董事会银行关联(简历金融背景识别)
「董事会银行关联(简历金融背景识别)」，覆盖 1999-2025 年，频率 年度，上市公司层级，含 20 个变量，样本量约 80,456。 衡量上市公司董事会与银行等金融机构的人事关联程度。
| 时间跨度 | 1999-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 20 |
| 样本量 | 80,456 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — 6位股票代码
- StkName [股票简称] — 根据NameChange动态匹配的当年股票简称
- Year [年份] — 财务年度
- Province [省份] — 公司注册所在省份
- ProvinceCode [省份代码] — 省份行政区划代码
- City [城市] — 公司注册所在城市
- CityCode [城市代码] — 城市行政区划代码
- County [区县] — 公司注册所在区县
- CountyCode [区县代码] — 区县行政区划代码
- IndustryCode [行业代码] — 中上协行业分类代码
- IndustryName [行业名称] — 中上协行业分类名称
- BoardSize [治理层总人数] — 该公司当年全体董事、监事和高级管理人员的总人数。单位：人
- HasBankDir [是否有银行背景成员] — 参考翟胜宝等(2014,管理世界)的方法，是否有银行工作背景的治理层成员(0=否，1=是)。银行定义包括商业银行、人民银行、银监会/银保监会等
- BankDirCount [银行背景成员人数] — 参考翟胜宝等(2014,管理世界)的方法，具有银行工作背景的治理层成员人数。单位：人
- BankDirRatio [银行背景成员占比] — 参考邓建平、曾勇(2011,金融研究)的方法，计算公式为：银行背景成员人数/治理层总人数。用作研究变量，越大代表企业与银行的人事关联程度越高。单位：比例
- HasFinDir [是否有金融背景成员] — 参考Guner, Malmendier & Tate(2008,JFE)的方法，是否有金融机构工作背景的治理层成员(0=否，1=是)。金融机构包括银行、证券、保险、基金、信托、期货及其他金融机构
- FinDirCount [金融背景成员人数] — 参考Guner, Malmendier & Tate(2008,JFE)的方法，具有金融机构工作背景的治理层成员人数。单位：人
- FinDirRatio [金融背景成员占比] — 参考邓建平、曾勇(2011,金融研究)的方法，计算公式为：金融背景成员人数/治理层总人数。用作研究变量，越大代表企业与金融机构的人事关联程度越高。单位：比例
- BankCategories [金融机构背景类别] — 该公司治理层成员匹配到的金融机构背景类别(银行/证券/保险/基金/信托/期货/其他金融)，多类别以逗号分隔
- HasResumeRatio [有简历成员占比] — 该公司当年有简历文本的治理层成员占比，用作数据质量控制字段。建议筛选HasResumeRatio>=0.5以确保识别可靠性。单位：比例
常见问题
- 「董事会银行关联(简历金融背景识别)」是什么数据集？
- 董事会银行关联(简历金融背景识别)，隶属董监高数据。衡量上市公司董事会与银行等金融机构的人事关联程度。
- 该数据集的时间范围是？
- 覆盖 1999-2025 年。
- 包含哪些变量/指标？
- 共 20 个变量。核心指标包括：治理层总人数、是否有银行背景成员、银行背景成员人数、银行背景成员占比、是否有金融背景成员、金融背景成员人数、金融背景成员占比、金融机构背景类别、有简历成员占比。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 80,456 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 本数据集旨在衡量中国上市公司董事会（治理层）与银行及其他金融机构之间的人事关联程度。这种关联通常指公司董事、监事或高级管理人员曾在银行或更广泛的金融机构任职的背景。现有研究表明，此类关联可能通过信息优势、信任机制或社会网络，影响企业的融资约束、风险承担和投资决策。为全面刻画这一关联，数据集构建了多个维度的指标。 核心指标的计算基于公司治理层成员的个人简历信息。治理层总人数（$BoardSize$）定义为公司当年全体董事、监事和高级管理人员的总数。首先，根据简历文本识别具有金融机构工作背景的成员。金融机构背景（$FinDir$）的界定遵循Guner, Malmendier & Tate (2008) 的研究，涵盖银行、证券、保险、基金、信托、期货及其他金融机构。在此基础上，进一步识别出具有银行工作背景（$BankDir$）的成员，其定义参考翟胜宝等 (2014)，包括商业银行、人民银行、银监会/银保监会等机构。 基于上述识别，生成一系列二元变量和连续变量。二元变量用于判断关联是否存在：若公司至少有一名治理层成员具有金融机构背景，则$HasFinDir$取值为1，否则为0；若至少有一名成员具有银行背景，则$HasBankDir$取值为1，否则为0。连续变量则用于衡量关联的强度：$FinDirCount$和$BankDirCount$分别表示具有相应背景的成员人数；$FinDirRatio$和$BankDirRatio$则分别表示这两类成员在治理层总人数中的占比，计算公式为： $$FinDirRatio = \frac{FinDirCount}{BoardSize}$$ $$BankDirRatio = \frac{BankDirCount}{BoardSize}$$ 其中$FinDirCount$为具有金融机构工作背景的治理层成员人数，$BankDirCount$为具有银行工作背景的治理层成员人数，$BoardSize$为治理层总人数。比例越高，代表企业与金融机构或银行的人事关联程度越强。此外，字段$BankCategories$以逗号分隔的形式列出了匹配到的具体金融机构类别（如银行、证券等），提供了关联类型的更详细信息。 补充说明 - 为确保背景识别的可靠性，建议在研究中筛选$HasResumeRatio$（有简历文本的治理层成员占比）大于等于0.5的样本，以控制因简历信息缺失导致的数据质量偏差。 参考文献 - Guner A B, Malmendier U, Tate G. Financial expertise of directors[J]. Journal of Financial Economics, 2008, 88(2): 323-354. - 邓建平, 曾勇. 金融关联能否缓解民营企业的融资约束[J]. 金融研究, 2011. - 翟胜宝, 易旱琴, 郑洁, 等. 银行关联与企业风险——基于我国上市公司的经验证据[J]. 管理世界, 2014(4): 53-59.
- 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。