首先对上市公司管理层讨论(MD&A)数据库和行业数据进行匹配,剔除有缺失值的数据和ST、*ST公司的数据,避免对结果造成干扰;然后对“金融领域中文情绪词典”进行扩充与完善,得到正面词汇和负面词汇,计算净语调Tone = ( POST-NEG ) / ( POST+NEG ),其中,POST表示上市公司年报MD&A内容中的正面词汇数;NEG代表MD&A中的负面词汇数;
最后计算除目标企业之外其他同行企业某年度MD&A净语调的算术平均值并作为同行MD&A语调的度量。
数据来源:上市公司年报+人工整理
时间跨度:2007-2023年
数据格式:Excel形式
包含字段:
股票代码 | 股票简称 | 年份 | 行业 | POST | NEG | Tone | Peer_Tone |
参考文献:李姝,杜亚光,张晓哲.同行MD&A语调对企业创新投资的溢出效应[J].中国工业经济,2021,(03):137-155.DOI:10.19581/j.cnki.ciejournal.2021.03.008.
样例数据:
下载链接:
【实证分析】基于年报信息的同行MD&A语调信息分析
(76 Bytes, 需要: RMB 15 元)


雷达卡



京公网安备 11010802022788号







