数据名称        上市公司创新信息披露数据
数据来源        上市公司年度报告全文、年报总词数数据及创新信息披露关键词表
时间跨度        2001—2025年
区域跨度        沪深北证券交易所上市公司
数据层级        上市公司—年度面板
数据格式        DTA、XLSX
样本量        原始词频数据72826条，覆盖6091家上市公司





数据简介
本数据基于上市公司年度报告文本，使用145个创新相关关键词统计企业创新信息披露情况，并结合年报全文总词数计算披露密度和每万词词频。数据同时保留证券代码、证券简称、行业、ST/PT标识、金融行业标识及年报文件名，可用于上市公司创新披露水平比较、文本分析和公司—年度面板实证研究。


指标        计算说明
kw_001—kw_145        分别对应创新信息披露关键词表中的145个关键词，记录该关键词在上市公司年报全文中的出现次数。
innovation_word_count        创新信息披露关键词总词频=kw_001至kw_145各关键词词频之和。
innovation_disclosure        上市公司创新信息披露指标=ln(1+innovation_word_count)，用于缓解词频偏态；取值越大表示创新披露词频越高。
innovation_density        创新信息披露词频占比=innovation_word_count÷total_words。
innovation_per_10000        创新信息披露每万词词频=innovation_density×10000。
total_words        年报全文总词数；作为披露密度和每万词词频的分母。
is_financial        金融行业标识，1表示金融行业上市公司，0表示非金融行业上市公司。
is_stpt        ST/PT标识，1表示证券简称含ST、*ST、SST或PT等特殊处理标记，0表示不含相关标记。


文件
原始数据/创新信息披露关键词表.xlsx        145个创新信息披露关键词及其词典来源。
原始数据/创新信息披露原始词频数据_Stata输入.dta        上市公司年度报告创新关键词词频及计算指标的Stata格式原始结果。
原始数据/创新信息披露原始词频数据_Stata输入.xlsx        与上述DTA原始词频数据对应的Excel版本。
原始数据/年报全文总词数_Stata输入.dta        上市公司年报全文总词数及公司、行业和年报文件名等基础字段。
原始数据/年报全文总词数01-25年.xlsx        年报总词数基础数据的Excel版本。





代码文件
过程代码/01_年报全文创新信息披露词频统计.py        读取年报文本并统计145个关键词，计算总词频、披露指标和词频密度，输出原始词频数据。
过程代码/02_原始词频生成最终数据.do        整理原始词频数据并输出未剔除金融ST/PT和剔除金融ST/PT两套DTA、XLSX结果。





结果版本
上市公司创新信息披露数据01-25年_未剔除        保留金融行业及ST/PT公司的完整样本。
上市公司创新信息披露数据01-25年_剔除金融STPT        删除金融行业及ST/PT公司的清洗样本。


参考文献
[1] 张悦,汪顺,周泽将. 企业创新信息披露与耐心资本认同——基于机构投资者结构的经验证据[J]. 上海财经大学学报, 2025, 27(01):31-46。
[2] 陈怡欣,张婷,马晨. 同行企业描述性创新信息披露的溢出效应——基于机器学习与文本分析法[J]. 科技进步与对策, 2024, 41(15):22-32。