楼主: freestyle2003
2129 13

[经管数据集] 2001-2022年上市公司年报文本数据包含年报爬虫Python代码 文本分析必备 [推广有奖]

已卖：5119份资源

学科带头人

34%

还不是VIP/贵宾

-

0%
威望
1 级
论坛币
40792 个
通用积分
1133.2218
学术水平
574 点
热心指数
544 点
信用等级
538 点
经验
49874 点
帖子
1565
精华
0
在线时间
1125 小时
注册时间
2017-8-9
最后登录
2025-12-18

初级热心勋章 初级信用勋章

楼主
freestyle2003 企业认证  发表于 2023-9-27 10:32:15 |AI写论文

+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
上市公司年报文本

持续更新，后续关注我后免费获取更新版本
不管什么时候毕业或者发期刊用到，都能用到最新的数据

【原创整理，严禁转载，转载必究】


参考文献
[1]王克敏,王华杰,李栋栋等.年报文本信息复杂性与管理者自利——来自中国上市公司的证据[J].管理世界,2018,34(12):120-132+194.
[2]周波,张程,曾庆生.年报语调与股价崩盘风险——来自中国A股上市公司的经验证据[J].会计研究,2019(11):41-48.
[3]任宏达,王琨.社会关系与企业信息披露质量——基于中国上市公司年报的文本分析[J].南开管理评论,2018,21(05):128-138.

计算说明

使用Python爬虫上市公司所有的年报，但由于年报更新的情况，所以仅保留当前最新的年报。
原始年报命名统一为：证券代码_年份_年报发布日期_xxxx年年度报告”，便于后续方便处理。最终得到53595份文本数据。
Python爬虫有详细注释，易于直观理解。

数据说明

样本选择：全部A股2001-2022年数据，年报文本格式为txt格式 ，便于后续处理


赠送超值上市基本信息：证券代码、统计截止日期、上市公司ID、证券简称、ABH股交叉码、行业名称、行业代码、中文全称、公司成立日期、首次上市日期、法人代表、注册资本、公司网址、经营范围、主营业务、上市状态、注册具体地址、注册地址所属省份、注册地址所属城市、注册地经度(E)、注册地纬度(N)、公司办公地址、办公地址经度、办公地址纬度、办公地址邮政编码等。

再额外赠送超值上市常用分组指标：是否 ST或PT、是否金融业、资产负债率是否大于1、是否沪深A股、
是否北京A股、行业名称、行业代码、所属省份代码、所属省份、所属城市代码、所属城市、分东部地区、中部地区、西部地区、是否高科技行业、是否重污染行业

数据截图
 QQ截图20230927101950.jpg
QQ截图20230927102011.jpg

分年份数据量统计

年份

样本量

2001

1010

2002

1078

2003

1141

2004

1235

2005

1238

2006

1325

2007

1450

2008

1507

2009

1659

2010

2007

2011

2240

2012

2364

2013

2411

2014

2525

2015

2723

2016

3019

2017

3399

2018

3505

2019

3721

2020

4193

2021

4743

2022

5102

总计

53595



 QQ截图20230927103155.jpg

数据较大，论坛上传有大小限制，所以只能放在百度下载，以下为百度网盘地址

2001-2022年上市公司年报文本数据包含年报爬虫Python代码 (76 Bytes, 需要: RMB 49 元)



二维码

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

分享0
关键词：上市公司年报 python 上市公司 文本数据 公司年报
相关内容：Python数据分析

相关帖子 统计类 计算机类 Python

沙发
freestyle2003(未真实交易用户) 企业认证  发表于 2023-9-27 10:32:36
本人经济学博士毕业，如过您有具体的数据需要定制，可以私信联系，提供数据查找、整理数据以及实证分析服务！提供售后服务，所有私信和评论都会及时回复，有任何疑问可随时联系！

藤椅
freestyle2003(未真实交易用户) 企业认证  发表于 2023-9-27 10:32:43

数据来源权威：自用数据，多次人工审核、校对，确保准确无误
板凳
sxhawk(真实交易用户) 在职认证  发表于 2023-10-1 11:23:34
freestyle2003 发表于 2023-9-27 10:32
数据来源权威：自用数据，多次人工审核、校对，确保准确无误
你好，想买你的年本文本数据，但是你会不会提取MD&A章节？能否赠送一份提取MD&A的python代码
报纸
freestyle2003(未真实交易用户) 企业认证  发表于 2023-10-1 20:25:23
sxhawk 发表于 2023-10-1 11:23
你好，想买你的年本文本数据，但是你会不会提取MD&A章节？能否赠送一份提取MD&A的python代码
您好，提取MD&A的python代码目前没有
地板
sxhawk(真实交易用户) 在职认证  发表于 2023-10-2 14:47:48
您好，我买了您的数据集，通过stata的duplicates发现以下代码和年份的年报有重复，请问是因为存在年报更新吗？
+--------------------------------+
group:    obs:     code   year       
       
1    2160   000504   2020       
1    2161   000504   2020       
2    2162   000504   2021       
2    2163   000504   2021       
3    4117   000622   2020       
       
3    4118   000622   2020       
4    4119   000622   2021       
4    4120   000622   2021       
5    5219   000700   2020       
5    5220   000700   2020       
       
6    5221   000700   2021       
6    5222   000700   2021       
7    5552   000718   2021       
7    5553   000718   2021       
8    8892   000952   2021       
       
8    8893   000952   2021       
9   11823   002111   2020       
9   11824   002111   2020       
10   17124   002491   2017       
10   17125   002491   2017       
       
11   17126   002491   2018       
11   17127   002491   2018       
12   17128   002491   2019       
12   17129   002491   2019       
13   17130   002491   2020       
       
13   17131   002491   2020       
14   17132   002491   2021       
14   17133   002491   2021       
15   17275   002502   2021       
15   17276   002502   2021       
       
16   19453   002689   2021       
16   19454   002689   2021       
17   19928   002741   2021       
17   19929   002741   2021       
18   20489   002822   2021       
       
18   20490   002822   2021       
19   20880   002887   2021       
19   20881   002887   2021       
20   21593   300008   2017       
20   21594   300008   2017       
       
21   21595   300008   2018       
21   21596   300008   2018       
22   21597   300008   2019       
22   21598   300008   2019       
23   21599   300008   2020       
       
23   21600   300008   2020       
24   21601   300008   2021       
24   21602   300008   2021       
25   23585   300165   2021       
25   23586   300165   2021       
       
26   24109   300210   2019       
26   24110   300210   2019       
27   25184   300301   2021       
27   25185   300301   2021       
28   25406   300322   2020       
       
28   25407   300322   2020       
29   25408   300322   2021       
29   25409   300322   2021       
30   28301   300715   2021       
30   28302   300715   2021       
       
31   28888   300868   2020       
31   28889   300868   2020       
32   28890   300868   2021       
32   28891   300868   2021       
33   28952   300890   2020       
       
33   28953   300890   2020       
34   28954   300890   2021       
34   28955   300890   2021       
35   28970   300895   2021       
35   28971   300895   2021       
       
36   32802   600185   2021       
36   32803   600185   2021       
37   34023   600251   2021       
37   34024   600251   2021       
38   34889   600302   2021       
       
38   34890   600302   2021       
39   34912   600303   2022       
39   34913   600303   2022       
40   38516   600531   2022       
40   38517   600531   2022       
       
41   40303   600629   2022       
41   40304   600629   2022       
42   42496   600748   2020       
42   42497   600748   2020       
43   42498   600748   2021       
       
43   42499   600748   2021       
44   42586   600753   2020       
44   42587   600753   2020       
45   42588   600753   2021       
45   42589   600753   2021       
       
46   45730   600973   2022       
46   45731   600973   2022       
47   46746   601179   2021       
47   46747   601179   2021       
48   46878   601225   2022       
       
48   46879   601225   2022       
49   48534   603020   2019       
49   48535   603020   2019       
50   48536   603020   2020       
50   48537   603020   2020       
       
51   48538   603020   2021       
51   48539   603020   2021       
52   48678   603042   2017       
52   48679   603042   2017       
53   48680   603042   2018       
       
53   48681   603042   2018       
54   48682   603042   2019       
54   48683   603042   2019       
55   48684   603042   2020       
55   48685   603042   2020       
       
56   48686   603042   2021       
56   48687   603042   2021       
57   49290   603200   2021       
57   49291   603200   2021       
58   49491   603278   2021       
       
58   49492   603278   2021       
59   50393   603603   2021       
59   50394   603603   2021       
60   51197   603829   2020       
60   51198   603829   2020       
       
61   51199   603829   2021       
61   51200   603829   2021       
62   51230   603843   2021       
62   51231   603843   2021       
63   51342   603880   2020       
       
63   51343   603880   2020       
64   51344   603880   2021       
64   51345   603880   2021       
65   52349   688090   2021       
65   52350   688090   2021       
       

7楼
sxhawk(真实交易用户) 在职认证  发表于 2023-10-2 14:58:17
另外，我通过与另一个年份数据集进行对比，发现缺少一些年报，大概2000多条，能帮看看是什么情况吗？ 缺少的股票和年份.xlsx (42.25 KB)

8楼
freestyle2003(未真实交易用户) 企业认证  发表于 2023-10-2 21:58:23
sxhawk 发表于 2023-10-2 14:47
您好，我买了您的数据集，通过stata的duplicates发现以下代码和年份的年报有重复，请问是因为存在年报更新 ...
是的，存在年报更新的个别没剔除掉，去重可以取最新日期的
9楼
freestyle2003(未真实交易用户) 企业认证  发表于 2023-10-2 22:25:42
sxhawk 发表于 2023-10-2 14:58
另外，我通过与另一个年份数据集进行对比，发现缺少一些年报，大概2000多条，能帮看看是什么情况吗？
您好，我看了里面大部分是已经退市了的
10楼
sxhawk(真实交易用户) 在职认证  发表于 2023-10-5 12:01:11
freestyle2003 发表于 2023-10-2 22:25
您好，我看了里面大部分是已经退市了的
好的谢谢！
返回列表
12下一页
高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 我要注册

本版微信群
jg-xs1
拉您进交流群

京ICP备16021002号-2 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问：王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2025-12-20 21:11