【更新至2023】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）

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2023】2001-2023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：2024年5月13日
处理软件：Python 3.11
年度区间：2001-2023变量个数：64（详见样本数据——免费下载查阅）
年报数量：58448（筛选后58237）

说明：本数据为2001-2023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：
1.2001-2023上市公司年报文本（txt格式，pdf较大可向楼主索取）
2.数字经济词频统计与指标构建全过程及代码
3.2001-2023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，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_2024_20240331_2023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.
2000	5	0.01	0.01
2001	1,009	1.73	1.74
2002	1,078	1.85	3.59
2003	1,141	1.96	5.55
2004	1,233	2.12	7.67
2005	1,236	2.12	9.79
2006	1,318	2.26	12.05
2007	1,438	2.47	14.52
2008	1,500	2.58	17.1
2009	1,649	2.83	19.93
2010	1,997	3.43	23.36
2011	2,232	3.83	27.19
2012	2,355	4.04	31.24
2013	2,400	4.12	35.36
2014	2,519	4.33	39.68
2015	2,717	4.67	44.35
2016	3,010	5.17	49.52
2017	3,386	5.81	55.33
2018	3,485	5.98	61.31
2019	3,702	6.36	67.67
2020	4,173	7.17	74.84
2021	4,686	8.05	82.88
2022	4,892	8.4	91.28
2023	5,076	8.72	100
Total	58,237	100

描述性统计：

variable	N	mean	sd	min	p50	max
年报总字数	58237	139298	51486	47	137981	774674
年报总词频	58237	33673	13056	8	33353	134167
维度1_数据要素存量	58237	4.4	13.67	0	0	378
维度2_数据开发能力	58237	33.17	76.98	0	8	1705
维度3_数据驱动商业应用	58237	17.58	38.85	0	6	768
维度4_数据价值变现	58237	0.23	2.31	0	0	126
数字经济词频合计	58237	55.38	103.77	0	18	1715

数据代码展示：



样本数据（抽样3%免费下载） (76 Bytes)

2024-5-13 09:20:21 上传

样本数据（抽样3%免费下载）

2001-2023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)

2024-5-13 09:20:21 上传

2001-2023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]

【更多帖子链接】：点击此处

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 收藏3 回帖

关键词：上市公司年报 公司年报 上市公司 上市公 Variable

相关内容：数字经济数据代码 数字经济数据2023 数字经济数据统计

精品数据集集锦2022：

经典数据集：

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

中国上市公司年报文本（爬虫代码+年报txt）
https://bbs.pinggu.org/thread-11492351-1-1.html

中国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）
https://bbs.pinggu.org/thread-11493097-1-1.html

中国地级市面板数据大全（代码+数据）
https://bbs.pinggu.org/thread-11227402-1-1.html

中国县域面板数据大全（代码+数据）
https://bbs.pinggu.org/thread-11233627-1-1.html

上市公司基础数据：

中国上市公司数据大全（代码+数据  1372变量）	https://bbs.pinggu.org/thread-11500926-1-1.html
上市公司行业分类面板数据（多子库补全）	https://bbs.pinggu.org/thread-11510505-1-1.html
上市公司ST、ST*、PT及板块筛选面板数据	https://bbs.pinggu.org/thread-11510662-1-1.html
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-11509834-1-1.html
上市公司所在地区省市县及经纬度面板数据	https://bbs.pinggu.org/thread-11509903-1-1.html
上市公司股权性质与公司治理数据	https://bbs.pinggu.org/thread-11509885-1-1.html
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-11510730-1-1.html
上市公司报表科目和财务指标面板数据	https://bbs.pinggu.org/thread-11510609-1-1.html
上市公司财务报表与指标季度数据（数据+代码）	https://bbs.pinggu.org/thread-10257876-1-1.html
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-11506876-1-1.html
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
高管（董监高）个人特征数据（代码+数据）	https://bbs.pinggu.org/thread-11593107-1-1.html
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-11509220-1-1.html
上市公司董事联结数据大全（代码+数据）	https://bbs.pinggu.org/thread-11269306-1-1.html

金融财会数据：

上市公司应计盈余管理-修正Jones模型（代码+数据）	https://bbs.pinggu.org/thread-11504702-1-1.html
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-11504748-1-1.html
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-11504832-1-1.html
上市公司真实盈余管理（代码+数据）	https://bbs.pinggu.org/thread-11504836-1-1.html
上市公司投资效率-Richardson模型（代码+数据）	https://bbs.pinggu.org/thread-11505395-1-1.html
上市公司投资效率-Biddle模型（代码+数据）	https://bbs.pinggu.org/thread-11505407-1-1.html
上市公司投资效率-Chen模型（代码+数据）	https://bbs.pinggu.org/thread-11505424-1-1.html
上市公司融资约束KZ指数（代码+数据）	https://bbs.pinggu.org/thread-11505475-1-1.html
上市公司融资约束WW指数（代码+数据）	https://bbs.pinggu.org/thread-11505604-1-1.html
上市公司融资约束SA指数（代码+数据）	https://bbs.pinggu.org/thread-11505628-1-1.html
上市公司融资约束FC指数（代码+数据）	https://bbs.pinggu.org/thread-11505638-1-1.html
上市公司超额雇员两种算法（代码+数据）	https://bbs.pinggu.org/thread-11506061-1-1.html
上市公司超额雇员-拓展模型（代码+数据）	https://bbs.pinggu.org/thread-11506083-1-1.html
上市公司过度负债-分年度Tobit回归（代码+数据）	https://bbs.pinggu.org/thread-11506206-1-1.html
上市公司过度负债-固定效应回归（代码+数据）	https://bbs.pinggu.org/thread-11506220-1-1.html
上市公司超额在职消费（代码+数据）	https://bbs.pinggu.org/thread-11506129-1-1.html
上市公司税收规避（代码+数据）	https://bbs.pinggu.org/thread-11506963-1-1.html
上市公司管理层权力-主成分分析（代码+数据）	https://bbs.pinggu.org/thread-11509180-1-1.html
上市公司公司治理指数-主成分分析（代码+数据）	https://bbs.pinggu.org/thread-11506981-1-1.html
上市公司高管超额薪酬-基础模型（代码+数据）	https://bbs.pinggu.org/thread-11507029-1-1.html
上市公司高管超额薪酬-拓展模型（代码+数据）	https://bbs.pinggu.org/thread-11507041-1-1.html
上市公司薪酬差距（薪酬数据集+代码+数据）	https://bbs.pinggu.org/thread-10908381-1-1.html
上市公司破产风险Zscore及其修订指标（代码+数据）	https://bbs.pinggu.org/thread-11507083-1-1.html
上市公司董事会多样性指标构建（代码+数据）	https://bbs.pinggu.org/thread-11594064-1-1.html
上市公司超额商誉（多个指标  代码+数据）	https://bbs.pinggu.org/thread-11507099-1-1.html
上市公司并购溢价指标计算（代码+数据）	https://bbs.pinggu.org/thread-11507521-1-1.html
上市公司违规处罚（代码+数据）	https://bbs.pinggu.org/thread-11509117-1-1.html
上市公司超额现金持有-回归残差法（代码+数据）	https://bbs.pinggu.org/thread-11510811-1-1.html

补充更新2022：

上市公司劳动投资效率/冗余雇佣/雇佣不足（代码+数据）	https://bbs.pinggu.org/thread-11511441-1-1.html
上市公司绝对/相对薪酬差距（代码+数据）	https://bbs.pinggu.org/thread-11511528-1-1.html

补充更新2023：
1.中国A股上市公司基本信息-某浪财经和某眼查https://bbs.pinggu.org/thread-11554120-1-1.html
2.中国AI人工智能企业工商登记数据（128万+观测值 含代码）
https://bbs.pinggu.org/thread-11554198-1-1.html
3.2000-2023中国各省市县AI人工智能企业数量面板数据
https://bbs.pinggu.org/thread-11555595-1-1.html

爬虫系列：

中国上市公司年报文本（爬虫代码+年报txt）	https://bbs.pinggu.org/thread-11787621-1-1.html
中国城市数字经济指数（爬虫代码+数据）	https://bbs.pinggu.org/thread-11281532-1-1.html
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
新浪财经上市公司高管个人特征及简历数据（爬虫代码+数据）	https://bbs.pinggu.org/thread-10725251-1-1.html
2000-2021土地交易数据（275万+ 含爬虫代码）	https://bbs.pinggu.org/thread-10491869-1-1.html
2000-2021土地转让数据（81万+ 含爬虫代码）	https://bbs.pinggu.org/thread-10516466-1-1.html
2000-2021土地抵押数据（41万+ 含爬虫代码）	https://bbs.pinggu.org/thread-10550946-1-1.html

2023补充更新：

中国A股上市公司基本信息-某浪财经和某眼查（含爬虫代码）	https://bbs.pinggu.org/thread-11554120-1-1.html
某浪财经董监高个人特征扩展数据（148万+观测值 含处理代码）	https://bbs.pinggu.org/thread-11592248-1-1.html

上市公司董监高系列：

【更新至2022】某浪财经高管个人特征数据（177万+观测值数据+Python爬虫代码）	https://bbs.pinggu.org/thread-11537700-1-1.html
【更新至2022】某浪财经董监高个人特征扩展数据（148万+观测值 含处理代码）	https://bbs.pinggu.org/thread-11592248-1-1.html
【更新至2022】某安董监高个人特征处理结果数据（300万+观测值 代码+数据）	https://bbs.pinggu.org/thread-11593107-1-1.html
【更新至2022】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-11509220-1-1.html
【更新至2022】上市公司董事会多样性指标构建（代码+数据）	https://bbs.pinggu.org/thread-11594064-1-1.html
【更新至2022】上市公司管理层权力-主成分分析（代码+数据）	https://bbs.pinggu.org/thread-11509180-1-1.html
【更新至2021】上市公司董事联结数据大全（联结薪酬等945变量 代码+数据）	https://bbs.pinggu.org/thread-11269306-1-1.html

zhaozimeng 发表于 2024-5-13 09:21
更新！【更新至2023】2001-2023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：2024 ...

请问这个文件夹里的停用词是选择“我的停用词”还是“百度停用词”