管理层语调积极程度(BERT模型)

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] — 按年度匹配证券简称；当年缺失可回退最新档案
• 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)
• PositiveSentenceCount [管理层积极语句数] — 参考洪康隆（2024），年度报告完整管理层讨论与分析经二分类BERT判为积极的原句出现次数，单位为句。同句多分块仅计一次，不同位置重复表达分别计句。模型由本地Qwen领域弱标签微调，非作者人工与淘宝材料；客观句也会被二分类。可靠正文无积极句为0，正文不可测或推理失败缺失
• NegativeSentenceCount [管理层消极语句数] — 参考洪康隆（2024），年度报告完整管理层讨论与分析经二分类BERT判为消极的原句出现次数，单位为句。与积极句数构成同一有效句子全集；客观句被二分类，不代表真实坏消息件数。可靠正文无消极句为0，正文不可测或推理失败缺失
• SentenceCount [管理层有效分类语句数] — 参考洪康隆（2024），语调比率的研究分母，为管理层积极句数与消极句数之和，单位为句。按句号、问号、叹号分句，清理版面元素后至少五汉字，长句完整分块后仅投一票；不同位置重复句保留。非字符数、词数或原始报告全部句数；正文不可测或无有效句缺失
• ManagementTone [管理层语调积极程度] — 参考洪康隆（2024）的正向语调定义，计算公式为：（积极语句数−消极语句数）/（积极语句数＋消极语句数），无量纲，范围为−1至1，越大表示语调越积极。本地Qwen弱监督二分类BERT为独立重建，非作者原值或机会主义行为的直接测量。无可靠正文、无有效句或推理失败缺失；不对全期作标准化
• Bert [管理层语调论文方向值] — 参考洪康隆（2024）实证变量Bert，计算公式为：（消极语句数−积极语句数）/（积极语句数＋消极语句数），等于管理层语调积极程度的相反数，无量纲，范围为−1至1，越小表示语调越积极。与正向语调是符号对照，不是独立稳健性指标；缺失规则相同

常见问题

「管理层语调积极程度(BERT模型)」是什么数据集？

管理层语调积极程度(BERT模型)，隶属信息环境。参考洪康隆（2024），衡量上市公司管理层在年度报告经营讨论中表达的积极与消极语调。

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：管理层积极语句数、管理层消极语句数、管理层有效分类语句数、管理层语调积极程度、管理层语调论文方向值。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？

管理层语调的含义 管理层语调反映上市公司在年度报告中如何评价经营状况及发展前景。积极表达往往包含业绩改善、竞争优势与发展信心，消极表达则涉及经营困难、不利变化及风险担忧。参考洪康隆（2024），本数据集利用BERT理解语句中的上下文、否定与转折，分别识别积极和消极语句，以两者的相对数量衡量管理层语调。该指标描述披露文本的表达倾向，不直接等同于企业真实前景、投资价值或管理层机会主义行为。 一、确定管理层讨论文本 以年度报告所属财年为时间单位，识别“管理层讨论与分析”“经营情况讨论与分析”等完整经营讨论章节。早期报告结合董事会报告或独立经营报告的实际标题和层级确定范围，保留相关经营回顾与未来展望，并在同级非经营章节、签署或可靠结束标题处截止。目录中的标题与正文引用不作为真实起点；无法确定可靠首尾边界时保留缺失，不用年报全文替代。 对通用规则未识别的历史排版，仅在核实真实原件首尾且原始文件字节指纹完全一致时使用精确正文区间；原件变化后不机械沿用旧区间。首个章节标题在文本转换中丢失时，以目录页码、明确治理首段及后续完整标题共同核定结束位置，并保留该来源局限。这一处理只适用于已核实来源，不据片段猜补缺失正文。 对正文中的纯页码、年报页眉及适用性勾选模板进行清理，再以句号、问号和叹号切分语句，兼顾对应半角符号。保留至少五个汉字的句段，不以分号另拆句。同一原句出现于不同位置时分别累计，不因文字相同而去重。 二、识别语句的情感方向 先从跨年度、跨公司的经营讨论中固定抽取一批原句，以本地Qwen标注积极、消极或未知。判定依据是语句表达的经营态势、预期与评价，结合否定和转折；纯客观陈述、正负混合而无法判断主导方向及上下文不足的语句保留未知。无法核验连续原文证据的标签同样不用于训练，不把未知或失败映射为消极。 使用明确正负弱标签对中文BERT进行真正的二分类微调。训练和验证按公司分开，并排除跨两组高度相似的模板语句；独立语义审查公司不参与训练。一次固定三轮训练后，仅依据弱标签验证集选择其中一轮权重并冻结。该流程以领域弱监督替代原文未公开的人工标注与淘宝评价材料，不是作者模型的精确复现，弱标签一致率也不代表人工金标准确率。 冻结模型对完整经营讨论的每个保留原句给出积极或消极判定。超过单次输入长度的原句按连续、无重叠的分块完整处理，每块不超过510个正文token，以各块token数为权重平均两类logit，再对整句判别一次；不截掉尾部，也不把一个长句重复计作多句。积极与消极得分接近时，整句所有分块以完整单精度重新计算以降低低精度批次扰动；这一处理只切换数值精度，不排除低置信语句。完全并列按消极判定。 三、汇总积极与消极语句 令企业 (i) 在年度 (t) 的积极语句数为 (P{it})，消极语句数为 (N{it})。两类研究计数的单位均为句，其和为净语调的有效分类句数： $$ S{it}=P{it}+N{it}. $$ 这三项计数随数据一起提供，便于了解比率分子与分母。可靠正文中的某一类没有出现时，该类计数可以为零；整段正文不可测、没有有效语句或推理未完成时不以零填补。 四、计算语调积极程度 按照洪康隆（2024）对正向语调的定义，管理层语调积极程度为： $$ T{it}=\frac{P{it}-N{it}}{P{it}+N{it}}. $$ (T{it}) 无量纲，取值介于−1与1之间，数值越大表示积极表达相对于消极表达越多。积极与消极句数相同时为零；全部为积极句时为1，全部为消极句时为−1。分母无效时保留缺失，不对全期分布进行标准化。 原论文为便于解释机会主义回归结果，对正向语调取相反数作为实证变量 (Bert{it})。本数据同时提供该方向值： $$ Bert{it}=-T{it}=\frac{N{it}-P{it}}{P{it}+N{it}}. $$ 因此，Bert越小表示语调越积极。两个语调字段是同一研究量的方向对照，不能将其视作两个独立测量或相互稳健性检验。 补充说明 原作者未公开训练标签、模型权重和全部清洗细则。本实现使用本地领域弱标签与独立训练的BERT，正文边界、版面清理和长句汇总属于明确操作化；不保证与作者原值或准确率相同。最终二分类会为客观、中性或复杂混合语句赋予一侧极性，弱标签遗漏、表格粘连、早期文本残缺及行业表达差异均可能影响结果。实际报告发布在财年结束之后，使用时应根据研究设计处理信息可得时点；全期抽样训练也不构成逐年仅用历史信息的实时模型。 辅助档案中的证券简称和行业优先匹配当年记录，缺年时回退最新可得档案；注册地为现有档案快照，不代表逐年迁址。 正式数据保留全部可得行业、板块、ST/PT及金融业。原始版不缩尾；分发的剔除版依据公司信息筛选，缩尾版仅对两个语调值按年作1%和99%缩尾，三项研究计数保留原值。缩尾后的语调值不要求继续等于未缩尾研究计数的原始比率。 参考文献 洪康隆.BERT人工智能模型能识别管理层语调中的机会主义吗？——基于上市公司年报的文本分析[J].证券市场导报,2024(10):27-37,68.

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。