2008-2025年上市公司增量信息披露文本相似度

一、数据概况

增量信息披露刻画的是上市公司当期披露文本相对于自身历史披露内容的更新幅度。管理层讨论与分析（MD&A）部分既包含管理层对公司经营成果与财务状况的解读，也涵盖其对风险因素、未来发展规划和经营安排的预判。将同一家公司当年的MD&A文本与其上一年度的MD&A逐一对照，便能够从纵向维度识别披露内容的延续程度及年度间的变化。该数据集借鉴宋昕倍等（2024）的处理思路，以同一公司相邻两个年度MD&A文本之间的相似度，来量化上市公司纵向增量信息披露的水平，可为信息环境与资本市场定价效率等议题的研究提供可复现的长面板微观依据。

二、测算流程

数据的构建分为四个环节：

• 文本定位：读入上市公司MD&A文本，按股票代码与年份确定公司—年度记录；若同一家公司同一年份存在多份文本，仅保留统计截止日期最晚的一份。

• 分词与向量化：采用Jieba精确模式进行中文分词，剔除非中文词与停用词后构建TF-IDF矩阵。

• 语义空间构建：通过截断奇异值分解构造LSI语义空间，并对文本向量实施标准化。

• 相似度计算：计算同一公司当期MD&A与连续上一年度MD&A之间的余弦相似度。

值得注意的是，新版数据不再依据企业行业、ST状态、上市状态或样本完整性做任何额外筛除，实际样本范围完全由MD&A文本的覆盖情况决定。

三、指标定义

MD&A文本相似度（Similarity）的计算方式为：

Similarityi,t = cos[ LSI(MD&Ai,t), LSI(MD&Ai,t−1) ]

该指标取值越大，表明当期文本与上一年度文本越接近，披露内容的延续性越强，对应的纵向增量信息通常越少；取值越小，则说明文本变动越明显，蕴含的纵向增量信息往往越多。若公司缺少连续上一年度的文本、年份不衔接，或任一期文本无法形成有效词语，相似度将被记为缺失值而非0，同时不会借助更早年度或其他公司的文本进行替代匹配。

四、数据说明

五、样例数据（节选）

参考文献

[1] 宋昕倍, 陈莹, 逯东, 程杰. 信息环境、上市公司增量信息披露与资本市场定价效率——基于MD&A文本相似度的研究[J]. 南开管理评论, 2024, 27(05): 30-39.

专栏顶部分享更多内容：

经管社科数据代码合集

来源： Paper 数据分析