如何用Stata筛选并保留上市A股公司样本？

Question

在使用Stata进行实证研究时，如何准确筛选并保留上市A股公司样本是金融与会计研究中的关键步骤。A股上市公司数据通常来源于CSMAR、Wind或手工整理数据库，但如何在Stata中高效筛选出仅包含A股公司的观测值，避免B股、H股或其他非上市公司干扰，是常见难题。技术难点包括：识别唯一证券代码、处理多重上市情况、筛选特定交易所（如沪深交易所）公司、利用行业分类或上市状态变量进行筛选等。本文将围绕这些技术问题，讲解如何通过`keep if`、`merge`、`egen`等Stata命令，结合股票代码、上市地点和行业分类变量，高效筛选并保留符合研究要求的A股公司样本。

Answer 1

使用Stata高效筛选A股上市公司样本的技术实践

在金融与会计实证研究中，A股上市公司的样本筛选是数据预处理的核心环节。由于数据来源（如CSMAR、Wind或手工整理数据库）中通常混杂了B股、H股、非上市公司等无关观测值，如何在Stata中高效、准确地保留仅A股公司样本成为关键挑战。

1. 数据准备与初步识别

首先，确保数据中包含以下关键变量：

• stock_code：股票代码（如600000.SH、000001.SZ）
• exchange：交易所信息（如SH、SZ）
• listed_status：上市状态（如1=上市，0=退市）
• stock_type：股票类型（如A股、B股）

通过以下命令查看数据结构与变量分布：

describe
  tabulate exchange
  tabulate stock_type
  tabulate listed_status

2. 利用股票代码识别A股公司

A股公司通常以特定代码格式存在，如：

• 60开头：上交所A股
• 000或300开头：深交所A股

使用Stata提取股票代码前缀并筛选：

gen prefix = substr(stock_code, 1, 3)
  keep if inlist(prefix, "600", "601", "603", "000", "300")

3. 处理多重上市情况

部分公司可能同时在A股与H股上市，需结合股票类型变量进行去重处理。

示例数据结构如下：

company_id	stock_code	stock_type
1001	600000.SH	A股
1001	HK0001	H股
1002	000001.SZ	A股

使用以下命令保留每家公司仅A股记录：

sort company_id stock_type
  by company_id: keep if stock_type == "A股" & _n == 1

4. 按交易所筛选沪深A股公司

若研究仅限于沪深交易所公司，可使用如下命令：

keep if inlist(exchange, "SH", "SZ")

结合股票代码后缀判断交易所：

gen exchange_suffix = substr(stock_code, -3, .)
  keep if inlist(exchange_suffix, ".SH", ".SZ")

5. 使用行业分类与上市状态进行联合筛选

在实证研究中，通常还需限定行业与上市状态。例如，仅保留制造业中处于上市状态的A股公司：

keep if industry == "制造业" & listed_status == 1

也可使用egen生成行业组内变量，辅助筛选：

egen industry_count = count(company_id), by(industry)
  keep if industry_count >= 10

6. 数据合并与外部数据库匹配

若A股公司名单来源于外部数据库（如Wind行业分类表），可使用merge命令进行匹配：

use main_data.dta, clear
  merge 1:1 company_id using a_share_list.dta
  keep if _merge == 3

流程图如下：

graph TD
    A[原始数据] --> B{是否为A股?}
    B -->|是| C[保留样本]
    B -->|否| D[剔除样本]
    C --> E{是否为沪市或深市?}
    E -->|是| F[保留样本]
    E -->|否| G[剔除样本]
    F --> H[最终A股样本]