发帖
雷达卡
2.测算方式：参考《企业经济》肖建忠（2024）老师的做法，使用Python 中Jieba 开源组件对MD&A数据进行分词处理， 这也是目前国内最常使用的分词工具之一。 对于分词的颗粒度和新词的识别需要进行重新考量，因为不同的研究领域内容存在差异。 为了避免这一误差，本文通过阅读资产搁浅相关文章及主流媒体报道，并随即抽选10家公司MD&A文本，从这些语料中提取出与资产搁浅相关的特有词汇（如“产能过剩”“新旧动能转换”等）进行记录，与此同时，通过查阅相关文献找出资产搁浅相关财会术语（如“资产减值损失”等），将这些词汇进行整理、编辑，创建自定义词库，以防止Jieba 工具将一些专有名词进行错误拆分，从而影响后续指标计算的准确度，具体如下图所示
3.资料范围：5575家企业，5.6万个样本，包括原始词频和最终结果，大家可以验证一下确保准确性！
4.参考文献：
肖建忠.我国能源企业规模化过程中的资产搁浅风险研究——基于创造性破坏理论视角[J].企业经济,2024,43(08):2+5-16.DOI:10.13529/j.cnki.enterprise.economy.2024.08.001.
具体词频如下：资产减值 资产减值准备 呆账 坏账 资产价值 资产损失 成本增加 减值风险 产能过剩 去产能 落后产能 淘汰 供大于求 供过于求 过剩 供需矛盾 供求矛盾 失衡 三去 清出 去库存 去杠杆 新旧动能转换 降本 供给侧结构性改革 产能升级 转动能 转产 转型 新动能 替代能源 传统能源 再生能源 能耗 减排 碳减排 碳中和 碳达峰 低碳 环保 减碳 控碳 零碳 降耗 降碳 减耗 双碳
京公网安备 11010802022788号
