本期整理分享的数据集,聚焦"上市公司年报风险信息披露模仿行为",样本区间覆盖2001—2025年的中国上市公司。该数据集的测度思路源自《世界经济》期刊上王成龙、吴忧(2024)的研究,核心做法是借助LDA主题模型,从年报风险信息文本中识别出企业的同行模仿行为,从而为考察同行模仿与投资者风险感知之间的内在联系,提供可直接用于实证检验的量化指标。
一、研究背景与数据简介
已有研究注意到一个反常现象:中国上市公司披露风险信息之后,投资者感知到的风险水平非但没有上升,反而出现了下降。这一现象背后的作用机制值得深入挖掘——其中一个重要解释是,企业在撰写风险信息时存在明显的同行模仿行为,即参照同行业其他公司的表述来完成自身风险段落。
进一步观察发现,这种模仿并非在所有公司中均衡分布:盈余波动较大、非行业龙头地位、以及控股股东存在股权质押的公司,模仿倾向更强;而在经济政策不确定性较高的时期,这类行为也更为普遍。企业通过"跟随同行"的披露方式,能够有效弱化投资者和分析师对其真实风险的判断。对这一行为进行量化刻画,不仅有助于解释中国市场上"风险披露降低投资者风险感知"的悖论,也能为监管层和投资者更理性地解读年报风险文本、维护资本市场健康稳定提供理论依据。
二、模仿性主题得分的测度方法
本数据集参照王成龙和吴忧(2024)的文献做法,按以下五个环节逐步构建模仿性主题得分:
第一步|语料清洗。 以中国上市公司年报中的风险信息文本构建语料库,剔除停用词、数字和符号,同时过滤掉出现于90%以上文本、或仅出现在不足3篇文本中的词汇。
第二步|主题数确定。 在2—50的区间内逐一测算LDA主题模型的一致性得分,将得分最高的26确定为最佳主题数,并借助气泡图对主题划分效果进行可视化校验。
第三步|主题得分计算。 基于LDA模型估计每篇文本在26个主题上的得分,即各主题在该文本中所占的篇幅比例,所有主题得分之和为1。
第四步|模仿性主题判定。 在同行业—年度内,若某一主题被超过50%的公司提及(判定标准为主题得分大于0.01),则将该主题认定为模仿性主题。需要说明的是,不同行业—年度组合对应的模仿性主题集合可能各不相同。
第五步|得分加总。 针对每个公司—年度的风险文本,将其涉及的模仿性主题得分逐一相加,即得到最终的模仿性主题得分(Imi_Score)。
三、数据基本信息
- 数据来源: 上市公司年报
- 覆盖对象: 中国上市公司
- 时间跨度: 2001—2025年
- 数据格式: Excel
- 数据字段: 详见下图
数据字段说明
四、数据展示(节选)
五、参考文献
[1] 王成龙, 吴忧. 年报风险信息披露模仿行为研究:基于LDA主题模型分析[J]. 世界经济, 2024, 47(11): 183-205.