做實證研究這幾年要說哪類數(shù)據(jù)最容易讓人產(chǎn)生一種“下載完就等于做完了”的錯覺股東股權(quán)質(zhì)押數(shù)據(jù)絕對排得上號。從2003年到2024年A股上市公司股東把手中股份質(zhì)押給銀行、券商或者信托去換融資每一筆都會在交易所公告里留下痕跡研究股權(quán)質(zhì)押和企業(yè)風(fēng)險、公司治理、大股東行為的論文幾乎都要用到這批記錄。數(shù)據(jù)不缺下載也不難難的是怎么把它從一張張零散的質(zhì)押公告變成能直接放進面板回歸的干凈表格。這篇文章就來拆一拆這份數(shù)據(jù)里面到底有什么怎么理解怎么清洗以及做完之后能回答哪些實證問題。不管你是準備寫畢業(yè)論文還是剛開始接手公司金融研究課題把這套流程走一遍后面會省很多事。1. 拆解這個數(shù)據(jù)集股權(quán)質(zhì)押數(shù)據(jù)到底在記錄什么1.1 股東為什么要拿股權(quán)質(zhì)押先把底層邏輯講清楚。股權(quán)質(zhì)押對股東來說本質(zhì)上是一筆以股票市值為擔保品的融資。假設(shè)你手上有一家上市公司20%的股份總市值兩個億但你急用五千萬現(xiàn)金。直接賣股要公告、要面對市場猜測而且賣多了還可能丟掉控制權(quán)把股份質(zhì)押出去錢到手了股份名義上還記在你名下投票權(quán)也不受影響。這種方式在資金需求比較急、又不想減持的股東眼里天然有吸引力。債權(quán)人也不是做慈善。券商、銀行和信托在接受質(zhì)押時通常只按市值的五折左右放款也就是質(zhì)押率在30%到50%之間還會設(shè)置預(yù)警線和平倉線。一旦股價跌到預(yù)警線股東必須補充擔保品或者提前還款跌穿平倉線更麻煩債權(quán)人有權(quán)處置股票。這個機制是整個數(shù)據(jù)最具分析價值的點股東質(zhì)押之后股價波動不再只是市場波動它會直接影響股東的融資安全和控制權(quán)安全于是股東在財務(wù)決策、信息披露、分紅回購上的行為都會跟著變。幾乎所有的股權(quán)質(zhì)押實證研究起點都是這個行為推斷。這也是為什么研究里經(jīng)常把股權(quán)質(zhì)押看成“大股東面臨資金壓力”和“大股東有市值管理動機”的標志變量。1.2 2003到2024二十年質(zhì)押數(shù)據(jù)里的周期變化2003到2024這個區(qū)間橫跨的時間足夠長背后的制度環(huán)境變化非常明顯。2005年股權(quán)分置改革之前大量股份還不能自由流通公開市場上的質(zhì)押案例少記錄也多集中在少數(shù)法人股東身上樣本量很小數(shù)據(jù)反映的更像是個案融資行為。2007到2012年前后市場進入快速擴容階段質(zhì)押交易的參與機構(gòu)以銀行信托為主質(zhì)押對象更多地綁定在單一項目上。真正的轉(zhuǎn)折發(fā)生在2013年。那一輪券商股權(quán)質(zhì)押業(yè)務(wù)規(guī)范化之后股票質(zhì)押式回購成為標準化產(chǎn)品流程快、門檻低大批中小股東和控股股東涌進來。到2016、2017年市場整體質(zhì)押比例已經(jīng)處在一個相當高的位置不少公司的累計質(zhì)押比例超過總股本的40%創(chuàng)業(yè)板的民營公司尤其明顯。這種高比例狀態(tài)當然不可能長久持續(xù)。2018年監(jiān)管對股票質(zhì)押出臺更嚴格的管理要求單只股票整體質(zhì)押比例、單一機構(gòu)接受同一只股票質(zhì)押的比例都被框定疊加當時市場估值下行高比例質(zhì)押的公司集中暴露風(fēng)險紓困基金進場“解押”“延期”和“被動減持”的記錄明顯變多。2020年往后存量風(fēng)險慢慢化解質(zhì)押數(shù)據(jù)里的新增大額質(zhì)押變少但每年仍在發(fā)生。這樣一個包含寬松期、爆發(fā)期、收緊期的長窗口對實證研究是很好的素材可以拿2018年的規(guī)則調(diào)整當外生沖擊做事件研究也可以比較不同制度環(huán)境下股權(quán)質(zhì)押對公司行為影響的差異。如果手里只有最近三四年的質(zhì)押數(shù)據(jù)很多這類設(shè)計都做不了。2. 建模之前的數(shù)據(jù)準備源庫選擇與核心變量拆解2.1 數(shù)據(jù)從哪來商用數(shù)據(jù)庫和公告手工整理怎么選剛開始接觸這個課題的人通常會先被一個問題卡住數(shù)據(jù)哪里來市面上主流的商用數(shù)據(jù)庫國泰安CSMAR、Wind、銳思RESSET基本都覆蓋了股權(quán)質(zhì)押專題。我自己最常用的還是CSMAR的股票質(zhì)押庫不是因為它一定比別家好而是它字段拆得細直接按上市公司、股東、質(zhì)權(quán)人逐筆登記且能導(dǎo)出匹配Stata和Python的格式對學(xué)術(shù)研究友好。具體對比可以看下面這張表。數(shù)據(jù)來源內(nèi)容顆粒度主要優(yōu)勢主要局限CSMAR股票質(zhì)押庫逐筆質(zhì)押/解押明細字段細、歷史長、適合建模需授權(quán)部分字段需自行拼接Wind股權(quán)質(zhì)押專題公司匯總部分明細展示直觀、更新快歷史明細可能被合并字段不如學(xué)術(shù)庫細銳思RESSET等庫類似CSMAR可作交叉驗證覆蓋面和使用習(xí)慣因人而異交易所公告手工整理原始公告全文可核對細節(jié)、補充缺口工作量極大易漏易錯做研究我一般建議以CSMAR或同類學(xué)術(shù)庫為主、公告核驗為輔。拿到數(shù)據(jù)后別急著用先看它的字段說明文檔重點確認三件事是否區(qū)分質(zhì)押和解押、是否包含股東類型、日期字段是哪一種。這些在數(shù)據(jù)說明里都有不看等于白吃虧。2.2 拿到的字段怎么認核心變量與容易遺漏的細節(jié)一份標準的股權(quán)質(zhì)押明細數(shù)據(jù)通常包含下面這些字段。別小看這張表絕大多數(shù)清洗錯誤都發(fā)生在對字段含義理解不到位上面。字段含義常見口徑問題證券代碼上市公司標識歷史代碼可能變更需統(tǒng)一格式股東名稱質(zhì)押股東全稱簡稱、更名、關(guān)聯(lián)主體需統(tǒng)一處理股東類型控股股東/非控股部分庫沒有需與持股數(shù)據(jù)合并質(zhì)押股數(shù)本次質(zhì)押數(shù)量注意單位是股還是萬股質(zhì)押市值質(zhì)押股票市值不同庫計算的時點不同質(zhì)押起始日權(quán)利設(shè)立日與公告日有差異需區(qū)分使用質(zhì)押到期日權(quán)利到期日缺失率高需用解押記錄補全質(zhì)權(quán)人類型銀行/券商/信托/其他分類標準可能不一致質(zhì)押目的融資/擔保等早期記錄缺失較多字段認完之后有兩處值得單獨提醒。一是股東名稱同一家集團下面可能掛著多個持股主體名稱里有全角空格、繁體、括號寫法不一不統(tǒng)一后面沒法做累計統(tǒng)計。二是質(zhì)權(quán)人類型銀行、券商、信托這三類機構(gòu)的放款邏輯完全不同銀行更看信用評級、券商更看質(zhì)押率和流動性、信托則經(jīng)常做通道業(yè)務(wù)做機制分析時往往要把質(zhì)權(quán)人類型拆開看。2.3 哪些衍生變量要自己造從單筆到累計的處理思路明細數(shù)據(jù)本身只是一條一條的交易實證研究真正需要的是能反映“狀態(tài)”的變量。最常見的衍生變量有這么幾類。是否質(zhì)押虛擬變量某年某股東是否發(fā)生過未解押的質(zhì)押或者年末是否存在存續(xù)質(zhì)押用0/1表示。這個變量適合做事件型研究比如“存在質(zhì)押的公司審計收費是否更高”。累計質(zhì)押比例把同一股東或者同一公司在某一年度內(nèi)存續(xù)的質(zhì)押股數(shù)加總再除以總股本或該股東持股數(shù)。這是最核心的解釋變量用來衡量質(zhì)押強度。構(gòu)造時最關(guān)鍵的一步是把已經(jīng)解押的質(zhì)押記錄從累計中剔除不然當年的存量會被高估。另外還有質(zhì)押集中度、平均質(zhì)押期限、質(zhì)權(quán)人是否為券商等變量。這些看著簡單但每一步都依賴明細數(shù)據(jù)的準確性和日期口徑的一致性。所以千萬不要覺得“先下載一份現(xiàn)成的質(zhì)押比例指標”就夠了。商用數(shù)據(jù)庫確實會提供現(xiàn)成指標但不同庫的算法不同有的按公告累計、有的按存續(xù)狀態(tài)累計用之前必須搞清楚它的口徑否則回歸結(jié)果很容易被質(zhì)疑。3. 實操環(huán)節(jié)用Python手把手完成數(shù)據(jù)清洗3.1 讀入與去重先把明細壓實成一張干凈表實操部分先把去重和基本面檢查走一遍。我用pandas做示范Stata的邏輯完全一樣。import pandas as pd # 讀入質(zhì)押明細表 pledge pd.read_csv(pledge_detail.csv, encodinggbk) print(pledge.shape) print(pledge.head()) # 排除已經(jīng)解押的初始記錄只保留當期存續(xù) pledge pledge[pledge[解押日期].isna() | (pledge[解押日期] pledge[質(zhì)押起始日期])] # 去重同一筆質(zhì)押可能因為公告多次出現(xiàn)而重復(fù) dedup_cols [證券代碼, 股東名稱, 質(zhì)權(quán)人名稱, 質(zhì)押起始日期, 質(zhì)押股數(shù)] pledge_clean pledge.drop_duplicates(subsetdedup_cols, keeplast)去重這一步是很多翻車現(xiàn)場的開始。我自己拿到一份第三方整理數(shù)據(jù)時就發(fā)現(xiàn)同一筆質(zhì)押因為公司發(fā)了更正公告在表里出現(xiàn)了兩次質(zhì)押股數(shù)一樣但公告日期不同。如果不先drop_duplicates后面加總時會把這筆質(zhì)押算成兩份。去重完成后做一次比例檢查生成公司層面的質(zhì)押股數(shù)合計和數(shù)據(jù)庫自帶的質(zhì)押余額對比差異明顯就說明數(shù)據(jù)源本身有臟數(shù)據(jù)需要回到公告核驗。3.2 質(zhì)押比例兩種算法按總股本還是按持股算質(zhì)押比例是實證里用得最多的變量但“比例”的定義有兩種混用會出大問題。第一種是按總股本算的公司整體質(zhì)押比例公式是公司在t年末存續(xù)的累計質(zhì)押股數(shù)除以總股本。它衡量的是市場上有多大權(quán)重的股票被鎖定成擔保品股價下跌時更容易被動賣出。第二種是按股東持股算的股東質(zhì)押比例公式是某個股東累計質(zhì)押股數(shù)除以該股東持股總數(shù)。它衡量的是股東自身控制權(quán)的風(fēng)險如果這個比例逼近80%乃至100%說明股價稍微跌一點股東就得措手不及地補倉治理行為非常可能變形。舉個例子某控股股東持有1.2億股占總股本20%押出去7200萬股。按總股本算是12%看起來不高按該股東持股算卻是60%風(fēng)險信號完全不同。做實證時具體用哪一種要跟你的研究問題走研究股價風(fēng)險用公司整體質(zhì)押比例研究大股東治理動機用股東層面比例。很多論文會在穩(wěn)健性檢驗里換著跑。構(gòu)造股東層面比例需要先把股東持股數(shù)匹配進來這一步常常要回到股東持股明細庫不能只用公司層面的總股本。3.3 合并財務(wù)與行情數(shù)據(jù)構(gòu)建公司年度面板清洗完質(zhì)押明細接下來要把它變成公司年度面板和財務(wù)數(shù)據(jù)、行情數(shù)據(jù)做匹配。我的習(xí)慣是先把質(zhì)押明細按“證券代碼年份”聚合得到公司每年的質(zhì)押狀態(tài)。這里的年份用哪個日期必須想清楚如果研究市場對質(zhì)押公告的反應(yīng)用公告年份如果研究存續(xù)質(zhì)押對公司行為的影響用質(zhì)押存續(xù)狀態(tài)的覆蓋年份——只要質(zhì)押起始日在t年之前、解押日在t年之后就計入t年存續(xù)。兩種口徑會產(chǎn)出不同的數(shù)字一定要在論文數(shù)據(jù)說明里寫清楚。pledge_clean[存續(xù)年度] pledge_clean[質(zhì)押起始日期].str[:4].astype(int) firm_year pledge_clean.groupby([證券代碼, 存續(xù)年度]).agg( 累計質(zhì)押股數(shù)(質(zhì)押股數(shù), sum), 質(zhì)押筆數(shù)(質(zhì)押股數(shù), count) ).reset_index()然后和財務(wù)數(shù)據(jù)合并時要注意證券代碼的口徑。券商數(shù)據(jù)庫導(dǎo)出時有的給6位純數(shù)字代碼有的帶交易所后綴merge之前先統(tǒng)一格式否則明明是同一家公司左右表就是匹配不上。面板數(shù)據(jù)構(gòu)建好以后做三個快檢看面板是否平衡2003到2007年樣本量是否明顯偏少看質(zhì)押比例分布有沒有大于1的異常值大概率是重復(fù)累計對比連續(xù)兩年質(zhì)押余額的跳躍是否合理。跳出明顯異常再進入建模環(huán)節(jié)。4. 實證應(yīng)用這份數(shù)據(jù)能回答哪些研究問題4.1 股權(quán)質(zhì)押與企業(yè)價值代理成本視角的經(jīng)典設(shè)計數(shù)據(jù)準備好了它能回答什么第一類是經(jīng)典的公司治理問題最典型的是股權(quán)質(zhì)押與公司價值。大股東通過質(zhì)押把流動性風(fēng)險轉(zhuǎn)嫁給股價同時保留了控制權(quán)這會加劇“第二類代理問題”——大股東和中小股東之間利益并不完全一致。質(zhì)押比例高時大股東一方面有掏空動機通過關(guān)聯(lián)交易、資金占用等方式轉(zhuǎn)移公司資源另一方面又要防止股價下跌導(dǎo)致控制權(quán)旁落于是可能減少研發(fā)等長期投入。這個設(shè)計的被解釋變量常用托賓Q或ROA解釋變量就是公司整體質(zhì)押比例或者是否質(zhì)押虛擬變量。一個常見的基準模型是Value_it α β1 * PledgeRatio_it γ * Controls_it μ_i λ_t ε_it控制變量至少包括資產(chǎn)負債率、公司規(guī)模、盈利能力、成長性、兩權(quán)分離度等。用固定效應(yīng)模型控制公司層面的不隨時間變化的特征。這類研究最容易被審稿人挑的問題是內(nèi)生性。質(zhì)押決策不是隨機的可能恰好是資金緊張的公司才質(zhì)押而資金緊張本身也會影響價值。處理方式可以上Heckman兩階段、PSM匹配或者找一個外生沖擊做DID比如2018年質(zhì)押規(guī)則調(diào)整之后原本高比例質(zhì)押公司的行為是否發(fā)生突變。手里這份2003到2024年的長面板正好能支撐這類設(shè)計。4.2 股權(quán)質(zhì)押與股價崩盤風(fēng)險信息隱藏這條線另一條重要的線是股權(quán)質(zhì)押與股價崩盤風(fēng)險。它的邏輯鏈條很有意思股東質(zhì)押之后股價一旦跌破平倉線可能導(dǎo)致被強制平倉于是股東有強烈動機在股價下行時做市值管理把壞消息壓一壓、挑好消息放一放。壞消息不會憑空消失只會越積越多最后集中釋放的時候股價就容易崩得非常慘。實證上被解釋變量通常用NCSKEW或者DUVOL這兩個指標都是基于個股周收益率計算出來的。解釋變量依然是質(zhì)押比例樣本往往是2010到2023年這一段因為太早的年份質(zhì)押樣本太少崩盤風(fēng)險指標的方差也不穩(wěn)定。做這個方向要特別注意數(shù)據(jù)匹配崩盤風(fēng)險指標需要用行情庫重新算不能用別人論文里給的現(xiàn)成數(shù)據(jù)因為不同區(qū)間、不同頻率算出來的指標完全不同。另外質(zhì)押比例到崩盤風(fēng)險之間不是簡單線性關(guān)系有的論文發(fā)現(xiàn)存在門檻效應(yīng)樣本的尾部特征差異很大做異質(zhì)性分析時可以把樣本按質(zhì)權(quán)人類型、股東類型、產(chǎn)權(quán)性質(zhì)分組觀察。這些都是這份數(shù)據(jù)能直接支撐的邊際貢獻點。4.3 從研究設(shè)計反推數(shù)據(jù)需求別讓字段限制問題還有一類思路是反向拆解先定研究問題再看需要什么字段。下面這張表可以拿來當參考。研究問題核心解釋變量需要的字段股權(quán)質(zhì)押與企業(yè)創(chuàng)新控股股東累計質(zhì)押比例股東類型、累計質(zhì)押、持股數(shù)股權(quán)質(zhì)押與融資約束是否質(zhì)押、質(zhì)押規(guī)模質(zhì)押筆數(shù)、質(zhì)押市值、質(zhì)權(quán)人類型股權(quán)質(zhì)押與審計收費質(zhì)押比例、有無質(zhì)押質(zhì)押明細、審計數(shù)據(jù)股權(quán)質(zhì)押與股價波動公司整體質(zhì)押比例質(zhì)押明細、行情數(shù)據(jù)股權(quán)質(zhì)押與減持行為質(zhì)押到期分布質(zhì)押起始日、到期日、股東名稱這樣做的好處是不會因為數(shù)據(jù)庫里已有的字段而限制了自己的想象力。很多有意思的研究關(guān)鍵變量反而是自己組裝的數(shù)據(jù)庫里并沒有現(xiàn)成的股權(quán)質(zhì)押存續(xù)狀態(tài)指標。比較推薦的做法是確定研究主題后先寫一段一頁以內(nèi)的設(shè)計說明把核心變量的構(gòu)造公式寫下來再用這份明細去實現(xiàn)。直接一條一條翻明細找靈感效率很低也容易被數(shù)據(jù)里偶然的分布帶偏。5. 排雷實錄我踩過的常見坑和排查方法5.1 字段口徑混亂重復(fù)記錄和名稱變體怎么處理重頭戲來了說說我實際踩過的坑。第一個坑是字段口徑混亂?，F(xiàn)象一同一股東名稱在不同年份寫法不同比如“XX控股集團股份有限公司”和“XX控股集團”同時出現(xiàn)如果不多做一步標準化累計統(tǒng)計時會被拆成兩個主體。解法是用正則把公司后綴、空格、特殊符號統(tǒng)一規(guī)范化后再分組?，F(xiàn)象二數(shù)據(jù)里既有質(zhì)押記錄又有解押記錄但沒有明確的狀態(tài)字段導(dǎo)致同一筆質(zhì)押被反復(fù)計入。解法是先按質(zhì)押起始日、質(zhì)權(quán)人、股數(shù)去重再通過解押日期判斷當年存續(xù)狀態(tài)?，F(xiàn)象三數(shù)據(jù)庫的匯總表和自己加總對不上。這時候不要盲目信匯總我遇到過匯總表把已解押記錄也留在余額里的情況。必須回到逐筆明細核對必要時抽查幾筆交易公告截圖做佐證。檢查的標準動作按年度畫出質(zhì)押余額走勢再看有沒有突然清零又恢復(fù)的年份這種通常都是口徑切換或數(shù)據(jù)錯誤。5.2 時間維度陷阱公告日、質(zhì)押起始日和到期日怎么選第二個大坑是時間口徑。股權(quán)質(zhì)押數(shù)據(jù)里至少有三個日期公告日、質(zhì)押起始日、質(zhì)押到期日有的庫還有解押日。用不對結(jié)果天差地別。如果研究是事件研究比如“質(zhì)押公告發(fā)布后股價如何反應(yīng)”應(yīng)該用公告日作為事件日因為市場只能對公告做出反應(yīng)。如果研究是存續(xù)狀態(tài)的影響比如“股權(quán)質(zhì)押是否影響分紅”則應(yīng)該構(gòu)造存續(xù)期覆蓋只要質(zhì)押起息日在報告期之前且在期末尚未解押就計入。很多同學(xué)圖省事直接把質(zhì)押起始日對應(yīng)的年份當成年份變量這樣會帶來一個明顯的問題一筆在2023年12月29日開始的質(zhì)押會被記入2023年但其對公司的實際影響基本發(fā)生在2024年時間歸屬就偏了。處理辦法是同時生成兩個年份字段一個用于公告層分析一個用于存續(xù)層分析并在穩(wěn)健性檢驗里互換。到期日的缺失也是一個麻煩。早期記錄里不少質(zhì)押只有起始日沒有到期日有的是展期之后數(shù)據(jù)庫沒更新。遇到這種情況我會用同一股東后續(xù)的解押日反推或者把缺失的到期日標記為9999在存續(xù)計算時默認仍存續(xù)但這個默認必須寫進數(shù)據(jù)說明。5.3 代碼變更與退市樣本別讓歷史數(shù)據(jù)拖垮面板最后一個常被忽略的坑是證券代碼變更和退市樣本。A股代碼在2003到2024年間總體穩(wěn)定但發(fā)生過借殼上市、吸收合并等事項的公司代碼或者簡稱會變化有的公司在數(shù)據(jù)庫里存在新舊兩套標識。如果只用新代碼去匹配歷史數(shù)據(jù)那么該公司改名之前的質(zhì)押記錄會全部丟失。退市問題更隱蔽。商用數(shù)據(jù)庫通常以當前存續(xù)股票為范圍退市公司的質(zhì)押歷史很可能直接不在下載結(jié)果里。這會帶來幸存者偏差早期高質(zhì)押比例的公司如果大量退市而你只拿存續(xù)樣本回歸估計出來的質(zhì)押—風(fēng)險關(guān)系很可能被低估。實操辦法是下載時把退市、ST、*ST樣本一并納入或者先拿到歷史退市公司名單再從公告渠道回補質(zhì)押記錄。當然這一步不是所有研究題目都需要做。如果你的樣本期是2013年以后、研究對象以存續(xù)公司為主退市影響相對小但只要你聲稱用的是全市場面板就一定要在數(shù)據(jù)來源里說清楚覆蓋范圍。審稿人只要看到樣本篩選過程就會比較敏感提前做好準備比事后補說明從容得多。最后說一點我自己的使用體感。這份2003到2024年的股權(quán)質(zhì)押數(shù)據(jù)表面上是一張張冷冰冰的質(zhì)押公告真正用起來之后你會發(fā)現(xiàn)每一筆背后都站著一個缺錢又不想丟控制權(quán)的股東他的每一個選擇都在數(shù)據(jù)里留下痕跡。三年的數(shù)據(jù)只能看到一個橫截面二十多年的數(shù)據(jù)才能看到周期和制度變化。我自己的習(xí)慣是每接到一批新數(shù)據(jù)不急著跑回歸先把質(zhì)押明細合并成公司-年度-股東的存量表把每年存續(xù)質(zhì)押的狀態(tài)看清楚再用這張表去對照公告里的典型案例。數(shù)據(jù)清洗的階段花多少時間都不算多它其實占了整個研究周期一半的精力但也是最有收獲的階段。之后再做相關(guān)性檢驗和建模心里會特別有底。