Advertisement

四因子月度统计数据(包括市场溢酬、市值、账面市值比和动量因子)涵盖1992年至2017年(.xlsx格式)。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
本表依据Fama-French三因子资产定价模型,呈现市场溢酬因子(Rm-Rf)、市值因子(SMB)和账面市值比因子(HML)的月度序列数据。为了计算,无风险收益数据的选取遵循以下标准:从2002年8月6日开始,采用三个月期定期银行存款利率;从2002年8月7日至2006年10月7日,则使用三个月期中央银行票据的票面利率;而从2006年10月8日至今,则采用上海银行间3个月同业拆放利率。 此外,三因子数据包含市场溢酬因子(以流通市值加权Rm-Rf) 、市值因子(以流通市值加权SMB)以及账面市值比因子(以流通市值加权HML)。同时,还提供了市场溢酬因子(总市值加权Rm-Rf) 、市值因子(总市值加权SMB)和账面市值比因子(总市值加权HML)。惯性因子,又称动量因子,有三种计算方式:第一种方法是计算前n个月累积收益最高的30%的所有股票组合的加权收益率与前n个月累积收益最低的30%的所有股票组合的加权收益率之间的差异;第二种方法是计算前n个月累积收益最高的10%的所有股票组合的加权收益率与前n个月累积收益最低的10%的所有股票组合的加权收益率之间的差异;第三种方法是计算前n个月累积收益大于零的所有股票组合的加权收益率与前n个月累积收益小于零所有股票组合的加权收益率之间的差异。其中,n的值为3、4、5、6、7、8、9、10、11、12、18和24。在加权方面,采用了等权重、流通市值权重和总市值权重的方法。值得注意的是,Carhart四因子模型经典文献中惯性因子的计算公式为:惯性因子=前11个月累积收益最高的30%的股票组合等权收益率-前11个月累积收益最低的30%的股票组合等权收益率。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • )(1992-2017).xlsx
    优质
    该Excel文件包含从1992年至2017年的月度数据,涵盖了市场溢酬因子、市值因子、账面市值比因子及动量因子,适用于金融研究与投资分析。 本表依据Fama-French三因子资产定价模型提供市场溢酬因子(Rm-Rf)、市值因子(SMB) 和账面市值比因子(HML)的月度序列数据。无风险收益的数据选择标准如下:2002年8月6日之前使用三个月期定期银行存款利率;从2002年8月7日至2006年10月7日,采用三个月期中央银行票据票面利率;自2006年10月8日起,则用上海银行间3个月同业拆放利率。三因子数据包括: - 流通市值加权的市场溢酬因子(Rm-Rf)、市值因子(SMB)和账面市值比因子(HML) - 总市值加权的市场溢酬因子(Rm-Rf)、市值因子(SMB)以及账面市值比因子(HML) 该表提供了三种计算方式来确定月度惯性(动量)因子,具体如下: 1. 惯性因子=前n个月累积收益最高的30%的所有股票组合加权收益率-前n个月累计回报最低的30%的所有股票组合加权收益率。 2. 惯性因子= 前n个月累积收益最高10%的所有股票组合加权收益率 - 前n个月累积回撤最严重的10%所有股票组合的加权平均值 3. 惯性因子 =前n个月内回报为正数的所有股票组合的加权平均收益率-同一期间内回报率为负数所有的股票组的加权平均收益。 其中,计算周期(n)可以是 3、4、5、6、7、8、9、10、11、12 或者更长的时间段如18或24个月。加权方式可以选择等权重或者基于流通市值和总市值的加权方法进行。 在Carhart四因子模型的经典文献中,惯性(动量)因子被定义为:前 11 个月内累积回报最高的30%的所有股票组合以等权重计算的平均收益率与同一期间内表现最差的30%所有股票组合按相同方式加权后的算术均值之差异。
  • 中国城鉴地级(2000-2019,1999-2018).xlsx
    优质
    本Excel文件收录了自2000年至2019年间中国各主要地级市的详尽统计信息,包括经济、人口和社会发展数据等,涵盖1999至2018年度。为研究和分析提供了宝贵的资料。 2000-2019年中国城市统计年鉴地级市面板数据(对应1999-2018).xlsx
  • 1990-2023公司季相对价指标盈率、销率、现率、净率、托宾Q
    优质
    本数据库收录了自1990年至2023年的中国上市公司每季财务报告中的关键估值指标,包括市盈率、市销率等六大核心数据,旨在为投资分析提供详实参考。 上市公司相对价值指标(1990-2023年季度数据)包括市盈率、市销率、市现率、市净率、托宾Q值、账面市值比及普通股获利率等,涵盖企业价值倍数。 该数据库涵盖了A股主板市场、中小企业板市场、创业板市场以及科创板和北京证券交易所的上市公司。所有数据均基于上市公司的财务报告与公告整理而成。 统计范围包括1990年至2023年第一季度的数据,涉及沪市、深市及北交所的所有板块内的公司。 主要指标如下: - 股票代码 - 股票简称 - 统计截止日期 - 行业代码与行业名称 - 公告来源 具体相对价值指标包括: 1. 市盈率(PE):原始、最新及TTM数据。 2. 市销率(PS):原始、最新及TTM数据。 3. 市现率(PCF):原始、最新及TTM数据。 4. 市净率(PB) 5. 市值与有形资产比 6. 母公司市盈率(PE):原始、最新及TTM数据。 这些指标为投资者提供了全面的视角,帮助他们理解公司的市场价值和财务健康状况。
  • 中国城鉴(2017).xlsx
    优质
    《中国城市统计年鉴(2017年)》提供了详尽的城市经济社会统计数据,涵盖人口、就业、教育、卫生等多个领域,为研究和决策提供重要参考。 在进行数学建模时会用到2017年中国城市统计年鉴。
  • 2017-2019南昌天气.xlsx
    优质
    该Excel文件包含了南昌市从2017年至2019年间详细的气象记录,包括气温、降水及风速等关键天气参数。 此文件包含江西省南昌市2017年至2019年各日的天气信息,其中包括日期、最高温度、最低温度、天气状况以及风向风速等基本信息。有需要的研究者可以下载并使用这些数据进行研究分析。
  • 公司机器(2003-2021
    优质
    该资料汇集了自2003年至2021年间中国上市公司的机器设备账面价值数据,为研究企业固定资产投资及财务状况提供详实依据。 标题中的“上市公司机器账面价值2003-2021年”指的是一个涵盖了从2003年至2021年间中国上市公司的机器资产账面价值的数据集,记录了企业在这些年间对机器设备的投资、折旧和更新情况。该数据集反映了企业固定资产投资、生产效率及行业发展状况的重要依据。 描述中提到,“数据名称”是“上市公司机器账面价值”,表明这是一个与上市公司财务状态紧密相关的数据库,涵盖从2003年到2021年的19年间的数据,并提供了总计36551条样本。这些数据来源于上市公司的年度报告,确保了信息的官方性和可靠性。 标签“金融商贸”和“大数据”揭示了该数据集的应用领域,在金融商贸领域中,这样的数据可以帮助投资者、分析师及政策制定者理解上市公司在设备投资上的行为,并进一步分析其对经济增长、市场竞争以及行业动态的影响。此外,“大数据”的标签意味着这些数据适合使用现代统计方法如数据挖掘或机器学习进行深入分析。 压缩包内可能包含一个名为“说明.txt”的文档,其中详细介绍了关于数据集的信息,例如字段解释及处理异常值的方法等;同时还有一个7786.zip文件,里面包含了实际的数据。每个条目可能会包括公司的标识信息、年份、机器账面价值以及其他相关财务指标。 通过这些数据可以进行多方面的研究工作,比如分析历年机器账面价值的增长率、探究其与GDP和行业产值的关系等。此外还可以比较不同行业或地区的设备投资策略,并预测未来的投资趋势;或者利用聚类分析识别出具有相似投资模式的公司群体,以及探索影响机器账面价值的关键因素(如企业规模及盈利能力)。这些研究对于投资者、企业管理者乃至宏观经济研究人员都极具参考价值。
  • 2004-2022公司托宾Q.xlsx
    优质
    本Excel文件包含了自2004年至2022年间中国上市公司的托宾Q值数据,为研究公司资产价值提供了详实的数据支持。 2004-2022年上市公司托宾Q值数据 1. 时间:2004-2022年 2. 指标:年份、股票代码、股票简称、行业名称、行业代码、省份、城市、区县、行政区划代码、城市代码、区县代码、首次上市年份、上市状态、托宾Q值 3. 范围:上市公司 4. 来源:上市公司年报 5. 样本量:5万条数据 6. 指标解释: 托宾Q值是由经济学家詹姆斯·托宾提出的,用于衡量公司投资机会与市场对其估值之间的关系。理论上,当托宾Q值大于1时,公司的市值超过了其资产价值,表明该公司应增加投资;反之,如果Q值小于1,则表示公司的市值低于其资产价值,可能意味着过度投资或市场对公司前景不乐观。 计算公式: 托宾Q值 = 市值 / 总资产 其中,市值计算方法如下: - 人民币普通A股的今收盘价期末值 - 境内上市外资B股的今收盘价期末值乘以当日汇率 - (总股本数-人民币普通A股-境内上市外资B股)*(所有者权益合计期末值/实收资本本期期末值) - 负债合计本期期末值
  • 2020JCR影响最新(2019).xlsx
    优质
    本文件为2020年期刊引用报告(JCR)中收录的学术期刊在2019年的影响力数据,涵盖各学科的影响因子及其他评价指标。 2020年SCI影响因子数据筛选条件为:JCR年度选择2019年,版本选择SCIE,分类体系采用WoS。
  • 南京20092017的房价
    优质
    本数据集包含了南京市从2009年到2017年间详细的房价信息,包括各区房价走势、均价变化等,为房地产研究提供重要参考。 标题“南京市2009-2017年房价数据”涵盖了城市房价分析的主要知识点,并专注于南京这一特定城市的详细研究。此描述中的“包括xls表格和南京市行政区划的shp文件”,揭示了该数据集的具体内容及其应用,涉及到了地理信息系统(GIS)技术和统计数据分析。 首先,在Excel数据处理方面,“HousePriceNanjing_2009-2017.xls”是一个存储结构化房价信息的数据表。用户可以使用Microsoft Excel或类似的电子表格软件来打开和分析这些文件,包括计算平均值、中位数、趋势以及增长率等关键指标。 其次,在GIS基础方面,“NanjingBND.shp” 是一个Shapefile格式的地理矢量数据文件,通常用于存储诸如行政区划边界的地理空间信息。这种类型的文件常被用在地理信息系统(如QGIS或ArcGIS)中展示南京市的不同区域划分情况,并且能够进行进一步的空间分析。 结合房价数据和GIS技术,用户可以将房价与地理位置关联起来,在地图上可视化不同地区的房价差异,为房地产投资提供决策支持。 此外,通过对比2009年至2017年的房价趋势,研究者能更好地理解南京地区房产市场的周期性和季节性变化。同时还可以分析影响房价的因素如地段、交通和配套设施等,并建立多元线性回归模型或时间序列模型来预测未来的市场走势。 最后,利用GIS空间分析技术可以深入探讨诸如距离特定设施(例如学校和医院)一定范围内的房价波动以及交通便利度对房地产价格的影响等问题。整体而言,该数据集为学者、政策制定者及投资者提供了丰富的研究材料,并且从经济角度与地理视角共同解析了南京市的房产市场动态。
  • 中国城鉴中的地级.xlsx
    优质
    该文件为中国城市统计年鉴中提取的地级市层面的详尽数据集,涵盖经济、社会、科技等多个领域指标,便于学术研究与数据分析。 1999年至2018年期间,各地级市的GDP、人口数量及教育水平等各种社会统计信息。