投资者互动语义质量(Word2Vec软余弦)
「投资者互动语义质量(Word2Vec软余弦)」，覆盖 2010-2025 年，频率 年度，上市公司层级，含 15 个变量，样本量约 50,671。 衡量上市公司在投资者互动平台上的问答语义相关性。
| 时间跨度 | 2010-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 15 |
| 样本量 | 50,671 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — 6位股票代码
- StkName [股票名称] — 动态匹配当年的股票名称
- Year [年份] — 财务年度
- Province [省份] — 公司注册所在省份
- ProvinceCode [省份代码] — 省份行政区划代码(6位)
- City [城市] — 公司注册所在城市
- CityCode [城市代码] — 城市行政区划代码(6位)
- County [区县] — 公司注册所在区县
- CountyCode [区县代码] — 区县行政区划代码(6位)
- IndustryCode [行业代码] — 当年行业分类代码
- IndustryName [行业名称] — 当年行业分类名称
- InteractionQuality [互动质量] — 参考卞世博等(2022,经济学(季刊))的方法，计算公式为：当年所有问答对的软余弦相似度均值，softcosinesimilarity=Q'MA/sqrt(Q'MQ*A'MA)，其中M为Word2Vec词向量相似性矩阵，m_ij=max(0,cosine(v_i,v_j))^2，值域[0,1]，越大代表公司回答与投资者提问的语义相关度越高
- InteractionCount [有效问答数] — 当年有有效问答文本的问答对数量
- AdjInteraction [调整互动质量] — 参考卞世博和阎志鹏(2020,财经研究)和Brown & Tucker(2011,JAR)的方法，对InteractionQuality关于ln(问题长度)、ln(回答长度)及其二次项进行年度横截面回归，取残差作为控制文本长度后的调整互动质量
- AbnInteraction [异常互动质量] — InteractionQuality减去同行业-同年中位数，反映公司相对于行业同期的异常互动质量水平
常见问题
- 「投资者互动语义质量(Word2Vec软余弦)」是什么数据集？
- 投资者互动语义质量(Word2Vec软余弦)，隶属信息环境。衡量上市公司在投资者互动平台上的问答语义相关性。
- 该数据集的时间范围是？
- 覆盖 2010-2025 年。
- 包含哪些变量/指标？
- 共 15 个变量。核心指标包括：互动质量、有效问答数、调整互动质量、异常互动质量。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 50,671 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 投资者互动语义质量指标度量上市公司在投资者互动平台上对投资者提问的回答与提问之间的语义相关程度。该指标基于自然语言处理中的软余弦相似度(Soft Cosine Similarity)方法构建，参考卞世博、陈曜和汪训孝(2022)在经济学(季刊)发表的研究。与传统基于回复数量或字数的互动度量不同，该方法捕捉问答之间的语义关联，能够识别上市公司"答非所问"的行为。 对于每一对投资者提问$Q$和上市公司回答$A$，首先进行中文分词，然后将文档表示为词频向量$\mathbf{Q}=(q1, q2, \ldots, qn)$和$\mathbf{A}=(a1, a2, \ldots, an)$，其中$n$为问答合并后的不重复词语个数，$qi$和$ai$为词语$wi$在问答中出现的频率。利用Word2Vec模型将每个词语映射为词向量$\mathbf{v}i$，构建词语相关性矩阵$M$，其元素为 $$m{ij} = \left[\max\left(0, \cos(\mathbf{v}i, \mathbf{v}j)\right)\right]^2$$ 平方操作旨在更好地刻画词语语义之间的非线性关系。在此基础上，计算软余弦相似度 $$\text{SCM}(Q, A) = \frac{\mathbf{Q}^\top M \mathbf{A}}{\sqrt{\mathbf{Q}^\top M \mathbf{Q}} \cdot \sqrt{\mathbf{A}^\top M \mathbf{A}}}$$ 该指标取值范围为$[0, 1]$，值越大表示回答与提问的语义相关性越高。最终，按公司-年度取所有问答对软余弦相似度的算术平均值得到互动质量指标$\text{InteractionQuality} = \frac{1}{N}\sum{i=1}^{N}\text{SCM}i$，其中$N$为当年问答对数量。 调整互动质量(AdjInteraction)参考卞世博和阎志鹏(2020)以及Brown and Tucker(2011)的方法，对原始互动质量关于$\ln(\text{问题长度})$、$\ln(\text{回答长度})$及其二次项进行年度横截面回归，取残差以控制文本长度对相似度的影响。异常互动质量(AbnInteraction)为原始互动质量减去同行业-同年中位数。 补充说明 - 软余弦相似度较标准余弦相似度的优势在于：通过词向量相关性矩阵$M$，即使问答使用不同的词语表达相同含义(如"利润"与"盈利")，也能捕捉到语义相关性 - 分词后仅保留长度不少于2个字符且存在于词向量模型中的词语，以排除单字停用词和低频词汇的噪音 - 互动质量指标对年度提问数量极少(如全年仅1-2条)的观测可能存在较大噪音 参考文献 - 卞世博, 陈曜, 汪训孝. 高质量的互动可以提高股票市场定价效率吗?——基于"上证e互动"的研究[J]. 经济学(季刊), 2022, 22(3): 749-772. - 卞世博, 阎志鹏. "答非所问"与IPO市场表现——来自网上路演期间的经验证据[J]. 财经研究, 2020, 46(1): 49-63. - Brown S V, Tucker J W. Large-sample evidence on firms' year-over-year MD&A modifications[J]. Journal of Accounting Research, 2011, 49(2): 309-346.
- 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。