网络安全治理(Word2Vec词库法)
「网络安全治理(Word2Vec词库法)」，覆盖 1991-2025 年，频率 年度，上市公司层级，含 17 个变量，样本量约 67,320。 衡量上市公司对网络安全治理的关注与投入程度。
| 时间跨度 | 1991-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 17 |
| 样本量 | 67,320 |
| 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] — 证券简称
- 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(6位)
- City [城市] — 公司注册所在城市
- CityCode [城市代码] — 城市行政区划代码(6位)
- County [区县] — 公司注册所在区县
- CountyCode [区县代码] — 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
- IsCyber [是否网络安全治理] — 参考王辉等(2024,金融评论)的方法，是否年报中网络安全治理关键词出现次数大于1(0=否，1=是)
- LnCyber [网络安全治理程度] — 参考王辉等(2024,金融评论)的方法，计算公式为：ln(网络安全治理关键词总词频+1)，用作研究变量，越大代表企业对网络安全治理的关注程度越高
- IsCyberAboveAvg [是否网络安全治理高于年度均值] — 参考王辉等(2024,金融评论)的方法，是否词频密度(词频/年报总字符数)超过当年所有上市公司的均值(0=否，1=是)
- CyberFreq [网络安全治理关键词词频] — 39个网络安全治理关键词(8个种子词+31个Word2Vec扩展词)在年报全文中出现的原始计数总和。单位：次
- CyberDensity [网络安全治理词频密度] — 计算公式为：网络安全治理关键词总词频/年报中文字符总数。单位：比例
- TotalChars [年报中文字符总数] — 年报全文中的中文字符数量(Unicode范围4E00-9FFF)。单位：个
常见问题
- 「网络安全治理(Word2Vec词库法)」是什么数据集？
- 网络安全治理(Word2Vec词库法)，隶属公司治理。衡量上市公司对网络安全治理的关注与投入程度。
- 该数据集的时间范围是？
- 覆盖 1991-2025 年。
- 包含哪些变量/指标？
- 共 17 个变量。核心指标包括：是否网络安全治理、网络安全治理程度、是否网络安全治理高于年度均值、网络安全治理关键词词频、网络安全治理词频密度、年报中文字符总数。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 67,320 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 本数据集旨在度量中国上市公司对网络安全治理的关注程度，其构建方法参考了王辉等（2024）的研究。核心思路是通过分析上市公司年度报告全文的文本内容，识别并统计与网络安全治理相关的关键词出现频率，以此作为企业在该领域投入和重视程度的代理变量。 首先，构建了一个包含39个网络安全治理关键词的词库，其中包括8个初始种子词以及通过Word2Vec模型扩展得到的31个相关词汇。随后，对每家上市公司每年发布的年度报告全文进行文本分析，统计这些关键词在报告中出现的原始总次数，记为$CyberFreq$。同时，计算年报全文的中文字符总数（Unicode范围在4E00-9FFF之间的字符），记为$TotalChars$。 基于上述基础变量，计算网络安全治理的词频密度$CyberDensity$，该指标将关键词总词频标准化为年报文本长度，以消除报告篇幅差异的影响，其计算公式为： $$CyberDensity = \frac{CyberFreq}{TotalChars}$$ 其中$CyberFreq$为网络安全治理关键词总词频，$TotalChars$为年报中文字符总数。 为了在实证研究中便于使用，进一步构造了三个核心指标。第一个是二元变量$IsCyber$，用于判断企业是否提及网络安全治理，若年报中关键词出现次数大于1次，则取值为1，否则为0。第二个是连续变量$LnCyber$，用于衡量网络安全治理的关注程度，通过对关键词总词频加1后取自然对数得到，其计算公式为： $$LnCyber = \ln(CyberFreq + 1)$$ 该值越大，代表企业对网络安全治理的关注程度越高。第三个是二元变量$IsCyberAboveAvg$，用于识别当年网络安全治理水平高于市场平均水平的公司，若某公司的词频密度$CyberDensity$超过当年所有上市公司该指标的平均值，则取值为1，否则为0。 补充说明 - 样本筛选基于上市公司发布的年度报告全文。 - 网络安全治理关键词库由8个种子词及通过Word2Vec模型扩展得到的31个相关词构成，共39个词。 参考文献 [1]王辉,何冬昕,陈旭,等.网络安全治理与股价崩盘风险——基于上市公司年报文本分析的证据[J].金融评论,2024,16(1):86-105.
- 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。