曲径通幽清风与酒说实话，过去几年里被问得最多的一份数据类资源，就是上市公司的并购数据库。身边做公司金融、产业经济方向的硕博来问，做量化策略的朋友也会来问；有人需要2005到2024年完整时间跨度的长面板数据，有人只想挑“重大资产重组”做事件研究，还有人手里已经有一份并购公告原始数据，但打开一看明显不对：同一事件拆成了好几条、首次公告日期格式混乱、股票代码有的带后缀有的不带，根本没法直接跑Stata。
这份2005-2024年上市公司并购数据配合Stata清洗代码，解决的正是这个环节的问题：把并购事件原始资料整理成结构化的面板数据，并给出一套可复跑的代码逻辑，让你拿到手之后不是去一条条手工核对，而是能快速判断变量口径、清洗边界和回归前的准备步骤。这篇文章会把这些年整理数据时踩过的坑、验证过的做法、以及使用者问得最多的Stata细节一并交代清楚，适合正在做并购绩效、并购溢价、公司治理与并购决策相关研究的实证党参考，也适合刚接触Stata数据分析的硕博生照着操作。
1. 这套数据解决的是“能跑回归”之前的最后一个痛点
先说一个很现实的背景：并购的底层公告信息其实不难找到，难的是把它变成一份真正可用于实证分析的面板数据。原因在于，一起并购从董事会预案到最终过户完成，往往要经历好几轮的进展公告，每一步都会生成独立的披露记录。如果你只是简单地按公告逐条下载，就会发现同一家公司和同一个标的之间的交易被拆成了好几条样本，直接拿去做回归，年份、金额、处理组都会重复计数；反之，如果只保留名称带“完成”字样的公告，又会丢掉大量仍在推进或者已经终止的交易，这在研究“首次公告的市场反应”时就不够用了。
时间跨度放在2005到2024年，是因为这二十年恰好经历了完整的信息披露电子化过程和数轮并购浪潮。从实证需要的角度看，跨度足够长才能支撑两种典型研究设计：一是事件研究法，你有机会在干净的事件窗口里吸收充分的市场收益率数据；二是长面板模型，你可以在公司层面逐年观察“是否发生过并购”“并购了几次”“是否构成重大资产重组”这些解释变量的变化路径。如果年限太少，大部分公司在样本期内根本没发生过有效并购事件，组内变异太小，固定效应模型的估计效力会非常弱。
1.1 事件口径的岔路口：首次公告日还是过户完成日
整理数据时第一个要明确的定义是“什么时间点算作一起并购事件”。这个看起来很小的问题，实际会直接影响你的样本量、CAR窗口基准日以及最终结论。
主流实证文献使用的时点有三个：董事会预案公告日（第一次向市场释放并购信号）、股东大会决议通过日、以及资产过户或股权变更完成日。三者分别在“市场预期形成”和“交易真实落地”这两个层面起作用。做短期市场反应研究几乎都用首次公告日，因为事件窗口内的异常收益在前置就已经起步；但做并购绩效或会计指标变化研究时，不少文献使用过户完成日来切割前后各年，再观察合并后的财务表现。所以数据里的日期变量不能只保留一个总日期，必须同时具备首次公告日和过户完成日，并在字段命名上写清楚到底代表什么时点，否则等到分析阶段再区分就晚了。
1.2 这份数据适合什么研究场景，不适合什么场景
这套数据比较顺手的研究方向包括：并购首次公告的累计超额收益率（CAR）、并购支付方式与公司绩效、并购是否构成关联交易时的定价差异、多次并购行为的累积效应等。它也能支持一些高频事件主题，比如上市公司围绕主业的扩张式并购与跨界并购之间的市场认知差异。
不适合的场景同样要说清楚。如果你要做的是资产剥离、债务重组、股份回购这类广义“重组”口径，或者需要分析并购后的整合绩效，数据就不完全匹配，因为这些场景需要更细的标的公司财务数据、整合过程信息和报表日后调整数据，单靠一个公开层面的并购事件主表很难支撑。这不算缺陷，它只是提醒你在借用任何数据集之前，都要先确认业务口径是不是跟你的研究问题一致。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据文件里有哪几张表，关键变量的口径是什么
拿到数据后，我强烈建议不要急着跑代码，先花十来分钟把表结构和变量口径看清楚。这一部分做得越细，后面清洗代码调整起来就越省事。整套数据主要由四张表构成：并购事件主表、交易信息明细、上市公司财务面板和日度市场收益率表。实际使用时，常驻内存的是主表和财务面板，其余两表通常通过股票代码和事件日期进行关联。