企业绿色转型（关键词候选句大模型标注）

字段字典

• Symbol [股票代码] — 6位股票代码
• StkName [证券简称] — 上市公司当年证券简称
• Year [年份] — 年报所属财务年度
• 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)
• MDASentenceCount [MD&A原文句子数] — 句号、问号、叹号及分号为句界，排除纯标点空白，换行不单独分句；单位为句，提取失败时缺失。
• CandidateSentenceCount [关键词命中候选句子数] — 原附表B160唯一词命中句数，同句多词或多次命中只计一次；仅候选筛选，不作为绿色语义阳性或词频，提取失败时缺失。
• IsMDAExtracted [是否可靠提取MD&A] — 是否可靠提取MD&A(0=否，1=是)，按完整中文原件及可靠章节首尾判定；提取失败时测量缺失。
• IsAnnotationComplete [是否完成候选句语义标注] — 是否完成候选句语义标注(0=否，1=是)，无候选的可靠MD&A记1；任何候选未形成完整有效标记时为0，核心指标缺失。
• GreenSentenceCount [绿色转型句子数] — 参考褚杉尔和陈清源(2026,技术经济)的语义测度思路，按批准的调整方法计算：原附表B160唯一词筛句后，以本地千问模型逐句判断绿色语义并汇总阳性句数；同一原文句只计一次，无对数或分母；单位为句。源或标注失败保留缺失，有效候选范围无阳性记0；用作研究变量，越大代表词典候选范围内绿色转型披露越多。

常见问题

「企业绿色转型（关键词候选句大模型标注）」是什么数据集？

企业绿色转型（关键词候选句大模型标注），隶属ESG与绿色发展。参考褚杉尔、陈清源(2026,技术经济)的语义测度思路，以年报MD&A中原附表B实际160唯一词筛选候选句，再用本地千问模型逐句作绿色语义0/1判定，汇总阳性原

该数据集的时间范围是？

覆盖 1991-2025 年。

包含哪些变量/指标？

共 16 个变量。核心指标包括：MD&A原文句子数、关键词命中候选句子数、是否可靠提取MD&A、是否完成候选句语义标注、绿色转型句子数。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 企业绿色转型披露反映企业围绕环境保护、节能低碳、资源循环及绿色生产经营的关注和安排。参考褚杉尔、陈清源的年报语义测度思路，本指标先用研究附录的关键词筛选候选句，再用本地千问模型识别候选句的绿色语义，汇总公司年度绿色转型句子数。数值越大，表示在该词表覆盖范围内披露的绿色转型相关句子越多，并不直接表示实际减排量或环境绩效。 测度文本取年报中有可靠章节首尾边界的管理层讨论与分析，以及历史年报中对应的经营讨论、董事会经营报告和经营展望。先完整读取和校验中文原件，识别经营内容并排除同级非经营章节；未能可靠解码或识别边界的文本保留测量缺失，不用年报全文替代。可靠MD&A以句号、问号、叹号及分号划分原文句，换行作为排版处理，排除纯标点和空白，形成MD&A原文句子数。 候选筛选使用原附表B实际列出的词条：四个维度共163个原始条目，其中生态修复、环境风险和ESG重复，全表去重为160个唯一词。保留附录的原词和维度名称，按实际160词使用，不因正文称述176词自行补充。匹配时消除句内排版空白，英文忽略大小写并检查原文紧邻字符的词条边界，不跨句拼接；同一句命中多个词或同一词多次，只形成一个候选句。关键词命中候选句子数用于记录这一筛选范围，不等同于绿色语义阳性数。 仅将关键词命中的候选句交给Qwen3.5-9B-FP8，温度为0，每次请求判定一个句子或长句的连续片段，返回0或1。阳性包括明确涉及环境保护、生态、污染治理、低碳气候、能源资源效率、循环利用、清洁能源、绿色技术产品、绿色供应链、绿色金融及环保制度等内容的行动、规划、理念、主题标题，以及与企业业务有关的绿色政策、趋势和环保风险。普通持续经营、一般质量或设备管理、人才财务资源、食品品质宣传、一般供应链金融以及纯社会治理的ESG内容不因命中词自动判为绿色。超过单次输入上限的候选长句连续完整分片，各片均标注，有任意一片为1则原句为1，原句仍只计一次。 设公司$i$年度$t$的可靠MD&A原文句集合为$S{it}$，词表为$K$，$H(s,K)$表示句子命中词表，$G(s)$表示模型确认该候选句含绿色语义，则核心指标为： $$GreenSentenceCount{it}=\sum{s\in S{it}}\mathbf{1}\{H(s,K)=1\}\,G(s).$$ 核心指标单位为句，不取对数，不使用长度分母，也不统计词语出现次数。按原文句位置累加：相同位置只计一次，不同位置出现相同文本分别计数；相同规范化文本可复用模型判定，以减少重复推理。是否可靠提取MD&A与是否完成候选句语义标注分别以0表示否、1表示是。可靠文本没有候选句时标注状态记为完成、绿色句子数为0；任何候选句缺少完整有效标记时，核心指标保留缺失。 补充说明 - 方法调整：原论文使用Qwen3-max动态提取绿色词语，并构造词频的$\ln(1+F)$。本指标按调整口径使用附录固定160词筛句、本地千问0/1标注及绿色句子数，变量值与原论文词频对数不直接等同。 - 候选范围：关键词筛选减少标注量，未命中词表的隐含绿色内容不进入模型判定；零值表示可靠文本在此候选范围内没有阳性，不能据此推断全文没有绿色内容。语义边界由冻结提示词和模型判定，模型输出与人工判断可能存在差异。 - 样本与缺失：保留全行业、全板块和所有可得年度，不在测度阶段剔除ST/PT或金融业。源文本质量不足、章节边界不明或标注失败导致的缺失保留，成品另提供样本剔除与缩尾版本。 参考文献 [1]褚杉尔,陈清源.环境法治强化与上市工业企业绿色转型——基于环保法庭设立与大语言模型测度的证据[J].技术经济,2026,45(3):137-154.

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。