企业预期风险

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
• 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
• 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
• RiskWordCount [风险词提及次数] — 参考唐飞鹏、霍文希(2024,数量经济技术经济研究)的方法，计算公式为：年报中文全文中完整字符串“风险”的直接匹配次数，单位为次；包含目录、附注和表格，否定语境仍计数；不可测全文时缺失。
• LiquidityWordCount [流动词提及次数] — 参考唐飞鹏、霍文希(2024,数量经济技术经济研究)的方法，计算公式为：年报中文全文中完整字符串“流动”的直接匹配次数，单位为次；包含目录、附注和表格，否定语境仍计数；不可测全文时缺失。
• CrisisWordCount [危机词提及次数] — 参考唐飞鹏、霍文希(2024,数量经济技术经济研究)的方法，计算公式为：年报中文全文中完整字符串“危机”的直接匹配次数，单位为次；包含目录、附注和表格，否定语境仍计数；不可测全文时缺失。
• BurdenWordCount [负担词提及次数] — 参考唐飞鹏、霍文希(2024,数量经济技术经济研究)的方法，计算公式为：年报中文全文中完整字符串“负担”的直接匹配次数，单位为次；包含目录、附注和表格，否定语境仍计数；不可测全文时缺失。
• DistressWordCount [困境词提及次数] — 参考唐飞鹏、霍文希(2024,数量经济技术经济研究)的方法，计算公式为：年报中文全文中完整字符串“困境”的直接匹配次数，单位为次；包含目录、附注和表格，否定语境仍计数；不可测全文时缺失。
• LossControlWordCount [失控词提及次数] — 参考唐飞鹏、霍文希(2024,数量经济技术经济研究)的方法，计算公式为：年报中文全文中完整字符串“失控”的直接匹配次数，单位为次；包含目录、附注和表格，否定语境仍计数；不可测全文时缺失。
• FailureWordCount [失效词提及次数] — 参考唐飞鹏、霍文希(2024,数量经济技术经济研究)的方法，计算公式为：年报中文全文中完整字符串“失效”的直接匹配次数，单位为次；包含目录、附注和表格，否定语境仍计数；不可测全文时缺失。
• MalfunctionWordCount [失灵词提及次数] — 参考唐飞鹏、霍文希(2024,数量经济技术经济研究)的方法，计算公式为：年报中文全文中完整字符串“失灵”的直接匹配次数，单位为次；包含目录、附注和表格，否定语境仍计数；不可测全文时缺失。
• ExpiryWordCount [过期词提及次数] — 参考唐飞鹏、霍文希(2024,数量经济技术经济研究)的方法，计算公式为：年报中文全文中完整字符串“过期”的直接匹配次数，单位为次；包含目录、附注和表格，否定语境仍计数；不可测全文时缺失。
• ExcessWordCount [过剩词提及次数] — 参考唐飞鹏、霍文希(2024,数量经济技术经济研究)的方法，计算公式为：年报中文全文中完整字符串“过剩”的直接匹配次数，单位为次；包含目录、附注和表格，否定语境仍计数；不可测全文时缺失。
• ObsoleteWordCount [落后词提及次数] — 参考唐飞鹏、霍文希(2024,数量经济技术经济研究)的方法，计算公式为：年报中文全文中完整字符串“落后”的直接匹配次数，单位为次；包含目录、附注和表格，否定语境仍计数；不可测全文时缺失。
• DefectWordCount [缺陷词提及次数] — 参考唐飞鹏、霍文希(2024,数量经济技术经济研究)的方法，计算公式为：年报中文全文中完整字符串“缺陷”的直接匹配次数，单位为次；包含目录、附注和表格，否定语境仍计数；不可测全文时缺失。
• RiskKeywordCount [负面风险关键词合计次数] — 参考唐飞鹏、霍文希(2024,数量经济技术经济研究)的方法，计算公式为：十二个原文风险词的全文提及次数之和，单位为次；有效中文全文没有命中时为零，不可测全文时缺失。
• ExpectedRisk [企业预期风险] — 参考唐飞鹏、霍文希(2024,数量经济技术经济研究)的方法，计算公式为：ln(十二个负面风险词的全文总提及次数)，不加一、不除以词数；总次数为零或中文全文不可测时缺失。用作研究变量，越大代表原词表负面风险议题提及较多，不表示风险发生概率。

常见问题

「企业预期风险」是什么数据集？

企业预期风险，隶属信息环境。参考唐飞鹏、霍文希(2024,数量经济技术经济研究)的方法，以年报全文十二个负面风险词的合计提及次数取自然对数，衡量企业预期风险；保留逐词次数与合计，零词频的对

该数据集的时间范围是？

覆盖 1991-2025 年。

包含哪些变量/指标？

共 25 个变量。核心指标包括：风险词提及次数、流动词提及次数、危机词提及次数、负担词提及次数、困境词提及次数、失控词提及次数、失效词提及次数、失灵词提及次数、过期词提及次数、过剩词提及次数、落后词提及次数、缺陷词提及次数、负面风险关键词合计次数、企业预期风险。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 本数据集参考唐飞鹏、霍文希（2024）的研究，以年报负面风险词的提及次数衡量企业预期风险。原文第162页完整列出风险、流动、危机、负担、困境、失控、失效、失灵、过期、过剩、落后、缺陷十二词。以企业年度中文年报全文为计数范围，对每个词作完整字符串直接匹配，合计得到 $N{it}=\sum{w\in K}f(w,T{it})$。包含目录、财务附注与表格提取文本，不扣除否定语境，不增加语义分类，也不以总词数归一化。 核心指标计算公式为 $ExpectedRisk{it}=\ln N{it}$。自然对数不加一；有效中文全文零提及时保留各词次数和合计为零，对数记缺失。中文全文无法有效测量时全部计数及核心指标缺失。数据同时提供十二个词的分别提及次数和总次数，便于核验。 指标越大，表示该原词表负面风险议题在年报中提及更多，不代表风险概率。“流动”等词可能出现在流动资产、流动负债等一般财务披露中，原词表不作删改。文本篇幅、模板与行业披露习惯会影响计数。各行业、板块及可得完整报告年度均保留；原文机制回归删除特定年度不构成本指标交付年份限制。 补充说明 原文使用年报关键词研究数据库的词频，本实现依经确认方案从现有年报全文重计。原文未交代分词、词边界、去表选择与零频处理，因此全文直接字符串匹配和零频对数缺失属于明确的操作化，并不声称逐条复现作者数据库。无需语言模型。 全文读取使用严格字符解码，仅接受字节往返可逆的双重编码修复；摘要、英语主体、严重字体映射损毁、无中文或解码失败保留公司年度并设缺失。已核证源异常绑定原件SHA256，输入变化后不得沿用旧标签；新摘要候选必须核证后才可发布。不按任意文本长度删样本，不拼接版面折行。 原始计数及对数为生产口径；成品另提供剔除ST/PT与金融业及剔除后按年1%/99%缩尾的版本。缩尾只作用核心对数，逐词计数和合计保持原值，使对账可追溯。 参考文献 [1]唐飞鹏,霍文希.防范“脱实向虚”的另一面：契税税率下调与企业房产投机[J].数量经济技术经济研究,2024,41(1):151-171.DOI:10.13653/j.cnki.jqte.20231118.001.

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。