论文常用上市公司数据整理

数据包含

基础数据包：

• 资产负债表
• 利润表
• 现金流量表（直接法）
• 现金流量表（间接法）
• 偿债能力（资产负债率、流动比率、速动比率、利息保障倍数等）
• 披露财务指标（基本每股收益、稀释每股收益等）
• 比率结构（营运资金比率、固定资产比率、有形资产比率、综合税率等）
• 经营能力（总资产周转率、存货周转率、资本密集度、应收账款周转率等）
• 盈利能力（资产报酬率、总资产净利润率、净资产收益率、管理费用率、营业毛利率、投资收益率等）
• 现金流分析（股权现金流、公司现金流、股权自由现金流、企业自由现金流、折旧摊销等）
• 风险水平（财务杠杆、经营杠杆、综合杠杆）
• 发展能力（营业收入增长率、总资产增长率、净利润增长率、可持续增长率、资本积累率等）
• 每股指标（每股收益、每股净资产、每股现金净流量、每股净资产等）
• 相对价值指标（托宾Q值、账面市值比、市盈率、市净率等）
• 股利分配（股利分配率、每股税前现金股利、每股税后现金股利、收益留存率等）
• 治理综合信息（股东总数、 员工人数、董事长持股数量、总经理持股比例、董事长与总经理兼任情况等）
• 高管人数、持股及薪酬情况（董事人数、独立董事人数、董事监事及高管年薪总额、董事前三名薪酬总额等）
• 股东股权集中度（包含第1大、前3大、前5大、前10大股东持股比例之和以及Herfindahl指数、股权制衡度等）
• 流通股东股权集中度
• 审计意见表（审计费用、审计意见类型、审计事务所、审计师）
• 股本结构（总股本、流通股本、国有股本、A股股本等）
• 融资约束（SA指数（2024年）、WW指数（2024年）、KZ指数、FC指数）
• 赫芬达尔指数表（HHI）、行业集中度（CR）、行业勒纳指数（Lerner）
• 公司基本信息（多交易所上市、A/B/H股交叉码、首次ST日期、首次ST原因、首次ST时公司生存时间、首次ST后摘帽的时间、是否经历多次ST、是否有海外子公司）
  
  

• 公司文件
  包含特色整理指标：上市年份（便于计算上市公司年龄或者剔除当年IPO的数据），行业（以证监会2012行业分类标准，制造业用二级行业分类，其他行业用一级行业分类），市场类型，是否ST或PT（以最新的是否ST来判断，如果需要根据当年是否ST
  
  

• 个股回报率（周期包括：日、周、月、年）
• 市场回报率（周期包括：日、周、月、年）
  
  

• 综合市场回报率（周期包括：日、周、月、年）
  
  

• 指数
• 无风险利率（定期整存整取一年利率）
• 三因子数据（包含周期：日、周、月）
• 四因子数据（包含周期：月）
• 五因子数据（包含周期：日、周、月）
• 股东股权质押统计表和明细（可以筛选控股股东股权质押数据）
• 个股非流动性Amihud指标（日、周、月、年）
• 个股换手率指标（日、周、月、年）
• Roll指标（采用日收益率估计的Roll指标）
• IML非流动性补偿收益因子表（流动性最差的投资组合收益与流动性最好的投资组合收益之差（收益加权）、流动性最差的投资组合收益与流动性最好的投资组合收益之差（成交金额加权））
• Zeros指标（年内零收益率天数/年交易天数）
• Pastor_Stambaugh指标
• 市场投资者情绪指数
• 计算操控性利润和非操控性应计利润计算所需数据
• 研发支出/研发投入（研发人员数量、研发人员数量占比(%)、研发投入金额、研发投入占营业收入比例(%)、研发投入(支出)费用化的金额、研发投入(支出)资本化的金额、资本化研发投入(支出)占研发投入的比例(%)、资本化研发投入(支出)占当期净利润的比重(%)）（研发费用  费用化 资本化）
• 汇率
• 交易日历
• 三会基本信息
• 股东大会信息文件
• 委员会召开情况
• 股权性质（介绍：https://bbs.pinggu.org/thread-11489489-1-1.html）
• 社会责任报告数据（和讯网）到2020年后续网站未更新（介绍：https://bbs.pinggu.org/thread-10602192-1-1.html）
• 十大股东、十大流通股东持股比例明细
• 机构投资者持股比例
• 分析师预测指标文件
• 经营风险指标ZScore（计算公式为：Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5；其中：X1=营运资金/总资产；反映资产的变现能力和规模特征。X2=留存收益/总资产；反映公司的累积盈利能力。X3=EBIT/总资产；反映资产的盈利能力。X4=权益的市场价值/总负债的账面价值；是衡量一家公司财务结构、表明所有者权益和债权人权益相对关系的比率，可以反映一家公司的偿债能力。X5=营业收入/总资产；反映企业资产周转情况，用来衡量公司利用资产的效率情况。）
• 经营风险指标Score（计算公式为：OScore=−1.32−0.407SIZE+6.03TLTA−1.43WCTA+0.0757CLCA−2.37NITA−1.83FUTL+0.285INTWO−1.72OENEG−0.521CHIN； 其中：SIZE=Ln(总资产)；TLTA=总负债/总资产；WCTA=营运资金/总资产；CLCA=流动负债/流动资产；NITA=净利润/总资产；FUTL=经营性净现金流/总负债；INTWO=若过去两年净利润均为负数则为1，否则为0；OENEG=如果总负债>总资产为1，否则为0；CHIN=(NIt−NIt−1)/(|NIt|+|NIt−1|)，NI表示净利润）
• 管理层治理能力（控股股东性质、机构投资者持股比例、银行持股比例、是否持有其他金融机构股份、管理层薪酬总额、两职合一、独立董事占比、管理层男性占比、董监高是否具有金融背景、董监高是否具有海外背景、董监高是否兼任股东单位职务、员工人数、人均创利、超额雇员率、员工密集度、独立董事网络中心度、是否存在一控多情况）
• 分析师特色指标（是否四大、分析师跟踪人数、研报关注度、上市公司透明度）
• 会计信息披露及时性指标（初步时滞、审计师签字时滞、总时滞A、总时滞B）
• 董监高个人特征文件（性别、年龄、学历、职业背景、海外背景、学术背景、金融背景等） 2024年部分未更新全，实时更新
• 高管个人资料文件（性别、年龄、教育背景、任期等）
• 董监高任职情况
• 国内外专利申请获得情况表（发明专利申请和授权、实用新型专利申请和授权、外观专利申请和授权）
• 供应链数据大全（前五大客户销售信息表（排名、客户名称、公司股票代码、客户销售额、客户销售额占比）、前五大供应商采购信息表（排名、供应商名称、公司股票代码、供应商采购额、供应商采购额占比）、供应链地理距离指标表（空间距离、与客户/供应商距离]、是否同省份企业、是否同城市企业）、供应链集中度指标表（第一大客户销售额、前五大客户销售额、第一大供应商采购额、前五大供应商采购额、营业总收入、第一大客户销售额占总销售额比率、 第一大供应商采购额占总采购额比率、客户集中度、供应商集中度、客户集中度赫芬达尔指数、供应商集中度赫芬达尔指数、供应链集中度）、供应链网络关系指标表（一级供应链业务关系、一级供应链股票代码、二级供应链业务关系、二级供应链股票代码） 注意后续更新
  

数据说明

• 精心整理以便写论文方便
• 数据起始时间都是公司上市开始到2024
• 数据只有沪深北交所A股上市公司（包括主板、中小板、创业板、科创板），不包含B股上市公司
• 只有保留年度数据，报表类型只保留合并报表
• 所有数据统计证券代码字段为stkcd，年份字段为year，以便以合并匹配
• 注意：stkcd字段类型为数字，1即代表股票000001，为了便于匹配同时提供证券代码字段（字符型）
  

直接用Stata的merge 1:1 stkcd year 匹配汇总简直不能更方便
字段都为中文名，直观方便