企业年报非财务信息情感
「企业年报非财务信息情感」，覆盖 1991-2025 年，频率 年度，上市公司层级，含 27 个变量，样本量约 69,432。 参考谭建华等(2025,会计研究)，完整MD&A正负词净数占情感总词数衡量非财务信息情感；采用可追溯清理的公开中文LM词表，稳健性为同一英文研究的全文净情感词数
| 时间跨度 | 1991-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 27 |
| 样本量 | 69,432 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [证券代码] — 6位数字字符串证券代码
- StkName [证券简称] — 按报告年度匹配的证券简称，缺少当年记录时允许回退同公司最新可得名称
- Year [年度] — 年报所属年度
- Province [省份] — 公司注册地所在省份
- ProvinceCode [省份代码] — 公司注册地省份行政区划代码
- City [城市] — 公司注册地所在城市
- CityCode [城市代码] — 公司注册地城市行政区划代码(6位)
- County [区县] — 公司注册地所在区县
- CountyCode [区县代码] — 公司注册地区县行政区划代码(6位)
- IndustryCode [行业代码] — 中上协行业分类代码(如C26、J66,按年度动态匹配公司当年所属行业)
- IndustryName [行业名称] — 中上协行业分类名称(按年度动态匹配公司当年所属行业)
- IsReportValid [年报文本是否可测] — 完整中文年报文本是否满足质量要求，1为可测、0为不可测；缺少可靠MD&A不影响全文可测判断
- IsMDAExtracted [经营讨论是否可测] — 完整管理层经营讨论是否可靠识别并可分词，1为可测、0为不可测；失败不回退全文
- MDAWordCount [经营讨论中文词数] — 完整经营讨论按默认词典精确模式分词的纯中文词总数，含单字、不去停用词；提取失败缺失
- MDAPositiveCount [经营讨论正面词频] — 完整经营讨论精确分词命中清理公开中文LM正面词的总次数；零次保留0，提取失败缺失
- MDANegativeCount [经营讨论负面词频] — 完整经营讨论精确分词命中清理公开中文LM负面词的总次数；零次保留0，提取失败缺失
- ReportWordCount [全文中文词数] — 完整年报全文按同一精确模式分词的纯中文词总数，含单字、不去停用词；源不可测缺失
- ReportPositiveCount [全文正面词频] — 完整年报全文精确分词命中清理公开中文LM正面词的总次数；源不可测缺失
- ReportNegativeCount [全文负面词频] — 完整年报全文精确分词命中清理公开中文LM负面词的总次数；源不可测缺失
- MDARawPositiveCount [原词表经营讨论正面词频] — 未清理公开中文LM正面词在完整经营讨论的词频；交集词在两极均计入，不采用偏正优先规则
- MDARawNegativeCount [原词表经营讨论负面词频] — 未清理公开中文LM负面词在完整经营讨论的词频；交集词在两极均计入
- ReportRawPositiveCount [原词表全文正面词频] — 未清理公开中文LM正面词在年报全文的词频；交集词在两极均计入
- ReportRawNegativeCount [原词表全文负面词频] — 未清理公开中文LM负面词在年报全文的词频；交集词在两极均计入
- Emotion [非财务信息情感] — 参考谭建华等(2025,会计研究)的方法，计算公式为：(经营讨论正面词频-经营讨论负面词频)/(经营讨论正面词频+经营讨论负面词频)，使用清理公开中文LM词表；零分母或提取失败缺失。用作研究变量，越大代表非财务信息情感越正面
- TotalEmotion [全文情感稳健值] — 参考Tan等(2024,China Journal of Accounting Studies)同一研究的稳健性方法，计算公式为：(全文正面词频-全文负面词频)/全文中文词数，使用清理公开中文LM；源不可测缺失。用作研究变量，越大代表全文情感越正面
- EmotionRaw [原词表情感敏感性值] — 参考谭建华等(2025,会计研究)的公式，采用未清理公开中文LM词表作敏感性对照，计算公式为：(原词表经营讨论正面词频-负面词频)/(正面词频+负面词频)；零分母缺失。用作研究变量，越大代表情感越正面
- TotalEmotionRaw [原词表全文情感敏感性值] — 参考Tan等(2024,China Journal of Accounting Studies)的稳健公式，采用未清理公开中文LM词表作敏感性对照，计算公式为：(原词表全文正面词频-负面词频)/全文中文词数；源不可测缺失。用作研究变量，越大代表全文情感越正面
常见问题
- 「企业年报非财务信息情感」是什么数据集？
- 企业年报非财务信息情感，隶属信息环境。参考谭建华等(2025,会计研究)，完整MD&A正负词净数占情感总词数衡量非财务信息情感；采用可追溯清理的公开中文LM词表，稳健性为同一英文研究的全文净情感词数
- 该数据集的时间范围是？
- 覆盖 1991-2025 年。
- 包含哪些变量/指标？
- 共 27 个变量。核心指标包括：年报文本是否可测、经营讨论是否可测、经营讨论中文词数、经营讨论正面词频、经营讨论负面词频、全文中文词数、全文正面词频、全文负面词频、原词表经营讨论正面词频、原词表经营讨论负面词频、原词表全文正面词频、原词表全文负面词频、非财务信息情感、全文情感稳健值、原词表情感敏感性值、原词表全文情感敏感性值。完整字段清单（变量名·中文名·说明）见页面「字段字典」。
- 数据频率和层级是怎样的？
- 频率为年度，上市公司层级。
- 样本量有多大？
- 约 69,432 条观测。
- 数据是如何测算/获取的？
- 企业年报非财务信息情感 指标定义与计算方法 年报非财务信息情感反映管理层在解释经营活动时使用正面和负面词汇的相对倾向。正面情感较强，表示经营讨论的措辞更积极；该指标衡量文字表达，不能直接等同于实际经营表现或披露真实性。参考谭建华等（2025）的定义，以年报管理层讨论与分析（MD&A）的正负情感词频构造主指标，并依据同一研究的英文完整版提供全文情感稳健值。 首先识别完整经营讨论。现代年报中的管理层讨论与分析、经营情况讨论与分析，以及早期年报承载经营讨论的董事会、董事局报告，均作为相应容器。经营回顾、研发投资、经营财务分析与未来展望保留；进入独立公司治理、重大事项、股份变动、监事报告、审计或财务报表章节时终止。正文交叉引用和目录不作为章节起点。只有原件可读且章节边界可可靠重建时测量MD&A；失败时保留主测量缺失，全文稳健另按完整年报测量。 对识别出的经营讨论使用jieba默认词典精确模式，并启用HMM识别。分词后保留全部纯中文词项，包括单字，不删除停用词，不截断正文，也不将情感词强制加入分词器。词频按分词结果与词表词项精确相等逐次累计，不作子串匹配，不引入否定修饰；全文沿用同一分词口径。词数是纯中文有效分词的总数，数字、英文、标点和空白不进入分母。 情感词表采用cntext公开中文Loughran-McDonald金融词典的固定版本。该资源为公开中译，不能等同于研究作者未公开的实际词表。主口径保守剔除两极交集、明确的词典语法标签、释义或例句残片、专名、独立语法功能词及确证的错极性条目；不重译、不换极性、不新增词，不能仅因日常中性或金融专业含义而删词。每项处理记录原词、原极性和理由，清理后分别保留644个正词和3653个负词。 记企业i在t年完整经营讨论中命中清理词表的正面词频为Pit，负面词频为Nit。主指标为： $$ Emotion{it}=\frac{P{it}-N{it}}{P{it}+N{it}}. $$ 取值介于-1和1之间。越大表示非财务信息情感越正面；正负词频相等且总词频为正时取零。可靠文本同时没有正负词命中时，分母为零，主指标保留缺失，不将没有测得情感解释为中性。 同一英文研究使用净情感词频占全文词数的比例作稳健测量。记完整年报全文的正面、负面词频为P^Fit、N^Fit，全文中文词数为W^Fit，定义： $$ TotalEmotion{it}=\frac{P^F{it}-N^F{it}}{W^F{it}}. $$ 该比例同时受到情感方向与情感表达密度影响，与主指标的分母不同。全文可靠且词数为正、没有情感词命中时可取零；全文源不可测时保留缺失。 另外保留未清理公开词表的敏感性结果EmotionRaw与TotalEmotionRaw，分别沿用上述两式，仅替换词表。原表中的交集词在正负两极各计一次，净数抵消而主指标分母增加两次，不设置正面优先。经营讨论与全文的清理词频、原表词频及总词数均一并保留，便于解释词表处理影响。 补充说明 作者实际中译LM词表、分词参数和全文词数具体过滤规则未公开。本数据使用可追溯公开中译及上述中文词分母操作化，经保守清理后仍不能声称全部词项获得英文配对核验，也不声称逐值复现作者样本。主范围遵中文正文，全文稳健范围遵同一英文研究。保留的金融专业词或多义词在具体句子中未必表达同方向情感，词典计频不能等同于逐句情绪分类。 完整经营讨论容器可能含经营相关治理或激励叙述；提取标志不代表逐句纯度分类。原文简繁保留，少数繁体版本与主要为简体的词表可能存在匹配差异。摘要、损毁、错主体等确证坏源失测；保留全部可得公司年度及ST/PT、金融企业，不按论文实证选样提前筛除。 参考文献 - 谭建华,李亦普,高天成,潘俊.杠杆操纵与策略性信息披露——基于机器学习年报非财务信息的经验证据[J].会计研究,2025,(11):31-44. - TAN J, LI Y, GAO T, PAN J. Leverage manipulation and strategic disclosure: evidence from non-financial information in annual reports based on multimodal machine learning[J]. China Journal of Accounting Studies,2024,12(3):550-590. DOI:10.1080/21697213.2023.2300296. - hiDaDeng. cntext中文Loughran-McDonald金融情感词典[DB/OL]. https://github.com/hiDaDeng/cntext/blob/main/cntext/io/data/zhcommonLoughranMcDonald.yaml [2026-10-13].
- 如何获取该数据集？
- 通过站内对应淘宝链接下单后，客服发放兑换码；在站内"兑换"页输入兑换码即可获得下载权益并下载。