国内优秀的论文数据服务商
广告位招租

上市公司内控指数2018年

yih阅读(42)

上市公司内控指数2018年

样本量:3400多家

样例:

证券代码 证券简称 证监会行业 申万行业 内部控制指数 辖区名称 更新年份 报告期
000001 平安银行 货币金融服务 银行 721.25 深圳辖区 2019 2018-12-31
000002 万 科A 房地产业 房地产开发 836.33 深圳辖区 2019 2018-12-31
000004 国农科技 医药制造业 生物制品 540.67 深圳辖区 2019 2018-12-31
000005 世纪星源 生态保护和环境治理业 环保工程及服务 581.44 深圳辖区 2019 2018-12-31
000006 深振业A 房地产业 房地产开发 667.64 深圳辖区 2019 2018-12-31

上市公司网络搜索指数(暂不开放下载)

yih阅读(113)

以各种网络搜索指数为基础,综合新闻舆情等信息,可以反映网民情绪、公司搜索热度等行为,是衡量上市公司关注度及其变化情况的关键指标。WSVI数据库收集和整理了2011年以来,以我国上市公司的股票代码、公司简称、公司全称为关键字的网络搜索指数数据。 
样本数据。
不仅包括全部公司关键字的网络搜索指数加总值,为了研究需要,该库还包括以股票代码为关键字的搜索值。同时,该库还分地区(地级市)展示了不同区域的搜索指数。
1 000001 J66 1018 6903 2 2011-01-01
2 000001 J66 873 7213 2 2011-01-02
3 000001 J66 1092 8818 2 2011-01-03

上市公司全要素生产率的三种计算方法

yih阅读(144)

由于对非参估计的无知,只知其然,不知其所以然,可能会有错误,欢迎您指正或补充。
1.常规方法的计算
参考(鲁晓东,连玉君,2012)以及廖冠民老师JF期刊论文《The Brain Gain of Corporate Boards: Evidence from China》中对上市公司TFP的计算方法,整理程序如下:

  1. reg ln_sales size ln_num ln_material
  2. predict e,resid
  3. rename e tfp_liao

复制代码

其中,ln_sales就是对主营业务收入取自然对数,ln_num就是对公司当年的员工数量取自然对数,ln_material是对购入商品和劳务的那部分金额取对数。
2.OP方法计算
主要参考(鲁晓东,连玉君,2012)以及help opreg,程序如下:

  1. gen  lnY_add=ln_sales
  2. gen lnK=ln(PPE)
  3. gen lnL=ln(num)
  4. gen lnI=ln(capital)
  5. xi:opreg lnY_add, exit(exit) state(age lnK) proxy(lnI) free(lnL ln_material)   cvars(SOE )  vce(bootstrap, seed(1357) reps(5))
  6. predict tfp_op

复制代码

其中capital为资本性支出,exit为是否退出市场,这个指标很有意思,上市公司数据几乎没有,我咨询了其他几位精通计量的老师师兄,他们都认为,可以用公司股权、业务等是否发生实质转移作为指标。我在操作中以公司简称和所处行业为基准,如果两者同时发生变化了就认为原有的公司推出了市场。age是公司的成立时间,SOE是企业性质的虚拟变量。

2.LP方法计算
主要参考(鲁晓东,连玉君,2012)以及help levpet, 程序如下:

  1. levpet lnY_add, free(lnL) proxy(ln_material) capital(lnK) i(stkcd) t(year)
  2. predict tfp_lp,omega

复制代码

变量和前面的变量定义都一样,唯一不同的是要对预测出来的tfp_lp取自然对数才是真正的LP方法计算出来的TFP。
临近放假,各种散淡,汗颜不已,上述帖子如果有问题,请您果断指出哈,感激不尽,给您加分

A股上市公司媒体正面报道中性报道和负面报道数据2012-2017

yih阅读(273)

A股上市公司媒体正面报道中性报道和负面报道数据2012-2017

数据同样来自于香港中文大学的报刊新闻量化舆情数据库。
1、数据为A股和B股2012-2017年的数据,共计17482个公司年观测(B股:stkcd以2或9开头的股票)。
2、数据中包含了新闻id号及股票代码。

3、数据中的中文变量为每家媒体报道的简单加总,中文变量名称包括“负面句子数中性句子数正面句子数首尾段负面句子数首尾段中性句子数首尾段正面句子数段首尾负面句子数段首尾中性句子数段首尾正面句子数新闻标题情感倾向性正文情感评分正文情感评分1整体情感评分整体情感评分1
4、数据格式为.dta,用stata14.0打开即可。
1.png

中国上市公司财经新闻数据 网络财经新闻 网络财经新闻基本信息2018

yih阅读(165)

是国内首个采用人工智能算法来采集、整理和分析上市公司财经新闻的大数据数据库。本数据的数据来源涵盖400多家网络媒体和300多家报纸刊物。海量的上市公司财经新闻数据成为本数据库的核心竞争力,以海量数据为基础,通过数据清洗、专家判断等手段,结合人工智能算法为学者提供上市公司财经新闻基本信息、财经新闻量化统计信息以及新闻相似度等。CFND包括网络财经新闻和报刊财经新闻2个模块,7张表。

网络财经新闻包括了来自400多家重要网络媒体的新闻报道数据,其中,最主要的是包括二十家主流网络财经媒体的新闻报道,如:和讯网、新浪财经、东方财富网、腾讯财经、网易财经、凤凰财经、中国经济网、搜狐财经、金融界、华讯财经、FT中文网、全景网、中金在线、中国证券网、证券之星、财新网、澎湃新闻网、第一财经、21CN财经频道、财经网。这二十家网络财经媒体不仅在财经新闻报道数据和质量上属于国内前列,而且也是投资者经常浏览和关注的财经网站,因此其报道的新闻具有重要价值。此外,为了丰富数据来源,提供更多有用的新闻信息,该模块还包括了其他400余家大型重要网站、行业网站或地方性网站。该模块的新闻数据量为从2002年开始至今全部财经新闻,囊括了个股新闻、宏观经济报道、行业报道等,截止至2016年底,累计达3800多万条原始新闻,上市公司新闻累计达680多万条。

报刊财经新闻包括了来自300多家重要报纸媒体的新闻数据,其中,最主要的是包含了研究常用到的八大主流财经报纸:中国证券报、上海证券报、第一财经日报、21世纪经济报道、中国经营报、经济观察报、证券日报和证券时报。这八大财经报纸不仅具有财经新闻报道及时、质量高、影响力大等特点,还是国内经济、管理和商学研究媒体问题时最经常用到的数据来源。同时,为了体现新闻报道的全面性,该模块还包括其他300余家重要报纸刊物,主要包括重要性中央报纸,地方性晨报、日报、晚报以及其他财经报刊。该模块的原始新闻数量为从1994年开始至今约3700多万条新闻报道,上市公司新闻累计达190多万条。

数据库内容
项目 字段内容 数据起始时间
网络财经新闻基本信息 股票代码、公司简称、行业名称、行业代码、新闻ID、新闻标题、报道时间、报道媒体、报道媒体所在地区、来源媒体、新闻情感、是否原创、采集网址、正文句子数、标题是否提及、正文提及句子数、正文提及次数、提及全部公司数、提及全部公司句子数、全部公司提及次数 2001~
网络新闻量化统计(按自然日) 股票代码、公司简称、统计日期、标题出现该公司的新闻总数、内容出现该公司的新闻总数、正面新闻数(全部)、中性新闻数(全部)、负面新闻数(全部)、正面新闻数(原创)、中性新闻数(原创)、负面新闻数(原创) 2001~
网络新闻量化统计(按交易时间) 股票代码、公司简称、统计日期、时间段、星期时间、是否交易时间段、标题出现该公司的新闻总数、内容出现该公司的新闻总数、正面新闻数(全部)、中性新闻数(全部)、负面新闻数(全部)、正面新闻数(原创)、中性新闻数(原创)、负面新闻数(原创) 2001~
报刊财经新闻相似度 新闻1_ID、新闻1_标题、新闻1_所属公司代码、新闻2_ID、新闻2_标题、新闻2_所属公司代码、新闻相似度 ~
报刊财经新闻基本信息 股票代码、公司简称、行业名称、行业代码、新闻ID、新闻标题、报道时间、报道媒体、报道媒体所在地区、新闻情感、是否原创、正文句子数、标题是否提及、正文提及句子数、正文提及次数、提及全部公司数、提及全部公司句子数、全部公司提及次数 1994~
报刊财经新闻量化统计 股票代码、公司简称、统计日期、标题出现该公司的新闻总数、内容出现该公司的新闻总数、正面新闻数(全部)、中性新闻数(全部)、负面新闻数(全部)、正面新闻数(原创)、中性新闻数(原创)、负面新闻数(原创) 1994~
数据
1 000031 中粮地产 房地产业 K70 P1021069249 中粮地产:快速运转 强化土地获取 2013-08-19 金融界 北京 理财周报 0 22 1 22 13 1 23 14
2 000063 中兴通讯 计算机、通信和其他电子设备制造业 C39 C437919203 中兴华为再陷专利门折射全球IT业重心转移 2013-02-06 全景网 深圳 通信信息报 -1 21 0 1 1 1 1 1

沪深上市公司审计报告pdf文档2018年

yih阅读(177)

沪深上市公司审计报告pdf文档2018年

上市公司披露的年度审计报告文档pdf版本打包下载

由于每年文件很大,每年收150币,需要几年可拆开,请跟客服联系。

指数次日权重数据日度数据 沪深300指数权重 上证50指数权重 中证500指数权重 中证1000指数权重

yih阅读(215)

指数次日权重数据日度数据 沪深300指数权重 上证50指数权重 中证500指数权重 中证1000指数权重

每日晚上或者第二天开盘前发送次日指数权重数据,欢迎定制。

适合做股指期货研究,或者做股指期货的金融人士

样例:

指数代码 指数名称 交易日 股票代码 股票名称 指数权重
000300 沪深300指数 2019/6/4 000001 平安银行 0.00901166
000300 沪深300指数 2019/6/4 000002 万科A 0.01133943
000300 沪深300指数 2019/6/4 000063 中兴通讯 0.00635660
000300 沪深300指数 2019/6/4 000069 华侨城A 0.00246769
000300 沪深300指数 2019/6/4 000100 TCL集团 0.00314573
000300 沪深300指数 2019/6/4 000157 中联重科 0.00210106
000300 沪深300指数 2019/6/4 000166 申万宏源 0.00282075
000300 沪深300指数 2019/6/4 000333 美的集团 0.02050819
000300 沪深300指数 2019/6/4 000338 潍柴动力 0.00492587
000300 沪深300指数 2019/6/4 000402 金融街 0.00076352
000300 沪深300指数 2019/6/4 000408 藏格控股 0.00037671
000300 沪深300指数 2019/6/4 000413 东旭光电 0.00166822
000300 沪深300指数 2019/6/4 000503 国新健康 0.00112075

易获数据 论文数据获取 更专业 更方便

联系我们今日数据