【推荐】股权质押、信息不对称与股价崩盘风险实证分析Stata代码(附2013-2020年)

股权质押、信息不对称与股价崩盘风险

变量说明


类型    变量    变量
定义
被解释变量    
NCSKEWt+1
    第t年的公司股票负收益偏态系数

DU
VOLt+1
    第t+1年的公司股票收益率上下波动的比率
解释变量    
Pledg
edumt
    虚拟变量,若t年度公司存在大股东股权质押行为则取1,Pledge 
 dum否则取0,衡量股权质押交易行为的发生

Pledgepret
    连续变量
,等于第t年的大股东股权质押比率,衡量大股东股权质押程度

AbsACCt
    第
t年的公司可操控性应计的绝对值,依据修正的模型计算
控制变量    
NCSKEWt

    第t年的公司股票负收益偏态系数

Sizet
    第t年的公司规模,等于t年度公
司总资产的自然对数

Levt
    第t年的公司的资产负债率

Roet
    第t年
的净资产收益率,衡量公司的盈利能力

MBt
    第t年的公司的市值账面比,等于(
年末股价x流通股股数+每股净资产x非流通股股数)/净资产

Rdtvrt
    第t
年的超额股票换手率

Sigmat
    第t年的特定周收益率的年标准差

Rett

    第t年的特定周收益率的年均值

Industry
    虚拟变量,当样本属于某个
行业时,虚拟变量取1,否则取0

Year
    当样本属于某个年度时,虚拟变量取1
,否取0

参考文献

李碧连. 股权质押、信息不对称与股价崩盘风险[D]. 暨
南大学.

数据说明

被解释变量用到t+1期,数据区间为2014-2020年,
解释变量和控制变量数据区间2013-2019年样本的筛选过程如下:

剔除金融和
保险行业的公司数据,这是因为与其他行业相比,金融、保险行业在经营业务和财务情况方
面存在较大的差异,为减少甚至消除其对研究结果的干扰,将金融、保险行业的上市公司数
据剔除
剔除ST特别处理的公司数据
剔除已退市的公司数据
剔除主要相关变量缺失的
公司数据
为了降低极端值的影响,对所有连续变量上下1%分位进行了Winsoriz
e 缩尾处理


结果说明

主要变量的描述性统计

相关性分析

分样
本T检验分析


股权质押与股价崩盘风险回归分析(括号内为公司层面聚类标准误
调整的t统计量)

信息不对称程度与股价崩盘风险


信息不对称对股权质
押与股价崩盘风险关系的影响

股权质押与股价崩盘虛拟变量回归结果



新以股权质押比率(Pledge_pre),即大股东质押的股份数占所持有的股份数的
比率作为解释变量进行多元线性回归分析

PSM匹配检验


PSM匹配后样本
回归结果


工具变量法 - 两阶段最小二乘法回归2SLS(选取t年行业平均的质
押水平和t年该省份平均的质押水平作为工具变量)


更长的预测窗口
被解释变量选
择t+2期的NCSKEW和DUVOL

附件下载


代码.do


经管之家:momingiqmiao7
欢迎关注,
分享更多实用的数据,独家发布,请勿私自转卖

【关注】【帖子索引】【使用常见问题
】【点击查看更多帖子】
【Stata软件下载】【Stata免费学习资料】
   

下载链接:https://download.csdn.net/download/weixin_45892228/89142441

点击下载:【推荐】股权质押、信息不对称与股价崩盘风险实证分析Stata代码(附2013-2020年)

  • 16
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
计算股价崩盘风险的方法有很多种,以下是一种常见的方法,可以使用Stata进行计算: 1. 首先,我们需要导入股票价格数据,假设我们将股票价格存储在一个名为“price”的Stata数据集中,其中包括股票价格和日期两个变量。 2. 接下来,我们需要计算股票价格的收益率。可以使用Stata内置的“generate”命令来完成,如下所示: ``` generate return = ln(price) - ln(price[_n-1]) ``` 这个命令将创建一个名为“return”的新变量,其中包含每天的收益率。 3. 我们可以使用Stata内置的“rolling”命令来计算股票价格的移动平均数和标准差。例如,以下命令将计算股票价格在过去20个交易日的移动平均数和标准差: ``` rolling mean_price = mean(price), window(20) clear rolling sd_price = sd(price), window(20) clear ``` 这将创建两个新的变量,“mean_price”和“sd_price”,分别包含每天在过去20个交易日内的平均价格和标准差。 4. 接下来,我们可以使用以下命令来计算股票价格相对于移动平均线的偏离程度: ``` generate deviation = (price - mean_price) / sd_price ``` 这将创建一个名为“deviation”的新变量,其中包含每天股票价格相对于移动平均线的偏离程度。 5. 最后,我们可以使用以下命令来计算股票价格的崩盘风险: ``` generate crash_risk = sum(deviation < -2) / _N ``` 这将创建一个名为“crash_risk”的新变量,其中包含股票价格崩盘风险的估计值。这个命令将计算在所有交易日中,偏离程度小于-2标准差的交易日所占的比例。 请注意,这只是一种计算股票价格崩盘风险的方法,具体方法和参数可以根据具体情况进行调整。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值