一、数据集简介
    本数据集基于上市公司"首次被调入沪深港通日期"原始数据，构造上市公司沪深港通双重差分(DID)变量。
    计算思路：沪港通（2014-11-17 启动）与深港通（2016-12-05 启动）是中国资本市场对外开放的标志性政策，为境内外投资者提供跨境互联互通通道，将"被纳入沪深港通标的"作为一次外生冲击；借鉴 Bekaert & Harvey (2000)、连立帅等(2019)的做法，以上市公司"首次被调入沪深港通"为政策处理，构造处理组虚拟变量(Treat) 与政策时点虚拟变量 (Post)，两者乘积即为上市公司沪深港通 DID 变量，可直接嵌入双重差分或交错 DID 回归框架。
    依次输出未剔除未缩尾、已剔除金融STPT未缩尾、已剔除金融STPT已缩尾三个版本的上市公司面板结果（DID 变量为 0/1 离散变量，后两版结构一致，最终"已缩尾"版本保留作为与连续变量数据集口径兼容的占位）。
    数据区间为上市公司2000-2024年（共25年面板）。





二、原始数据文件
    1. 上市公司沪深港通调入日期与行业地区原始数据.dta / .xlsx —— 上市公司层面数据，按 stkcd-year 组织，包含以下关键字段：证券代码、证券简称、stkcd、year、首次被调入沪深港通日期（字符型，格式如 "2014-11-17"；未被调入企业的取值为 "未调入"）、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（同义列，随后由上市公司基本信息数据回写）。
    2. 行业代码/上市公司基本信息数据.dta —— 上市公司基本信息表，作为同义列的主表，与原始数据按 stkcd 一对多合并，提供上市日期、4 级行业代码、公司元信息等。





三、核心变量定义与计算公式
    1. Treat（处理组虚拟变量）
       = 1  若 首次被调入沪深港通日期 ≠ "未调入"
       = 0  否则
       说明：在样本期内曾被纳入沪深港通标的的上市公司为处理组，从未被纳入的上市公司为控制组。Treat 不随年份变动。


    2. 首次被调入年份（连续辅助变量）
       = real(substr(首次被调入沪深港通日期, 1, 4))，仅对处理组提取；控制组保持缺失。
       说明：从字符日期中取前 4 位解析为年份，用于界定政策时点。


    3. Post（政策时点虚拟变量）
       = 1  若 year ≥ 首次被调入年份 且该公司属于处理组
       = 0  否则
       说明：从首次被纳入年份起 Post = 1，之前 Post = 0；控制组始终 Post = 0。


    4. 上市公司沪深港通DID变量 ★核心指标
       = Treat × Post
       说明：交错 DID 框架下的交互项，仅在处理组企业、且年份达到或超过其被纳入年份时取 1，其他情形均为 0。可直接作为 DID 回归中的 treat × post 交互项使用。





四、样本筛选与处理规则
    1. 同义列以"上市公司基本信息数据"为主，使用 C 类（中类）口径回写行业代码、行业名称，使用证券中文简称回写证券简称。
    2. 剔除上市公司 B 股（证券代码以 2 开头）与 H 股（证券代码以 9 开头）样本，仅保留 A 股。
    3. 按 stkcd、year 排序后整理面板。
    4. 剔除上市公司证券简称为空的样本（仅在"已剔除"版本）。
    5. 剔除上市公司金融业（行业代码含 J，证监会大类口径，仅在"已剔除"版本）。
    6. 剔除上市公司 ST、PT 样本（仅在"已剔除"版本）。
    7. 上市公司沪深港通DID变量、Treat、Post 均为 0/1 离散变量，对其缩尾无实际意义；连续辅助变量"首次被调入年份"为政策时点元数据，亦无需缩尾。因此"已缩尾"版本与"未缩尾"版本结构完全一致，仅保留以与连续变量数据集口径兼容。





五、输出文件清单
    1. 计算结果未剔除未缩尾版本.dta / .xlsx —— 仅完成核心指标计算与基础合并，未剔除金融STPT。
    2. 计算结果已剔除金融STPT未缩尾版本.dta / .xlsx —— 在版本 1 基础上剔除金融业、ST、PT、证券简称为空的样本。
    3. 计算结果已剔除金融STPT已缩尾版本.dta / .xlsx —— DID 变量为 0/1 离散变量，不需缩尾，内容与版本 2 一致，保留作为口径兼容占位，适合直接进入 DID 回归分析。





【保留变量集合】
    证券代码、证券简称、stkcd、year、上市公司沪深港通DID变量、Treat、Post、首次被调入沪深港通日期、首次被调入年份、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、上市日期、股票类型、ABH股交叉码、公司名称、公司中文简称、公司英文名称、行业名称D、行业代码D、行业名称C、行业代码C、行业名称B、行业代码B、行业名称A、行业代码A、经营范围、公司沿革、注册资本、成立日期、退市日期


六、配套代码
    1. 上市公司沪深港通DID变量数据计算代码.do （Stata 版本，UTF-8，注释统一使用 /* */）
    2. 上市公司沪深港通DID变量数据计算代码.py （Python 版本，与 do 文件等价，依赖 pandas / numpy / openpyxl / pyreadstat）
    3. 上市公司沪深港通DID变量数据评估代码.do / .py —— 数据质量评估代码，输出至"数据质量评估报告_YYYYMMDD"目录，覆盖描述性统计、分布图（DID 离散变量频次图/政策时点分布图/处理组与控制组年度堆叠图/处理组占比年度趋势图）、异常值检验、逻辑合理性验证（含公式自洽性：DID = Treat × Post、处理组稳定性检验）、稳健性测试（政策前后样本期/处理方式/行业/区域对比）五大模块。





七、参考文献
    Bekaert G, Harvey C R. Foreign Speculators and Emerging Equity Markets [J]. Journal of Finance, 2000, 55(2): 565-613.
    连立帅, 朱松, 陈关亭. 资本市场开放、非财务信息定价与企业投资——基于沪深港通交易制度的经验证据 [J]. 管理世界, 2019, 35(8): 136-154.（上市公司沪深港通 DID 变量的标准构造口径，亦广泛用于资本市场开放、股价信息效率、公司投资、ESG 信息披露、绿色创新、融资约束等研究领域。）