发帖
雷达卡
本数据参考 Zhou, Y. 等文献的研究视角：从上市公司年报文本中提取人工智能相关术语并统计词频，结合语境梳理披露特征，量化判断企业在人工智能领域的"象征性披露水平"与"实质性投资强度"，核心是通过文本与财务数据的双重载体，刻画企业AI战略的"言行一致性"与资源配置倾向。
在此基础上，整合上市公司年报文本与财务数据库，构建"漂AI指数"（即AI漂洗指数）。该指数通过多阶段文本挖掘与财务数据校准，量化评估企业在人工智能领域的"言行一致性"，指数越高表示企业AI披露（"言"）相对其实质性AI投入（"行"）的偏离越大，即"AI漂洗"倾向越强。
二、构建流程
1、构建AI特征词典：建立涵盖基础概念、核心算法（如深度学习、LSTM、SVM）、硬件设施（如芯片、算力）及垂直应用（如智能医疗、自动驾驶）等维度的综合性术语库，共收录107个关键指标。
2、文本量化分析：对年报文本进行关键词检索与匹配，统计AI相关术语的出现频率，并计算经调整后的词频，以此表征企业的"AI披露强度"。
3、实质性投资测度：提取企业财务报表中的资本化支出作为AI实质性投入的代理变量，并实施行业-年度均值标准化处理，以消除行业差异。
4、指数计算：采用"言-行"差距测度法，通过对比象征性披露（AI披露强度）与实质性投资（AI投资强度）的偏离度，最终计算得到漂AI指数。
三、数据概况
数据名称：上市公司-AI漂洗指数（漂AI指数）
时间范围：2010—2024年
样本数量：51860 条（上市公司—年度面板），覆盖5654家上市公司
文件列表：上市公司漂AI指数.xlsx（数据表）、AI漂洗指数.dta（Stata格式）、参考文献PDF各一份
四、数据指标（共7个字段）
证券代码：上市公司股票代码。
年份：样本所属年份，取值2010—2024。
公司名称：上市公司名称（个别样本缺失）。
行业代码：上市公司所属行业分类代码（部分样本缺失）。
AI信息披露强度：年报文本中AI相关术语经调整后的词频，表征企业象征性的"AI披露强度"（即"言"），取值越大表示年报中AI相关披露越多。
AI投资强度：以财务报表资本化支出作为AI实质性投入的代理变量，并经行业-年度均值标准化处理（即"行"），反映企业在AI领域的实质性资源投入。
漂AI指数：采用"言-行"差距测度法，对比AI信息披露强度与AI投资强度的偏离度计算得到；数值经标准化（均值约为0），取值越高表示企业AI披露相对实质投入的偏离越大、"AI漂洗"倾向越强，取值越低则表示言行越一致或实质投入相对更多。
五、参考文献
[1]Zhou, Y., Chen, L., Zhou, F., & Ye, M. (2026). Contractual arrangements and information consistency: How ESG executive compensation incentives affect corporate AI disclosure. Journal of Business Research, 207, 116019.
AI漂洗指数.zip
(4.98 MB, 需要: RMB 27 元)
本附件包括：- AI漂洗指数.dta
- Contractual arrangements and information consistency How ESG executive compensation incentives affect corporate AI disclosure.pdf
- 上市公司漂AI指数.xlsx
京公网安备 11010802022788号
