一、数据简介
数据名称：上市公司高管金融背景数据
时间跨度：2000-2024年
数据层级：上市公司-年度面板
核心指标：高管金融背景哑变量、有金融背景的高管人数
识别变量：证券代码、stkcd（股票代码数值型）、year（年份）
文件格式：.dta（Stata）、.xlsx（Excel）
本数据基于中国A股上市公司高管人员的金融背景信息，通过识别高管是否曾在金融监管部门、商业银行、证券公司、保险公司、基金管理公司、信托公司、投资银行等13类金融机构任职，计算上市公司层面的高管金融背景哑变量和有金融背景的高管人数两项指标。数据覆盖约5500家上市公司、共66649条公司-年度观测，可用于研究高管金融背景对企业风险承担、融资决策、现金持有、投资效率、公司治理等方面的影响。





二、计算说明
【高管金融背景哑变量】衡量上市公司当年是否存在具有金融工作背景的高管。若当年公司至少有一名高管曾在金融监管部门、政策性银行、商业银行、保险公司、证券公司、基金管理公司、证券登记结算公司、期货公司、投资银行、信托公司、投资管理公司、交易所或其他金融机构任职，则取值为1，否则为0。
【有金融背景的高管人数】统计上市公司当年具有金融工作背景的高管总人数。计算方式为逐一判断每位高管的金融背景字段是否包含上述13类金融机构关键词，标记后按公司-年份汇总求和。





三、结果数据文件
共两套结果数据（每套含.dta和.xlsx两种格式），对应不同的样本筛选方式。样本筛选步骤如下：
（1）从上市公司高管金融背景信息数据中，逐一识别高管是否具有13类金融机构任职经历
（2）按公司-年份汇总有金融背景的高管人数，生成哑变量
（3）保留样本区间2000-2024年
（4）合并上市公司行业与地区信息数据，删除证券简称为空的记录
（5）剔除B股样本（证券代码以2或9开头）
（6）合并上市公司基本信息数据，以基本信息为主回写同义字段
（7）版本2在版本1基础上剔除金融业（行业代码J）和ST、PT样本
编号  文件名称                              说明
1     计算结果未剔除金融STPT版本.dta         全样本未经行业和ST/PT筛选，66649行×31列
1     计算结果未剔除金融STPT版本.xlsx        同上Excel格式
2     计算结果已剔除金融STPT版本.dta         已剔除金融业和ST/PT样本，60113行×31列
2     计算结果已剔除金融STPT版本.xlsx        同上Excel格式





四、变量说明
序号  变量名称          变量类型  变量说明
1     证券代码          字符型    上市公司证券代码（如000001）
2     证券简称          字符型    上市公司证券简称（已用基本信息数据的证券中文简称回写）
3     stkcd             数值型    上市公司股票代码（数值型，用于面板数据设置和合并）
4     year              数值型    年份
5     高管金融背景哑变量  数值型   上市公司当年是否有金融背景高管，1=有，0=无
6     有金融背景的高管人数 数值型  上市公司当年具有金融背景的高管总人数
7     行业代码          字符型    上市公司行业分类代码（已用基本信息数据的行业代码C回写）
8     行业名称          字符型    上市公司行业分类名称（已用基本信息数据的行业名称C回写）
9     所属省份          字符型    上市公司注册地所属省份
10    所属省份代码      字符型    上市公司注册地所属省份代码
11    所属城市          字符型    上市公司注册地所属城市
12    所属城市代码      字符型    上市公司注册地所属城市代码
13    上市日期          字符型    上市公司首次上市日期
14    股票类型          字符型    上市公司股票类型（A股等）
15    ABH股交叉码       字符型    上市公司ABH股交叉上市代码
16    公司名称          字符型    上市公司全称
17    公司中文简称      字符型    上市公司中文简称
18    公司英文名称      字符型    上市公司英文名称
19    行业名称D         字符型    上市公司行业门类名称（国民经济行业分类D级）
20    行业代码D         字符型    上市公司行业门类代码（国民经济行业分类D级）
21    行业名称C         字符型    上市公司行业大类名称（国民经济行业分类C级）
22    行业代码C         字符型    上市公司行业大类代码（国民经济行业分类C级）
23    行业名称B         字符型    上市公司行业中类名称（国民经济行业分类B级）
24    行业代码B         字符型    上市公司行业中类代码（国民经济行业分类B级）
25    行业名称A         字符型    上市公司行业小类名称（国民经济行业分类A级）
26    行业代码A         字符型    上市公司行业小类代码（国民经济行业分类A级）
27    经营范围          字符型    上市公司经营范围描述
28    公司沿革          字符型    上市公司公司沿革
29    注册资本          数值型    上市公司注册资本（万元）
30    成立日期          字符型    上市公司成立日期
31    退市日期          字符型    上市公司退市日期（未退市则为空）





五、原始数据与基本信息合并
原始数据包括两个文件：（1）上市公司高管金融背景信息数据.dta，包含证券代码、stkcd、year、高管ID、金融背景等字段，记录每位高管的金融机构任职经历，用于识别和汇总金融背景指标；（2）上市公司行业与地区信息数据.dta，包含证券代码、证券简称、行业代码、行业名称、所属省份、所属城市及其代码、stkcd、year等字段，用于补充公司行业和地区属性。
合并方式：计算完成后，先按stkcd和year与上市公司行业与地区信息数据进行多对一合并（merge m:1 stkcd year），再按stkcd与行业代码/上市公司基本信息数据.dta进行多对一合并（merge m:1 stkcd）。
回写规则：以上市公司基本信息数据为主，用证券中文简称回写证券简称，用行业代码C回写行业代码，用行业名称C回写行业名称。





六、代码文件
文件名称                                语言    说明
上市公司高管金融背景数据计算代码.do      Stata   完整计算流程，从原始数据到两版本结果输出
上市公司高管金融背景数据计算代码.py      Python  与do文件等价的Python计算代码
上市公司高管金融背景数据评估代码.do      Stata   数据质量评估代码，生成评估报告
上市公司高管金融背景数据评估代码.py      Python  与do文件等价的Python评估代码


七、数据质量评估
评估报告文件夹：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      内容说明
数据分布分析  两版本描述性统计（txt）、核心指标频率分布（txt）、频率分布数据（csv），共6个文件
分布图        直方图、箱线图、核密度图、哑变量柱状图（各2版本）、两版本均值趋势图、哑变量均值趋势图、两版本样本量趋势图、行业箱线图、省份条形图，共13张JPG（300DPI论文级）
异常值检验    两版本异常值汇总（txt，含IQR法、Z-score法、缺失值统计）及异常值明细（csv），共6个文件
逻辑合理性验证  时间连续性检验（txt）、上市公司样本期（csv）、指标范围与一致性检验（txt），共3个文件
稳健性测试    两版本对比（txt）、子样本期测试（txt）、两版本哑变量对比图（jpg）、子样本期分布对比图（jpg），共4个文件





八、参考文献
[1] 何韧, 刘骅, 王维诚. 高管金融背景与企业现金持有——基于产业政策视角的实证研究[J]. 财经研究, 2016, 42(12): 133-144.
[2] 李维安, 陈钢. 高管金融背景与企业风险承担——基于金融关联和高阶理论的视角[J]. 南开管理评论, 2017, 20(1): 141-152.
[3] 杜勇, 谢瑾, 陈建英. CEO金融背景与实体企业金融化[J]. 中国工业经济, 2019(5): 136-154.