企业数智决策(BERT模型)

字段字典

• Symbol [股票代码] — 六位数字字符串证券代码；保留原始报告库存中的历史证券、退市公司和B股，不仅按当前上市名单筛选。
• StkName [证券简称] — 上市公司证券简称
• Year [报告所属年度] — 年度报告覆盖的会计年度；按报告原件身份与原始年度目录核对，不以公告发布日期所属年度替代。
• 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)
• 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)
• DecisionParagraphCount [数智决策实践段落数] — 参考徐苗等（2026），年报管理层讨论与分析剔除无关子节后，被BERT判为数智决策实践的TXT重建段落出现次数，单位为段。Qwen仅用于训练样本弱标，冻结BERT以0.5门槛对全部段落最终二分类，不含全量Qwen复核。按缩进、空行与续行重建TXT段落；长段按480个token、32个token重叠完整覆盖，任一块阳性使原段最多计一次，不同位置同文分别计数。非作者原PDF自然段或原模型同值。完整可靠文本无阳性为0；源、边界或模型结果无法完整测量时缺失
• DDDM [企业数智决策程度] — 参考徐苗等（2026），计算公式为ln(1+数智决策实践段落数)，自然对数、无量纲。衡量企业年报披露的数字数据或智能技术辅助决策及其企业影响，值越大表示相关实践披露越多，不等同于真实应用强度或因果效应。本地独立重建的模型、段落与标题操作化和作者实现存在差异；完整可靠文本无阳性为0，无法完整测量时缺失

常见问题

「企业数智决策(BERT模型)」是什么数据集？

企业数智决策(BERT模型)，隶属数字化转型与人工智能。企业数智决策衡量企业年报披露中数字技术辅助决策及产生企业影响的实践。

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：数智决策实践段落数、企业数智决策程度。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 数智决策是企业借助电子数据资源、数字技术和智能技术改善决策及经营活动的实践。它既包括明确以数字信息支持决定、计划和控制，也包括已经应用数字手段或开展真实数字技术研发，并披露由此产生的技术升级、质量改善、效率提升等企业影响。本数据集参考徐苗等（2026），以年度报告中的相关实践段落刻画企业数智决策披露程度。 1. 整理管理层讨论与分析文本 以既有企业年度报告TXT为基础，识别完整的管理层讨论与分析；历史报告使用承担相同经营分析功能的董事会报告章节。按照实际标题层级剔除未来展望、财务报表数据分析、董事会工作等无关子节，清理可识别的页眉、页码及表格行，并结合TXT保留的缩进、空行和跨行接续确定性重建段落。不补取或读取原PDF。 标题和段落处理属于本数据集的公开操作化。TXT重建段落是本数据集的计数单位，不能声称与作者原PDF自然段完全相同。没有可靠章节起止、正文无法完整读取或没有可分类段落的报告保留缺失。 2. 识别数智决策实践 使用Qwen对固定抽样语料按双证据标准生成弱监督标签，再以确定标签训练二分类BERT。训练、验证和测试按公司分组，清理跨组近似模板，并排除前置审查公司。训练固定三轮，以验证集0.5门槛下的宏平均F1选择最佳模型；不根据测试集调节最终门槛。教师标签的评价衡量模型间一致性，不代表人工金标准准确率。初始训练样本曾按PDF版式分段，本次TXT测算复用冻结权重，不重新读取训练原PDF或重复训练，输入分段差异可能影响识别结果。 弱标签的双证据标准要求同时具有本企业实际应用电子数据或具体数字、智能手段，或者真实形成相关研发成果；以及该实践明确改善决策，或对本企业技术、质量、效率、成本、产能、流程及经营等产生影响。两项事实须在原文中有明确联系，定性效果即可，不要求量化收益。 正式测算中，BERT对全部适用TXT重建段落作最终标记，不以词典或另一轮BERT筛选排除段落，也不再作全量语言模型复核。固定最终阳性概率门槛为0.5。超长段落按480个正文token分块，邻块重叠32个token，覆盖完整原段并以最大阳性概率决定原段类别；任一块达到门槛即为阳性，每个原段最多一票。 普通风险制度、行业背景、未来计划、仅有技术名称或对外产品功能宣传，不能自动认定为数智决策实践。实际研发形成技术升级可以满足间接标准，不限定为内部管理系统。训练样本的教师标注保留原文证据，最终全量BERT分类不另生成逐段语言模型证据。 3. 汇总实践段落与对数指标 令企业i在年度t的适用TXT重建段落集合为Pit。段落p的最终BERT阳性概率达到0.5时，指示量Zitp等于1，否则为0。完整可靠分类后，数智决策实践段落数定义为： $$ K{it}=\sum{p\in P{it}} Z{itp} $$ K的单位为段，对应字段DecisionParagraphCount。不同位置出现相同文字仍分别计段；长段完整分块处理后，任一块可靠阳性使该原段最多计一次，不按分块数量重复累加。 企业数智决策程度采用加一自然对数： $$ DDDM{it}=\ln(1+K{it}) $$ DDDM无量纲，值越大表示相关实践披露越多。它不是投入金额或实际技术应用强度的直接测量，也不具有因果效应含义。K作为计算所需的变换前原值与DDDM一并提供。 4. 零值、缺失及样本范围 完整可靠正文经过分类后没有阳性段落，K与DDDM均为0。TXT缺失或损毁、章节边界无法完整测量、没有可分类段落，以及模型结果缺失或失效时，两项研究量均保留缺失。概率必须完整、有限且位于0至1之间；无法取得完整有效概率时不将报告补成零值。 提供全行业、全板块和可得年度结果，保留ST、PT及金融企业。报告库存中的历史公司、退市公司和B股不因缺少当前上市名单匹配而直接删除。地区采用现行档案信息，企业简称与行业按年度信息匹配；缺少当年记录时按既定档案规则回填，因而存在历史信息回填边界。 补充说明 原研究使用人工标注、BERT初筛和微调ChatGLM2复核。本数据集未取得作者人工标签、微调权重及完整定位程序，按Qwen弱标签训练BERT、由BERT最终全量标记的流程独立重建，不声称与作者模型或数值相同，也不继承作者报告的准确率。 TXT转换丢失的版式信息、重建段落边界、表格残片、子标题适配、长段分块、弱监督标签和固定分类门槛均可能造成误差。训练分段与本次TXT输入的差异也可能影响最终分类。企业数字化披露习惯与报告篇幅会影响段落数量；既有TXT的历史可得性、损毁和版本差异可能带来选择偏差。零值仅表示在本测量范围内未识别实践，缺失不能解释为没有实践。 双证据是教师标注训练样本的判定标准，最终BERT标签并未逐段经过语言模型或人工复核。有界原文抽查发现，模型可能将仅面向客户的产品功能宣传、未完成研发项目的用途说明，以及研发或专利表格拼接形成的段落误判为阳性；较高预测概率也不等于已经核实企业实际应用及其影响。这些误判可能抬高实践段落数，对产品与技术披露较多企业的影响更大，削弱跨行业、跨公司和跨期的可比性。因此，研究量应解释为固定模型识别的相关实践披露代理，不能作为每一段都满足双证据标准的事实认证。 参考文献 - 徐苗,金衍义,卢俊峰,马淑琴.数智决策与企业出口关系稳定性——基于大语言模型的微观证据[J].国际贸易问题,2026(2):150-169.DOI:10.13510/j.cnki.jit.2026.02.008.

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。