• 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：

首先用个股月内的日数据进行Fama-French三因素模型回归，回归公式如下

      然后利用回归残差的样本标准差得到该股票在这个月的特质波动率。为了统一单位，我们将得到的标准差序列月度化，月度化的方法是用标准差乘以该股票当月交易日的平方根。这样就可以得到股票在第t个月的特质波动率IVOL的度量指标，即：

      其中 代表残差 的标准差
       代表公司 i 在第 t 月的交易天数

五因子

数据选取及处理如下：

①选取每年交易数据和 财务数据都完整的股票计算 Fama-French 五因子数 据，财务数据的选取标准同赵胜民等（2016）［37］ ，分组 方式采用2×3的模型；

②为保证每个月内有足够的数 据进行个股的Fama-French五因子回归，我们剔除了 当月交易天数小于10天的数据；

③在进行分组检验 和Fama-MacBeth回归检验时，如果某一时间截面没 有数据，在取平均时予以剔除。

IVOL：以Fama-French 五因子模型为市场定 价模型，将个股每个月内日收益率数据与对应的五 因子日数据进行回归，具体而言，在第 t 月内，将股票 i的收益率日数据进行下面的回归。

年度特质

数据选取及处理如下：

我们参考现有关于特质波动率的研究，以股票日或周收益率经五因子模型［19］调整后残差标准
差作为特质波动率的度量指标。该指标剔除了股价波动中的系统性风险部分，保留了与系统性风
险不相关的特质风险。我们首先分企业按年度依公式 ( 2) 对年内个股日复权收益率进行回归，然
后基于回归结果计算残差标准差作为特质波动率度量指标 IVOL，计算方式见公式 ( 3) 。

---

参考文献：

• 邓雪春,郑振龙.中国股市存在“特质波动率之谜”吗?[J].商业经济与管理,2011(01):60-67+75
  

• 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.
  

---

代码：

数据量：

描述性统计：

结果数据