可读性是文本分析的重要维度。上市公司的年报文本可读性，既可以直接作为解释变量，来分析一系列企业行为，如李春涛老师发表在《金融研究》上的论文《年报可读性与企业创新》，以此来分析企业的创新行为。还有如：

• 刘会芹,施先旺.年报文本信息可读性与股价崩盘风险[J].投资研究,2022,41(07):129-148.
• 朱丹,李静柔,李世新.年度报告的可读性水平、过往业绩与分析师预测[J].审计与经济研究,2021,36(05):77-85.
• 逯东,宋昕倍,龚祎.控股股东股权质押与年报文本信息可读性[J].财贸研究,2020,31(05):77-96.
  

另一方面，可读性也可以用来作为企业信息披露质量的代理指标，这方面的经典文献包括：

• 王海芳,姜道平,许莹.数字化转型能否提高信息披露质量?——基于年报可读性的研究[J].管理现代化,2022,42(02):58-65.
• 丁亚楠,王建新.“浑水摸鱼”还是“自证清白”：经济政策不确定性与信息披露——基于年报可读性的探究[J].外国经济与管理,2021,43(11):70-85.
• 阮睿,孙宇辰,唐悦,聂辉华.资本市场开放能否提高企业信息披露质量?——基于“沪港通”和年报文本挖掘的分析[J].金融研究,2021(02):188-206.
  

但是，当前研究更多的使用单一维度来度量年报可读性。诚如李春涛老师所言：据此，Shin, Donghyuk, et al. (2020) 使用基于word2vec神经网络语言模型，构建了一个文本可读性指数。其原理是假设文本中句子相互独立，并考虑句中词汇的前后搭配顺序，将文本中各个句子生成概率乘积的对数似然的均值，作为此文本的可读性度量。


其计算公式为：


\[readability = \frac{1}{N} \sum_{s=1}^{N} \log P_s\]

其中，Ps表示句子s生成的概率，N表示构成文本的句子数。其值越高，表示文本中词对搭配顺序在语料中出现的频率越高，文本越容易被理解，文本可读性越高；反之，则表示词对在语料中出现的频率越低，文本越不容易被理解，文本可读性越差。

现将文本可读性数据分享给大家。考虑到研究需求，共有两份数据：
1. 上市公司财务报告可读性 (年报可读性)，2001-2021年数据，因为上市公司会公布季报和年报，所以是季度数据。一个上市公司一年有四个值，分别是3、6、9、12月。


2. 上市公司管理层讨论可读性 (MD&A) ，2001-2021年数据，管理层讨论通常是一年一次，所以是年度数据。


3. 社会责任报告可读性 (CSR) ，2006-2020年数据，年度数据。



4. 财务报告附注可读性，2001-2021年数据，年度数据。



5. 审计报告可读性，2016-2021年，年度数据。审计报告 2016 年才开始公布，共有两份数据，一份是审计报告全文可读性，一份是关键审计事项段可读性。



6. 内部评价报告可读性，2001-2021年，年度数据。



7. 业绩说明会可读性，2007-2021年，年度数据。




参考文献：Shin, Donghyuk, et al. "Enhancing social media analysis with visual data analytics: A deep learning approach." MIS Quarterly 44.4 (2020): 1459-1492.

皮皮侠你个数据贩子也够无耻啊，文案都直接照抄，是因为NMSL所以没受过一点家教么！