Advertisement

基于Weiss模型的成本粘性计算及Stata代码(含2002-2022年的数据与结果)

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


简介:
本文利用Weiss模型探讨成本粘性的量化方法,并提供1992年至2022年间的数据分析和Stata编程实现,为相关研究者提供实用的计算工具和参考。 Weiss模型成本粘性 1. 计算说明: 变量定义如下: - :样本公司该年份四个季度中营业收入下降的最近一个季度。 - :样本公司该年份四个季度中营业收入上升的最近一个季度。 其中,SALE代表营业收入,EARNINGS表示营业利润。STICKY是指在某一年的第一至第四季度期间,在销售规模增长和减少的情况下成本变动额的非对称性。如果存在成本粘性,则当销售额增加时的成本增加量应大于销售额下降相同幅度下的成本降低量;此时STICKY值为负,且数值越小表示成本粘性强。相反地,若公司有反向黏性的成本行为,在销售增长时其相应的成本增量会小于在同等程度的销售缩减下产生的成本减少量,则STICKY值为正,并且越大表明存在较强的反向黏性。 2. 参考文献: - Dan Weiss, Cost Behavior and Analysts Earnings Forecasts, Accounting Review, 2010. - 吕晶晶,《成本粘性、盈利预期与市场反应》,南京大学,年份未具体说明。 3. 数据格式:原始数据为Excel表格(涵盖1991年至2022年的年度记录)。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • WeissStata2002-2022
    优质
    本文利用Weiss模型探讨成本粘性的量化方法,并提供1992年至2022年间的数据分析和Stata编程实现,为相关研究者提供实用的计算工具和参考。 Weiss模型成本粘性 1. 计算说明: 变量定义如下: - :样本公司该年份四个季度中营业收入下降的最近一个季度。 - :样本公司该年份四个季度中营业收入上升的最近一个季度。 其中,SALE代表营业收入,EARNINGS表示营业利润。STICKY是指在某一年的第一至第四季度期间,在销售规模增长和减少的情况下成本变动额的非对称性。如果存在成本粘性,则当销售额增加时的成本增加量应大于销售额下降相同幅度下的成本降低量;此时STICKY值为负,且数值越小表示成本粘性强。相反地,若公司有反向黏性的成本行为,在销售增长时其相应的成本增量会小于在同等程度的销售缩减下产生的成本减少量,则STICKY值为正,并且越大表明存在较强的反向黏性。 2. 参考文献: - Dan Weiss, Cost Behavior and Analysts Earnings Forecasts, Accounting Review, 2010. - 吕晶晶,《成本粘性、盈利预期与市场反应》,南京大学,年份未具体说明。 3. 数据格式:原始数据为Excel表格(涵盖1991年至2022年的年度记录)。
  • 上市公司高管薪酬Stata(2009-2022,五滚动
    优质
    本资料提供中国A股上市公司高管薪酬粘性的年度数据及五年滚动计算结果,并附有详细分析所需Stata操作代码。时间跨度为2009至2022年。 上市公司高管薪酬粘性数据及Stata代码(2009-2022),采用五年滚动计算方法。
  • 推荐上市公司高管薪酬NXStata2005-2022(作者:徐悦)
    优质
    本文由作者徐悦撰写,提供了一套用于分析中国上市公司高管薪酬粘性问题的Stata代码和相关数据集(2005-2022)。此资源帮助研究者深入探究薪酬结构与公司治理的关系。 高管薪酬粘性的计算方法如下: 1. 选取2006年至2022年公司前三名高管的年度薪酬数据,并且分别计算每年相对于上一年度薪酬的增长率以及公司的净利润增长率。 2. 将每位高管每年的薪酬增长率除以相应的净利润增长率,以此确定各年的薪酬变动对于公司利润变化的敏感性程度。 3. 对于样本期间(即从2010年至2022年),计算每一年及其之前四年内滚动五年期间内,在净利润增长和下降两种情况下高管薪酬对净利润变化的平均敏感度。(如果在某段滚动五年的时期里,公司的净利润每年都为正或都为负,则该时间段不纳入分析) 4. 每个年度中,将当期及前四年构成的五个财务年度内的净利润上升时高管薪酬变动相对公司利润增长的敏感性均值减去下降时期的相应数值,得到各年的滚动五年内高管薪酬粘性的指标(NX)。 稳健性检验采用前三名董事、监事和高级管理人员的薪酬来衡量企业中高层薪资水平。参考文献为徐悦, 刘运国, 蔡贵龙. 高管薪酬粘性与企业创新[J]. 会计研究, 2018(7):7. 数据筛选步骤如下: (1)从初始样本A股上市公司名单中,剔除金融和保险类公司; (2)去除缺失值的数据记录。为了防止因大量删除而造成的样本数量过少问题,在处理时并未直接排除上年度净利润为负的案例。 若上一年度净亏损,则该数据点仍保留在分析范围内进行后续步骤研究。
  • SYN股价同步和信息Stata分析原始2000-2021
    优质
    本研究使用Stata软件分析了SYN股票从2000年至2021年间的价格同步性及其所携带的信息量,提供了详尽的数据分析代码和原始数据。 股价同步性的计算方法在不同参考文献中有差异,以下是三种常用的方法: 第一种:中国的证券分析师能够提高资本市场股价同步性和股价信息含量的经验证据(朱红军) 第二种:信息透明度、机构投资者与股价同步性(王亚平) 第三种:分析师能降低股价同步性吗——基于研究报告文本分析的实证研究(伊志宏) 在回归后,使用以下公式进行对数化处理来计算股价同步性。 数据说明: - 原始数据包含1990年至2021年每周个股收益率、综合周市场收益率以及行业代码和交易状态。 - 数据格式为dta文件(适用于Stata 14及以上版本)。 - 最终结果将以Excel格式提供。 - 研究对象为2000年至2021年间沪深两市A股上市公司。 - 剔除每年交易周数少于30周的样本,以便有效估计。 - 行业代码基于2012年证监会行业标准,并且剔除了金融保险业。如需保留该行业,则需要修改相关数据处理程序中的注释部分即可。 - 提供正常交易、ST(特别处理)、*ST(退市风险警示)、PT(暂停上市)和退市整理期等不同交易状态的筛选条件。
  • 2001-2022上市公司字化转集(包原始
    优质
    本数据集收录了从2001年至2022年间中国上市公司的数字化转型相关数据,涵盖原始资料、分析代码及其输出结果,旨在为学者和研究者提供详实的研究素材。 2001-2022年上市公司数字化转型数据(包含原始数据、计算代码及结果) 时间范围:2001年至2022年。 来源:原始数据来源于Wind数据库的整理。 指标包括: 证券代码、证券简称; 统计截止日期,是否发生ST或*ST或PT情况以及暂停上市状态; 行业分类信息如行业代码和名称; Stkcd、Year(年度)、省份及区域等基本信息; 成立日期与年份、上市年份及其性质如是否为国有公司; 详细的财务数据包括A股股票代码、截止日期,合并标识和调整标识,科目名称以及相应的期初余额元和期末余额元。 此外还包括原值信息及数字化转型程度。 计算说明:企业数字化水平通过分析其年度无形资产明细中的相关项目来衡量。具体而言,在无形资产中包含“软件”、“网络”、“客户端”、“管理系统”或“智能平台”的部分被定义为与数字技术相关的无形资产,然后将同一公司同类别的多个此类项目的总值除以该公司的全部无形资产总额得到一个比例,以此作为企业数字化转型程度的度量指标。 参考文献: 张永珅, 李小波, 邢铭强. 《企业数字化转型与审计定价》
  • 金融机构系统金融风险2007-2022原始
    优质
    本项目提供金融机构系统性金融风险的计算代码、自2007年至2022年详细的计算结果以及相关原始数据,旨在帮助研究者分析和理解全球金融危机及其后续影响。 一、数据简介:本数据集包含四个系统性极值风险指标——通过DCC方法计算的Δcovar、分位数法计算的Δcovar、分位数法计算的covar以及MES,涵盖上市金融机构(包括银行、证券和保险等)从2007年至2022年的数据。这些数据为非平衡型,即并非所有机构的数据都始于2007年,但自2010年后大部分都有记录,并且能够很好地描述金融危机、股市崩盘以及新冠疫情的影响。 二、指标说明:金融系统性风险是指在金融市场中由于各种关联因素的存在,导致风险传播并逐渐形成内在不确定性的损失。这些内部机制包括但不限于Acemoglu等人提出的观点。 三、参考文献: [1] 王剑, 杜红军. 非对称尾部相依视角下的金融机构系统性风险研究[J]. 金融经济,2023,No.561(03):54-69. [2] 朱子言, 刘晓星. 系统性风险溢出与脆弱度——基于中国上市金融机构尾部风险感知的研究[J]. 金融经济学研究,2023,38(02):20-34.
  • 上市公司战略调整程度Stata2000-2022原始
    优质
    本研究利用Stata软件编写代码,分析2000年至2022年间中国上市公司的战略调整程度,通过量化方法评估企业战略变化趋势与特点。 测量公司战略调整的程度可以通过评估年度区间内组织的战略资源配置变化来实现。如果在这一期间内的配置波动较大,则认为公司的策略调整更为激进;反之则较为保守。 具体操作步骤如下: 首先,收集企业战略资源的六个维度指标数据,这些包括三个基本资源配置指标和三个费用结构指标。这六个维度分别为: - 广告及宣传投入:销售费用与营业收入的比例 - 研发投资:无形资产净值占营业收入的比例 - 固定资产更新度:固定资产净值相对于原值的比例 - 期间费用支出:管理费用与营业收入的比率 - 存货水平:存货价值占营业收入的比例 - 财务杠杆系数:(短期借款+长期借款+应付债券)除以权益账面价值 接着,计算这六个指标在过去五年内的方差;然后将得到的结果根据行业标准进行标准化处理。最后,把经过标准化的六项数据加总起来,得出每个企业在每年的战略调整指数Ch。
  • 二元泊松2022世界杯预测
    优质
    本项目提供了一个基于二元泊松分布的概率模型,用于预测2022年世界杯比赛的结果。代码实现了参数估计与模拟对决过程。 本资源使用二元泊松模型预测2022年世界杯比赛结果的R语言源码。尽管网上有很多文章用双泊松(Double Poisson)模型来预测世界杯比赛,但这种模型存在一个显著缺陷:它假设比赛中两队的比分是条件独立的。然而,在对抗性体育赛事中,双方球队的表现通常会相互影响,并且根据场上的形势调整策略。 例如在足球比赛中,当主队以1:0领先并且距离终场只有十分钟时,落后的客队可能会采取激进战术冒险争取平局;相反地如果比分差距较大如3:0或4:0的情况下,则领先的球队可能开始放松防守甚至换下主力球员。此时落后一方反而有机会缩小分差。 因此,在实际比赛中两支队伍的表现并非完全独立而是相互关联的,这种相关性可以通过依赖参数来量化描述。二元泊松(Bivariate Poisson)模型能够捕捉到双方得分之间的联系,并且用该方法进行预测往往能获得更高的准确性。在已经完成的一场四分之一决赛中,使用此模型的成功率达到了100%。
  • 1992-2021上市公司债务融资Stata原始).zip
    优质
    本资源包含1992年至2021年间中国上市公司的债务融资成本数据,附带详细的Stata数据分析代码和原始数据文件,便于研究者进行深入的金融分析。 1990-2021年上市公司债务融资资本数据包括原始数据、处理代码及计算结果: 时间范围:1990年至2021年。 来源:上市公司年报 指标: - 编码、年份、证券代码 - 短期借款、长期借款、应付债券、长期应付款以及负债合计 - 行业代码和财务费用明细(包括利息支出,利息收入,资本化金额及手续费等) - 一年内到期的长期借款和其他长期负债 - 是否被特别处理或暂停上市(ST或PT)状态及其退市年份信息 计算方法: 1. C1:企业年度财务费用占期末总负债的比例。 2. C2:(利息支出+手续费支出及其他财务费用)/期末总负债。 3. C3:年度内企业的利息支出与当年长短期借款平均值的比率。 说明:数据中剔除了金融行业,以及在年末被特别处理或暂停上市(ST、*ST或PT)的企业。此外,还排除了未上市及已退市公司的记录,并对连续变量进行了缩尾处理以提高数据分析准确性。