實證資料字典

本頁說明線上附錄實際使用的欄位、單位與時間索引。讀取一份新資料時，請先回答三個問題：每一列代表哪個觀察單位？報酬以小數還是百分點表示？日期指交易日、FRED 觀察日，還是月份？完整的列數、欄數與 MD5 記錄在 processed/manifest.csv，可以用來確認目前讀入的是哪一個固定版本。

AAPL 與 MSFT#

• aapl_adjusted_daily_2019_2022.csv
• date：交易日。
• adjusted：原價格檔的調整後收盤價，採美元／股的調整後價格尺度。
• simple_return：$P_t/P_{t-1}-1$。
• log_return：$\log P_t-\log P_{t-1}$。
• symbol、company、sector：證券與產業識別欄。
• msft_daily_returns_1986_2008.csv
• date：交易日。
• simple_return：Microsoft 日簡單報酬，以小數表示；例如 0.01 代表 1%。

兩份檔案的每一列都代表一個交易日。AAPL 第一列沒有前一期價格，因此兩種報酬欄自然會是缺值；分析報酬時應保留這項時間關係，而不是把缺值填成 0。

FRED 日匯率#

fred_jpy_twd_daily_2020_2022.csv：

• date：FRED 工作日觀察日期；來源序列在該日沒有報價時保留為空值，R 讀入後記為 NA。
• jpy_per_usd：一美元可兌日圓數，FRED DEXJPUS。
• twd_per_usd：一美元可兌新臺幣數，FRED DEXTAUS。
• twd_per_jpy：twd_per_usd / jpy_per_usd。
• log_return_twd_per_jpy：交叉匯率的一期對數差分；遇缺值時不跨缺值補算。

每一列對應一個 FRED 工作日觀察日期。只有兩條來源匯率都有數值時，twd_per_jpy 才能形成；若其中一天缺值，log_return_twd_per_jpy 也不跨過該日計算。R06 篩選有限報酬後，預測的「下一期」是下一個有效報酬觀察日，不一定是下一個日曆日。

Tsay 股票面板#

• tsay_five_stock_monthly_returns_1990_2008.csv：每一列是一個月份，欄位為 month 與 IBM、HPQ、INTC、JPM、BAC 五家公司月對數報酬。
• tsay_barra_monthly_returns_1990_2003.csv：每一列是一個月份，欄位為 month 與 AGE、C、MWD、MER、DELL、HPQ、IBM、AA、CAT、PG 十家公司月報酬。原檔數值以百分點表示；程式在需要時除以 100。

S&P 500 平衡報酬面板#

sp500_returns_balanced_2013_2022.csv 的每一列是一個共同交易日。第一欄 date 記錄日期，其餘 89 欄以股票代碼命名，儲存小數尺度的日簡單報酬。建檔時先在每一檔股票內依日期排序並計算報酬，再保留 89 檔都有觀察值的日期。這個順序很重要；若直接對尚未分組的長表取落後值，前一期價格可能來自另一檔股票。

日本月總體金融資料#

japan_monthly_2007_2018.csv：

每一列代表一個月份，以下水準值與變動率各自使用檔案中的原尺度：

• date：月份。
• spj、return_j：日本股價指數與報酬。
• rer、rer_change：日本實質匯率與變動率。
• ipi、ipi_change：工業生產指數與變動率。
• inr、inr_change：利率與變動率。
• spf、return_f：美國股價指數與報酬。
• unr、unr_change：失業率與變動率。
• cpi：消費者物價指數。
• bmj、bmj_growth：日本 M3 與成長率。
• opi、opi_change：WTI 油價與變動率。
• yng、mid、old：年輕、中年與老年人口比率。
• dro、dro_growth、dry、dep、dep_growth：老年、幼年與總扶養比及其變動。
• fpi：外國證券投資。
• trd：貿易差額。
• yield_10、yield_10_change：日本十年期公債殖利率與百分比變動。

因子、總體預測變數與十產業#

ff_qf_macro_industries_1967_2021.csv 每一列代表某個月份的一個產業，同一月份因此會有十列：

• month、industry、ret：月份、十產業代碼、產業超額報酬。
• factor_ff_rf、factor_ff_mkt_excess、factor_ff_smb、factor_ff_hml：Fama–French 無風險利率與三因子。
• factor_q_me、factor_q_ia、factor_q_roe、factor_q_eg：global-q 規模、投資、ROE 與預期成長因子。
• macro_dp、macro_dy、macro_ep、macro_de、macro_svar、macro_bm、macro_ntis、macro_tbl、macro_lty、macro_ltr、macro_tms、macro_dfy、macro_infl：Welch–Goyal 月總體預測變數。

加州學校資料#

california_schools.csv 的每一列是一所學校，共有 110 欄。R15 使用的主要應變數與重點解釋變數如下：

• testscore：五年級數學與英語／語文測驗分數之和。
• elarts_score、math_score：英文與數學成績。
• str_s、str_d：學校與學區師生比。
• ell_frac_s、frpm_frac_s、freem_frac_s：英語學習者、免費或減價午餐等學生背景比例。
• te_*：教師年資、人數與薪資。
• exp_*、rev_*：學區支出與收入。
• re_*：族群組成比例。
• age_*、sex_*、ms_*、ed_*、hs_*、med_income_z：郵遞區號人口、教育、住宅與所得特徵。
• countycode、districtcode、schoolcode：行政識別碼；正文迴歸不把識別碼當作連續控制變數。

原課程附有 Stock and Watson, Introduction to Econometrics, 4th ed., Chapter 14 的完整變數表；R15 只從具經濟意義的連續背景欄位建立控制字典。

臺灣 ICAPM 第二階段面板#

• day、firm：共同識別「公司—日期」觀察值；資料為 47 家公司、497 日的平衡面板。
• return：公司報酬。
• cov_X、cov_vix、cov_liq：原課程第一階段預先計算的市場、VIX 與流動性條件共變數。

現有檔案沒有保存第一階段原始序列與完整估計紀錄，因此分析時將這三個共變數視為已給定的輸入。這份資料足以重算第二階段面板分析；DCC 或 PQR 第一階段則需要原始序列與估計設定，無法只靠目前檔案重新取得。