简介数据包覆盖2000—2023年上市公司股票流动性指标面向金融研究者、学生及量化投资者可用于评估个股交易活跃度、换手率、市值与买卖价差等维度解决长周期流动性数据获取与整理难题。压缩包共6个文件包含个股流动性的Excel与Stata格式数据文件、便于追溯的数据来源HTML说明、使用说明TXT以及两篇主题相关的PDF研究文献整体体积仅4.08MB结构清晰易读。已有125人学习下载。数据表可直接用于面板回归或图表分析配套说明文档降低了使用门槛两篇文献分别讨论股票流动性与国企绩效、创业板注册制改革下的价格发现为理解流动性指标的经济含义提供了参考适合毕业论文、课题研究或投资决策辅助。1. 把 2000-2023 年 A 股流动性指标拆开看做资产定价或公司金融实证的人最头疼的往往不是模型设定而是「想要的数据散落在十几个数据库里口径还对不齐」。这个压缩包把 2000-2023 年上市公司股票流动性指标整理成了可直接使用的面板数据同时附了 2023 年当年的 Excel 和 Stata 格式明细、数据来源说明以及温军《股票流动性、股权治理与国有企业绩效》和李松楠《价格笼子、流动性与价格发现——基于创业板注册制改革的证据》两篇参考文献。它适合有三类需求的读者一是做论文回归时需要流动性代理变量的研究生二是想快速搭建个股流动性监控报表的量化分析人员三是想搞清楚换手率、Amihud 非流动性、买卖价差这几个口径在 A 股到底怎么算才不出错的从业者。接下来按「口径原理 → 数据清洗 → Stata 实证 → 边界与坑」的顺序展开全程附可复现代码。2. 流动性指标口径拆解换手率、Amihud、价差与 Roll 模型2.1 先搞清五种常见口径的适用边界包里的文件名为「股票流动性指标」但流动性从来不是一个单一指标而是一族代理变量的统称。学术文献里常用的口径至少包含以下五类它们的计算逻辑、数据需求和适用场景差异很大。交易量是最原始的口径直接用日频成交股数或成交金额衡量缺点是受公司规模影响太大工商银行一天成交 20 亿和一家小盘股成交 20 亿含义完全不同。换手率解决了量纲问题用成交量除以流通股本反映的是存量股份的周转速度但它在高送转、定增解禁等股本变动节点会失真。买卖价差Bid-Ask Spread最贴近流动性定义却需要订单簿或至少是最高买价与最低卖价的分笔数据日频汇总数据里通常没有只能退而求其次用高频快照近似。市场深度需要盘口挂单量同样依赖 Level-2 数据。剩下两类是面板数据实证中最常用的Amihud 非流动性指标和 Roll 有效价差估计。Amihud2002用日收益率的绝对值除以成交金额直观含义是「每成交一元钱引起多大的价格冲击」数值越大流动性越差。Roll1984则利用有效价差与价格变动负自协方差的关系用日收益率序列的一阶自协方差反推出隐含价差不需要任何订单簿数据只要有日收盘价就能算。包内文件既然覆盖 2000-2023 年 20 多年的日频跨度早期年份没有盘口数据Amihud 和 Roll 几乎是唯一可行的标准口径换手率则适合做稳健性替换。2.2 Amihud 指标的计算细节与去极值处理Amihud 的计算公式为[ Amihud_{i,t} \frac{1}{D_{i,t}} \sum_{d1}^{D_{i,t}} \frac{|R_{i,d}|}{Volume_{i,d}} ]其中 (R_{i,d}) 是股票 i 在第 d 日的收益率(Volume_{i,d}) 是当日成交金额单位通常取百万元(D_{i,t}) 是股票 i 在月份 t 的有效交易日数。计算时有两个容易被忽视的细节。第一收益率必须用考虑现金红利再投资的日个股回报率否则除权除息日会出现假的大幅波动。第二成交金额的量纲直接影响回归系数的量级如果成交额用元系数会小到影响 Stata 输出的可读性建议统一除以 1e6 或 1e8。A 股数据还有一个特有的脏数据问题涨跌停当日的成交极度萎缩Amihud 值会出现「假性高流动性」。比如某只股票连续一字涨停成交金额趋近于零计算出的 Amihud 值趋近无穷大这会严重污染后续回归。常见做法是两种要么直接剔除涨跌停日要么将 Amihud 值在 1% 和 99% 分位做缩尾Winsorize。我更推荐后者因为涨跌停本身包含流动性信息直接剔除会损失样本。计算月度指标时放入超过 10 个有效交易日的月份否则用月度缺失替代。2.3 Roll 指标的理论直觉与 Stata 实现Roll 模型的出发点是有效价差存在时观察到的价格变动会在买卖价之间来回跳跃导致价格变动序列呈现负的一阶自协方差。假设潜在价值服从随机游走且买卖价差固定则[ Roll_{i,t} 2 \times \sqrt{-Cov(\Delta P_t, \Delta P_{t-1})} ]当自协方差为正时Roll 值定义为缺失或取 0T1 日按惯例取 0 处理即可。这个指标的优势是只需要日收盘价就能构造缺点是对非同步交易敏感小盘股容易出现正的序列相关导致估算失败。面板数据中同一只股票不同月份的 Roll 值缺失率如果超过 30%建议直接用 Amihud 做基准Roll 仅做稳健性。包内的 2023 个股流动性.xls 已经计算好了这些指标但如果你拿到的是早期年份原始数据用 Stata 复算时可以用下面这段代码* 假设数据已按股票代码和日期排序变量为stkcd year month date ret amount(元) gen amount_m amount / 1e6 gen abs_ret abs(ret) * 按月计算 Amihud bysort stkcd year month: egen amihud mean(abs_ret / amount_m) * 按月计算换手率turnover 为日换手率(小数) bysort stkcd year month: egen turnover_m mean(turnover) * Roll 指标先算日收益价差的一阶协方差 gen ret_lag ret[_n-1] bysort stkcd: gen cov_ret ret * ret_lag bysort stkcd year month: egen roll_cov mean(cov_ret) gen roll 2 * sqrt(max(0, -roll_cov)) replace roll 0 if roll_cov 0 roll_cov ! .逻辑是先统一成交金额量纲用egen按月分组计算均值Roll 协方差部分用滞后收益率交叉相乘再按月取均值这里不能直接用 Stata 的correlate命令因为面板数据跨期错位会导致协方差污染。最后replace roll 0是为了和学术文献的常见处理保持一致。2.4 换手率口径统一流通股本还是自由流通股本换手率看似简单但数据源不同会给出完全不同的结果。Wind 默认用自由流通股本做分母CSMAR 常用流通股本做分母二者在有大股东持股锁定的公司上差异显著。包内数据来自 CSMAR 体系使用说明.txt 里如果未特别注明默认是流通股本口径。当你把这份数据和其他来源数据合并时请务必先做口径核对随机抽取 10 只股票对比同一月份换手率的差值若系统性偏高 20% 以上大概率是分母口径不一致不要直接混用。3. 数据落地与面板构建从 Excel 和 DTA 到可分析数据集3.1 文件清单解读与数据字典设计解压后你会看到六个文件其中 2023个股流动性.xls 和 2023个股流动性.dta 是同一批数据的不同格式前者方便非 Stata 用户查看后者直接供回归使用。使用说明.txt 建议最先打开里面通常包含字段含义、数据来源版本和更新日期。数据来源.html 是抓取页面的存档用于回溯数据生成时间。两份 PDF 不是装饰品温军那篇用流动性做解释变量研究股权治理李松楠那篇把流动性当被解释变量研究价格笼子机制正好覆盖了流动性的两类用法。第一步建议把 Excel 转成长表Long Format结构。原始文件很可能是宽表——每行是一只股票在某一年的月度观测但年份、月份横向展开。Stata 的reshape可以处理不过我更习惯用 Python 先清洗再导出 dta处理缺失值和字段类型更顺手。import pandas as pd df pd.read_excel(2023个股流动性.xls, sheet_name0) # 假设原始列为 stkcd, name, 202301_amihud, 202302_amihud ... id_vars [stkcd, name] value_vars [c for c in df.columns if c not in id_vars] df_long df.melt(id_varsid_vars, value_varsvalue_vars, var_nameperiod, value_nameamihud) df_long[year] df_long[period].str[:4].astype(int) df_long[month] df_long[period].str[4:6].astype(int) df_long df_long.dropna(subset[amihud]) # 对数化处理Amihud 分布高度右偏 import numpy as np df_long[ln_amihud] np.log(df_long[amihud] 1e-10) df_long.to_stata(liquidity_panel.dta, write_indexFalse, version118)代码里用dropna过滤掉空值月份同时取对数压缩量纲。需要注意1e-10不是随便加的因为有些股票在停牌月份 Amihud 恰好为 0直接取对数会丢失这些样本加一个极小常量能保留它们在面板中的位置。3.2 金融行业与 ST 股的筛选规则做面板数据的第一道工序永远是样本范围切割。包内数据虽然整理了流动性指标但没有告诉你应该用哪些股票做回归。我的习惯是剔除金融行业银行、保险、券商因为它们的杠杆结构和流动性形成机制与其他行业差异太大剔除 ST、*ST 股票这类股票涨跌幅限制不同5%流动性指标不可比剔除上市不满 60 天的次新股上市初期流动性异常换手率能到 100% 以上。Stata 中执行筛选时需要股票的行业分类和 ST 状态变量这两个字段不在流动性文件里需要从 CSMAR 的「公司基本信息」表或 Wind 拉取后匹配。use liquidity_panel.dta, clear merge m:1 stkcd using company_info.dta, keep(match) nogen keep if industry ! 金融业 keep if st_status 正常 keep if list_date ! . (year - year(list_date)) 0merge m:1用的是多对一匹配因为公司信息表每个股票只有一条记录。注意匹配前确认两个文件的股票代码格式一致CSMAR 的代码是字符串Excel 读进来可能变成长整型先tostring stkcd, format(%06.0f) replace统一成 6 位字符串再合并。3.3 缺失值与极端值的处理策略流动性指标缺失去向主要有三类停牌日无交易、涨跌停日成交稀薄、以及早期年份部分字段未收录。停牌导致的缺失不能用插值填补应该保留缺失状态因为停牌背后的原因重大资产重组、财务危机本身影响流动性。涨跌停导致的异常值用缩尾处理月度截面逐月做 1% 缩尾比全样本缩尾更合理因为 2000 年和 2020 年的流动性分布完全不同。Python 里逐月缩尾这样写def winsorize_series(s, lower0.01, upper0.99): lo, hi s.quantile(lower), s.quantile(upper) return s.clip(lo, hi) df_long[amihud_wins] ( df_long.groupby([year, month])[amihud] .transform(lambda x: winsorize_series(x)) )groupby.transform保证每月的分位数只基于当月截面计算不引入未来信息。如果回归中的控制变量也需要缩尾务必使用同一分组逻辑不同变量用不同的分位点是可以的但分组键必须统一为 year-month。4. Stata 实证复现用包内数据跑通流动性与公司绩效的基准回归4.1 变量构造与描述性统计输出温军那篇论文的核心逻辑是股票流动性通过改善股权治理影响企业绩效李松楠那篇则关注注册制改革对流动性的冲击。用包内数据可以快速复现第一篇文章的基准回归。被解释变量选 ROA 或 TobinQ解释变量选 Amihud取负值或倒数使数值越大表示流动性越好控制变量包括公司规模ln 总资产、资产负债率、股权集中度、上市年限。构造变量和输出描述性统计的 Stata 代码如下use clean_panel.dta, clear merge m:1 stkcd year using financial_data.dta, keep(match) nogen gen roa net_profit / total_asset gen size ln(total_asset) gen lev total_debt / total_asset gen age year - year(list_date) gen ln_amihud_neg -ln_amihud label var ln_amihud_neg 流动性(取负Amihud, 越大流动性越好) label var roa 总资产收益率 label var size 公司规模 label var lev 资产负债率 * 输出描述性统计表 estpost summarize roa ln_amihud_neg size lev age, detail esttab using desc.rtf, replace /// cells(mean sd min p50 max) label代码中把 Amihud 取负是纯粹为了解释方向更直观回归系数为正表示流动性提升 ROA。描述性统计输出用esttab转成 rtf 或 Excel如果 Stata 没有安装 estout先ssc install estout。这里有个容易犯的错merge之前财务数据里的总资产单位如果是千元或万元而 ROA 的分子是元计算出的 ROA 会小 4 个数量级回归系数的小数位数会非常尴尬。合并后先sum roa看一眼均值和量级正常 ROA 应该在 0.01~0.1 之间。4.2 面板固定效应模型与聚类标准误基准回归用双向固定效应公司 年份标准误在公司层面聚类。温军原文用的是系统 GMM 处理内生性但作为基准回归双向固定效应足够说明数据质量。xtset stkcd year * 基准回归 xtreg roa ln_amihud_neg size lev age i.year, fe vce(cluster stkcd) estimates store fe_base * 换用换手率作为流动性代理做稳健性 xtreg roa turnover_m size lev age i.year, fe vce(cluster stkcd) estimates store fe_turnover esttab fe_base fe_turnover using regression.rtf, replace /// b(3) se(3) star(* 0.10 ** 0.05 *** 0.01) /// label scalars(N 样本量 r2 组内R方) keep(ln_amihud_neg turnover_m size lev age)vce(cluster stkcd)必须保留因为同一家公司的流动性在不同年份间高度序列相关不聚类会严重低估标准误。keep选项控制输出表格只保留核心变量避免年份虚拟变量把表格拉得太宽。回归结果中如果ln_amihud_neg的系数显著为正说明流动性改善确实提升了公司绩效如果系数不显著先检查样本区间是否包含了 2015 年股灾和 2018 年去杠杆年份这两个时期流动性极度收缩可能存在非线性关系可以考虑去掉异常年份或增加交乘项。4.3 价格笼子政策的双重差分思路李松楠那篇论文研究的是创业板注册制改革引入的价格笼子机制对流动性的影响天然适合用 DID 框架。创业板在 2020 年 8 月 24 日首批注册制公司上市同时新上市规则对存量创业板公司也施加了价格笼子约束。构建虚拟变量treat创业板为 1和post2020 年 8 月后为 1用包内数据验证改革前后的流动性变化。gen treat (board 创业板) gen post (ym(year, month) ym(2020, 8)) gen did treat * post xtreg amihud_wins did treat##post size lev turnover_m i.year, fe vce(cluster stkcd)注意treat在固定效应模型里会被公司固定效应吸收所以只报告did的系数即可。如果did系数显著为负Amihud 下降说明价格笼子机制确实提升了流动性。这个设计只能作为初步探索严格做法还要做平行趋势检验用事件研究法画出改革前后各期的系数。以上步骤全部拆完你已经能用包内数据独立完成从描述性统计到因果推断的完整流程。5. 进阶处理停牌、涨跌停与 2024 年数据的无缝衔接拿到 2000-2023 年的数据后下一步大概率是往 2024 年延伸或者把流动性指标用在更复杂的模型里。这里给三个可以直接用的处理方案。第一个是处理停牌期间的空窗。CSMAR 在停牌日不生成收益率记录直接把月度 Amihud 的零除问题变成了缺失值。统计每月有效交易天数时如果某月有效天数少于 10 天该月指标直接设为缺失。用 Stata 实现是bysort stkcd year month: egen valid_days count(date) if ret ! .然后replace amihud . if valid_days 10。不要用插值去补连续停牌的月份重组复牌后第一天的收益率通常极端单独保留会比插值更真实。第二个是涨跌停日的识别与剔除。用日收益率超过涨跌幅限制的 95% 来近似识别涨跌停日因为 10% 限制下真实的涨停收益率为 9.95% 到 10.05% 之间受四舍五入影响。识别后用bysort stkcd date: gen limit_flag (abs(ret) 0.095)打标计算月度 Amihud 时剔除这些记录即可。如果想做得更细可以结合收盘价是否封死在涨停价来判断但这需要 Level-1 的买卖五档数据包里没有提供。第三个是 2024 年新数据的追加。包内数据的结构是「股票-年份-月份」长表新的日频数据下载后先按第 2 节的方法计算月度指标再append到原表即可。注意新数据的股票代码格式要补齐 6 位以及新股上市当月的换手率会异常高建议在合并前先去检查新股样本。追加后跑一次xtset stkcd year验证面板是否平衡xtdescribe会列出每个股票的观测次数出现观测次数波动的板块通常就是新加数据时没对齐的样本人工核对一遍总没错。本文还有配套的精品资源点击获取