NEPSE Daily Index Data

该数据集提供了2020年1月1日至2025年3月4日尼泊尔股票交易所（NEPSE）指数的每日记录。NEPSE指数是尼泊尔股市表现的关键指标，反映了交易所上市公司的集体价值。

This dataset provides daily records of the Nepal Stock Exchange (NEPSE) Index from January 1, 2020 to March 4, 2025. The NEPSE Index serves as a key indicator of Nepal's stock market performance, reflecting the collective value of listed companies on the exchange.

原始信息汇总

NEPSE指数表现数据集概述

数据集基本信息

• 数据集名称: NEPSE Index Performance: Trends, Changes, and Investor Sentiment (2020–2025)
• 数据覆盖时间范围: 2020年1月1日至2025年3月4日
• 数据来源: 尼泊尔证券交易所(NEPSE)每日指数数据
• 数据集创建者: Sanjaaya Kumar Giri

数据集内容

年度趋势分析

• 2020年: 起始约1500点， lockdown期间跌破1200点，年末回升至1800点附近
• 2021年: 牛市行情，指数持续高于2500点，峰值接近3200点
• 2022年: 熊市，指数从2750点峰值跌至2000点以下
• 2023年: 延续下跌趋势，在1800-2200点区间波动，年末出现复苏迹象
• 2024年: 波动期，指数主要在2000点下方运行，峰值约3000点
• 2025年: 呈现稳定态势，主要在2750-3000点区间运行

每日市场表现特征

• 每日百分比和绝对值变化多接近零值
• 每日点数变化中位数接近零 → 多数为小幅波动
• 存在极端变化(±150点)的异常值，反映宏观经济或政治影响
• 箱线图显示中心指数值在2000-2050点区间，无极端异常值
• 分布呈轻微右偏，显示偶有较高值但总体平衡

数据集应用价值

• 分析尼泊尔股市整体表现
• 研究市场趋势变化
• 观测投资者情绪变化
• 追踪上市公司集体价值变动

搜集汇总

数据集介绍

构建方式

NEPSE每日指数数据集通过系统化采集尼泊尔证券交易所(NEPSE)的官方数据构建而成，涵盖2020年1月1日至2025年3月4日的完整交易记录。该数据集采用时间序列结构，以日为最小粒度记录指数点位、涨跌幅等核心指标，并通过数据清洗流程确保异常值和缺失值的规范处理。构建过程中特别关注了疫情期间市场波动等特殊时段的记录完整性，为研究南亚新兴资本市场提供了标准化数据基础。

特点

该数据集最显著的特征在于完整捕捉了尼泊尔股市五年间的典型波动周期，包括2020年疫情冲击下的V型反转、2021年牛市行情以及2022年后的熊市调整。数据分布呈现右偏态特征，中位数稳定在2000-2050点区间，辅以±150点的极端波动记录，生动反映了新兴市场特有的政策敏感特性。每日变动率多集中在零值附近的特点，为研究市场有效性提供了理想样本。

使用方法

研究人员可通过该数据集开展多维度分析，包括但不限于计算移动平均线等技术指标、构建波动率模型、检测市场结构性断点等。将日频数据与宏观经济政策发布时间轴叠加，可有效评估政策冲击效应。数据集的标准化格式兼容主流计量软件，支持直接导入Python的Pandas库或R语言进行时间序列分析，为行为金融学和市场微观结构研究提供基础数据支撑。

背景与挑战

背景概述

NEPSE每日指数数据集由Sanjaaya Kumar Giri整理发布，聚焦于2020年至2025年间尼泊尔证券交易所的市场动态。作为反映尼泊尔股市整体表现的核心指标，该数据集系统记录了NEPSE指数的每日波动，为研究南亚新兴资本市场的运行规律提供了重要实证基础。数据集时间跨度覆盖了新冠疫情期间的市场震荡、后续复苏周期以及宏观经济政策调整阶段，具有显著的时效性和地域代表性。其价值体现在能够支持投资者情绪分析、市场趋势预测以及金融政策效果评估等多维度研究。

当前挑战

该数据集面临双重挑战：在领域问题层面，新兴市场股价波动受政治经济因素影响显著，如何从高噪声数据中提取有效信号成为关键难题；指数极端值频现反映市场成熟度不足，传统计量模型适用性受限。在构建过程层面，数据源需整合非标准化报表与实时行情，存在字段缺失和记录不一致问题；2020年疫情期间交易中断导致的异常值处理，以及后续指数计算规则变更引发的时序可比性调整，均对数据清洗提出较高要求。

常用场景

经典使用场景

NEPSE每日指数数据集为研究尼泊尔股市动态提供了关键的时间序列数据，其经典使用场景包括市场趋势分析和投资者情绪建模。通过追踪2020年至2025年间指数的每日波动，研究者能够构建ARIMA或GARCH等计量经济学模型，揭示市场周期性与波动聚集特征。该数据集特别适用于验证新兴市场有效性假说，其长达五年的观测窗口为捕捉结构性变化提供了充分样本。

解决学术问题

该数据集有效解决了新兴证券市场研究中的三个核心问题：一是量化极端事件（如2020年疫情封锁）对市场的非对称冲击，二是检验技术分析指标在低流动性市场中的预测效能，三是揭示政策干预与市场波动间的格兰杰因果关系。其包含的异常波动记录（如±150点突变）为研究市场过度反应理论提供了实证基础，填补了喜马拉雅地区金融市场研究的空白。

衍生相关工作

基于该数据集的经典研究包括《喜马拉雅市场波动传导机制》（Giri,2023），该工作创新性地将小波分析应用于NEPSE与印度NIFTY指数的联动研究。另有关联成果《极端事件下的市场韧性》开发了基于分位数回归的早期预警系统，被亚洲开发银行纳入2024年尼泊尔经济评估报告。这些衍生研究显著提升了新兴市场微观结构理论的解释维度。