一、数据集简介
    本数据集为 A 股上市公司长短期并购绩效年度面板数据，基于并购公告事件、
    日/月个股回报及 ROA 等多源原始数据构造三类并购绩效指标：
      - 短期并购绩效 CAR（累积异常收益率）
      - 长期并购绩效 BHAR（买入并持有异常收益率）
      - 长期并购绩效 ΔROA（行业调整后 ROA 变动）
    数据区间为 2000-2024 年，覆盖 3900 家上市公司、20092 条公司-并购事件
    年度观测（未剔除未缩尾版本）。已剔除金融业与 ST/PT 样本后为 3540 家
    上市公司、18202 条观测。





二、原始数据文件（均位于本文件夹下）
    1. 上市公司并购公告事件数据.dta     21459 obs × 5 cols
       字段：证券代码、stkcd、year、并购公告日期、并购交易金额
    2. 上市公司日个股回报数据.dta       14458850 obs × 6 cols
       字段：证券代码、stkcd、year、交易日期、R（日个股收益率）、
             Rm（日市场收益率）
    3. 上市公司月个股回报数据.dta       703950 obs × 6 cols
       字段：证券代码、stkcd、year、交易月份、R（月个股收益率）、
             Rp（月市场/行业组合收益率）
    4. 上市公司ROA与行业代码数据.dta    76005 obs × 5 cols
       字段：证券代码、stkcd、year、ROA、行业代码
    5. 上市公司行业与地区信息数据.dta   75495 obs × 10 cols
       字段：证券代码、证券简称、stkcd、year、行业代码、行业名称、
             所属省份、所属省份代码、所属城市、所属城市代码





三、核心变量定义与计算方法
    1. 短期并购绩效CAR（Cumulative Abnormal Return）
       以并购公告日为事件日，估计窗口 [-150, -30]（至少保留
       80%≈97 个交易日），事件窗口 [-2, +2]。在估计窗口内对
       日个股收益率 R 与市场收益率 Rm 做市场模型 OLS 回归：
         R_it = α + β·Rm_t + ε_it
       在事件窗口内计算异常收益率 AR = R - R̂，然后将 5 日 AR
       累积得到 CAR = Σ AR。


    2. 长期并购绩效BHAR（Buy-and-Hold Abnormal Return）
       以并购公告月份为起点，持有期 24 个月。按公司-公告日
       逐月计算：
         BHAR = ∏(1 + R_it) - ∏(1 + Rp_t)
       其中 R 为月个股收益率，Rp 为月市场/行业组合收益率。


    3. 长期并购绩效ΔROA（Industry-Adjusted ROA Change）
       先对 ROA 做行业调整（制造业按证监会二级代码 C+2位，
       非制造业按一级代码），计算行业-年度均值，得到
       行业调整后 ROA_st = ROA - 行业均值。然后：
         ΔROA = (F1_ROA_st + F2_ROA_st)/2 - (ROA_st + L1_ROA_st)/2
       即未来两年均值 - 当期及前一年均值，衡量并购前后经营
       绩效的变动。








四、计算结果输出变量（31 列）
    --- 标识与核心指标 ---
    1.  证券代码          ：上市公司股票代码（字符型，6 位，含前导零）
    2.  证券简称          ：上市公司股票简称（字符型）
    3.  stkcd             ：上市公司股票数值代码（数值型）
    4.  year              ：并购事件所在会计年度（数值型）
    5.  并购公告日期      ：并购事件首次公告日期（字符型，YYYY-MM-DD）
    6.  短期并购绩效CAR   ：★核心指标，事件窗口 [-2,+2] 累积异常收益率（数值型）
    7.  长期并购绩效BHAR  ：★核心指标，并购后 24 个月买入持有异常收益率（数值型）
    8.  长期并购绩效ΔROA  ：★核心指标，行业调整后 ROA 前后两年变动（数值型）


    --- 上市公司基本信息（来自 行业代码/上市公司基本信息数据.dta）---
    9.  上市日期          ：IPO 日期（字符型）
    10. 股票类型          ：A/B/H 等（字符型）
    11. ABH股交叉码       ：跨市场标识（字符型）
    12. 公司名称          ：全称（字符型）
    13. 公司中文简称      ：中文简称（字符型）
    14. 公司英文名称      ：英文名称（字符型）
    15. 行业名称D         ：证监会四级行业名称（字符型）
    16. 行业代码D         ：证监会四级行业代码（字符型）
    17. 行业名称C         ：证监会三级行业名称（字符型）
    18. 行业代码C         ：证监会三级行业代码（字符型）
    19. 行业名称B         ：证监会二级行业名称（字符型）
    20. 行业代码B         ：证监会二级行业代码（字符型）
    21. 行业名称A         ：证监会一级行业名称（字符型）
    22. 行业代码A         ：证监会一级行业代码（字符型）
    23. 经营范围          ：工商注册经营范围（字符型）
    24. 公司沿革          ：公司历史沿革描述（字符型）
    25. 注册资本          ：注册资本金额（数值型）
    26. 成立日期          ：公司成立日期（字符型）
    27. 退市日期          ：退市日期（字符型，未退市为空）


    --- 地区信息（来自 上市公司行业与地区信息数据.dta）---
    28. 所属省份          ：上市公司注册地所属省份（字符型）
    29. 所属省份代码      ：6 位省份行政区划代码（字符型）
    30. 所属城市          ：上市公司注册地所属城市（字符型）
    31. 所属城市代码      ：6 位城市行政区划代码（字符型）





五、样本筛选规则与三版本说明
    版本一：计算结果未剔除未缩尾版本（20092 obs，3900 家公司）
      - 保留全部样本（含金融业、ST/PT），核心指标原始值。
    版本二：计算结果已剔除金融STPT未缩尾版本（18202 obs，3540 家公司）
      - 剔除金融业（证监会行业代码 D 类以 J 开头）和证券简称含
        "ST""PT"的样本，核心指标保持原始值。
    版本三：计算结果已剔除金融STPT已缩尾版本（18202 obs，3540 家公司）
      - 在版本二基础上，对短期并购绩效CAR、长期并购绩效BHAR、
        长期并购绩效ΔROA按年度前后 1% 分位缩尾（winsor2）。





六、输出文件清单
    --- 计算结果 ---
    ├── 计算结果未剔除未缩尾版本.dta / .xlsx
    ├── 计算结果已剔除金融STPT未缩尾版本.dta / .xlsx
    └── 计算结果已剔除金融STPT已缩尾版本.dta / .xlsx


    --- 原始数据 ---
    ├── 上市公司并购公告事件数据.dta
    ├── 上市公司日个股回报数据.dta
    ├── 上市公司月个股回报数据.dta
    ├── 上市公司ROA与行业代码数据.dta
    └── 上市公司行业与地区信息数据.dta


    --- 配套代码 ---
    ├── 上市公司长短期并购绩效数据计算代码.do    （Stata 15+，UTF-8）
    ├── 上市公司长短期并购绩效数据计算代码.py    （Python 等价脚本）
    ├── 上市公司长短期并购绩效数据评估代码.do    （数据质量评估，Stata）
    └── 上市公司长短期并购绩效数据评估代码.py    （数据质量评估，Python）


    --- 辅助 ---
    ├── 行业代码/上市公司基本信息数据.dta         （合并用）
    └── 数据质量评估报告_YYYYMMDD/                （评估输出）


七、参考文献
    陈仕华. 企业并购依赖的缘由和后果：基于知识基础理论和成长压力理论的
    研究[M/J].