发帖
雷达卡
数据范围：A股上市公司
数据版本：资产搁浅风险（未剔除未缩尾）、资产搁浅风险（已剔除金融STPT未缩尾）、资产搁浅风险（已剔除金融STPT已缩尾）
文件格式：Dta格式（使用Stata打开）、Xlsx格式（使用Excel打开)
注：提供了剔除所需数据和剔除代码，若无需做该项剔除处理，自行删除相关代码重新运行即可
行业参照证监会2012年行业分类标准，制造业用二级行业分类，其他用一级分类来计算并对连续型变量进行了1%和99%分位数的缩尾处理
代码格式：do文件，含生成代码和分析评估代码
分析结果及论文图表均在帖子末尾的压缩包，可直接下载查看情况
计算说明：
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。
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.
计算代码及评估代码：
结果数据：
京公网安备 11010802022788号
