上市公司年报 MDA 原始文本数据集

一、基础概况数据编号2086数据全称上市公司年报中的 MDA管理层讨论与分析文本 2007-2024数据源巨潮、上市公司官网公开年度报告全文批量提取 MDA 章节人工校验文本完整性时间跨度2007—2024 年全 A 股年度观测覆盖主体全部沪深 A 股上市公司含当年上市、退市企业存储格式Excel 企业年度面板单元格存储完整 MDA 原文无截断、乱码行业背景MDA 是会计学、公司金融顶刊主流文本语料2020-2024 相关文献引用量持续走高是度量管理层预期、风险披露、数字化战略的核心原始素材二、数据提取规范2015 年前年报在「董事会报告」内提取经营分析段落2016 年后严格定位「管理层讨论与分析 / 经营情况讨论与分析」独立完整章节剔除表格、数字附注、财务报表仅保留管理层叙述性自然文本统一清洗换行、特殊符号、水印保留完整语句用于分词、情感、关键词建模。三、标准面板字段股票代码股票简称年度完整 MDA 文本内容四、可构建衍生文本指标配套现有数据集联动基于该原始文本可批量测算以下顶刊常用变量数字技术风险暴露 Digi_Risk匹配 1889 数据集测算逻辑提取数据安全、网络攻击、数字化隐患负面语句与风控正向语句计算风险敞口指数管理层数字化语调统计 AI、工业互联网、量子、元宇宙、大数据等数字关键词词频构建数字化重视程度指标创新期望落差表述提取研发、专利、技术瓶颈语句匹配 2398 创新困境面板高管团队分歧文本信号结合 3500 高管数字断层数据对比 MDA 数字化表述一致性管理层乐观 / 悲观语调采用 L-M 中文财经词典计算文本情感值风险披露丰富度统计灾害、供应链、融资、政策相关风险段落长度政策响应词频提取房住不炒、产业集群、户籍改革、数字经济政策相关表述。五、适配实证研究方向企业数字化、数字风险文本研究搭配全套数字专利AI / 工业互联网 / 量子 / 元宇宙、数字风险暴露面板从 MDA 文本挖掘企业数字化战略、数据安全投入规划检验高管数字断层对数字化表述的抑制作用。创新困境与管理层战略披露结合 2398 创新困境数据分析陷入创新困境企业在 MD 中是否披露研发短板、技术转型计划。宏观政策微观传导匹配央行沟通文本、城市 DID 政策房住不炒 / 产业集群 / 落户改革检验政策出台后企业年报文本表述变化。外部冲击经营预期搭配 EM-DAT 全球灾害数据库对比灾害前后 MDA 经营预期、供应链风险披露差异。公司治理与信息披露质量以高管数字知识断层、股权结构为解释变量研究团队分化是否降低 MDA 信息透明度。文本中介机制检验路径产业政策 / 灾害冲击 → MDA 数字化、风险文本表述变化 → 企业专利、经营绩效变动。词频 LDA 主题、文本可读性、自利归因分析可开展主题建模、管理层归因偏差、年报可读性等经典文本计量。六、数据核心优势2007-2024 完整长时序覆盖数字化萌芽至 AI 大模型落地全周期纯原始完整叙述文本无需自行爬取、PDF 解析、章节定位大幅降低预处理工作量标准化股票代码可无缝对接全部上市公司配套面板专利、高管、创新困境、数字风险、财务、城市政策 DID适配 FinBERT、jieba 分词、LDA、词频情感全部文本挖掘工具直接用于复现《经济研究》《管理科学学报》等 MDA 相关顶刊统一清洗降噪文本完整性高无章节截断、表格冗余干扰分词建模。