企业平台经济(ERNIE模型)

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)
• MDASentCount [MD&A原文句子数] — 完整MD&A按句号及分号切句，排除纯标点空白，不以换行、问号或叹号另开句；单位为句，源或章节失败缺失。
• PlatformSentCount [平台经济阳性句子数] — 全部MD&A原句由专门训练ERNIE判定，超长句完整窗口OR后每原句计一次，不筛除无关键词句；不同原文位置的相同句分别计数；单位为句，预测失败缺失。
• IsMDAExtracted [是否可靠提取MD&A] — 是否可靠提取MD&A(0=否，1=是)，源解码/质量/章节失败为0，测量缺失。
• IsPredictionComplete [是否完成全部句子预测] — 是否完成全部句子预测(0=否，1=是)，任何原句窗口失败则为0，核心缺失。
• IsPlatformEconomy [企业是否发展平台经济] — 参考郭露等(2026,统计与信息论坛)平台经济0/1指标，按批准的聚合假设：完整MD&A至少一原句阳性时为1，全句有效且无阳性为0；源或预测失败缺失。表示平台业务披露，不等同真实经营绩效。
• L1IsPlatformEconomy [企业平台经济滞后一期] — 参考原文滞后一期稳健性处理，为同公司上一实际年度的平台经济0/1值；严格一年间隔，前值缺失或年份断档时缺失，不向前填充。

常见问题

「企业平台经济(ERNIE模型)」是什么数据集？

企业平台经济(ERNIE模型)，隶属数字化转型与人工智能。根据完整年报管理层讨论与分析，使用专门标注语料训练ERNIE逐句识别公司平台经济业务披露，并以公司年度是否存在阳性句构造0/1指标，附严格一年滞后；本地千问标注

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原文句子数、平台经济阳性句子数、是否可靠提取MD&A、是否完成全部句子预测、企业是否发展平台经济、企业平台经济滞后一期。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 平台经济通过面向外部用户的数字平台组织交易、金融服务、技术协作和信息传播。参考郭露等的年报文本测量思路，本指标识别企业在管理层讨论与分析中披露的发展、经营和利用平台经济业务，包括已有业务和具体业务规划。平台运营、参与以及面向平台的服务供给均进入识别范围；纯内部管理系统、物理作业平台、泛政策背景和无法联系本公司业务的表述不进入阳性类别。因此，指标反映企业平台业务披露，不直接衡量平台业务的经营绩效。 首先从年度报告可靠提取完整管理层讨论与分析，历史董事会经营报告采用同一章节识别规则。章节无法可靠识别时不回退到全文。汉字间的排版空白予以修复，英文词边界保留；按句号及中英文分号切句，换行、问号和叹号不单独分句，排除纯标点空白片段。记企业$i$在年度$t$的有效原文句数为$N{it}$，对应MDASentCount。 训练语料按年度抽取最多3,000个不同规范化原句，平台、电商、电子商务、在线交易、供需匹配和互联网表述组成抽样线索层，线索层与普通层各目标1,500句，某层不足时由另一层补足，全年不足上限时保留实际全部。固定随机种子42，以稳定哈希排序抽样。线索词仅用于扩大相关语料覆盖，既不构成作者词典，也不筛选最终预测句子。本地Qwen3.5-9B-FP8以固定提示词和温度零给出阳性、阴性与不确定标签，每次独立标注一个窗口、编号并施加固定长度JSON约束，严格核对顺序、数量与类型；不确定及技术失败标签不视为阴性。 首次标注保持冻结，仅将阳性中资本及投融资平台、内部软件工具、实体设施、泛背景和缺少数字或外部业务线索的窗口选为风险候选，定向复核一次；筛查正则不是分类规则，不直接判负，也不筛除全文推理句。复核使用经原件哈希和位置核证的相邻上下文消歧，不能将邻句业务补入目标窗口；阳性须提供目标逐字证据，只容许空白排版差异。证据无法核验的阳性作为技术失效排除；目标窗口及引文缺少明确数字性质证据的复核阳性保守排除，均不改成负类。该证据资格校验只是必要条件，可能排除真实阳性，也不能保证外部平台业务成立。不确定标签排除，未选中窗口保持原标签。训练划分先按首次标签冻结，纠错后不重新洗牌，保留原始标注和原轮模型结果。定向复核同样是AI弱监督质量处理，不是真人人审金标准。 以新标注语料专门训练ERNIE-3.0-base-zh分类器，不复用其他平台概念的标签和微调权重。每次输入最多256个token，超长句采用连续覆盖、重叠32个token的窗口，所有窗口预测完成后以逻辑或合并为原句。训练与推理采用同一窗口函数；同一规范化原句或同一实际token输入属于同一连通组，按组以8∶1∶1划分训练、验证和测试集，避免同一输入跨集合。训练采用普通交叉熵、5轮、学习率$5\times10^{-5}$、有效批量64、AdamW权重衰减0.01、10%预热和梯度裁剪1。模型和阈值仅在验证集按$0.7P+0.3F1$选择，要求召回率不低于0.35，阈值候选为0.05至0.99、步长0.01，测试集在选择冻结后评估。 专门训练的分类器对完整管理层讨论与分析的全部原句预测，无关键词的句子同样进入计算。记第$j$句的阳性标签为$y{itj}$，原句的任一窗口阳性即令该句为阳性；平台经济阳性句数PlatformSentCount为$K{it}=\sum{j=1}^{N{it}}y{itj}$。同一句文本在不同原文位置出现时分别计数，窗口不重复增加原句数。核心指标IsPlatformEconomy按已批准的年度聚合假设计算： $$IsPlatformEconomy{it}=\mathbf{1}\{K{it}\geq1\}.$$ 可靠提取完整章节且全部句子预测成功时，无阳性句取零，存在阳性句取一。IsMDAExtracted标记可靠章节提取是否成功，IsPredictionComplete标记可靠章节及全部原句窗口预测是否完成，两者均为技术性零一标志。源或章节失败时句数与测量指标保留缺失；任何句子预测失败时阳性计数和核心指标保留缺失。滞后一期指标L1IsPlatformEconomy采用同一企业上一实际年度的核心值，严格要求一年间隔，年度断档或前值缺失均不补填。输出主键为六位公司代码Symbol与年度Year，另附公司名称、注册地地区和年度行业辅助信息，不据辅助字段缺失删除测量行。地区来自公司基础表的静态注册地；名称和行业优先匹配报告年度，缺少当年记录时允许回退同公司的最新可得记录。 补充说明 - 样本口径：覆盖全部可得公司年度，保留ST、PT及金融业；研究样本筛选由使用者按研究设计处理。 - 标注与训练操作化：作者的人工及专家标注、关键词抽样词典、最终标签、权重和超参数未公开，本实现采用本地千问弱监督、分层抽样和明确训练参数；分类器测试表现表示对弱标签的一致性，不能解释为真人标注准确率。 - 聚合与选择操作化：任一阳性句即年度为一及长句窗口逻辑或属于批准的实现假设，原文未明确披露这些规则。年度句子越多，句级误报累积的机会越大；本实现采用精确率优先验证选择，区别于作者按验证正确率选择模型，并另做公司年层抽核。 - 文本与稳健性边界：可靠章节规则及排版修复为可复现操作化，源质量与章节缺失影响覆盖；原文全文jieba词频$\ln(1+F)$稳健性需要未公开作者词典，本数据集不以自造词典替代。具体业务规划计入披露表达，不等同业务已经实现。 - 分类局限：弱监督分类仍可能将内部数字金融服务或办公软件供给识别为外部平台业务。任一阳性句触发年度指标的规则会放大这类误报，模型高置信度不代表语义必然正确；指标宜结合研究设计和原文核验使用。 参考文献 [1]郭露,袁英茜,王政海.基于大语言模型的平台经济赋能企业价值效应研究[J].统计与信息论坛,2026,41(3):28-42.DOI:10.20207/j.cnki.1007-3116.20260130.001.

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。