企业发展预期(文本分析法)

字段字典

• Symbol [股票代码] — 六位数字字符串股票代码
• StkName [证券简称] — 按年度匹配的证券简称；缺当年名称时可回退最新可得档案
• Year [报告所属年度] — 年度报告所属财年，不使用公告发布年度；保留全部可得年度
• 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)
• OpportunitySentimentSum [企业发展机遇预期情感和] — 参考杨兵等（2022）的五类发展预期框架及姜富伟等（2021）的中文金融情感词典，以真实未来展望正文中归入机遇的词项计算加权净情感和。金融正负词分别为正一与负一，歧义交集剔除，程度词乘权、三词内纯否定翻转且不跨句读与前一情感词。明确子标题优先，无明确子标题由独立结构弱标签训练的中文BERT分类。该类无有效文本时缺失，有文本而无命中或正负抵消可为零；分值可正可负，不代表风险概率或作者同值。
• RiskSentimentSum [企业发展风险挑战预期情感和] — 参考杨兵等（2022）的五类发展预期框架及姜富伟等（2021）的中文金融情感词典，以真实未来展望正文中归入风险挑战的词项计算加权净情感和。金融正负词分别为正一与负一，歧义交集剔除，程度词乘权、三词内纯否定翻转且不跨句读与前一情感词。明确子标题优先，无明确子标题由独立结构弱标签训练的中文BERT分类。该类无有效文本时缺失，有文本而无命中或正负抵消可为零；分值可正可负，不代表风险概率或作者同值。
• ProspectSentimentSum [企业发展前景竞争预期情感和] — 参考杨兵等（2022）的五类发展预期框架及姜富伟等（2021）的中文金融情感词典，以真实未来展望正文中归入前景竞争的词项计算加权净情感和。金融正负词分别为正一与负一，歧义交集剔除，程度词乘权、三词内纯否定翻转且不跨句读与前一情感词。明确子标题优先，无明确子标题由独立结构弱标签训练的中文BERT分类。该类无有效文本时缺失，有文本而无命中或正负抵消可为零；分值可正可负，不代表风险概率或作者同值。
• PlanSentimentSum [企业发展计划行动预期情感和] — 参考杨兵等（2022）的五类发展预期框架及姜富伟等（2021）的中文金融情感词典，以真实未来展望正文中归入计划行动的词项计算加权净情感和。金融正负词分别为正一与负一，歧义交集剔除，程度词乘权、三词内纯否定翻转且不跨句读与前一情感词。明确子标题优先，无明确子标题由独立结构弱标签训练的中文BERT分类。该类无有效文本时缺失，有文本而无命中或正负抵消可为零；分值可正可负，不代表风险概率或作者同值。
• FundingSentimentSum [企业发展资金需求来源预期情感和] — 参考杨兵等（2022）的五类发展预期框架及姜富伟等（2021）的中文金融情感词典，以真实未来展望正文中归入资金需求来源的词项计算加权净情感和。金融正负词分别为正一与负一，歧义交集剔除，程度词乘权、三词内纯否定翻转且不跨句读与前一情感词。明确子标题优先，无明确子标题由独立结构弱标签训练的中文BERT分类。该类无有效文本时缺失，有文本而无命中或正负抵消可为零；分值可正可负，不代表风险概率或作者同值。
• OpportunityTone [企业发展机遇预期情感密度] — 企业未来展望中机遇类的加权净情感和除以该类全部有效分词数，再乘一千，单位为每千词净情感分值。分母保留含汉字、字母或数字的词项，不删停用词；更大表示该类表达相对积极。无该类有效文本或分母无效为缺失，有有效文本无情感命中可为零。依据杨兵等（2022）的分类框架作独立重建，金融词典替代、标题弱监督、自训分类及长度标准化均为已披露操作化，非作者精确指数；不强制正负、不合成五类总指数。
• RiskTone [企业发展风险挑战预期情感密度] — 企业未来展望中风险挑战类的加权净情感和除以该类全部有效分词数，再乘一千，单位为每千词净情感分值。分母保留含汉字、字母或数字的词项，不删停用词；更大表示该类表达相对积极。无该类有效文本或分母无效为缺失，有有效文本无情感命中可为零。依据杨兵等（2022）的分类框架作独立重建，金融词典替代、标题弱监督、自训分类及长度标准化均为已披露操作化，非作者精确指数；不强制正负、不合成五类总指数。
• ProspectTone [企业发展前景竞争预期情感密度] — 企业未来展望中前景竞争类的加权净情感和除以该类全部有效分词数，再乘一千，单位为每千词净情感分值。分母保留含汉字、字母或数字的词项，不删停用词；更大表示该类表达相对积极。无该类有效文本或分母无效为缺失，有有效文本无情感命中可为零。依据杨兵等（2022）的分类框架作独立重建，金融词典替代、标题弱监督、自训分类及长度标准化均为已披露操作化，非作者精确指数；不强制正负、不合成五类总指数。
• PlanTone [企业发展计划行动预期情感密度] — 企业未来展望中计划行动类的加权净情感和除以该类全部有效分词数，再乘一千，单位为每千词净情感分值。分母保留含汉字、字母或数字的词项，不删停用词；更大表示该类表达相对积极。无该类有效文本或分母无效为缺失，有有效文本无情感命中可为零。依据杨兵等（2022）的分类框架作独立重建，金融词典替代、标题弱监督、自训分类及长度标准化均为已披露操作化，非作者精确指数；不强制正负、不合成五类总指数。
• FundingTone [企业发展资金需求来源预期情感密度] — 企业未来展望中资金需求来源类的加权净情感和除以该类全部有效分词数，再乘一千，单位为每千词净情感分值。分母保留含汉字、字母或数字的词项，不删停用词；更大表示该类表达相对积极。无该类有效文本或分母无效为缺失，有有效文本无情感命中可为零。依据杨兵等（2022）的分类框架作独立重建，金融词典替代、标题弱监督、自训分类及长度标准化均为已披露操作化，非作者精确指数；不强制正负、不合成五类总指数。

常见问题

「企业发展预期(文本分析法)」是什么数据集？

企业发展预期(文本分析法)，隶属信息环境。参考杨兵、杨杨和杜剑（2022），从企业年度报告的未来展望中衡量机遇、风险挑战、前景竞争、经营计划和资金需求来源五类发展预期表达。

该数据集的时间范围是？

覆盖 1991-2025 年。

包含哪些变量/指标？

共 21 个变量。核心指标包括：企业发展机遇预期情感和、企业发展风险挑战预期情感和、企业发展前景竞争预期情感和、企业发展计划行动预期情感和、企业发展资金需求来源预期情感和、企业发展机遇预期情感密度、企业发展风险挑战预期情感密度、企业发展前景竞争预期情感密度、企业发展计划行动预期情感密度、企业发展资金需求来源预期情感密度。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？

测量对象与经济含义 企业发展预期反映管理层对未来经营环境和企业发展安排的判断。参考杨兵、杨杨和杜剑（2022）的分类框架，本数据从年度报告的未来展望中区分发展机遇、风险与挑战、发展前景与竞争格局、经营计划以及资金需求与来源五类信息，分别衡量各类表达中的净情感语调。五类指标描述不同主题，不合成为一个总指数。 未来展望文本与主题识别 首先，在年度报告中定位完整的未来发展讨论、未来展望、新年度经营计划等正式标题，以下一同级或明确非经营章节为边界。目录、正文交叉引用、债券评级表中的“展望”等不作为起点。风险、经营计划和资金安排属于展望内容，不在风险标题处截断；没有可靠展望文本时保留缺失，不以整篇报告替代。 其次，剥离明确勾选为“不适用”的预测模板、独立页眉页码，按句读和段落形成文本单元。缺少标点的早期报告可形成段落单元，长单元分片保留全部内容。纯数字表格、孤立标题及可识别的历史实绩叙述排除。 主题识别优先采用真实且明确的子标题。无明确主题子标题的语句，由独立训练的中文BERT监督分类器区分上述五类及其他信息。训练标签来自真实子标题及非正文规则，按公司划分训练与验证样本，并将独立审查所用公司的报告全部排除在训练之外。机遇与挑战并列的混合标题不直接赋予机遇类别；资金类别还要求语句存在资金、融资、现金流等与资金安排相关的必要表述。分类器按六类概率最大值取类，没有另设置信阈值拒判机制；“其他”是训练类别，不等于独立未知拒判。该过程属于结构弱监督重建，不能解释为作者模型或真人标注的准确率。 情感词与修饰规则 对有效文本使用中文分词，不删除停用词。采用姜富伟、孟令超和唐国豪（2021）的中文金融情感词典，积极词记为正一，消极词记为负一；同时属于正负词表的歧义词不参与情感计分，但仍保留在总词数中。 程度词和纯否定词用于调整情感词。极其、极为、极度、非常、十分、万分的权重为2；很、太、特别、尤其、更加、更为、格外为1.5；较、比较、更、较为为1.25；稍、稍微、略、略微、有点、有些为0.5。其余词不附加程度权重。纯否定词每出现一次翻转符号，双重否定还原；“非”不作为通用否定算子，以减少“非金融”等分类复合词的误翻转。 修饰只考察情感词之前至多三个有效词项，不跨逗号、句号、分号等句读或前一个已命中的情感词；同一作用范围内的程度权重相乘。分词采用默认词典，不为修饰词强制拆开“更多”等复合词。 五类情感和 设企业为i，报告所属年度为t，信息类别为k。该类文本中情感词j的基础极性为pj，程度权重乘积为aj，作用范围内的纯否定词数为nj。加权净情感和为： $$ S{ikt}=\sum{j\in\mathcal{T}{ikt}}pj aj(-1)^{nj} $$ 该分值保留情感表达的累计强度，数值可正可负。风险类中的防范、改善等表述也可能呈现积极情感，因此风险类不强制取负，其他四类也不强制取正。 每千词净情感密度 为了减轻文本长度差异的机械影响，以该类全部有效词项数W{ikt}作为分母。词项须含汉字、字母或数字，纯标点和空白不计入。每千词净情感密度为： $$ Tone{ikt}=1000\frac{S{ikt}}{W{ikt}} $$ 五类分别输出净情感和与密度。密度越大表示相应主题中的表达相对积极；它不是风险发生概率、未来业绩预测或实际经营结果。某类有有效文本且分母大于零时，无情感命中或正负抵消可以取零；没有该类有效文本时保留缺失，不要求五类同时可测，也不把缺少类别填为零。 补充说明 作者未公开完整分类模型、情感修饰参数和最终指数换算式。本数据将结构弱监督、自训BERT、中文金融情感词典和每千词标准化明确作为独立操作化，不声称与作者指数同值。替代金融词典的依据来自姜富伟等（2021），该文不被归因为提出本数据的五类预期构念。 早期版式、表格混排、主题交叉、分类错误及短文本会影响测量；少量银行分部门的裸展望与带装饰线的后续标题仍可能漏截，侧栏中的历史叙述也难以完全剥离；明确子标题分类也可能把当期背景与前瞻表达混合。机遇和资金类披露较少，缺失具有选择性，不能理解为企业没有机遇或没有资金安排。部分繁体正文未统一转换为简体，简体金融词典可能少匹配；零词典命中不宜直接解释为中性预期。使用者宜按所研究类别选择样本，结合年度、行业和文本披露差异判断结果。地理档案为辅助快照，行业和名称按可得年度匹配，缺当年资料时可能回退最新档案。 固定模型的临界主题判别也可能受数值精度、推理批次和填充长度影响。改变批次或重新训练不保证与所附预计算面板逐值相同；分类变化可能影响情感和或标准化分母。Stata三版从所附预计算面板生成，相关数值已另行核验。 参考文献 [1] 杨兵,杨杨,杜剑.企业发展预期的创新效应：基于上市企业年报文本挖掘的实证[J].科技进步与对策,2022,39(3):107-117.DOI:10.6049/kjjbydc.2021010172. [2] 姜富伟,孟令超,唐国豪.媒体文本情绪与股票回报预测[J].经济学(季刊),2021,21(4):1323-1344.DOI:10.13821/j.cnki.ceq.2021.04.10.

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。