发帖
雷达卡
数据名称：上市公司网络安全治理数据
时间范围：2000—2025年
数据层级：上市公司—年份面板数据
核心指标：网络安全治理总词频、网络安全治理虚拟变量
识别变量：stkcd（公司数字证券代码）、证券代码（证券代码）、year（年份）
文件格式：Stata .dta、Excel .xlsx；代码文件为 Stata .do 和 Python .py；说明文本为 UTF-8 .txt
二、原始数据与基本信息合并
上市公司网络安全治理原始数据.dta：上市公司年报网络安全关键词逐公司逐年份词频原始数据，主要字段为 证券代码、年份、总词数、网络安全、网络攻击、数据泄露、系统漏洞、计算机病毒、数据安全、拒绝服务、访问控制、黑客攻击、高危漏洞、蠕虫、恶意软件、木马、恶意程序、攻击者、攻击行为、沙箱、数据库安全、篡改、安全漏洞、入侵、恶意代码、宕机、崩溃、后门、劫持、信息安全、数据备份、加密技术、加密传输、互联网安全、容灾、灾备、网信、网安、系统安全、敏感数据、安全策略、硬件安全；同内容另存为上市公司网络安全治理原始数据.xlsx。
上市公司行业与所属省份城市数据.dta：按证券代码和年份整理的上市公司行业及地域辅助信息，主要字段为 证券代码、证券简称、stkcd、year、行业代码、行业名称、所属省份、所属省份代码、所属城市、所属城市代码。
行业代码/上市公司基本信息数据.dta：按公司stkcd整理的静态基本信息，主要字段为 证券代码、证券中文简称、上市日期、股票类型、公司名称、公司中文简称、行业名称D、行业代码D、行业名称C、行业代码C、行业名称B、行业代码B、行业名称A、行业代码A、注册资本、成立日期、退市日期、stkcd等。
合并口径：先以证券代码和year合并行业地域信息，再以stkcd按公司级合并基本信息；同名公司信息以基本信息数据为主，结果中保留行业分类、地域、上市日期、股票类型、注册资本、成立日期和退市日期等字段。
三、计算说明
【网络安全治理总词频】定义为上市公司年报中网络安全关键词字段的逐行加总，计算公式为 网络安全治理总词频 = 网络安全+网络攻击+数据泄露+系统漏洞+计算机病毒+数据安全+拒绝服务+访问控制+黑客攻击+高危漏洞+蠕虫+恶意软件+木马+恶意程序+攻击者+攻击行为+沙箱+数据库安全+篡改+安全漏洞+入侵+恶意代码+宕机+崩溃+后门+劫持+信息安全+数据备份+加密技术+加密传输+互联网安全+容灾+灾备+网信+网安+系统安全+敏感数据+安全策略+硬件安全；取值为非负整数或连续数值，取值越大表示年报中网络安全相关关键词披露频次越高、网络安全治理文本关注度越高，0表示未出现相关关键词。
【网络安全治理虚拟变量】当网络安全治理总词频大于1时取1，否则取0；1表示该公司该年度年报网络安全治理关键词总词频超过1，0表示总词频不超过1。
【stkcd】由证券代码前6位转换得到的数值型公司识别码，用于按公司合并静态基本信息，不表示连续经济指标。
【year】由年份字段转换得到的数值型年份，用于时间识别、公司—年份匹配、年度缩尾和面板分析。
【证券代码】原始六位证券代码，保留前导零，用于证券代码和年份层面的行业地域信息匹配。
【网络安全治理缩尾处理】剔除金融、ST/PT及退市公司后，按year对网络安全治理总词频在1%和99%分位点进行截尾，得到剔除金融ST缩尾版本；其他变量不做缩尾。
四、结果数据文件
共有3套结果数据文件。样本筛选步骤如下：
(1) 读取上市公司年报网络安全关键词数据，生成网络安全治理总词频、网络安全治理虚拟变量、stkcd和year，并剔除证券代码前三位为200或900的B股数据；
(2) 合并行业地域数据和上市公司基本信息，删除证券简称缺失或为空的观测；
(3) 未剔除版本保留金融、ST/PT及退市公司；清洗版本进一步剔除行业代码含J的金融业、证券简称含ST或PT的公司以及退市日期非空的公司；缩尾版本在清洗样本基础上按year对网络安全治理总词频进行1%和99%缩尾。
编号 文件名称 说明
1 计算结果未剔除金融ST未缩尾版本.dta/.xlsx 保留金融行业、ST/PT及退市公司，不缩尾；共72,658条观测，用于原始全样本留档和复核。
2 计算结果剔除金融ST未缩尾版本.dta/.xlsx 剔除金融行业、ST/PT及退市公司，不缩尾；共63,848条观测，用于清洗样本和极端值保留分析。
3 计算结果剔除金融ST缩尾版本.dta/.xlsx 在第2套样本基础上按年份对网络安全治理总词频进行1%和99%缩尾；共63,848条观测，用于常规实证回归。
五、变量说明
序号 变量名称 变量类型 变量说明
1 证券代码 str 六位证券代码，保留前导零。
2 年份 str 原始年报年份字段。
3 网络安全治理总词频 float 网络安全相关关键词总词频。
4 网络安全治理虚拟变量 float 总词频大于1取1，否则取0。
5 stkcd long 数值型公司证券代码，面板id。
6 year int 数值型年份，面板time。
7 证券简称 str 证券简称。
8 行业代码 str 行业地域数据中的行业代码。
9 行业名称 str 行业地域数据中的行业名称。
10 所属省份 str 公司所属省份。
11 所属省份代码 str 公司所属省份行政区划代码。
12 所属城市 str 公司所属城市。
13 所属城市代码 str 公司所属城市行政区划代码。
14 证券中文简称 str 基本信息数据中的证券中文简称。
15 上市日期 str 公司上市日期。
16 股票类型 str 股票类型，如A股。
17 ABH股交叉码 str A、B、H股交叉代码信息。
18 公司名称 str 公司法定或标准中文名称。
19 公司中文简称 str 公司中文简称。
20 公司英文名称 str 公司英文名称。
21 行业名称D str 基本信息数据中的D级行业名称。
22 行业代码D str 基本信息数据中的D级行业代码。
23 行业名称C str 基本信息数据中的C级行业名称。
24 行业代码C str 基本信息数据中的C级行业代码。
25 行业名称B str 基本信息数据中的B级行业名称。
26 行业代码B str 基本信息数据中的B级行业代码。
27 行业名称A str 基本信息数据中的A级行业名称。
28 行业代码A str 基本信息数据中的A级行业代码。
29 经营范围 str 公司登记或披露的经营范围。
30 公司沿革 str 公司历史沿革信息。
31 注册资本 float 公司注册资本。
32 成立日期 str 公司成立日期。
33 退市日期 str 公司退市日期，空值通常表示无退市记录。
六、代码文件
文件名称 语言 说明
上市公司网络安全治理数据计算代码.py Python 读取原始词频数据，计算网络安全治理指标，合并行业地域及基本信息，并生成三套dta和xlsx结果。
上市公司网络安全治理数据计算代码.do Stata 与Python版功能对等的原始数据计算、基本信息合并、样本筛选和结果输出代码。
上市公司网络安全治理数据评估代码.py Python 自动识别计算结果dta的数值/字符变量和stkcd/year，执行分布、绘图、异常值、逻辑合理性及稳健性评估。
上市公司网络安全治理数据评估代码.do Stata 对目标文件夹内计算结果dta逐套执行完整数据质量评估，并输出日期化报告和日志。
七、数据质量评估
评估结果存放于 数据质量评估报告_20260924 文件夹，运行日志为 评估日志_20260924.log；重新运行代码时，日期由运行日期动态生成。各子文件夹内容如下：
子文件夹名 内容说明
1 数据分布分析 各结果数据的数值变量描述统计CSV、字符变量频率分布CSV。
2 分布图 未剔除未缩尾版本的直方图、箱线图、核密度图、散点图矩阵和时间趋势JPG图形，图形按300dpi输出。
3 异常值检验 数值变量IQR温和异常、IQR极端异常、Z-score异常和范围异常明细CSV。
4 逻辑合理性验证 panel id与年份自动识别结果、重复公司—年份键、时间断档、缺失时间等逻辑检查CSV。
5 稳健性测试 三套结果数据的样本量、年份均值、最小年份和最大年份处理方式对比CSV。
总评估结论表_20260924.csv 逐数据文件、逐变量汇总缺失率、异常值占比、取值范围、一致性和总体结论。
八、参考文献
[1] 王辉, 何冬昕, 陈旭, 姜富伟. 网络安全治理与股价崩盘风险——基于上市公司年报文本分析的证据[J]. 2024年第1期网络首发，页码以原文为准。
上市公司网络安全治理2000-2025年含do-python代码和excel-dta格式数据.zip
(58.35 MB, 需要: RMB 32 元)
京公网安备 11010802022788号
