企业金融科技实际应用程度（BERT模型）

字段字典

• Symbol [股票代码] — 六位数字字符串证券代码，保留历史证券代码；空值不转换成代码
• StkName [证券简称] — 按报告年度匹配证券简称，缺当年记录时使用可得档案回填
• Year [报告年度] — 年度报告所属财务年度，非公告年度
• Province [省份] — 公司注册地所在省份
• City [城市] — 公司注册地所在城市
• County [区县] — 公司注册地所在区县
• ProvinceCode [省份代码] — 公司注册地省份行政区划代码
• CityCode [城市代码] — 公司注册地城市行政区划代码(6位)
• CountyCode [区县代码] — 公司注册地区县行政区划代码(6位)
• 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)；按年度中上协轨迹匹配，缺当年时使用可得行业回填
• 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)；按年度中上协轨迹匹配，缺当年时使用可得行业回填
• FinTechKeywordCount [金融科技实际应用关键词频次] — 参考Liu等（2026），完整管理层讨论与分析及历史董事会经营章中，BERT判为本企业实际应用、建设、研发、运营或对外提供相关技术的原句内关键词出现总次数，单位为次。表2去重95概念固定映射103检索词，最长非重叠匹配、跨维重复词去重；长句完整分块，任一块阳性后整句计频。Qwen上下文弱标签训练中文BERT，非作者词库、人工标签或同模型同值复现；可包含一般经营数字技术。可靠文本无候选或全部阴性为0；原文、章节、候选句读或最终推理不可测缺失。
• FinTech [企业金融科技实际应用程度] — 参考Liu等（2026），计算公式为金融科技实际应用关键词频次加一取自然对数，无量纲，越大表示企业实际数字技术活动的文本披露越多。沿用论文宽定义，不限支付、信贷等金融业务；自建弱监督BERT及固定翻译词典为独立重建，存在未来计划、主体、混合语境、长句和章节测量误差，不代表真实投入或作者同值。可靠文本无候选或全部阴性为0，原始频次不可测时缺失。

常见问题

「企业金融科技实际应用程度（BERT模型）」是什么数据集？

企业金融科技实际应用程度（BERT模型），隶属数字化转型与人工智能。企业金融科技实际应用程度衡量上市公司在经营管理中实际应用、建设、研发、运营或对外提供相关数字技术的披露程度。

该数据集的时间范围是？

覆盖 1991-2025 年。

包含哪些变量/指标？

共 13 个变量。核心指标包括：金融科技实际应用关键词频次、企业金融科技实际应用程度。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？

测算方法 企业金融科技实际应用程度刻画企业在经营管理中已经开展的相关数字技术活动。参考Liu、Gao和Zhao（2026），本指标利用年报管理层讨论与分析中的语义信息区分实际实践与一般性技术提及。论文对企业金融科技采用较宽的定义，既包括金融业务中的应用，也包括经营管理、资源配置中的数字技术实践，因此本指标与企业一般数字技术应用存在交叠。 一、识别关键词候选语句 以年报完整管理层讨论与分析为文本范围，历史报告使用具有经营内容的正式董事会报告章。根据真实章节标题确定正文起止，不回退为年报全文，独立的环境、社会与治理等后续主章不并入测量文本。原文按句末标点切分，拼接排版空白并将繁体转为简体。 参考论文表2的人工智能、区块链、云计算、大数据、线上化和移动化六类技术概念筛选候选句。表2实际列示96个项目，其中“数字金融”跨维度重复；本数据集将95个去重概念固定映射为103个中文词或对应缩写。匹配采用最长非重叠原则，跨维重复词仅计一次，例如“数字化转型”不再同时计入“数字化”。英文缩写要求完整的字母数字边界，不区分大小写。 二、识别企业实际技术活动 从真实候选句固定抽取一万条样本，以本地语言模型生成弱标签，再微调中文BERT二分类模型。标签区分本企业已经开展的应用、建设、研发、上线、运营及对外提供相关技术产品或服务，排除政策与行业背景、普通供应链关系、无实际行为的表述及尚未实施的未来计划。标注与分类均保留报告年度和所属子节等时间语境；语境按同一编码规则保留有限长度，不能保证恢复全部跨段信息。 训练、验证、测试按公司隔离，并剔除跨组相同或高度相似模板。固定训练三轮，由弱验证集选择模型，弱测试集用于评价与弱标签的一致性。最终全部候选均由冻结BERT分类，语言模型不直接代替最终全样本结果。长句按完整覆盖的重叠窗口处理，不截掉句尾；任一窗口阳性时，原句最多记为一个阳性句。窗口重叠不增加关键词频次。 三、计算企业年度频次及指数 设公司为$i$、报告年度为$t$，$S{it}$为该公司年度的候选原句集合，$As$表示原句$s$经BERT判定为实际技术活动时取1，否则取0；$n(K,s)$表示固定词表$K$在原句中的最长非重叠命中次数。 $$ F{it}=\sum{s\in S{it}}As\,n(K,s) $$ $F{it}$即金融科技实际应用关键词频次，单位为次。同一句命中多个词或同一词出现多次，按实际频次累计；不同位置的相同句子分别计量。该频次不等于阳性句数、技术种类数或真实项目数。 $$ FinTech{it}=\ln\left(1+F{it}\right) $$ 指数越大，表示企业在相关实际数字技术活动上的文本披露越多。同时提供原始频次，便于复核对数变换及构造适合研究需要的统计量。 补充说明 论文正文声称有124个关键词，但公开表格与该数字不一致，且未提供中文原词库、人工裁决标签、完整训练配置或微调权重。本数据集采用固定译名、本地单模型弱标与自建BERT独立重建，不承诺作者同值，也不将作者报告的准确率用作本模型准确率。最长匹配、章节识别、上下文长度、分块及阈值属于明示的实现选择。 可靠正文无候选词或所有候选均判阴性时，频次及指数为零；原文、章节、带候选文本的句读或模型结果不可测时保留缺失。词表未列出的技术名称或同义表达不会进入分类，BERT不能补回这部分初筛漏失，因此零值不等于企业真实未应用技术。早年文本稀疏和章节差异可能影响跨期可比性。2021年前后，历史年报由“经营情况讨论与分析”转为“管理层讨论与分析”模板时，业务概要与核心竞争力等内容由章外并入本章，可能形成披露范围断点，不能将词频变化全部解释为技术应用增长。实际工业机器人研发或对外服务可能被漏识别；即使语境已含未来经营计划标题，也仍可能发生时态误判。同一阳性长句中的其他关键词可能来自混合语境，知识产权、专利或软件著作权等长表并入原句后，名称中的重复词项也可能累积，放大披露频次；该频次不能解释为实际应用或项目数量。指标反映披露代理量，不直接证明真实技术投入、应用成效或金融服务专属性。 参考文献 LIU L, GAO D, ZHAO J. Corporate FinTech and Environmental Information Disclosure: Evidence from Chinese A-Share Listed Firms[J]. Sustainability,2026,18(16):8072. DOI:10.3390/su18168072.

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。