基于Python与Stata的股利模型搭建

近些年，股利研究是会计研究的焦点之一，2006年的股权分置改革也对上市公司股利发放产生了重大影响，本文在文献《股权分置改革与上市公司股利政策》（链接如下）的基础上研究了2016年-2020年的数据，并用代码与统计软件实现出来。

​​​​​​​股权分置改革与上市公司股利政策_基于迎合理论的证据_支晓强 - 道客巴巴

（一）逻辑梳理

文章的逻辑较为简单：

1. 股利支付意愿(PTP) = 实际发放股利概率 - 预测发放股利概率

用上市公司的历史指标数据作为自变量，是否支付股利作为因变量；逻辑回归后对后续年份的股利支付概率做出预测。如果后续年份实际发放的股利 > 预测发放的股利，则有“股利支付意愿(PTP) > 0”，即为“股利超预期发放”；若后续年份实际发放的股利 < 预测发放的股利，则有“股利支付意愿(PTP) < 0”，即为“股利发放不及预期”。

 

 2. 股利溢价(PDND) = 发股利公司的Avg(ln(市值/净资产)) - 不发股利公司的Avg(ln(市值/净资产))

容易理解，若PDND > 0，说明发股利的公司估值更高，不发股利的公司估值更低；若PDND < 0，说明不发股利的公司估值更高，发股利的公司估值更低。 

 

 3. 迎合理论

为了探寻PTP和PDND在股改前后的相关性变化，文章引入了迎合理论：

（1）对PTP和上年PDND做线性回归，之后对回归参数做显著性检验，来判定二者的相关性；

（2）“基于时序和截面混合数据的检验”，说白了就是把 “PDND（主要）” 和各种乱七八糟的参数（如：LNA, EA... 还有时间Timetrend）放进自变量池，统统做回归看显著性。

 

（二）数据获取与清洗

要获取的数据主要就是文章给出的8个参数，以及计算PDND时要用的市值和账面价值：

首先，文章对个股样本提出了要求：

 我们从CSMAR中获取所有的上市公