风险信息披露(134风险词词频)
「风险信息披露(134风险词词频)」，覆盖 1991-2025 年，频率 年度，上市公司层级，含 19 个变量，样本量约 67,314。 衡量上市公司年报中的风险信息披露水平。
| 时间跨度 | 1991-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 19 |
| 样本量 | 67,314 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — 股票代码
- StkName [证券简称] — 证券简称
- 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] — 中上协行业分类代码
- IndustryName [行业名称] — 中上协行业分类名称
- RiskDis [风险信息披露水平] — 参考王雄元, 高曦(2018, 金融研究)和Kravet & Muslu(2013, RAST)的方法，计算公式为：100*全文风险关键词频数/全文总中文字符数。基于134个风险相关关键词(涵盖风险/不确定/波动/损失/不利/威胁/恶化/脆弱/困难等语义类别)在年报全文中的出现频率，衡量企业年报风险信息的披露水平。用作研究变量，越大代表风险披露水平越高。单位：%
- RiskDisMDA [MD&A风险信息披露水平] — 参考王雄元, 高曦(2018, 金融研究)的方法，计算公式为：100*MD&A部分风险关键词频数/MD&A总中文字符数。仅在成功提取MD&A章节时计算(MDA提取标志=1)，提取失败时为缺失值。单位：%
- RiskFreq [全文风险词频数] — 年报全文中风险关键词出现的总次数(AC自动机最长匹配去重)。单位：个
- RiskFreqMDA [MD&A风险词频数] — MD&A部分风险关键词出现的总次数(AC自动机最长匹配去重)。单位：个
- TotalChars [全文总字数] — 年报全文中文字符总数。单位：个
- TotalCharsMDA [MD&A总字数] — MD&A部分中文字符总数，MDA提取失败时为0。单位：个
- DeltaRiskDis [风险披露变动] — 参考Kravet & Muslu(2013, RAST)的方法，计算公式为：当年风险信息披露水平减去上年风险信息披露水平，仅对连续年份计算(年份间隔>1时为缺失值)。用作研究变量，越大代表风险披露水平增加越多
- MDAExtracted [MDA提取标志] — 是否成功从年报全文中提取MD&A章节(0=否，1=是)
常见问题
- 「风险信息披露(134风险词词频)」是什么数据集？
- 风险信息披露(134风险词词频)，隶属信息环境。衡量上市公司年报中的风险信息披露水平。
- 该数据集的时间范围是？
- 覆盖 1991-2025 年。
- 包含哪些变量/指标？
- 共 19 个变量。核心指标包括：风险信息披露水平、MD&A风险信息披露水平、全文风险词频数、MD&A风险词频数、全文总字数、MD&A总字数、风险披露变动、MDA提取标志。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 67,314 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 本数据集旨在衡量中国上市公司年度报告中的风险信息披露水平，其构建方法主要参考了王雄元和高曦（2018）以及Kravet和Muslu（2013）的研究。核心思路是通过统计年报文本中特定风险关键词的出现频率，来量化公司披露风险相关信息的程度。具体而言，构建了一个包含134个风险相关关键词的词库，这些关键词涵盖了“风险”、“不确定”、“波动”、“损失”、“不利”、“威胁”、“恶化”、“脆弱”、“困难”等语义类别。 基础变量包括从年报全文及“管理层讨论与分析”（MD&A）章节中提取的文本特征。其中，$RiskFreq$ 为年报全文中风险关键词出现的总次数，$TotalChars$ 为年报全文的中文字符总数。类似地，$RiskFreqMDA$ 和 $TotalCharsMDA$ 分别为MD&A章节中的风险词频和总字符数。MD&A章节的提取成功与否由二元变量 $MDAExtracted$ 标识（1为成功，0为失败）。 基于上述基础变量，计算两个核心的风险信息披露指标。第一个是全文风险信息披露水平 $RiskDis$，其计算公式为： $$RiskDis = 100 \times \frac{RiskFreq}{TotalChars}$$ 其中 $RiskFreq$ 为全文风险词频数，$TotalChars$ 为全文总中文字符数。该指标衡量了风险信息在整份年报中的相对密集程度。 第二个是MD&A章节的风险信息披露水平 $RiskDisMDA$，其计算公式为： $$RiskDisMDA = 100 \times \frac{RiskFreqMDA}{TotalCharsMDA}$$ 其中 $RiskFreqMDA$ 为MD&A部分风险词频数，$TotalCharsMDA$ 为MD&A部分总中文字符数。该指标仅在 $MDAExtracted = 1$ 时计算，用于衡量风险信息在关键叙述性章节的披露强度。 此外，为捕捉风险披露的动态变化，计算了风险披露变动指标 $DeltaRiskDis$，其值为公司当年 $RiskDis$ 与上年 $RiskDis$ 的差值，仅对连续年份进行计算。 补充说明 - 风险关键词的匹配采用AC自动机算法进行最长匹配并去重。 - MD&A章节的提取基于文本规则进行，若提取失败，则 $MDAExtracted$ 标记为0，且 $RiskDisMDA$、$RiskFreqMDA$、$TotalCharsMDA$ 均为缺失值（$TotalCharsMDA$ 在原始数据中记为0）。 - $DeltaRiskDis$ 仅在公司连续两年均有 $RiskDis$ 数据时计算，若年份间隔大于1年，则该指标为缺失值。 参考文献 - Kravet T, Muslu V. Textual risk disclosures and investors’ risk perceptions[J]. Review of Accounting Studies, 2013, 18(4): 1088-1122. - 王雄元, 高曦. 年报风险披露与权益资本成本[J]. 金融研究, 2018.
- 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。