1991-2023年特质波动率、月度特质波动率和年度特质波动率，三因素/三因子

一、特质波动率和月度特质波动率
采用OLS回归法来提取特质波动率
OLS回归法是
利用取Fama-French的三因子模型提取

其中
yi,t表示第i只股票第t
日的相对于无风险利率的超额收益率（=考虑现金红利再投资的日个股回报率-无风险利率
）
无风险利率采用日化的一年期存款利率
rMKT,t表示第t日市场组合相对于无风
险利率的超额收益率（即市场因子）（=考虑现金红利再投资的综合日市场回报率流通市值
加权平均法-无风险利率）
SMBt,τ表示公司的规模因子
HMLt,τ表示公司的
账面市值比因子（即价值因素）
βMKT,i，βSMB,i和βHML,i分别是三个
因素的回归系数

用εi,t的标准差作为特质波动率的度量指标
Ivol1i = 
std(εi,t)     
（2）
每个股票的月度特质波动率数据可以通过下面的式
(3)由日度数据得到，即
Ivol2i,k =√Nstd(εi,t)  
（3）

√N指的是根号N
其中
Ivol2i,k表示第i个股票在第k月的月特质波动率
N
为第k月股票i正常交易的交易日数目(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）。

样本选择：全部A股1991-
2023年数据（初始数据是从1990年开始，经过处理后的数据起点为1991年）

每个压缩包都附有初始数据，计算代码，参考文献和最终数据

[1]熊和平,刘京军,
杨伊君,周靖明.中国股票市场存在特质波动率之谜吗?——基于分位数回归模型的实证分
析[J].管理科学学报,2018,21(12):37-5
3.

[2]李合怡,贝政
新.信用交易与投资者行为:对“特质波动率之谜”的再思考[J].学海,2015(0
6):66-7
1.

[3]罗登跃.特质波动率与横截面收益:基于Fama-Fren
ch股票组合的检验[J].统计与决策,2013(04):167-16
9.

[4]
田益祥,刘鹏.机构持股、特质风险与股票收益的实证研究[J].投资研究,2011,
30(08):79-8
8.

[5]左浩苗,郑鸣,张翼.股票特质波动率与横截面收益
:对中国股市“特质波动率之谜”的解释[J].世界经济,2011,34(05):1
17-13
5.

[6]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+7
5.

压缩包所含文件：

数
据样例：

分年度数据量统计：

描述性统计结果：

二、特质波动率和
年度特质波动率
与上述计算说明相同
如果正常交易的交易日数目不足这一年总交易日天
数的50%，该股票在这一年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
参考文献：

[1]李松,王玉
峰.短期债务与股价特质波动[J].商业研究,2021(02):56-6
4.
[2
]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,20
11(01):60-67+7
5.

压缩包所含文件：

数据样例：

分年份
数据量统计：

描述性统计结果：

计算代码.do
   

下载链接：https://download.csdn.net/download/weixin_45892228/89129650

点击下载：1991-2023年特质波动率、月度特质波动率和年度特质波动率，三因素/三因子