立即打开
一、数据简介
数据名称:上市公司海外业务收入数据
时间范围:2000—2025年
数据层级:上市公司—年度面板数据
核心指标:海外业务收入
识别变量:stkcd、year;证券代码为保留前导零的字符型辅助识别变量
文件格式:原始数据与结果数据为.dta和.xlsx,计算及评估代码为.do和.py,质量评估结果为.log、.csv、.dta和.jpg,本说明为.txt
本文件夹将上市公司海外业务收入年度宽表转换为公司—年度长面板,在删除上市前年度和B股观测、汇总公司年度收入、合并年度行业与地区信息及公司静态基本信息后,形成未剔除金融ST未缩尾、剔除金融ST未缩尾和剔除金融ST缩尾三套结果。结果覆盖2000—2025年共26个年度,未剔除版本含71,112个公司—年度观测,两个清洗版本各含64,299个观测,可用于衡量上市公司海外经营规模,并服务于国际化经营、对外开放、全球价值链、出口与境外投资等公司金融和产业经济研究。
二、原始数据与基本信息合并
上市公司海外业务收入原始数据.dta:海外业务收入年度宽表,共5,709家上市公司、29个字段,包括证券代码、证券简称、上市日期以及2000—2025年共26个“海外业务收入报告期XXXX年”字段;该文件是计算代码的核心输入。
上市公司海外业务收入原始数据.xlsx:与同名.dta内容对应,共5,709行数据、29个字段,便于人工查看和跨软件使用;正式计算代码以.dta为输入。
上市公司年度行业与地区信息数据.dta:公司—年度行业及注册地区信息,共75,495条观测、10个字段,覆盖2000—2025年,主要包括证券代码、证券简称、stkcd、year、行业代码、行业名称、所属省份、所属省份代码、所属城市和所属城市代码;数据内stkcd—year组合无重复。
行业代码/上市公司基本信息数据.dta:上市公司公司级静态基本信息,共5,718条观测、22个字段,主要包括证券代码、证券中文简称、上市日期、股票类型、ABH股交叉码、公司名称、公司中英文简称、行业A—D、经营范围、公司沿革、注册资本、成立日期、退市日期和stkcd。
年度信息合并方式:原始数据转成长表并生成stkcd后,以stkcd和year为公司—年度键执行m:1合并,补充对应年度的证券简称、行业和地区信息;年度证券简称为空的记录不进入结果数据。
基本信息合并方式:以stkcd为公司级键执行m:1合并,同名字段由基本信息数据中的非缺失值更新并替换,基本信息缺失时保留已有值;静态基本信息不按年度重复匹配条件进行限制。
三、核心指标计算说明
【宽表转长表】将“海外业务收入报告期2000年”至“海外业务收入报告期2025年”共26个年度字段转换为公司—年度观测,从字段名称中提取四位年份并生成year。
【上市前年度处理】从上市日期提取上市年份,删除year早于上市年份的观测,避免把公司尚未上市期间的空白年度误计入上市公司面板。
【B股处理】删除证券代码前三位为200或900的B股观测,保留其余符合年度信息匹配条件的上市公司记录。
【海外业务收入】表示上市公司在对应报告年度披露的海外业务收入金额,计量单位沿用原始数据源口径。原始年度字段先转为数值,缺失值按既有计算口径替换为0;因此结果中的0表示原始数据在该年度未记录海外业务收入或记录值本身为0,不能直接等同于公司绝对不存在任何海外经营活动。
【公司年度汇总】按证券代码和year对海外业务收入求和,再将每个证券代码—年度保留为一条观测。若原始长表中出现同一公司年度的重复记录,结果保存的是其合计金额。
【年度信息与基本信息补充】生成数值型证券代码stkcd,先按stkcd—year合并年度行业与地区信息,再按stkcd合并公司静态基本信息。结果中的证券简称、行业和地区字段反映对应年度口径,证券中文简称、上市日期、股票类型、公司名称、行业A—D及成立或退市日期等字段来自公司级基本信息库。
【样本清洗】未剔除版本保留金融行业、ST/PT及退市公司;清洗版本依次剔除行业代码首字母为J的金融业观测、年度证券简称含ST或PT的观测、退市日期非空的公司以及年度证券简称含“退”的观测。
【缩尾处理】剔除金融ST缩尾版本使用与剔除金融ST未缩尾版本完全相同的样本,仅按year对海外业务收入实施1%与99%分位双侧缩尾。缩尾改变极端观测值但不删除公司—年度记录,因此两套清洗结果的观测数一致。
【指标解释】海外业务收入越大,通常表示公司当年境外市场销售或海外经营业务的绝对规模越大。该指标是金额规模变量,跨公司比较时会受到企业规模、币值和行业特征影响,实证使用时可结合总营业收入构造海外收入占比,或视研究设计进行对数化、规模标准化和价格平减。
【负值说明】未剔除版本有23条负值,剔除金融ST未缩尾版本有6条负值。负值可能与收入冲回、会计调整或原始披露口径有关,计算代码为保持原始指标逻辑未将其强制改为0;年度缩尾后核心指标最小值为0。
四、结果数据文件与样本量
共有3套结果数据,每套均同时提供.dta与.xlsx,DTA和XLSX的行数、字段数一致。样本形成顺序为:原始年度宽表转长表,删除上市前年度及B股,缺失收入补0并按公司年度汇总,合并年度行业地区信息与静态基本信息,先保存全样本版本,再剔除金融行业、ST/PT和退市公司,最后在同一清洗样本内生成年度缩尾版本。
编号 文件名称 说明
1 计算结果未剔除金融ST未缩尾版本.dta / 计算结果未剔除金融ST未缩尾版本.xlsx 保留金融行业、ST/PT及退市公司,不缩尾;71,112个观测、31个字段、5,643家公司。
2 计算结果剔除金融ST未缩尾版本.dta / 计算结果剔除金融ST未缩尾版本.xlsx 剔除金融行业、ST/PT及退市公司,不缩尾;64,299个观测、31个字段、5,394家公司。
3 计算结果剔除金融ST缩尾版本.dta / 计算结果剔除金融ST缩尾版本.xlsx 使用第2套样本,按年度对海外业务收入缩尾;64,299个观测、31个字段、5,394家公司。
三套结果的stkcd—year组合均无重复。未剔除版本的海外业务收入无缺失,零值31,832条、非零值39,280条,均值为1,111,008,109.89,中位数为8,044,057.35;剔除金融ST未缩尾版本零值27,204条、非零值37,095条,均值为1,138,948,826.74,中位数为15,412,225.78;缩尾版本零值27,216条、非零值37,083条,均值为848,089,095.40,中位数为15,376,975.00。上述金额统计均沿用源文件计量单位。
五、结果变量说明
序号 变量名称 变量类型 变量说明
1 证券代码 str6 六位证券代码字符变量,可保留前导零;来自年度行业地区信息。
2 证券简称 str18 公司在对应年度使用的证券简称,也是识别ST/PT及简称含“退”的依据。
3 stkcd double 数值型证券代码,公司级基本信息合并及面板识别键。
4 year double 指标归属年度,范围为2000—2025年。
5 海外业务收入 double 公司当年海外业务收入合计金额;原始年度值缺失时按0处理,缩尾版按年度调整极端值。
6 行业代码 str3 公司对应年度行业代码;首字母J用于识别金融业。
7 行业名称 str60 公司对应年度行业名称。
8 所属省份 str24 公司对应年度注册地所属省份。
9 所属省份代码 str6 注册地省级行政区划代码。
10 所属城市 str30 公司对应年度注册地所属城市。
11 所属城市代码 str6 注册地城市行政区划代码。
12 证券中文简称 str12 公司基本信息库中的静态证券中文简称。
13 上市日期 str10 公司首次上市日期,通常为YYYY-MM-DD格式。
14 股票类型 str3 股票类别或上市市场类型标识。
15 ABH股交叉码 str29 A股、B股或H股交叉上市及关联代码信息。
16 公司名称 str69 公司法定或登记全称。
17 公司中文简称 str18 公司基本信息库中的中文简称。
18 公司英文名称 str88 公司英文全称。
19 行业名称D str60 基本信息库中的D层级行业名称。
20 行业代码D str3 基本信息库中的D层级行业代码。
21 行业名称C str60 基本信息库中的C层级行业名称。
22 行业代码C str3 基本信息库中的C层级行业代码。
23 行业名称B str51 基本信息库中的B层级行业名称。
24 行业代码B str5 基本信息库中的B层级行业代码。
25 行业名称A str12 基本信息库中的A层级行业名称。
26 行业代码A str4 基本信息库中的A层级行业代码。
27 经营范围 strL 公司登记经营范围长文本。
28 公司沿革 strL 公司设立、改制及发展沿革长文本。
29 注册资本 double 公司注册资本,计量单位沿用基本信息源文件口径。
30 成立日期 str10 公司成立日期,通常为YYYY-MM-DD格式。
31 退市日期 str10 公司退市日期;空值表示基本信息库未记录退市日期。
六、计算与评估代码
文件名称 语言 说明
上市公司海外业务收入数据计算代码.do Stata 完成宽表转长表、上市前年度与B股处理、缺失值补0、公司年度汇总、信息合并、样本清洗、年度缩尾,并输出三套DTA/XLSX结果。
上市公司海外业务收入数据计算代码.py Python 与Stata版在输入文件、变量处理顺序、合并键、筛选条件、缩尾口径和输出文件名上保持功能对等,可独立运行。
上市公司海外业务收入数据评估代码.do Stata 逐套读取结果DTA,执行数据分布、图形、异常值、时间连续性、取值合理性和不同版本稳健性评估。
上市公司海外业务收入数据评估代码.py Python 与Stata评估版功能对等,自动识别面板键及数值或字符变量,可独立生成同结构质量报告。
七、数据质量评估
文件夹已保留实跑质量报告“数据质量评估报告_20260720”,其中日志为“评估日志_20260720.log”。本次评估逐套处理3个结果DTA,共形成93条变量级总评估记录、103个CSV文件、1个汇总DTA和24张JPG图;日志记录的运行环境为Stata 18、Windows,运行时间为2026年7月20日。核心指标在三套结果中均无缺失,三套数据的stkcd—year均无重复;海外业务收入呈明显右偏并存在大额极端观测,缩尾版本降低了极端值影响,但没有改变样本量。
子文件夹名 内容说明
1 数据分布分析 各结果数据的数值变量描述性统计,以及数值和字符变量频率分布CSV。
2 分布图 核心数值变量的直方图、箱线图、核密度图、散点关系及年度趋势图。
3 异常值检验 海外业务收入及其他数值字段的异常观测比例与变量级检验汇总。
4 逻辑合理性验证 变量缺失、合理取值范围、公司—年度重复、时间断档及核心字段完整性检查。
5 稳健性测试 不同样本期和三种处理版本的样本量、均值、标准差比较,以及总评估结论CSV和DTA。
总评估表中的“关注”或“不通过”是按自动化通用规则对单个变量作出的提示,辅助公司信息字段的历史缺失、金额变量的厚尾分布或极端值均可能触发标记,不应直接理解为整套数据不可使用。研究者应结合所选结果版本、变量经济含义及研究样本期查看日志和分项CSV。
扫码加我 拉你入群
请注明:姓名-公司-职位
以便审核进群资格,未注明则拒绝
相关推荐
栏目导航
热门文章
推荐文章
扫码加好友,拉您进群