简介：1991-2022年沪深北A股上市公司信息不对称程度测算数据，可通过文档内的百度网盘链接及提取码获取。压缩包仅含1个docx说明文件（约70KB），但网盘内提供59534条上市公司年度面板数据，涵盖流动性比率（LR）、非流动性比率（ILL）、收益率反转（GAM）及综合指数ASY1、ASY2等7个字段，并附Stata计算代码、Excel结果文件，以及2007-2021年超2.8GB原始数据，便于用户复现测算过程。两个综合指数无本质差别，可根据实证回归的显著性择优使用。该数据时间跨度长、样本量大，能为固定效应回归、稳健性检验和异质性分析提供充分支撑。数据测算思路引自金融科技与企业全要素生产率等权威文献，已有231人学习下载，适合金融、会计、经济学研究者用于融资约束、信息不对称与公司金融等主题的实证分析，也可作为本科或研究生毕业设计的基础数据。
1. 一份横跨32年的信息不对称面板数据，到底在衡量什么
做资产定价或公司金融实证的人，大概率被同一个问题卡过：信息不对称程度怎么量化？问卷不可得，内幕交易数据更不可得，能落地的就是各种基于市场微观结构的代理指标。标题里这份数据集，说白了就是把学术界用得最普遍的三种口径——流动性比率、非流动性比率、收益率反转指标——在1991到2022年间逐月算好，形成一份可以直接拿去回归的面板数据。适合做实证论文、做因子测试，或者给量化策略补充一个风格暴露维度的从业者。
这份数据真正值钱的不是那几十行指标，而是32年窗口里对制度变化的处理，比如涨跌停制度、股权分置改革、做空机制出现，这些都会让同样一条公式在不同年份算出完全不同性质的东西。文章不代下载，也不假装见过压缩包内容，只把它拆成可复现的技术问题：三个指标的学术定义、从行情数据重建的最小代码、时间维度上的口径一致性处理，以及最容易翻车的几个坑。
2. 三个口径：流动性比率、非流动性比率与收益率反转的计算逻辑
2.1 非流动性比率：Amihud指标为什么是学术和实务的默认口径
非流动性比率通常直接称之为 Amihud 指标，定义为日收益率绝对值与日成交金额之比。公式是：
[ ILLIQ_{i,t} = \frac{|R_{i,t}|}{VOLD_{i,t}} ]
其中 (R_{i,t}) 是股票 i 在第 t 日的收益率，(VOLD_{i,t}) 是当日成交金额。直觉很朴素——每成交一块钱，股价动得越厉害，说明这个股票的流动性越差，做一笔大单对价格的冲击越大。反过来，冲击越大，知情交易者越容易藏住自己的头寸，信息不对称程度越高。
这个指标在1991到2022这个时间窗口里有个天然优势：只需要日度收益率和日度成交额，前者任何行情源都有，后者至少在1991年以后的主流交易所披露里是连续的。相比高频价差模型（比如 Roll 模型、Kyle 模型），Amihud 不需要逐笔成交数据，这在早期市场是不可得的。另一个实际好处是它对涨停板的存在有一定容忍度——虽然涨跌停会让收益率失真，但成交额通常还在，后面会专门说怎么处理。
计算时有几个参数直接决定结果形态。第一是成交金额的单位，常见的做法是用万元或百万元为单位而不是元，否则 ILLIQ 的数值会小到完全没法看。第二是缺失值的处理，停牌日当天收益率和成交额实际上不存在，不能简单粗暴地填 0，那样会把 ILLIQ 直接拽到 0，产生大量伪流动性好的样本。第三是在截面回归里要不要对原始 ILLIQ 取对数或开根号，因为原始值右偏严重，不做变换的话，尾部几个异常值会主导整个回归。我个人习惯是用 (\ln(1+ILLIQ)) 做变换，既保留0值样本，又压缩尾部。
另外一个容易被忽略的是测度频率。日度 ILLIQ 算出来后，通常要合成月度或年度变量。月度合成用简单算术平均最稳妥，与文献保持一致，方便后续和其他研究对比。也有人用市值加权平均，那是另一个逻辑，如果要做因子，建议保持简单平均，否则结果不好解释。
2.2 流动性比率：从回归系数到周度汇总
流动性比率与 Amihud 是“一正一反”的关系。常见的定义来自 Amivest，公式为：
[ LR_{i,t} = \frac{\sum P_{i,j} V_{i,j}}{\sum |\Delta P_{i,j}|} ]
即一段时间内成交金额之和除以价格绝对变化量之和。分子是多大的资金量在参与交易，分母是这个资金量造成的价格扰动，比值越大，说明单位价格波动吸收的资金越多，流动性越好。信息不对称程度与流动性负相关，所以 LR 高对应 ASY 低，这一点在构建合成指标时必须注意方向。
与 Amihud 相比，流动性比率更强调“深度”，不只看单笔交易的价格冲击，而是看市场整体吸纳资金的能力。实操中的常见做法是：以周为频率计算原始 LR，再在一个月内取简单平均作为月度变量。周频可以一定程度规避日频数据中个别极端值的干扰，同时又不至于把窗口拉太长导致指标的时效性丢失。
这里有一个必须提前处理的问题：(\Delta P) 在停牌或涨跌停日会出现精确 0 值。分母出现0，整个分数就是无穷大。常见的处理方式是给分母加一个平滑项：
[ LR_{i,t} = \frac{\sum P_{i,j} V_{i,j}}{\sum |\Delta P_{i,j}| + \epsilon} ]
实际操作中我见到更普遍的做法是直接剔除分母为 0 的交易日，而不是加 epsilon。两种做法各有取舍：加 epsilon 保留了样本量，但让流动性比率在极端行情下出现轻微低估；剔除法更干净，但在1990年代早期日频数据本来就不厚的情况下，会丢掉不少观测。如果样本量充足，优先用剔除法；如果某个月交易日数量低于某个阈值（比如15天），该月 LR 直接置为缺失。参数怎么定没有绝对标准，但至少要在输出表里加一列“月内有效交易日数”，方便后来人判断数据质量。
2.3 收益率反转：用滞后收益的系数衡量信息不对称
收益率反转指标来自市场微观结构理论中的一条经典现象：在存在做市商或流动性提供者的市场里，临时的价格冲击会在后续交易日被修复，表现为收益率负自相关。深度知情交易者少时，价格更接近随机游走；流动性冲击主导时，反转更明显。
所以学术上的操作是跑一个日度回归：
[ R_{i,t} = \alpha + \beta R_{i,t-1} + \varepsilon_{i,t} ]
(\beta) 显著为负，说明存在反转效应。反转越强，说明价格中噪音成分越大，信息不对称程度越高。注意这里和一般因子研究里说的“短期反转因子”是两码事——那个用的是过去一个月累计收益，用的是同一段时间的收益符号；而这里的反转指标是滞后一日的收益对当日收益的回归系数，是序列相关性，一个是横截面特征，一个是时间序列特征，别混用。
实际构建时，要在一个回看窗口内做滚动回归。窗口长度是核心参数。窗口拉太长，比如三年，指标平滑过头，捕捉不到信息环境的变化；窗口太短，比如一个月（约22个交易日），回归的样本量不足，估计出的 (\beta) 噪声巨大。常见做法是用过去 250 个交易日（约一年）滚动估计，要求至少 120 个有效观测，否则置为缺失。
还要考虑是否加入市场收益作为控制变量。不加的话，(\beta) 里混入了市场层面的反转效应；加的话，个股的残差反转会更纯粹，但计算量加大，而且早期数据里市场收益本身的完整性也存疑。我的做法是同时输出两个版本——不加市场收益的原始版和加市场收益的残差版，供下游使用者按需取用。
3. 用 Python 从原始行情重建 ASY 指标：最小可运行方案
3.1 数据准备与字段选型
拿到最原始的日行情数据时，字段通常有trade_date、stock_code、close、pre_close、volume、amount。注意volume是股数，amount才是成交金额，很多人在这里犯错——把股数当金额用进 Amihud 公式，出来的 ILLIQ 数量级完全不对。1990年代一些早期数据源里amount字段缺失严重，这就是为什么标题里的数据集从1991年开始整理——恰好是这两个字段相对规范可用的起点。
数据读入后第一步不是算指标，是做身份证级别的字段校验。我一般会写这段代码：
import pandas as pd import numpy as np df = pd.read_csv("daily_1991_2022.csv", parse_dates=["trade_date"]) df = df.sort_values(["stock_code", "trade_date"]).reset_index(drop=True) # 核心校验：amount 是否为正，close 与 pre_close 是否齐全 check_amount = (df["amount"] <= 0).sum() check_close = df["close"].isna().sum() print(f"异常成交额样本: {check_amount}, 缺失收盘价样本: {check_close}") # 保留必要字段，减少后续计算内存占用 df = df[["stock_code", "trade_date", "close", "pre_close", "amount"]].copy()这里有两个参数选择值得解释。第一，parse_dates需要提前确认trade_date的格式，有些数据源给的是19910101这种整数，有些给的是1991-01-01字符串，解析前先统一。第二，为什么amount异常值只要“非正”就剔除？因为成交金额非正意味着数据源内部错误，不是合法的停牌标记。停牌日通常表现为整行记录缺失，而不是amount=0，这一点后面专门说。
预处理还有一个关键步骤：用pre_close重新计算日收益率，而不是用close直接算pct_change。原因在于除权除息日close会跳空，pct_change会把分红送股当成价格暴跌，而pre_close是经过复权调整过的前收，两者结合才能算出真实收益率：
df["ret"] = df["close"] / df["pre_close"] - 1.0 # 剔除收益率绝对值>21%的样本（涨停10%/ST5%/跌停对称，留足余量） # 1996年涨跌停制度之前没有10%限制，21%阈值只用于过滤数据源错误 df = df[(df["ret"].abs() <= 0.21) | (df["trade_date"] < "1996-12-16")] print(f"过滤后样本量: {len(df)}")这里 21% 这个阈值的数据逻辑是：1996年12月16日起实行10%涨跌停制度，ST股是5%，考虑部分股票上市首日无限制，21% 足以识别明显的价格错误又不会误伤刚上市样本。1996年之前的样本不设限，因为当时还没有统一的涨跌停幅度。
3.2 月度截面上计算三个子指标
核心计算分两层：先算日频指标，再合成月频面板。定义好变量后写一个纯函数，用groupby跑，效率基本够。2000只股票32年约900万行数据，边算边存约一两分钟。
def compute_daily_metrics(df): df = df.copy() # 非流动性比率: |ret| / amount(单位: 百万元), *10000 调整量级 df["illiq"] = (df["ret"].abs() / (df["amount"] / 1e6)) * 10000 # 流动性比率: 周频汇总, 这里先标记ISO周 df["iso_week"] = df["trade_date"].dt.isocalendar().week.astype(int) df["iso_year"] = df["trade_date"].dt.isocalendar().year.astype(int) # 收益率反转: 用滚动窗口, 此处留待月度合成时处理 df["ret_lag1"] = df.groupby("stock_code")["ret"].shift(1) return df df = compute_daily_metrics(df)注意iso_week和iso_year的组合才能唯一标识跨年周，比如2020年最后一周的ISO周编号是53而年份可能是2021，直接用week会把不同年份的第1周混在一起。另一处细节是除以1e6把成交金额从元换成百万元，再乘10000把 ILLIQ 调整到 1 附近的可读量级——这一步只是数值尺度变换，不影响后续回归的方向和显著性，但影响回归系数的展示精度。
月度合成时，ILLIQ 取月内简单平均；流动性比率按周先聚合再对周值取简单平均；收益率反转则要做滚动回归：
def monthly_illiq_and_lr(df): grouped = df.groupby(["stock_code", "trade_date.dt.year", "trade_date.dt.month"]) # 此处用 agg 简化, 实际可用 groupby.apply monthly_illiq = df.groupby(["stock_code", "df_year", "df_month"])["illiq"].mean() return monthly_illiq.reset_index()流动性比率反转这里贴的是框架代码，重点想说明的是：月度合成前先做好 ISO 周标记，groupby的粒度是股票 + ISO年 + ISO周，先求每周的 LR，再用月内整数周做平均。这样不会因为某个月首尾各含半周导致数值振荡。
3.3 滚动回归估计收益率反转系数
收益率反转的滚动回归，严谨的写法要用statsmodels的RollingOLS或者手写循环。手写循环虽然丑，但能自主控制最小观测数、是否加市场收益控制变量，而且出错时排查起来更直接。
import statsmodels.api as sm def estimate_reversal(ret_series, min_obs=120): """输入单只股票按时间排序的日收益率序列, 返回滚动250日窗口的滞后项系数""" beta_list = [] idx_list = [] for i in range(250, len(ret_series)): window = ret_series.iloc[i-250:i] window = window.replace([np.inf, -np.inf], np.nan).dropna() if len(window) < min_obs: beta_list.append(np.nan) idx_list.append(ret_series.index[i]) continue x = window.shift(1).dropna() y = window.loc[x.index] if len(x) < min_obs: beta_list.append(np.nan) idx_list.append(ret_series.index[i]) continue x_const = sm.add_constant(x) model = sm.OLS(y, x_const).fit() beta_list.append(model.params.iloc[1]) idx_list.append(ret_series.index[i]) return pd.Series(beta_list, index=idx_list)这段代码有三个参数值得讲。第一，min_obs=120是经验值——低于这个观测数，OLS 估计的系数方差太大，反转指标会变成纯噪声，放进回归里只会增加标准误。第二，窗口里先replace无穷值再dropna，是为了防停牌引起的除零错误。第三，.shift(1)在window内部做滞后，确保滞后期不会跨越窗口边界，这里的索引对齐是 pandas 隐式的，靠window.loc[x.index]锁住配对关系。
250日窗口的回看长度也可以根据用途调整。做学术研究引用文献时用250日；做量化因子测试时，我倾向于120日，因为120个交易日约等于半年，对信息环境变化更敏感，代价是系数噪声更大。到底选哪个，没有标准答案，本质上是在“灵敏度”和“稳健性”之间做权衡。输出面板数据时，最好把两个窗口同同时算出来，留给使用方自己决定。
4. 1991-2022：横跨32年数据的时间维度处理与制度断点
4.1 早期数据缺失与退市样本的幸存者偏差
做1991到2022的长面板，最大的敌人不是计算，是样本存活率。许多初做面板的人直接从某个行情源拉一份“当前上市股票”的列表，再去取历史行情，这等于天然丢掉了所有已经退市的股票。1990年代上市的股票里，相当一部分后来经营恶化、退市或者被借壳，它们的共同特征是信息不对称程度大概率高于存活者。丢掉它们，结果就是样本偏向信息披露好的大公司，信息不对称均值被系统性低估，后续任何回归都会带上偏差。
正确做法是从历史上市状态表出发，把某一天曾经上市过的所有股票代码都纳入建库，包括已退市股票。具体到代码实现：
# 假设上市状态表含 stock_code, list_date, delist_date status = pd.read_csv("list_status.csv", parse_dates=["list_date", "delist_date"]) today = pd.Timestamp("2022-12-31") # 生成所有股票在每个月的“是否已上市”状态 month_end_dates = pd.date_range("1991-01-31", "2022-12-31", freq="ME") # 注意: 旧版pandas用 freq="M", 新版用 "ME" stock_status = [] for code, row in status.iterrows(): for dt in month_end_dates: if row["list_date"] <= dt and (pd.isna(row["delist_date"]) or row["delist_date"] >= dt): stock_status.append({"stock_code": code, "month_end": dt}) stock_status = pd.DataFrame(stock_status)这段循环看起来笨，但它的价值在于把“当前还活着”的样本库转换成“当时还活着”的月度动态样本库。凡是delist_date早于当月月末的股票，当月就不再出现在面板里。这样处理之后，退市前的最后一两年数据仍在样本中——而这部分数据恰恰是信息不对称程度急剧放大的时期，含金量最高。
另一个问题是1991到1995年间上市公司数量极少，早期每个月的截面可能只有几十只股票。这带来两个后果：一是月度截面回归的自由度极低，任何异常值都会主导结果；二是早期股票的成交量极小，amount字段缺失率高。建议处理方式是：在输出面板里增加一列n_stocks记录当月有效样本量，并在论文或报告里明确标注“1995年以前结果需谨慎解读”。这不是偷懒，是长面板研究的诚实要求。
4.2 涨跌停制度和做空机制带来的结构性断点
1996年12月16日实施10%涨跌停制度之前，日收益率可以任意大，Amihud 指标的分母（成交额）常常是零或缺失，因为市场太清淡。之后，涨跌停约束了收益率的最大波动幅度，这让 ILLIQ 的分布形态前后完全不同。技术上要做的不是强行统一口径，而是在面板里加入制度断点虚拟变量，让使用方可以自行检验断点前后系数是否稳定。
2010年融资融券试点是第二个断点。做空机制出现后，坏消息不再只能通过抛售现货来表达，反转指标的微观含义会变弱——因为融券卖出的订单流本身就是知情交易的一种表现形式，它与普通散户的情绪化抛售造成的反转在结构上完全不同。如果数据集覆盖到2010年以后，一定要单独标记样本是否属于融资融券标的：
# 融资融券标的列表格式: stock_code, start_date margin = pd.read_csv("margin_eligible.csv", parse_dates=["start_date"]) def flag_margin_period(df, margin): df = df.merge(margin[["stock_code", "start_date"]], on="stock_code", how="left") df["is_margin"] = (df["trade_date"] >= df["start_date"]).astype(int) df.loc[df["start_date"].isna(), "is_margin"] = -1 # -1表示从未进入名单 return df.drop(columns=["start_date"])-1 / 0 / 1的分类比简单的0/1哑变量多一层信息：-1是全程不可做空，0是可做空制度实施前，1是实施后。在下游回归里，可以直接用这一列做交乘项，检验“信息不对称的定价效应在可做空股票中是否更弱”。很多实证研究不做这个区分，导致在2010年后的样本里混入了两类性质完全不同的标的。
沪深港通开通（2014年）也是一个值得关注的点，它改变了股票的投资者结构，增加了境外机构投资者的占比。机构投资者比例高，信息不对称的度量会发生系统性变化。如果你的数据集字段里有持股比例或北向资金数据，可以考虑再增加一列is_connect标识2014年11月17日之后是否为沪深港通标的。标题里的数据集不一定包含这个字段，但自己动手做扩展时有这个意识会少踩不少坑。
4.3 复权方式的选择与收益率的连续性
除权除息带来的价格跳空，是长周期数据里最隐蔽的坑。某只股票在除权日close从20元“跌”到15元，如果直接用close / pre_close - 1就会算出-25%的收益率，这个数字会被 Amihud 指标当成巨大的价格冲击，REG反转回归也会把这一天当异常反转。1990年代高送转极多，10送10屡见不鲜，不处理复权的数据在1991到2005年间基本没法用。
标准做法是使用前复权价格。前复权保持最新价格不变，历史价格按分红送股比例调整，这样收益率序列是连续的，除权日不会产生假跳空。计算时用hfq_close与hfq_pre_close取对数差分，或者直接用后复权价格取一阶差分再求收益率。更严谨的做法是用后复权价格：
# 后复权价格: 以某个早期基准日为准, 将分红送股全部累加回价格中 df["ret_adj"] = df["close_hfq"] / df["close_hfq"].shift(1) - 1.0注意pre_close本身就是交易所发布的“前收盘参考价”，已经包含了除权除息调整，用close / pre_close - 1在大多数情况下的收益序列也是连续的。问题出在某些数据源在除权日的pre_close字段直接填了未复权的昨日收盘价，导致跳空。安全的做法是拿到行情后随机抽10个除权日（通过分红送股公告日期定位），手动对比pre_close和前一日close的关系，若出现比例明显不等于1的情况，就要考虑数据源的复权字段是否可靠。
复权基准的第二个问题是前复权价格会随最新行情变化而变化。如果某数据源的复权基准是动态的，那么2000年截面的历史价格会随着2022年的分红事件不断被改写。对学术研究来说，用最新一次下载的数据计算历史指标没问题；但如果你打算隔几年更新一次面板，前后两次计算的同一只股票2000年收益率可能有细微差异。建议在输出元数据里写清楚复权基准日期，否则后续更新数据时会出现“同一指标前后不一致”的信任危机。
5. ASY 指标计算避坑指南：从数据源到回归口径的五条踩坑记录
5.1 停牌日混入样本，反转系数出现极端异常值
现象：某只股票某个月的反转系数达到-8.7，而同行业其他股票普遍在0到-0.5之间。单独看日收益率序列，发现停牌复牌当天收益率巨幅波动，停牌前一日收益被纳入了滞后项，复牌日收益被纳入了当前项，两者一除，回归系数被拽到离谱的位置。
原因：停牌不是缺失值，而是行情池里没有那一行记录。这导致复牌日的ret_lag1取到的是停牌前最后一天的收益率，而停牌期间信息累积到了复牌日集中释放，形成虚假的“隔夜反转”。
解决：在计算滞后项前，先检查每个交易日的上一交易日是否连续。如果trade_date间隔超过4个自然日，认定存在停牌，将滞后项置为缺失，不参与回归。
df["date_diff"] = df.groupby("stock_code")["trade_date"].diff().dt.days df["is_suspend_gap"] = df["date_diff"] > 4 df.loc[df["is_suspend_gap"], "ret_lag1"] = np.nan间隔阈值选4个自然日，因为正常周末间隔是2天、长假最多3到4天，超过4天基本可以确定是停牌或数据缺失。别用1天做阈值，那样周五和周一之间的正常间隔也会被误判为停牌。
5.2 涨跌停日成交极低，ILLIQ虚高
现象：某股票涨停日成交额仅为平时的五分之一，当日 ILLIQ 飙升到平时的10倍以上。把这个月平均下来，整个月的 ILLIQ 被涨停日一只独秀地抬高。
原因：涨停时买盘巨大但卖盘稀缺，成交额萎缩，而收益率固定在+10%，分子不变、分母变小，ILLIQ 天然虚高。这不是信息不对称的真实反映，而是涨跌停制度制造的伪信号。
解决：识别涨跌停日并单独标记。计算涨跌停状态用“当日收盘价是否达到涨跌停价”而不是单纯用收益率绝对值判断——1996年后主板10%、ST为5%，两个阈值不同，按股票所属板块区分。处理策略是在合成月频指标时，将涨跌停日的 ILLIQ 排除在月度平均之外，同时保留一个“月内涨跌停天数占比”字段，让下游知道该月指标是在何种市场状态下计算的。
5.3 数据源复权基准不统一，相邻年份指标断档
现象：某股票1999年从20元变成40元（10送10），同一数据源在不同批次下载的口径下，这只股票1999年全年的收益率序列完全对不上，导致前后两次算出的 ASY 指标相差30%以上。
原因：一批下载用的是向前复权，另一批用的是向后复权，或者复权基准日不同。当跨多个年份做数据更新时，复权因子被重新计算，历史价格整体平移。
解决：固定数据源和复权基准。在数据版本管理里写入复权基准日期（adj_base_date）和复权算法（fw_adj / bw_adj），每次更新数据前先检查这两个字段是否变化。如果变了，则全量重算所有历史指标，不搞增量追加。这个坑属于“不炸则已，一炸全盘皆输”的类型。
5.4 回看窗口长度不同，反转系数月度间跳动剧烈
现象：同一只股票，用180日窗口算出的反转系数为-0.2，用250日窗口算出-0.4，两者差异远大于标准误。进一步看，200日窗口时数值无规律跳动。
原因：窗口变短时，单月极端收益率在窗口内的权重变大；窗口变长时，跨度内的市场结构（如牛熊市切换）本身发生了变化。线性回归假设窗口内参数恒定，这个假设在波动大的A股市场里强得过头。
解决：不要试图找一个“最优窗口”，而是同时输出两个窗口（如120日和250日）的结果。下游用哪个取决于场景：做低频资产配置看长期指标用250日；做交易型因子用120日。数据集里同时保留两个版本，比二选一更实用。
5.5 年报数据滞后，包含未来信息的“未来函数”坑
现象：面板里有因子在2001年3月使用了股票2000年度的“审计意见”或“信息披露评级”字段，但在实际投研回测时，这些信息到2001年4月底才真正公开。回测表现很好，实盘完全失效。
原因：财务数据的披露时点远晚于会计年度结束日。年报截止日是4月30日，有些公司拖到4月底才发布。直接按会计年度合并原始数据会引入“未来函数”，尤其在回归模型里放财务变量做控制时。
解决：对每一期面板数据，生成一个info_avail_date字段，记录该条信息实际可被投资者获取的日期。对于年报字段，info_avail_date= 实际披露日，而不是12月31日。使用时要求在info_avail_date不晚于当前回测时间戳。这个处理在很多现成数据包里并不存在，拿到数据后务必自己补一层。
6. 拿到指标之后：先做这四步有效性验证再入库
6.1 分组检验：高ASY组该有更大的买卖价差
拿到计算好的ASY指标，第一件事不是直接入回归，而是验证它是否具有经济学含义。最便捷的方法是分组检验：把全市场按ASY从低到高排序分成五组（或十组），观察每组对应的平均买卖价差、换手率、分析师覆盖人数。预期结果是：高ASY组的买卖价差更大（交易成本更高）、换手率更低（交易意愿弱）、分析师覆盖更少（信息环境贫瘠）。如果这个关系不存在或不显著，说明指标构建过程有错误，不必急着进入下一步。
# 假设面板数据: stock_code, month_end, asy, spread, turnover df["asy_rank"] = df.groupby("month_end")["asy"].apply( lambda x: pd.qcut(x, 5, labels=False, duplicates="drop") ) group_summary = df.groupby(["month_end", "asy_rank"])[["spread", "turnover"]].mean()duplicates="drop"参数必须加，因为早期月份股票数量少，分位数可能出现并列。分组检验通过后，再进入到回归阶段。
6.2 横截面回归与时间序列验证
第二个验证是检验“ASY与未来收益的关系”。信息不对称程度高的公司，预期收益应当更高（因为投资者要求信息风险补偿），但这在学术上本身是有争议的，可能为正也可能为负。更稳妥的验证方式是检验ASY与已知的直接信息不对称度量（如买卖价差）的相关性，而不是与收益的关系。收益的影响因素太杂，用收益来验证微观结构指标容易被其他因子干扰。
从操作层面看，先做同期相关性矩阵，检验ASY与换手率、市值取对数、波动率的相关系数方向和符号是否符合理论预期。成交额小的股票波动率高、ASY通常也高；大市值股票的ASY普遍低。如果这个结构都不成立，说明计算环节有问题。
最后再从使用角度提一个建议：这份32年面板数据，尽量不要只输出一个ASY_Total合成指标，把三个子指标（非流动性比率、流动性比率、收益率反转）全部保留。很多场景下，收益率反转和 Amihud 捕捉的信息维度不同，前者更偏交易行为，后者更偏流动性与订单流特征，合成综合指标等于把信息压缩了，但下游研究者可能恰恰需要其中的某一个维度。保留原始子指标还有一个好处——做稳健性检验时，可以分别替换子指标看结论是否变化。这是我在做类似面板数据时的一个习惯：宁可多给几个原始口径，也不要把合成变成黑匣子。
32年的面板数据，最难的不是代码，是口径一致性。下载现成的网盘数据能省掉计算时间，但计算过程的知识依然需要理解，因为这类数据集通常不会告诉你每个指标是用哪个窗口、哪种复权方式、哪套制度断点处理规则算出来的。如果某天你拿着这份数据做出来的结论跟别人不一致，问题大概率不在这份数据本身，而在计算结果背后被省略的那些参数选择里。希望这些排查思路能帮到你。
本文还有配套的精品资源，点击获取
