企业诚信文化(Qwen大模型标注)
「企业诚信文化(Qwen大模型标注)」，覆盖 1991-2025 年，频率 年度，上市公司层级，含 19 个变量，样本量约 67,314。 基于上市公司年报管理层讨论与分析(MD&A)文本，参考田子方等(2025,金融研究)以67个诚信文化关键词筛选候选句、大语言模型逐句判定的方法，构建企业诚信文化
| 时间跨度 | 1991-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 19 |
| 样本量 | 67,314 |
| 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 [证券简称] — 上市公司证券简称
- Year [年份] — 报告年度
- 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
- IndustryName [行业名称] — 中上协行业分类名称
- MDAExtracted [是否成功提取MD&A] — 是否成功提取管理层讨论与分析(MD&A)章节(0=否，回退全文；1=是)
- MDATotalChars [MD&A总字数] — 当年MD&A的中文字符总数，作为trust_length的分母
- MDATotalSents [MD&A总句数] — 当年MD&A按。！？切分得到的句子总数，作为trust_num的分母
- CandidateSentCount [诚信候选句数] — 含67个诚信文化关键词任一的候选句数量(进入大语言模型逐句判定的待确认集)，参考田子方等(2025,金融研究)附录诚信文化词典
- IntegritySentCount [诚信文化句子数] — 经大语言模型逐句判定为体现企业诚信文化的句子数量，作为trust_num的分子，参考田子方等(2025,金融研究)的方法
- IntegritySentChars [诚信文化句子字数] — 经大语言模型判定为诚信文化句子的中文字数之和，作为trust_length的分子(亦即原文稳健性所用诚信相关句字数绝对值)
- trust_length [诚信文化句子字数占比] — 参考田子方等(2025,金融研究)的方法，计算公式为：经大语言模型判定为诚信文化的句子字数/当年MD&A总字数。用作研究变量，越大代表企业诚信文化越强(MD&A句数<=3的退化样本置空)
- trust_num [诚信文化句子数量占比] — 参考田子方等(2025,金融研究)的方法，计算公式为：经大语言模型判定为诚信文化的句子数/当年MD&A总句数。用作研究变量，越大代表企业诚信文化越强(MD&A句数<=3的退化样本置空)
常见问题
- 「企业诚信文化(Qwen大模型标注)」是什么数据集？
- 企业诚信文化(Qwen大模型标注)，隶属信息环境。基于上市公司年报管理层讨论与分析(MD&A)文本，参考田子方等(2025,金融研究)以67个诚信文化关键词筛选候选句、大语言模型逐句判定的方法，构建企业诚信文化
- 该数据集的时间范围是？
- 覆盖 1991-2025 年。
- 包含哪些变量/指标？
- 共 19 个变量。核心指标包括：是否成功提取MD&A、MD&A总字数、MD&A总句数、诚信候选句数、诚信文化句子数、诚信文化句子字数、诚信文化句子字数占比、诚信文化句子数量占比。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 67,314 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 企业诚信文化刻画上市公司在年度报告"管理层讨论与分析(MD&A)"中对自身诚信、守信、合规与质量承诺的表达强度。诚信文化属于难以用传统结构化数据度量的非正式制度特征，本指标参考田子方等(2025)的方法，以 MD&A 文本为载体，采用"诚信文化词典筛选候选句 + 大语言模型逐句语义判定"两环节构建，并以 Li et al.(2023)生成式人工智能度量企业文化、Li et al.(2021)机器学习度量企业文化为方法渊源。 第一环节为候选句筛选。先以一套由 word2vec 种子词扩展并经人工筛选得到的 67 个诚信文化关键词（涵盖诚信、守信、诚实信用、合规、遵纪守法、规范、行为准则、信誉、质量第一、合法经营等，词表取自田子方等(2025)）对 MD&A 逐句做多模式匹配，凡含其中任一关键词的句子即进入待判定集。需要说明的是，该词表在窄义"诚信"之外较多覆盖治理-合规与质量规范类词语，故本指标在语义上偏向"诚信-合规治理文化"，而非纯粹的狭义诚信，使用时宜据此理解其构念边界。 第二环节为逐句语义判定。词典法无法区分否定表述（如"不披露虚假信息"实为正面承诺）、一词多义以及描述对象非企业自身（如描述行业、政府、客户或供应商信用）等情形，故对待判定集中的每一句，使用开源大语言模型（在零温度下确定性输出）依据固定判定准则判断该句是否真正体现"企业重视自身诚信文化"，输出二值结果。判定准则明确：企业对产品质量的重视可计为诚信表现；而描述个人或社会、描述客户/供应商信用、描述企业自身信誉评级、以及仅泛泛承担社会责任而无直接诚信内容者，均不计入。 基于逐句判定结果，对每个企业-年度构建两个并列代理指标。记该年度 MD&A 经判定为诚信文化的句子集合为 $S$，则 $$\text{trust\length}=\frac{\sum{s\in S}\text{len}(s)}{\text{MD\&A 总字数}},\qquad \text{trust\num}=\frac{|S|}{\text{MD\&A 总句数}}$$ 其中 $\text{len}(s)$ 为句子 $s$ 的中文字数。trust\length 反映诚信表达在篇幅上的占比，trust\num 反映其在句数上的占比，二者数值越大代表企业诚信文化越强。数据集同时保留中间量 MDATotalChars、MDATotalSents、CandidateSentCount、IntegritySentCount、IntegritySentChars 以支持机制分析与稳健性检验，其中 IntegritySentChars 即原文稳健性所用的诚信相关句字数绝对值。 补充说明 样本为全部 A 股上市公司，覆盖年报文本可得的全部年度；MDAExtracted 标志位记录 MD&A 章节是否成功提取（成功率约 98%），未能定位 MD&A 章节而回退全文的少量观测可据此标志剔除。切句以句号、感叹号、问号为界（分号作句内成分保留），单句长度设上限以避免无标点段落形成异常长句。对 MD&A 切分句数不超过 3 句的极少数提取退化观测（约占 0.8%），其句子级比率不可靠，trust\length 与 trust\num 置为缺失。 两点需在使用中注意。其一，受年报披露格式在不同年代的演变影响（MD&A 对应章节在历史上由"董事会报告"逐步演变为"经营情况讨论与分析""管理层讨论与分析"，所涵盖内容不同），指标在 2015 年前后存在水平上的结构性变化，做跨年度面板或时间趋势分析时建议纳入年份固定效应，或限定较一致的研究区间。其二，原文最优判定模型为参数规模更大的开源大语言模型，本数据集受算力约束改用本机可承载的同族较小模型，逐句判定提示词与口径与原文保持一致；经分行业核验，判定为正的比率在各行业间分布均匀，金融业指标显著高于非金融业主要源于其 MD&A 中合规-诚信类语句密度更高这一真实差异，而非模型偏差。 参考文献 - 田子方,左从江,李涛,赵宣凯.诚信文化与金融企业社会责任承担[J].金融研究,2025(09):152-169. - Li K, Mai F, Shen R, et al. Dissecting corporate culture using generative AI: insights from analyst reports[R/OL]. SSRN Electronic Journal, 2023. - Li K, Mai F, Shen R, Yan X. Measuring corporate culture using machine learning[J]. The Review of Financial Studies, 2021, 34(7): 3265-3315.
- 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。