上市公司成交量信息含量指标LMSW模型Stata代码和数据2000-2025年

LMSW 模型在股票收益率序列自相关函数的基础之上，引入成交量作为条件变量，并进一步控制市场回报以纠正截面相关性造成的潜在偏差。对每一个公司年度样本，采用以下时间序列模型进行回归：

其中，V 是股票周成交量的自然对数，并且通过扣减过去 26 个星期的移动均值进行去趋势化处理。交叉项系数 C2的估计值越大，代表股价的信息含量越高，因为在频繁交易时期，高水平的知情交易往往导致股票回报呈现显著的正自相关关系（Fernandes and Ferreira，2009）。




参考文献

[1]钟覃琳,陆正飞.资本市场开放能提高股价信息含量吗?——基于“沪港通”效应的实证检验[J].管理世界,2018,34(1):169-179.
[2]Fernandes, N., & Ferreira, M. A. (2009). Insider Trading Laws and Stock Price Informativeness. The Review of Financial Studies, 22(5), 1845–1887.

数据说明

数据对象：全部A股（ 剔除每年交易周数小于30的公司）
数据区间：2000-2025年

最终结果包含3个版本：
1、未筛选剔除未缩尾处理
2、剔除金融行业、剔除ST、*ST、PT类、已退市公司样本未缩尾处理
3、剔除金融行业、剔除ST、*ST、PT类、已退市公司样本已缩尾处理

结果说明

数据截图

各年数据量

缩尾后描述性统计