Advertisement

年度上市公司的周收益率均值与标准差Ret及Sigma期间为1990至2021年附带提供相关计算代码

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

简介：
单个周股票回报率的均值和标准差对当年考虑现金红利再投资的单个周股票回报率进行计算后得到的数据中所包含的信息为证券代码、年度、单个周股票回报率均值、单个周股票回报率标准差代码.do

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 1990-2023年上市公司季度相对价值指标数据（市盈率、市销率、市现率、市净率、托宾Q值、账面市值比）
    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。
  • 中国上市公司2021年度报告
    优质
    《中国上市公司2021年度报告》全面汇总了国内主要上市企业的财务数据和经营状况，反映了各行业的发展趋势及经济变化。 中国上市公司2021年企业年报涵盖了大部分中国上市公司的公告。
  • 1990-2024年公司退市情况及上市公司退市名单（STATA分析）
    优质
    本研究运用STATA软件分析自1990年至2024年间公司的退市状况，并列出详细的退市上市公司名单，旨在揭示影响企业生存与发展的关键因素。 在IT行业中，数据分析是一项至关重要的任务，特别是在金融领域。本段落探讨的是关于“1990-2024年公司是否退市、上市公司退市名单、退市上市公司、退市公司”的研究项目，这是一个涉及大数据分析的课题，主要关注特定时间段内上市公司的退出情况。 首先，“是否退市”是二元变量，在数据分析中被用作分类或逻辑回归模型的重要特征。如果一家公司在某个时间点已经从市场撤出，则该指标值为1；否则为0。这一指标有助于预测公司未来的经营状况和风险水平。 其次，分析“退市年份”可以帮助识别公司的退出模式、周期性趋势以及可能的影响因素，如经济环境或政策变化等。通过对历史数据进行时间序列分析（包括趋势、季节性和循环性分析），可以建立模型来预测未来可能出现的市场变动和公司行为。 在数据分析过程中使用的原始数据集通常包含各种相关信息，例如财务报表、市值信息及盈利能力指标等，这些都对构建复杂的统计模型至关重要。比如通过生存分析模型评估哪些因素可能增加公司的退市风险。 计算代码一般以Stata脚本形式存在，这是一种广泛应用于社会科学和经济学领域的强大统计软件。该脚本涵盖了数据预处理步骤（如清洗缺失值）、变量转换、逻辑回归或Cox比例风险等高级建模方法的应用以及结果的解释说明等内容。 此外，在进行大规模数据分析时，可能还会使用到Hadoop、Spark这样的大数据技术平台及Python或R编程语言来高效地处理和分析海量数据集。这些工具能够帮助研究人员快速有效地找到隐藏在大量信息中的模式与趋势，并通过Matplotlib或ggplot2等可视化库将结果直观展现出来。 最后，在项目文件夹中通常会包含详细的说明文档，解释整个研究的过程、目的及所采用的具体统计方法等内容；同时也会提供一个数据集压缩包（如9751.zip），内含各个上市公司的详细信息和历史记录。这些资源对于深入理解公司退市背后的驱动因素具有重要价值。 综上所述，本项目不仅涉及大数据分析与时间序列建模等技术手段的应用，还涵盖了金融市场的公司生存研究及如何利用专业软件进行数据分析的技能训练。通过上述方法和技术的支持，可以为投资者提供重要的决策依据和市场洞察力。
  • 上市公司机器账面价值（2003-2021年）
    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。
  • 1990至2022年6月的上市公司高管信息数据
    优质
    本数据库收录了自1990年至2022年6月期间中国上市公司的高级管理人员的信息资料，涵盖其职务变动、任职经历等详细记录。 1990年至2022年6月期间的上市公司高管及董监高人员数据包括以下指标：证券代码、年末持股数、是否为高管团队成员及其职务类别；是否担任董事会成员及其职务类别；是否独立董事；是否同时兼任董事长和CEO；职业背景、海外经历、学术背景以及金融背景信息。此外，还包括在股东单位的兼职情况及具体职务类别，如董事职位总数（包括上市公司数量与代码）等详细内容。若为监事，则需提供具体的职务介绍及其他在职职务的相关详情。
  • 上市公司名义所得税率（2003年至2019年）.zip
    优质
    本资料集包含了中国上市公司从2003年至2019年的名义所得税税率数据，为研究企业税收负担变化提供了详实的数据支持。 上市公司名义所得税率（2003-2019）.zip
  • 2000-2021年间上市公司投资效率的Richardson模型分析（含原始数据、计算代码及最终结果）
    优质
    本研究运用Richardson模型深入分析了2000至2021年期间中国上市公司的投资效率，并提供了详尽的数据集、计算代码和结论报告。 2000-2021年上市公司投资效率Richardson模型分析 时间范围：2000年至2021年。 指标包括： - 证券代码、年份、证券简称、市场类型（股票市场交易子库）、AB股标识； - 上市公司贷款信息； - 公司成立与上市的年份，是否*ST或PT以及行业分类等基本信息； - 财务数据如货币资金、短期投资净额、资产总计和负债总计； - 经营活动产生的现金流量净额及其他相关现金流项目（包括固定资产处置回收及支付情况）； - 固定资产折旧和其他长期资产摊销，营业收入增长率B以及操控性与非操控性的应计利润信息。 数据内容： 1. 原始数据 2. 计算代码 3. 最终结果 计算说明： 参考潘越老师的相关研究文献构建Richardson模型进行分析。该模型主要用于评估企业的投资效率和财务健康状况，通过综合考虑企业各项经济活动及其产生的现金流来评价其长期发展能力。 参考资料： - 潘越,汤旭东,宁博,杨玲玲. 连锁股东与企业投资效率：治理协同还是竞争合谋
  • 2000-2021年间上市公司企业绿色全要素生产率的STATA分析（附原始数据和代码）
    优质
    本研究运用STATA软件对2000至2021年间中国上市公司的绿色全要素生产率进行了全面分析，提供详细的原始数据与代码供学术界参考使用。 本段落采用SBM-GML模型对企业绿色全要素生产率（GTFP）进行测算。GTFP的评估主要包括投入与产出两方面： **投入方面：** - 资本投入：利用永续盘存法估算每个企业的资本投入。 - 劳动投入：以企业员工人数作为代理指标。 - 能源投入：以上市公司所在城市工业用电量为能源使用情况的代表。 **产出方面：** - 期望产出：采用企业的主营业务收入来衡量期望输出水平。 - 非期望产出：通过考察企业所在地级市的“三废”排放量来进行评估。 此外，文章中还包含了稳健性检验所需的替换指标，并利用SBM-SML方法进行测算。这些数据已经过实证验证并显示出显著性的结果，可以放心使用。如有需要进一步解释或修改，请随时告知。