机构联合调研网络(网络中心度)

字段字典

• Symbol [股票代码] — 6位股票代码
• StkName [证券简称] — 上市公司证券简称
• Year [年份] — 调研数据所属自然年度
• 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)
• NResearchInst [联合调研机构家数] — 当年通过合格实地调研(特定对象调研等)联合调研该公司的买方机构家数(去重)，即公司层网络中心度取均值的分母。用作研究变量，越大代表被越多机构联合调研。
• NResearchEvents [实地调研事件次数] — 计算公式为：对(公司,年份)统计当年该公司披露的不同合格实地调研活动(事件)个数。
• CEN_D [密度中心度] — 参考王乐等(2021,当代财经)与Freeman(1978,Social Networks)的方法，机构联合调研网络的密度(度数)中心度。先按年构建机构联合调研网络(两机构在同一场实地调研共同出现即建立联结)，计算公式为：各机构密度中心度=其联结机构数/(网络机构总数-1)，再对当年联合调研该公司的机构取均值。用作研究变量，越大代表调研该公司的机构在联合调研网络中直接联结越广。
• CEN_C [接近中心度] — 参考王乐等(2021,当代财经)与Freeman(1978,Social Networks)的方法，机构联合调研网络的接近中心度。计算公式为：各机构接近中心度按Wasserman-Faust方式归一化(局部接近度(可达机构数-1)/最短路径距离之和，再乘以可达比例(可达机构数-1)/(网络机构总数-1))，再对当年联合调研该公司的机构取均值。用作研究变量，越大代表调研该公司的机构与网络中其他机构联系越紧密。
• CEN_B [中介中心度] — 参考王乐等(2021,当代财经)与Freeman(1978,Social Networks)的方法，机构联合调研网络的中介中心度。计算公式为：各机构中介中心度=经过该机构的最短路径比例之和除以[(网络机构总数-1)(网络机构总数-2)/2]，再对当年联合调研该公司的机构取均值。用作研究变量，越大代表调研该公司的机构在联合调研网络中的信息中介/桥梁作用越强。
• CEN_R [综合中心度] — 参考王乐等(2021,当代财经)的方法，机构联合调研网络的综合中心度。计算公式为：综合中心度=密度中心度+接近中心度+中介中心度(三项之和)。用作研究变量，越大代表调研该公司的机构整体越靠近联合调研网络中心。

常见问题

「机构联合调研网络(网络中心度)」是什么数据集？

机构联合调研网络(网络中心度)，隶属股权结构。以机构投资者实地调研中的联合调研为纽带构建机构社会网络，度量被调研公司在联合调研网络中的位置(网络中心度)。

该数据集的时间范围是？

覆盖 2012-2025 年。

包含哪些变量/指标？

共 17 个变量。核心指标包括：联合调研机构家数、实地调研事件次数、密度中心度、接近中心度、中介中心度、综合中心度。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 16,953 条观测。

数据是如何测算/获取的？

指标定义与计算方法 机构投资者在对上市公司进行实地调研时，常常与其他机构在同一场调研活动中共同出现，形成"联合调研"。以联合调研为纽带，可以把机构投资者刻画为一个社会网络，网络中的机构因反复共同调研而相互学习、传递与验证信息。被调研公司在该网络中所处的位置，反映了调研它的机构群体在信息网络中的中心程度，进而影响公司所处的信息环境。本指标即度量被调研公司在机构联合调研网络中的中心度。 网络的构建遵循两步。第一步界定联结：以两个机构在同一时间至少共同参与过一次实地调研作为二者建立网络联结的依据；据此按年份构建"机构×机构"的联合调研网络，若机构 $i$ 与机构 $j$ 在该年至少共同出现于同一场调研中，则二者之间存在一条边。第二步刻画位置：借鉴 Freeman(1978) 的方法，对网络中每一个机构计算三类标准化的中心度，再按公司与年份，对当年联合调研该公司的机构的中心度取均值，得到公司层面的联合调研网络中心度。设某一年份网络的机构总数为 $N$。 密度（度数）中心度衡量机构在网络中的"凝聚力"，即与其直接相连的机构数量： $$CEN\Di = \frac{\sum{j} X{ij}}{N-1}$$ 其中 $X{ij}=1$ 表示机构 $i$ 与 $j$ 存在联结、否则为 0，分母 $N-1$ 为其他机构可能产生的最大联结数，用于标准化。 接近中心度衡量机构与网络中其他机构联系的"紧密性"，由机构到其余机构的最短路径距离决定。由于真实网络存在若干互不连通的部分，采用 Wasserman-Faust 方式对断开网络进行归一化：先计算机构 $i$ 到其可达机构的局部接近度 $(Ri-1)/\sum{j} d(i,j)$（$Ri$ 为 $i$ 可达的机构数、$d(i,j)$ 为最短路径长度），再乘以可达比例 $(Ri-1)/(N-1)$，使处于小范围片段中的边缘机构接近度趋近于 0： $$CEN\Ci = \frac{Ri-1}{\sum{j} d(i,j)}\cdot\frac{Ri-1}{N-1}$$ 中介中心度衡量机构在网络中的"桥梁"作用，即有多少条其他机构之间的最短路径需要经过它： $$CEN\Bi = \frac{\sum{j<k} g{jk}(i)/g{jk}}{(N-1)(N-2)/2}$$ 其中 $g{jk}$ 为机构 $j$ 与 $k$ 之间的最短路径数、$g{jk}(i)$ 为其中经过机构 $i$ 的条数，分母为标准化因子。 在得到各机构的三类中心度后，对当年联合调研某公司 $c$ 的全部机构取均值，得到公司层面的密度中心度、接近中心度与中介中心度。综合中心度为三者之和： $$CEN\Rc = CEN\Dc + CEN\Cc + CEN\Bc$$ 补充说明 网络节点仅纳入买方机构投资者，即基金公司、资产管理公司、投资管理公司、信托公司、创业/风险投资公司与基金投资组合，剔除个人、证券（经纪）公司、期货（经纪）公司、投资银行、保险、银行、投资咨询等对象。调研活动仅保留实地调研类型（特定对象调研、实地调研、现场调研、现场参观），剔除业绩说明会、网上说明会、券商策略会、路演、媒体采访等大型或非实地活动，以避免大型集中活动把大量机构瞬间连成完全图而扭曲网络结构。由于"联合调研"以多个机构共同参与为前提，仅保留当年被两家及以上机构联合调研的公司，"联合调研机构家数"一列即上述取均值的机构数，可供进一步筛选或控制。机构名称仅对同一主体的地区/分支后缀（如"华夏基金北京区"归为"华夏基金"）做归并，不做更激进的合并以免误并不同主体。此外，剔除当年被联合调研公司数过少（不足三十家）的退化年份，以避免数据起始年份网络节点极少、不具统计意义。 需要特别说明网络的固有结构特征。中国机构投资者的实地调研网络高度连通，绝大多数机构处于同一个巨型连通片中，这是买方机构大量交叉参与调研的真实结果；因此接近中心度在横截面上的区分度相对有限，综合中心度的量级主要由接近中心度决定，横截面差异更多体现在密度中心度与中介中心度上。三类中心度的绝对水平会随年度网络规模变化而系统性变动，跨年度不宜直接比较，实证使用时应控制年份固定效应，并可优先使用密度中心度或对三个分量分别标准化后再合成。此外，网络中心度只对被机构实地调研过的公司有取值，样本相对偏向规模较大、更受机构关注的公司，用作解释变量时需留意由此产生的样本选择问题。 参考文献 - 王乐, 田高良, 封华, 吴璇. 联合调研网络与企业创新投入——基于机构投资者实地调研的经验证据[J]. 当代财经, 2021(3): 88-99. - Freeman L C. Centrality in social networks conceptual clarification[J]. Social Networks, 1978, 1(3): 215-239. - Pareek A. Information networks: Implications for mutual fund trading behavior and stock returns[R]. Working Paper, Rutgers University, 2012.

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。