《表1 单个交易日全样本股票交易的描述性统计》
注:面板A报告了所有股票在2014年12月31日收盘时的市值、收盘价、当日单笔成交金额、当日单笔成交量的5%、25%、50%、均值、75%、95%分位点;面板B至面板E是将所有股票按照全样本当日收盘价和市值的中位数分类后,分别报告了这些分位点数值.数据都来自WIND数据库.由于平均每支
分笔交易数据可以将成交指令按规模进行分类.不同于Zhang和Chang[22]按照资金额和成交手数的绝对分类方法,本文的分类方法与Tong等[17]类似:将所有的股票按照2014年12月31日的市值和股价的中位数分为了4类,计算出每类股票在该日所有成交的分位点,按照交易金额的分位点可以将所有样本期内的成交分为3类(小于25%,25%至95%,95%以上)(2).最终的分类阈值计算结果如表1所示.表1中报告了各类股票在2014年12月31日的各笔成交金额的5个分位点和均值;所有的成交按照25%和95%分位点划分为小单、中单和大单.低于25%的单笔成交额都在5 500元以下,称之为小单;超过95%分位点的交易额都在70 000元以上,称之为大单;其余的成交指令,称之为中单(3).选取25%和95%作为大、小单的阈值,一则是为了获取充分多的大单和小单样本以保证数据建模的可靠性,二则是希望大单和小单能分别对机构和散户的交易有一定的代表性,从而便于对大中小单信息含量差异的解读(4).表1中的粗体即为各类股票的大小单阈值,即对于某一支股票,其大小单的划分方法即为其对应的分类中每笔成交金额的25%和95%分位点.
图表编号 | XD00133796700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 万谍、杨晓光 |
绘制单位 | 浙江工商大学金融学院、中国科学院数学与系统科学研究院 |
更多格式 | 高清、无水印(增值服务) |