在数据选择上，由于中国股权分置改革主要集中在2005年，大部分股票在2007—2008年套现减持，为避免股权分置改革的影响，选择2009年1月至2012年12月48个月完整年度的股票作为样本量，样本股票数为2 468个。

不同的股票在不同的月份里有不同的特质风险，且对应每一个不连续时点的大宗交易量。其对应关系如图4−1所示。

图4−1　不同个股、不同时间的特质风险与大宗交易

不同的股票、不同的月份、不同的特质风险、不同的大宗交易形成了四维的向量。为清晰看出每个时间点是否较高的特质风险引起较多的大宗交易发生量，拟对2009年1月至2012年12月的48个月内，按照每个月份时间点进行对应的回归分析。

根据前述理论，个体信息进入股票后才会进行大宗交易，假设个体信息在前50周进入股票^[1]，股票的特质风险将发生变化。因此采用滚动滑窗回归的方式，通过股票的周维度数据找到月维度的特质风险。

滚动滑窗模型为：设特质风险序列　是滑动窗口t，t−1，t−2，t−3......t−n时的数据流，滑动窗口的大小用N表示，对任意的时间点ti，滑动窗口只考虑对最近到达的N个序列进行处理，其它数据不予处理，如图4−2所示。

(www.daowen.com)

图4−2　滑动窗口模型（Sliding Windows Model）

图4−2中N为滑窗区间，对于每个区间末的特质风险，通过区间内的所有周数据计算。采用“前50周”的做法，因此每个个股每个月的的回归对应数据区间为前面50个周。例如2009年1月的，对应的回归数据为其前面2008年12月里最后一周直至往前的50周数据，即2008年12月31日所在周至2008年1月20日所在周。具体而言，此例样本的整体周区间为2008年1月25日至2012年12月28日^[2]。因此，本书总样本的周数据共计2 468×253^[3]=624 404个。

然后，将回归方程50周数据的拟合结果作为每个个股每个月的，再得出每个月的。因此，样本的2 468个股票在48个月内，一共应得到118 464（2 468*48）个月度的。

除了样本总量和数据区间的选择，本章剩余的研究步骤和研究设计为：

首先根据CAPM模型，利用y=a+βM+e得出特质风险1-R2，然后根据logit（Ui,t0_1）=ai，t+b1,t（1−R2）+εt找出特质风险的高低决定大宗交易的发生与否，再利用Ui，t=ai,t+γi，t（1−R2）i,t+ei,t得出特质风险对大宗交易的决定程度，其中，ui为大宗交易量，Qmonth为该个股的整体交易量。

其次，为了稳健度量，在利用CAPM模型回归之外，再从FAMA−FRENCH三因素出发，根据yi，t=ai，t+βi，tMi，t+β2SMBi，t+β3HMLi，t+ei,t重新计算（1−R2）^[4]。

最后，除了进行截面分析以外，为了从48个月中看出各个股票整体上特质风险对大宗交易的影响，对整体数据作面板回归，分别建立面板回归方程组，包括固定和随机效应的回归方程组。