【更新至2022】上市公司年报文本分析与数字经济词频统计（全套代码+数据）

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

更新！【更新至2022】2001-2022上市公司年报文本分析与数字经济词频统计（全套代码+数据）
更新时间：2023年5月5日
处理软件：Python 3.10
年度区间：2001-2022变量个数：64（详见样本数据——免费下载查阅）
年报数量：53787

说明：本数据为2001-2022上市公司年报文本分析与数字经济词频统计。本套数据包含内容如下：1.2001-2022上市公司年报文本（txt格式）
2.数字经济词频统计与指标构建全过程及代码
3.2001-2022数字经济词频统计数据（xlsx格式+dta格式——含各个维度及维度内部数字经济词典词频统计）
由于数据量较大，数据采取百度网盘链接形式，并且省去了中间过程数据（如需要购买后可向楼主索取），大家可以先在附件中免费下载查看样本数据。

数字经济词频统计构建过程：
1.巨潮年报爬虫代码 —— 爬取上市公司年报（pdf格式）；
2.PDF转换TXT ——批量将爬取的上市公司年报从 pdf 格式转化为 txt 格式；
3.筛选并标准化年报文本 ——规范年报 txt 格式 方便后续操作，这一步其实很繁琐但却非常关键，原始的年报名字五花八门并不规范，而且年报经常会有更正、更新等，需要保留最新版本的年报，标准化之后格式为“股票代码_年度_发布日期_****年年度报告.txt”，例如，“000002_2023_20230331_2022年年度报告.txt”。
4.jieba分词代码——根据 jieba 库，并结合数字经济字典进行分词，本数据数字经济字典参考文献——唐要家等，数字经济、市场结构与创新绩效，中国工业经济2022年第10期。
数字经济选用以下四方面关键词：一是反映数据要素存量，包括大数据、数据集成、数据融合、数据信息、数据管理、数据资产、数字化；二是反映数据开发能力，包括自动化、5G、智能、机器人、机器学习、3D 打印、3D 技术、3D 工具、AI、物联网、边缘计算、云计算、云服务、云端、数字科技、数字技术、计算机技术、信息时代、信息化、信息技术、信息集成、信息通信；三是反映数据驱动商业应用，包括 O2O、B2B、C2C、P2P、C2B、B2C、电子技术、电子科技、线上、网络、线上线下、互联网、电子商务、跨境电商、电商平台、智慧时代、智慧建设、智慧业务、数字运营、数字终端、数字经济、数字体系、数字供应链、数字营销；四是反映数据价值变现，包括数字货币、区块链、数字贸易。
5.数字经济词频统计代码 ——根据分词结果进行数字经济各个维度的词频统计；
6.年报文本总词频统计 ——统计 txt 年报各上市公司各个年度的总词频；
7.年报文本总字数统计 ——统计 txt 年报各上市公司各个年度的总字数；
8.合并数字经济词频统计数据 ——合并第5步中的数字经济词频统计数据；
9.合并数字经济词频与年报文本字数和词频——将第8步中的数字经济词频数据与第6、7步的年报总词频和总字数数据合并，并生成最终面板数据。

各年度观测值：

年度	Freq.	Percent	Cum.
2001	1,009	1.88	1.88
2002	1,078	2	3.88
2003	1,141	2.12	6
2004	1,233	2.29	8.29
2005	1,235	2.3	10.59
2006	1,318	2.45	13.04
2007	1,437	2.67	15.71
2008	1,500	2.79	18.5
2009	1,649	3.07	21.57
2010	1,996	3.71	25.28
2011	2,231	4.15	29.43
2012	2,354	4.38	33.8
2013	2,400	4.46	38.26
2014	2,519	4.68	42.95
2015	2,717	5.05	48
2016	3,010	5.6	53.59
2017	3,407	6.33	59.93
2018	3,506	6.52	66.45
2019	3,737	6.95	73.4
2020	4,269	7.94	81.33
2021	4,922	9.15	90.48
2022	5,119	9.52	100
Total	53,787	100

描述性统计：

variable	N	mean	sd	min	p50	max
数字经济词频	53787	51.664	98.893	0	17	1705

数据展示：

代码展示：

数字经济样本数据 (76 Bytes)

2023-4-4 11:12:17 上传

数字经济样本数据

2001-2022年报分析与数字经济词频数据（全套代码+数据） (76 Bytes, 需要: RMB 186 元)

2023-4-4 11:12:12 上传

2001-2022年报分析与数字经济词频数据（全套代码+数据）
需要: RMB 186 元  [购买]

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

关键词：上市公司年报 公司年报 上市公司 上市公 Variable

精品数据集集锦：

一、上市公司基础数据系列

1.【更新至2022】1990-2022中国上市公司数据大全（1372变量 代码+数据）
https://bbs.pinggu.org/thread-11500926-1-1.html

2.【更新至2021】1990-2021上市公司行业分类面板数据（多子库补全）

https://bbs.pinggu.org/thread-11036010-1-1.html

3.【更新至2021】1990-2021上市公司ST、ST*、PT及板块筛选面板数据

https://bbs.pinggu.org/thread-11035952-1-1.html

4.【更新至2021】上市公司中央国企和地方国企及非国企划分（数据+代码）

https://bbs.pinggu.org/thread-11043317-1-1.html

5.【更新至2021】1990-2021上市公司所在地区省市县面板数据

https://bbs.pinggu.org/thread-11029900-1-1.html

6.【更新至2021】1990-2021上市公司股权性质与公司治理数据（195变量）

https://bbs.pinggu.org/thread-11025202-1-1.html
7.【更新至2021】1990-2021上市公司审计相关变量（审计意见、是否是四大审计等）
https://bbs.pinggu.org/thread-11036039-1-1.html

8.【更新至2021】上市公司报表科目和财务指标面板数据（780变量）

https://bbs.pinggu.org/thread-11042158-1-1.html

9.【更新至2021】上市公司公司治理与股权性质数据（195变量）

https://bbs.pinggu.org/thread-11025202-1-1.html

10.【更新至2020】和讯网上市公司社会责任数据（6月16更新 爬虫代码+数据）

https://bbs.pinggu.org/thread-10646429-1-1.html

11.【更新至2020】1999-2020上市公司董监高人数（多子库补齐，含处理代码和数据）

https://bbs.pinggu.org/thread-10856765-1-1.html

12.【更新至2020】新浪财经上市公司高管个人特征及简历数据（最全！含爬虫代码）

https://bbs.pinggu.org/thread-10725251-1-1.html

13.【更新至2021】1990-2021高管（董监高）个人特征数据（代码+数据）

https://bbs.pinggu.org/thread-11139703-1-1.html

14.【更新至2021】上市公司CEO任期与高管个人任职数据（数据+处理代码）

https://bbs.pinggu.org/thread-11152844-1-1.html

15.【更新至2021】上市公司应计盈余管理-修正Jones模型（代码+数据）

https://bbs.pinggu.org/thread-11050622-1-1.html

16.【更新至2021】上市公司应计盈余管理-扩展Jones模型+KWL模型（代码+数据）

https://bbs.pinggu.org/thread-11050649-1-1.html

17.【更新至2021】上市公司应计盈余管理-DD模型+BS模型（代码+数据）

https://bbs.pinggu.org/thread-11050676-1-1.html

18.【更新至2021】上市公司真实盈余管理（代码+数据）

https://bbs.pinggu.org/thread-11051932-1-1.html

19.【更新至2021】上市公司投资效率-Richardson模型（代码+数据）

https://bbs.pinggu.org/thread-11055004-1-1.html

20.【更新至2021】上市公司投资效率-Biddle模型（代码+数据）

https://bbs.pinggu.org/thread-11055035-1-1.html

21.【更新至2021】上市公司投资效率-Chen模型（代码+数据）

https://bbs.pinggu.org/thread-11055056-1-1.html

22.【更新至2021】上市公司融资约束KZ指数（代码+数据）

https://bbs.pinggu.org/thread-11043347-1-1.html

23.【更新至2021】上市公司融资约束WW指数（代码+数据）

https://bbs.pinggu.org/thread-11045855-1-1.html

24.【更新至2021】上市公司融资约束SA指数（代码+数据）

https://bbs.pinggu.org/thread-11044276-1-1.html

25.【更新至2021】上市公司融资约束FC指数（代码+数据）

https://bbs.pinggu.org/thread-11047262-1-1.html

26.【更新至2021】上市公司超额雇员两种算法（代码+数据）

https://bbs.pinggu.org/thread-11059040-1-1.html

27.【更新至2021】上市公司超额雇员-拓展模型（代码+数据）

https://bbs.pinggu.org/thread-11059059-1-1.html

28.【更新至2021】上市公司过度负债-分年度Tobit回归（代码+数据）

https://bbs.pinggu.org/thread-11056376-1-1.html

29.【更新至2021】上市公司过度负债-固定效应回归（代码+数据）

https://bbs.pinggu.org/thread-11056389-1-1.html

30.【更新至2021】上市公司超额在职消费（代码+数据）

https://bbs.pinggu.org/thread-11066954-1-1.html

31.【更新至2021】上市公司税收规避（代码+数据）

https://bbs.pinggu.org/thread-11155694-1-1.html

32.【更新至2021】上市公司名义企业所得税税率面板数据（多子库补齐 代码+数据）

https://bbs.pinggu.org/thread-11155655-1-1.html

33.【更新至2021】上市公司管理层权力-主成分分析（代码+数据）

https://bbs.pinggu.org/thread-11154440-1-1.html

34.【更新至2021】上市公司公司治理指数-主成分分析（代码+数据）

https://bbs.pinggu.org/thread-11153841-1-1.html

35.【更新至2021】上市公司高管超额薪酬-基础模型（代码+数据）

https://bbs.pinggu.org/thread-11063127-1-1.html

36.【更新至2021】上市公司高管超额薪酬-拓展模型（代码+数据）

https://bbs.pinggu.org/thread-11063505-1-1.html

37.【更新至2021】上市公司破产风险Zscore及其修订指标（代码+数据）

https://bbs.pinggu.org/thread-10909362-1-1.html

38.【更新至2020】上市公司董事会多样性指标构建（代码+数据）

https://bbs.pinggu.org/thread-10911532-1-1.html

39.【更新至2021】上市公司超额商誉（多个指标 代码+数据）
https://bbs.pinggu.org/thread-11064331-1-1.html
40.【更新至2021】上市公司并购溢价指标计算（代码+数据）
https://bbs.pinggu.org/thread-11163395-1-1.html

网络爬虫系列（含详细 Stata 爬虫代码）

41.【更新至2021】2000-2021中国上市公司年报数据（爬虫代码+txt年报文本）https://bbs.pinggu.org/thread-11478201-1-1.html

42.【更新至2020】和讯网上市公司社会责任数据（爬虫代码+数据）

https://bbs.pinggu.org/thread-10646429-1-1.html

43.【土地系列1】2000-2021土地交易数据（数据+代码）

https://bbs.pinggu.org/thread-10491869-1-1.html

44.【土地系列2】2000-2021土地转让数据（数据+代码）

https://bbs.pinggu.org/thread-10516466-1-1.html

45.【土地系列3】2000-2021土地抵押数据（数据+代码）

https://bbs.pinggu.org/thread-10550946-1-1.html

十二、土地数据系列

46.（更新）2000-2021土地交易数据（275万+ 含爬虫代码）

https://bbs.pinggu.org/thread-10491869-1-1.html

47.（更新）2000-2021土地转让数据（81万+ 含爬虫代码）

https://bbs.pinggu.org/thread-10516466-1-1.html

48.（推荐）2000-2021土地抵押数据（41万+ 含爬虫代码）

https://bbs.pinggu.org/thread-10550946-1-1.html

十三、数字经济系列

49.【更新至2021】2017-2021中国城市数字经济指数（数据+爬虫代码）

https://bbs.pinggu.org/thread-11281532-1-1.html

zhaozimeng 发表于 2023-5-5 11:35
更新！【更新至2022】2001-2022上市公司年报文本分析与数字经济词频统计（全套代码+数据）
更新时间：2023 ...

zhaozimeng 发表于 2023-5-5 11:35
更新！【更新至2022】2001-2022上市公司年报文本分析与数字经济词频统计（全套代码+数据）
更新时间：2023 ...

zhaozimeng 发表于 2023-5-5 11:35
更新！【更新至2022】2001-2022上市公司年报文本分析与数字经济词频统计（全套代码+数据）
更新时间：2023 ...

使用Python进行词频统计，构造指标变量

如果python报错可以解答吗

shengjian88 发表于 2023-9-6 16:36
如果python报错可以解答吗

当然可以，评论私信都可以

python文本分析程序有吗，我买了全套，但好像没看到

daijiemin 发表于 2024-1-4 21:11
python文本分析程序有吗，我买了全套，但好像没看到

你好，感谢支持，代码是有的，您看下，我按照步骤，拆分成9个py文件了（见下图），可以用pycharm打开