每股收益excel模版 EPS估值模型
Risk Assessment and Decision Analysis with Bayesian Networks
Risk Assessment and Decision Analysis with Bayesian Networks
Although many Bayesian Network (BN) applications are now in everyday use, BNs have not yet achieved mainstream penetration. Focusing on practical real-world problem solving and model building, as opposed to algorithms and theory, Risk Assessment and Decision Analysis with Bayesian Networks explains how to incorporate knowledge with data to develop and use (Bayesian) causal models of risk that provide powerful insights and better decision making
债券及固定收益证券 华泰固收分析框架培训材料
【华泰固收】Bloomberg在固收研究中的应用(2020版)
【华泰固收培训】通胀分析框架(2020版)
【华泰固收】可转债培训框架(2020版)
【华泰固收】投资者分析框架(2020版)
【华泰固收】利率衍生品分析框架(2020版)
【华泰固收】货币政策与流动性分析框架(2020版)
【华泰固收】信用债分析框架(2020版)
【华泰固收】Python在固收研究中的应用(2020版)
【华泰固收】宏观经济框架(2020版)
【华泰固收】债市分析框架(2020版)
【华泰固收】中国债券市场介绍(2020版)
【华泰固收】资产配置方法与思路讨论(2020版)
【华泰固收】Wind&Excel培训(2020版)
【华泰固收】城投债分析框架与展望(2020版)
【华泰固收】固收+策略解析(2020版)
投行面试常见400+问题及参考答案
投行面试常见400+问题及参考答案
英文
【原创】A股重污染行业上市公司高管薪酬及股权激励、制度、zf干预与企业环境绩效研究面板数据2012-2020年
【原创】A股重污染行业上市公司高管薪酬及股权激励、制度、zf干预与企业环境绩效研究面板数据2012-2020年
数据来源:年报、市场化进程、A股上市公司库。
格式:excel一个表,分析用的非平衡面板格式
剔除后的样本量3000+(高污染行业),包含未剔除版本(全行业)
证券代码 | 000012 | 000012 | 000012 | ||
年份 | 2018-12-31 | 2019-12-31 | 2020-12-31 | ||
简称 | 南玻A | 南玻A | 南玻A | ||
行业名称 | 非金属矿物制品业 | 非金属矿物制品业 | 非金属矿物制品业 | ||
行业代码 | C30 | C30 | C30 | ||
成立日期 | 1984-09-10 | 1984-09-10 | 1984-09-10 | ||
上市日期 | 1992-02-28 | 1992-02-28 | 1992-02-28 | ||
年份 | 2018 | 2019 | 2020 | ||
地区 | 广东 | 广东 | 广东 | ||
企业环境绩效CEP | ln营业总收入/ln(排污费) | 1.57358859 | 1.607444221 | 1.597086667 | |
高管薪酬激励 | ln高管前三名薪酬 | 16.40930898 | 16.43393506 | 16.76713942 | |
高管股权激励 | 高管持股比例 | 0.004740382 | 0.002996515 | 0.001395851 | |
政府干预指数 | 8.47 | 8.47 | 8.47 | ||
法律环境指数 | 6.26 | 6.26 | 6.26 | ||
公司规模 | 总资产对数 | 23.67369914 | 23.62475534 | 23.60711162 | |
性质1国有0否 | 0 | 0 | 0 | ||
第一大股东比% | 14.8078 | 15.0051 | 15.1883 | ||
董事人数 | 8 | 8 | 9 | ||
董事长与总经理是否同一人1是0否 | 0 | 0 | 0 | ||
营业收入 | 元 | 10609963011 | 10472028099 | 10671253445 | |
排污费(18-20年是环保税) | 2350943 | 1712052 | 1901375 | ||
高管前三名薪酬总额 | 13380500 | 13714100 | 19137100 | ||
净利润 | 元 | 472208588 | 560419577 | 811952981 | |
T-1 | 资产总计 | 元 | 19535002368 | 19114234184 | 18201235959 |
资产总计 | 元 | 19114234184 | 18201235959 | 17882914898 |
让数字说话:审计,就这么简单 免费
让数字说话:审计,就这么简单 免费
《管理学原理》题库(英文版) 免费
《管理学原理》题库(英文版) 免费
SPSS编程语法手册
SPSS编程语法手册
全面的讲解spss编程知识,免费!
python进行数据分析第二版
python进行数据分析第二版
讲的是利用Python进行数据控制、处理、整理、分析等方面的具体细节和基本要点。我的目标是介绍Python编程和用于数据处理的库和工具环境,掌握这些,可以让你成为一个数据分析专家。虽然本书的标题是“数据分析”,重点却是Python编程、库,以及用于数据分析的工具。这就是数据分析要用到的Python编程。
什么样的数据?
当书中出现“数据”时,究竟指的是什么呢?主要指的是结构化数据(structured data),这个故意含糊其辞的术语代指了所有通用格式的数据,例如:
表格型数据,其中各列可能是不同的类型(字符串、数值、日期等)。比如保存在关系型数据库中或以制表符/逗号为分隔符的文本文件中的那些数据。
多维数组(矩阵)。
通过关键列(对于SQL用户而言,就是主键和外键)相互联系的多个表。
间隔平均或不平均的时间序列。
这绝不是一个完整的列表。大部分数据集都能被转化为更加适合分析和建模的结构化形式,虽然有时这并不是很明显。如果不行的话,也可以将数据集的特征提取为某种结构化形式。例如,一组新闻文章可以被处理为一张词频表,而这张词频表就可以用于情感分析。
大部分电子表格软件(比如Microsoft Excel,它可能是世界上使用最广泛的数据分析工具了)的用户不会对此类数据感到陌生。
中国各省工业企业R&D数据2008-2019年
中国各省工业企业R&D数据2008-2019年