企业前瞻性数字信息披露

字段字典

• Symbol [证券代码] — 6位数字字符串证券代码
• StkName [证券简称] — 按报告年度匹配的证券简称，缺少当年记录时允许回退同公司最新可得名称
• Year [年度] — 年报所属年度
• Province [省份] — 公司注册地所在省份
• ProvinceCode [省份代码] — 公司注册地省份行政区划代码
• City [城市] — 公司注册地所在城市
• CityCode [城市代码] — 公司注册地城市行政区划代码(6位)
• County [区县] — 公司注册地所在区县
• CountyCode [区县代码] — 公司注册地区县行政区划代码(6位)
• 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)
• 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)
• MDACharCount [MD&A总字数] — 参考余思明等(2026,会计研究)的方法，计算公式为：MD&A经营讨论中Unicode字母与数字字符数，包括汉字、英文和数字，排除标点空白；单位为字，无法可靠测量时缺失。
• MDASentenceCount [MD&A总句数] — MD&A按句末。！？!?切分后含字母或数字的片段数量，计算公式为：S=Σ1{句子有效字数>0}；排版换行及分号不分句，末尾无标点片段保留；单位为句，无法可靠测量时缺失。
• ForwardDigitalSentenceCount [前瞻性数字信息句数] — 参考余思明等(2026,会计研究)的方法，计算公式为：K=Σ1{同句至少含一前瞻词和一数字词}，仅用附录公开列示14前瞻词及11数字词，精确字面子串匹配；每句最多计1次，不做否定或语义过滤；单位为句，无法可靠测量时缺失。
• ForwardDigitalCharCount [前瞻性数字信息句字数] — 参考余思明等(2026,会计研究)的方法，计算公式为：F=Σ命中句的全部字母和数字字符数，包括汉字，排除空白标点；计整句全部字数，不只计关键词字数，同句只计一次；单位为字，无法可靠测量时缺失。
• IsMDAExtracted [是否可靠提取MD&A] — 是否可靠提取MD&A(0=否，1=是)，计算公式为：可测中文源且经营章节首尾可靠、总字数大于零时为1，否则为0；为0时计数与核心指标保持缺失，不回退全文。
• Diginfor [企业前瞻性数字信息披露] — 参考余思明等(2026,会计研究)的方法，计算公式为：前瞻词与数字词同句共现的句子总字数/MD&A总字数；分子分母均统计汉字、字母和数字，排除标点空白；0—1比例，不乘100、不取对数、不除10，可靠文本无命中为0、源或章节缺失为缺失；用作研究变量，越大代表前瞻性数字议题表达占比越高。

常见问题

「企业前瞻性数字信息披露」是什么数据集？

企业前瞻性数字信息披露，隶属数字化转型与人工智能。参考余思明等(2026,会计研究)，以MD&A中公开列示前瞻14词与数字11词同句共现的句子总字数占该部分总字数衡量前瞻性数字信息披露，统计汉字、字母和数字；原

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：MD&A总字数、MD&A总句数、前瞻性数字信息句数、前瞻性数字信息句字数、是否可靠提取MD&A、企业前瞻性数字信息披露。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 企业前瞻性数字信息披露反映管理层在经营讨论中对未来数字技术方向、资源配置和数字化战略的表达强度。此类披露可以向外部主体传递企业数字化布局的信息，帮助理解其创新方向与资源需求。参考余思明等（2026），将前瞻性表述与数字议题在同一句中的共同出现作为识别条件，以符合条件的句子总字数占经营讨论总字数的比重进行衡量。 首先，以企业年度报告中的管理层讨论与分析为测量对象，记为 $T{it}$，其中 $i$ 表示公司，$t$ 表示报告年度。经营讨论覆盖经营回顾、主营业务、研发投资、经营状况及未来展望。历史年报以董事会或董事局报告承载相应内容时，识别其中经营讨论部分，并在后续非经营讨论或外部章节处结束；不能识别完整经营讨论时，不以年报全文代替。 其次，依据论文附录公开列示的词汇形成两个固定词组。前瞻词组包含“将要、预期、预计、未来、计划、目标、布局、战略、趋势、展望、升级、部署、推进、将持续”十四项；数字词组包含“数字化、数据资产、信息系统、云计算、人工智能、区块链、智能制造、数据治理、数据要素、大数据平台、数字技术投入”十一项。每个词项以其字面子串出现判定，不新增同义词，不做否定、时态或语义过滤，也不将同一句中的多次词项命中重复累加。 为保证分句与计字规则一致，先去除排版空白，再以中文句号、问号、叹号及英文问号、叹号作为句末边界。分号、逗号、排版换行和小数点不作为分句边界，末尾没有句末标点的文字片段仍予保留。含至少一个有效文字或数字字符的片段计作一句。对任意句子 $s$，记其有效字数为 $cs$，统计汉字、英文字母以及数字，排除标点和空白；用同一规则计算经营讨论总字数 $W{it}$（MDACharCount）及总句数（MDASentenceCount）。 设前瞻词组为 $P$，数字词组为 $D$。同一句至少出现两组中各一个词项时，命中指示 $Is$ 为一，否则为零： $$ Is=\mathbf{1}\{(\exists\,p\in P,\ p\subseteq s)\ \land\ (\exists\,d\in D,\ d\subseteq s)\}. $$ 据此，将命中指示加总得到前瞻性数字信息句数（ForwardDigitalSentenceCount）；将每个命中句的全部有效字数加总，得到前瞻性数字信息句字数 $F{it}$（ForwardDigitalCharCount）： $$ F{it}=\sum{s\in T{it}}cs Is. $$ 这里累加的是命中句的全部字数，而非仅累加关键词字数。即便一个句子包含多个前瞻词、多个数字词或多次重复出现，也只将其字数计入一次。最后，以同一部分经营讨论的总字数作为分母，计算企业前瞻性数字信息披露指标： $$ Diginfor{it}=\frac{F{it}}{W{it}}. $$ 该指标为零至一之间的无单位比例，不取对数，不乘百分比倍率，也不额外除以十。数值越大，表示前瞻词与数字词共同出现的表达在经营讨论中的篇幅占比越高。经营讨论可测且总字数为正时，没有命中句即记为零；原文缺失、文字损毁或无法确定经营讨论范围时，中间计数及核心指标保持缺失。提取标志（IsMDAExtracted）用于区分可测与不可测的公司年度。 补充说明 - 词表与操作化：附件两组词汇均以“等”收尾，完整词典未公开。本指标仅使用列示的十四项与十一项；分句、计字及经营章节边界为固定的可复现规则，不能视为作者文本程序的精确复现。 - 作者数据尺度：作者附件的两列测量值存在除以十及缺失补零的差别，正文与程序未给出构造解释。本指标按正文比例原式重建，保持真实缺失，不以额外缩放匹配附件数值。 - 指标性质：“推进”“升级”等词也可能描述既有实施或政策讨论。词典共现衡量的是披露表达，并不直接代表实际数字投资、创新成果或严格的未来承诺。 - 适用范围与源限制：覆盖全行业、全板块及全部可得年度，保留ST/PT和金融企业；源文字不全、OCR版面与繁体正文可能影响测量。原件句末标点缺失会将长段识别为一句，段内共现可能使比例达到一，这不代表原义上的每个句子均属前瞻性数字披露。背景名称与行业按可得年度档案匹配，地区为可得注册地快照。 参考文献 [1]余思明,汤云开,姜丽莎,唐建新.数实融合与企业数字技术创新——来自企业专利信息的经验证据[J].会计研究,2026,(6):104-117.

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。