企业数字金融认知

字段字典

• Symbol [证券代码] — 以交易所公布的证券代码为准,6位数字
• StkName [证券简称] — 按报告年度匹配证券简称；缺少当年记录时回退至最新可得档案
• Year [年度] — 统计年度
• Province [省份] — 公司注册地所在省份；采用可得公司注册地档案快照，不代表逐年历史迁址
• ProvinceCode [省份代码] — 公司注册地省份行政区划代码；采用可得公司注册地档案快照，不代表逐年历史迁址
• City [城市] — 公司注册地所在城市；采用可得公司注册地档案快照，不代表逐年历史迁址
• CityCode [城市代码] — 公司注册地城市行政区划代码(6位)；采用可得公司注册地档案快照，不代表逐年历史迁址
• County [区县] — 公司注册地所在区县；采用可得公司注册地档案快照，不代表逐年历史迁址
• CountyCode [区县代码] — 公司注册地区县行政区划代码(6位)；采用可得公司注册地档案快照，不代表逐年历史迁址
• IndustryCode [行业代码] — 中上协行业分类，按年度轨迹匹配；缺少当年记录时回退至该主体最新可得行业档案
• IndustryName [行业名称] — 中上协行业分类，按年度轨迹匹配；缺少当年记录时回退至该主体最新可得行业档案
• DigitalFinanceKeywordCount [数字金融关键词总提及次数] — 参考王诗卉、谢绚丽(2021,经济学家)的方法，计算公式为：年报全文中互联网、数字化、智能、大数据、电子银行、金融科技、科技金融、云计算、区块链、普惠金融、开放银行11个关键词的提及次数之和，单位为次；完整字符串直接匹配，否定语境仍计作提及；无法有效测量中文全文时缺失。
• ReportCharCount [年报中文汉字数] — 年报全文的中文汉字总数，计算公式为：对全文Unicode统一表意文字逐字计数，排除数字、英文、标点及空白，单位为字；原文未明示字符范围，本字段为经确认的字数操作化，用作密度分母；无法有效测量中文全文时缺失。
• DigitalFinanceCognition [企业数字金融认知] — 参考王诗卉、谢绚丽(2021,经济学家)的方法，计算公式为：数字金融关键词总提及次数/年报中文汉字数×10000，单位为次/万字；原文未明确字数范围，本指标以全文中文汉字数操作化。用作研究变量，越大代表年报对原词表议题的关注越强；非金融场景的宽泛技术提及也可能计入，不直接表示金融知识或实际业务采用；摘要、英语主体、严重提取损毁或无汉字等无法有效测量时缺失。

常见问题

「企业数字金融认知」是什么数据集？

企业数字金融认知，隶属数字化转型与人工智能。参考王诗卉、谢绚丽(2021,经济学家)的方法，以年报全文11个数字金融关键词的总提及次数除以全文中文汉字数并乘10000，度量企业数字金融议题的文本关注。

该数据集的时间范围是？

覆盖 1991-2025 年。

包含哪些变量/指标？

共 14 个变量。核心指标包括：数字金融关键词总提及次数、年报中文汉字数、企业数字金融认知。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？

指标定义与计算方法 企业数字金融认知以企业年度报告对数字金融相关议题的文本关注为代理。参考王诗卉、谢绚丽(2021,经济学家)的方法，统计年报全文中数字金融相关关键词的提及次数，再按年报字数标准化为每万字的提及次数。原文将该变量用于商业银行研究，本数据集沿用其完整词表和密度公式，并扩展至全行业企业年报。 关键词严格采用原文第104页表1及脚注①列出的11个词：互联网、数字化、智能、大数据、电子银行、金融科技、科技金融、云计算、区块链、普惠金融、开放银行。设企业$i$在年度$t$的年报全文为$T{it}$，关键词集合为$K$，$f(w,T{it})$为关键词$w$在全文中的出现次数，则关键词总提及次数为$N{it}=\sum{w\in K} f(w,T{it})$。按完整字符串直接匹配，不扩充近义词，也不根据否定或情感语境扣除提及；短关键词在较长表达中的出现仍计数。统计使用解码后的全文，保留目录、财务附注等部分，不限于管理层讨论与分析。 原文以“每万字年报描述中的提及次数”定义指标，未公开字数的具体字符范围。本数据集经确认，将分母$L{it}$操作化为年报全文的中文汉字数，具体统计Unicode统一表意文字，排除数字、英文、标点及空白。这一实现细节与原文明确给出的密度公式分别说明，不将分词后的词数作为字数。 企业数字金融认知的计算公式为： $$ \mathrm{DigitalFinanceCognition}{it} =\frac{N{it}}{L{it}}\times 10000. $$ 指标单位为次/万字，数值越大表示企业年报对原词表所涵盖议题的文本关注越强。数据同时保留关键词总提及次数和年报中文汉字数，便于核对分子、分母及单位。有效中文全文没有关键词提及时，指标取零；无法有效测量中文全文时三个测量字段均缺失，不用零替代。生产数据保留未缩尾的指标；企业年度以股票代码和报告年度唯一标识，辅助名称、地区或行业信息缺失不删除观测。 全文有效性按源材料检查：人工核证的摘要原件不能代替全文，按原件指纹登记，材料更新后重新核证；其他头部独立的当年摘要标题且无完整财务附注结构的候选需先人工核证，未解决前不输出。引用其他摘要或模板说明句不单独触发，完整财务附注结构优先于错误封面或页眉。汉字占比低于10%且原始替代字符或异常非空白控制符占比超过10%的文本视为严重提取损毁；头部含Annual Report标题、拉丁字母占比超过50%且汉字占比低于10%的报告视为英语主体。无汉字、无法完整解码、已核证字体映射损毁等情形亦保留缺失。双重编码仅接受严格字节往返可逆且恢复后汉字占比至少20%的结果，避免丢字修复生成伪汉字；这些关卡是本数据集对中文全文有效性的实现规则，原文未公布对应程序。 补充说明 - 原文在商业银行场景下使用该指标。扩展至非金融企业后，“智能”“互联网”等词也可能表示生产、销售或一般技术活动，使用时可按行业筛选并控制行业与年度效应；指标不直接测量企业金融知识或实际金融业务采用。 - 全文直接匹配未另行合并版面折行，断词可能减少提及次数；重复版面、包含关键词的公司名称及模板措辞变化也影响次数。汉字分母通常小于包含数字、英文和标点的字符分母，同一分子的标准化密度相应更高，比较不同数据产品时须核对分母。 - 数据覆盖各行业、板块及可得年份，明确的债券报告不作为股票主体观测。地区采用公司档案中的可得信息，行业和简称按年度匹配，缺少当年档案时可能回退至该主体的可得记录；未命中全文质量规则仍可能存在未识别的局部提取缺失。 - 原始文本缺失集中于部分早期年度，年度覆盖可能明显低于总体覆盖。缺失保留在公司年度行中，使用时应逐年核对非缺失率；仅存业绩概要或局部材料的原件不作为全文测量。 - Stata成品提供原始、剔除STPT与金融业，以及剔除后按年度1%和99%分位缩尾三版。缩尾对三个测量字段分别处理，缩尾版的分子、分母不用于重新反算核心指标；密度公式的恒等关系适用于未缩尾版本。 参考文献 [1]王诗卉,谢绚丽.经济压力还是社会压力：数字金融发展与商业银行数字化创新[J].经济学家,2021(1):100-108.DOI:10.16158/j.cnki.51-1312/f.2021.01.011.

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。