上市公司人工智能概念炒作指标计算Python代码和Stata代码2003-2025年

公司人工智能概念炒作水平，用Hype_{i,t}表示。人工智能概念炒作是公司夸大对人工智能发展情况的文本描述，而缺乏经济业务实质。当公司对热点概念进行空洞的描述时，在年报管理层讨论与分析中涉及的热点词汇也会增加(Cheng et al., 2019)。本文首先参照现有文献，通过测度年报中人工智能相关词汇出现的词频度量概念炒作水平(Attig et al., 2023; Cho et al., 2024)；考虑到人工智能词频出现较多也可能是对公司战略的客观表述(吴非等, 2021)，参照 Hanley and Hoberg (2010) 和 Wang et al. (2024)，本文还利用关键词频率对公司特征回归所得的残差来捕捉公司对人工智能信息的异常披露情况，以反映人工智能概念炒作水平。

具体而言，本文首先构建了人工智能词典。参照国务院 2017 年印发的《新一代人工智能发展规划》，以及 2019 年平安证券发布的《科创板系列——AI 产业链全景图》、中国人工智能产业年会发布的《2019 人工智能发展报告》、智研咨询发布的《2019—2025 年中国人工智能行业市场深度调研及未来发展趋势报告》等业界研究报告，本文人工选取了 34 个词语作为种子词(Seed Words)。

然后，使用自然语义处理方法中的 Word2vec 词嵌入模型(Mikolov et al., 2013)，将种子词嵌入到向量空间中，对年报中管理层讨论与分析的词语进行处理，获取与种子词语义相似的词。根据种子词与输出词之间的余弦相似度，针对每个种子词筛选出 10 个语义程度最相近的词语。本文剔除了重复词语以及与人工智能不太相关的词语，最终形成本文的人工智能词典。

      第一个人工智能概念炒作水平度量指标通过计算上市公司年报中管理层讨论与分析板块人工智能相关词频占总词频的比重进行衡量，用Hype_MDA表示。人工智能词频的占比越高，公司人工智能概念炒作水平越高。
第二个人工智能概念炒作水平度量指标通过计算如下回归模型的残差进行衡量：
Hype_MDAi,t = β0 + β1Sizei,t + β2Levi,t + β3ROAi,t + β4 AI_patenti,t + β5DAi,t + β6TobinQi,t +
β7Growtℎi,t + β8Separationi,t + ut + ui + εi,t
参照Wang et al（2024），本文在模型中加入了公司规模（Size）、资产负债率（Lev）、资产回报率
（ROA）、盈余管理水平（DA）、企业市场价值（TobinQ）、主营业务收入增长率（Growth）和两权分离度
（Separation）等公司因素，来解释公司人工智能信息披露水平。此外，真正进行人工智能技术转型的公司，会加大人工智能研发投入以达到相应战略目的（吴非等，2021），因此我们在模型中加入了人工智能发明专利数量的对数（AI_patent）对公司人工智能披露水平进行解释。模型回归的残差是公司人工智能披露水平中未被公司因素解释的部分，用变量 Hype_Residual表示，该值越大，公司人工智能概念炒作水平越高。

参考文献

[1]孙月,王新,郝晓蓓.上市公司人工智能概念炒作与大股东股份减持[J].南方经济,2025,(11):143-162.DOI:10.19592/j.cnki.scje.421284.[2]李梦晓.上市公司概念炒作与大股东寻租行为研究: 基于人工智能炒作的经验证据[D].西南财经大学,2022.DOI:10.27412/d.cnki.gxncu.2022.003400.


数据说明

数据对象：全部A股
数据区间：2003-2025年
最终结果包含2个版本：
1、未筛选剔除
2、剔除金融行业、剔除ST、*ST、PT类、已退市公司样本

结果 

数据截图

各年数据量