一、数据简介
数据名称：上市公司前瞻性信息披露水平数据
时间跨度：2000-2024年
数据层级：上市公司-年度面板(stkcd × year)
核心指标：企业前瞻性信息披露FTR(Forward-looking Information Disclosure)
识别变量：stkcd(证券代码数值型)、year(年报披露年份)
文件格式：.dta(Stata) 与 .xlsx(Excel)
本数据集基于上市公司年度报告全文文本词频数据,通过统计预先构建的81个前瞻性关键词词典在年报中的出现频次,以"100×年报前瞻性关键词数/年报总词数"度量上市公司前瞻性信息披露的相对强度,并匹配行业代码、地区信息及上市公司基本信息形成2000-2024年A股上市公司年度面板,可用于公司治理、信息披露质量、分析师盈余预测、机构投资者行为、股票定价以及文本分析与机器学习等领域的实证研究。





二、计算说明
【前瞻性关键词词频】对原始数据中"未来"至"假如"共81个前瞻性关键词列做行求和,记录每条样本(stkcd-year)年报中所有前瞻性关键词的总出现次数,公式为:前瞻性关键词词频 = Σ(81个前瞻性关键词词频),反映上市公司年报中涉及未来情境表述的总量。
【企业前瞻性信息披露FTR】上市公司前瞻性信息披露水平指标,公式为:企业前瞻性信息披露FTR = 100 × 前瞻性关键词词频 / 年报总词数,以百分比形式刻画前瞻性词汇在年报中的相对密度,数值越大表示上市公司年报对未来事件、计划、风险与机遇的披露越充分,可用作信息披露质量与前瞻性程度的代理变量。





三、结果数据文件
共3套结果数据,均同时输出 .dta 与 .xlsx 两种格式。样本筛选步骤如下:
（1）剔除B股(证券代码以2开头)与原H股转A(证券代码以9开头)等非A股样本
（2）合并行业与地区信息后剔除证券简称缺失的样本
（3）剔除金融业(《上市公司行业分类指引》2012修订 J 门类)样本
（4）剔除证券简称中含有 ST 或 PT 的样本
（5）对 企业前瞻性信息披露FTR、前瞻性关键词词频、年报总词数 三个连续变量按 year 分组进行上下1%双侧 winsorize 缩尾
编号  文件名称                                          说明
①    计算结果未剔除未缩尾版本.dta/.xlsx                仅完成步骤(1)(2)的基础版本,未剔除金融业与ST/PT,未做缩尾处理
②    计算结果已剔除金融STPT未缩尾版本.dta/.xlsx        在①基础上完成步骤(3)(4),剔除金融业与ST/PT样本但仍未缩尾
③    计算结果已剔除金融STPT已缩尾版本.dta/.xlsx        在②基础上完成步骤(5),按 year 分组1%双侧缩尾的最终版本





四、变量说明
序号  变量名称                    变量类型  变量说明
1     证券代码                    字符      上市公司6位证券代码(A股)
2     证券简称                    字符      上市公司证券中文简称(以基本信息表为主)
3     stkcd                       数值      上市公司证券代码(数值型,合并键)
4     year                        数值      上市公司年报披露年份(合并键)
5     企业前瞻性信息披露FTR       数值      上市公司前瞻性信息披露水平指标(%)
6     前瞻性关键词词频            数值      上市公司年报中81个前瞻性关键词词频之和
7     年报总词数                  数值      上市公司年报全文总词数
8     行业代码                    字符      C类行业代码(《上市公司行业分类指引》2012修订)
9     行业名称                    字符      C类行业名称(《上市公司行业分类指引》2012修订)
10    所属省份                    字符      上市公司注册地所属省份名称
11    所属省份代码                字符      上市公司注册地所属省份6位编码
12    所属城市                    字符      上市公司注册地所属城市名称
13    所属城市代码                字符      上市公司注册地所属城市6位编码
14    上市日期                    字符      上市公司首次公开发行上市日期
15    股票类型                    字符      上市公司股票类型(A股/B股/H股等)
16    ABH股交叉码                 字符      上市公司A/B/H股交叉编码
17    公司名称                    字符      上市公司全称
18    公司中文简称                字符      上市公司中文简称
19    公司英文名称                字符      上市公司英文名称
20    行业名称D                   字符      上市公司D类(细分小类)行业名称
21    行业代码D                   字符      上市公司D类(细分小类)行业代码
22    行业名称C                   字符      上市公司C类(大类)行业名称
23    行业代码C                   字符      上市公司C类(大类)行业代码
24    行业名称B                   字符      上市公司B类(中类)行业名称
25    行业代码B                   字符      上市公司B类(中类)行业代码
26    行业名称A                   字符      上市公司A类(门类)行业名称
27    行业代码A                   字符      上市公司A类(门类)行业代码
28    经营范围                    字符      上市公司主要经营范围
29    公司沿革                    字符      上市公司发展沿革
30    注册资本                    数值      上市公司注册资本(元)
31    成立日期                    字符      上市公司成立日期
32    退市日期                    字符      上市公司退市日期(如已退市)
33    证券中文简称                字符      上市公司基本信息表中的证券中文简称(用于回写证券简称)





五、原始数据与基本信息合并
原始数据共两份。第一份为"上市公司年报前瞻性关键词词频原始数据.dta/.xlsx",共84列,包含 证券代码、年份、年报总词数 以及81个前瞻性关键词列(从"未来"到"假如"),其中"证券代码"与"年份"两列已经在数据预处理阶段从原"文件名"列拆分到位,因此计算代码不再执行 split 步骤。第二份为"上市公司行业与地区信息数据.dta",含 证券代码、证券简称、stkcd、year、行业代码、行业名称、所属省份、所属省份代码、所属城市、所属城市代码 共10个字段,作为公司-年度行业与地区主数据。合并方式为:① 主表与"上市公司行业与地区信息数据.dta"按 m:1 on (stkcd, year) 合并,引入行业代码、行业名称、地区信息,并剔除证券简称缺失样本;② 与"行业代码/上市公司基本信息数据.dta"按 m:1 on stkcd 合并,引入上市日期、股票类型、ABH股交叉码、公司名称、公司中文简称、公司英文名称、行业名称D/C/B/A、行业代码D/C/B/A、经营范围、公司沿革、注册资本、成立日期、退市日期 等扩展属性。回写规则遵循"以上市公司基本信息数据为主":用 证券中文简称 覆盖原 证券简称;用C类(《上市公司行业分类指引》2012修订)的 行业代码C、行业名称C 覆盖原 行业代码、行业名称。





六、代码文件
文件名称                                              语言    说明
上市公司前瞻性信息披露水平数据计算代码.do             Stata   读取原始词频数据并构造关键变量,合并行业地区与上市公司基本信息,产出三版本结果数据(.dta/.xlsx)
上市公司前瞻性信息披露水平数据计算代码.py             Python  上述 Stata 代码的等价 Python 实现,基于 pandas/numpy,可在无 Stata 环境下产出相同的三版本结果
上市公司前瞻性信息披露水平数据评估代码.do             Stata   对三版本结果做数据分布、分布图、异常值、逻辑合理性、稳健性五大评估,生成日志、txt、csv、jpg
上市公司前瞻性信息披露水平数据评估代码.py             Python  评估代码的等价 Python 实现,基于 pandas/matplotlib/seaborn/scipy/statsmodels





七、数据质量评估
评估输出文件夹:数据质量评估报告_YYYYMMDD
评估日志文件:评估日志_YYYYMMDD.log
子文件夹          内容
数据分布分析      三版本描述性统计 txt(含偏度、峰度)、频率分布 txt、高基数类别频率 csv
分布图            直方图(含正态曲线)、箱线图、核密度图、Q-Q 图、散点图矩阵、时间趋势图(含95% CI)、行业分组箱线图、省份均值条形图,均为 jpg 300DPI 论文级清晰度
异常值检验        IQR 法(1.5×IQR)与 Z-Score 法(|z|>3)异常值汇总 txt、各数值变量离群点 csv、缺失值统计
逻辑合理性验证    时间序列连续性 txt(公司年观测、跨度、缺年间隔)、公司样本期统计 csv、指标范围与一致性检验 txt
稳健性测试        三版本统计量横向对比 txt、子样本期对比 txt(2000-2007/2008-2014/2015-2019/2020-2024/全样本)、三版本 FTR 时间趋势对比 jpg、三版本样本量对比 jpg






八、参考文献
[1] Li, F. (2010). The information content of forward-looking statements in corporate filings—A naïve Bayesian machine learning approach. Journal of Accounting Research, 48(5), 1049–1102.
[2] Bozanic, Z., Roulstone, D. T., & Van Buskirk, A. (2018). Management earnings forecasts and other forward-looking statements. Journal of Accounting and Economics, 65(1), 1–20.
[3] Muslu, V., Radhakrishnan, S., Subramanyam, K. R., & Lim, D. (2015). Forward-looking MD&A disclosures and the information environment. Management Science, 61(5), 931–948.
[4] Bryan, S. H. (1997). Incremental information content of required disclosures contained in management discussion and analysis. The Accounting Review, 72(2), 285–301.
[5] 王克敏, 王华杰, 李栋栋, 戎子萱. (2018). 年报文本风险披露、市场反应与未来风险——基于我国上市公司的经验研究. 管理世界, 34(4), 130–143.
[6] 林乐, 谢德仁. (2017). 投资者会被管理层语调忽悠吗?——基于业绩说明会的语音语调研究. 管理世界, 33(2), 124–140.