Advertisement

1998-2021年上市公司的金融错配状况分析

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
本文对1998年至2021年间中国上市公司所面临的金融错配问题进行了深入剖析,旨在揭示企业在不同时期、不同环境下金融资源配置效率的变化趋势及其影响因素。 数据来源:基于1998年至2021年间沪深A股上市公司的相关数据进行分析。 区域范围:涵盖沪深A股上市公司。 指标定义:参考邵挺(2010)及周煜皓、张胜勇(2014)的研究,采用金融错配负担水平来衡量信贷错配情况。具体而言,企业资金使用成本与所在行业平均资金使用成本之间的差异越大,则表明该企业的信贷错配程度越高。其中,企业资金使用成本通过财务费用中的利息支出与扣除应付账款后的负债总额的比率进行评估。 数据处理:剔除了缺失值,并对最终结果进行了1%和99%分位数的缩尾处理。行业分类依据证监会2012年标准执行,制造业采用二级行业分类,其他类别则使用一级分类计算。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 1998-2021
    优质
    本文对1998年至2021年间中国上市公司所面临的金融错配问题进行了深入剖析,旨在揭示企业在不同时期、不同环境下金融资源配置效率的变化趋势及其影响因素。 数据来源:基于1998年至2021年间沪深A股上市公司的相关数据进行分析。 区域范围:涵盖沪深A股上市公司。 指标定义:参考邵挺(2010)及周煜皓、张胜勇(2014)的研究,采用金融错配负担水平来衡量信贷错配情况。具体而言,企业资金使用成本与所在行业平均资金使用成本之间的差异越大,则表明该企业的信贷错配程度越高。其中,企业资金使用成本通过财务费用中的利息支出与扣除应付账款后的负债总额的比率进行评估。 数据处理:剔除了缺失值,并对最终结果进行了1%和99%分位数的缩尾处理。行业分类依据证监会2012年标准执行,制造业采用二级行业分类,其他类别则使用一级分类计算。
  • 2011-2021数字指数匹数据(“第四期”基于城数字普惠).zip
    优质
    这份资料包含了从2011年至2021年间中国上市公司在数字金融领域的详细指数,特别聚焦于城市层面的数字普惠金融发展,并进行了深入的数据匹配研究。 2011-2021年“第四期”数字普惠金融与上市公司匹配(根据城市匹配) 时间:2011-2021年 指标: - 股票代码 - 年份 - 行政区划代码 - 行业名称 - 行业代码 - 所属省份 - 所属城市 - 数字普惠金融指数(包括覆盖广度、使用深度和数字化程度) 样本量:34468 来源:北京大学数字普惠金融指数(第四期) 参考文献: 郭峰, 王靖一, 王芳, 孔涛, 张勋, 程志云. 测度中国数字普惠金融发展: 指数编制与空间特征[J]. 经济学(季刊), 2020, 19(04): 1401-1418. 格式:dta和excel两种格式
  • 1990-2024退退名单(STATA
    优质
    本研究运用STATA软件分析自1990年至2024年间公司的退市状况,并列出详细的退市上市公司名单,旨在揭示影响企业生存与发展的关键因素。 在IT行业中,数据分析是一项至关重要的任务,特别是在金融领域。本段落探讨的是关于“1990-2024年公司是否退市、上市公司退市名单、退市上市公司、退市公司”的研究项目,这是一个涉及大数据分析的课题,主要关注特定时间段内上市公司的退出情况。 首先,“是否退市”是二元变量,在数据分析中被用作分类或逻辑回归模型的重要特征。如果一家公司在某个时间点已经从市场撤出,则该指标值为1;否则为0。这一指标有助于预测公司未来的经营状况和风险水平。 其次,分析“退市年份”可以帮助识别公司的退出模式、周期性趋势以及可能的影响因素,如经济环境或政策变化等。通过对历史数据进行时间序列分析(包括趋势、季节性和循环性分析),可以建立模型来预测未来可能出现的市场变动和公司行为。 在数据分析过程中使用的原始数据集通常包含各种相关信息,例如财务报表、市值信息及盈利能力指标等,这些都对构建复杂的统计模型至关重要。比如通过生存分析模型评估哪些因素可能增加公司的退市风险。 计算代码一般以Stata脚本形式存在,这是一种广泛应用于社会科学和经济学领域的强大统计软件。该脚本涵盖了数据预处理步骤(如清洗缺失值)、变量转换、逻辑回归或Cox比例风险等高级建模方法的应用以及结果的解释说明等内容。 此外,在进行大规模数据分析时,可能还会使用到Hadoop、Spark这样的大数据技术平台及Python或R编程语言来高效地处理和分析海量数据集。这些工具能够帮助研究人员快速有效地找到隐藏在大量信息中的模式与趋势,并通过Matplotlib或ggplot2等可视化库将结果直观展现出来。 最后,在项目文件夹中通常会包含详细的说明文档,解释整个研究的过程、目的及所采用的具体统计方法等内容;同时也会提供一个数据集压缩包(如9751.zip),内含各个上市公司的详细信息和历史记录。这些资源对于深入理解公司退市背后的驱动因素具有重要价值。 综上所述,本项目不仅涉及大数据分析与时间序列建模等技术手段的应用,还涵盖了金融市场的公司生存研究及如何利用专业软件进行数据分析的技能训练。通过上述方法和技术的支持,可以为投资者提供重要的决策依据和市场洞察力。
  • 机构持股类统计(1998-2023).zip
    优质
    本资料包收录了自1998年至2023年的中国上市公司各类机构持股数据,涵盖国家股、法人股及其它类型股东的详细变化情况。 上市公司机构持股情况呈现出多元化的特点。不同行业、公司之间的机构持股差异显著,但总体趋势显示金融行业的领先地位持续稳固,科技行业稳步上升,消费行业保持稳定态势,制造业则呈现复苏迹象。 随着国内资本市场的进一步发展和完善,预计未来机构投资者的投资理念将更加成熟和理性化,并且其投资组合也将更趋均衡与多样化。对于市场参与者而言,在制定个人或公司的投资策略时,应当密切关注宏观经济环境及行业的最新动态变化,结合自身的风险承受能力和具体的投资目标,审慎地做出相应的决策。 数据名称:上市公司-机构持股分类统计数据 原始数据显示了各上市企业的股票代码、日期以及各类机构投资者(如基金、合格境外投资者、券商、保险等)的具体持股数量及其占公司总股本和流通A股的比例情况。此外还包括社保基金及信托公司的相关持股信息,为分析市场趋势提供了重要参考依据。
  • 中国2021度报告
    优质
    《中国上市公司2021年度报告》全面汇总了国内主要上市企业的财务数据和经营状况,反映了各行业的发展趋势及经济变化。 中国上市公司2021年企业年报涵盖了大部分中国上市公司的公告。
  • 2010-2021专利资料.rar
    优质
    该资料集涵盖了从2010年至2021年间中国上市公司的专利信息,包括发明名称、申请号、公开(公告)日等详细数据,便于研究和分析企业创新与技术发展状况。 2010年至2021年沪深上市企业专利数据集包含以下指标:股票代码、股票简称、公司专利数量合计(包括发明专利、发明授权、实用新型及外观设计)。由于每年的公司名单不同,为了方便大家了解具体的数据情况,请参阅提供的数据预览。
  • 基于Stata会计信息可比性(2007-2021
    优质
    本研究运用Stata软件,对2007至2021年间中国上市公司的会计信息进行系统分析,旨在评估其可比性和透明度变化趋势。 上市公司的会计信息可比性指的是同一行业内不同公司之间的会计数据可以进行比较分析的程度。这一特性在财务分析、投资决策及风险评估等方面具有重要意义。影响上市公司会计信息可比性的因素包括会计准则的统一程度、各企业的会计政策选择、估计值以及信息披露的质量等。 投资者和分析师应当关注这些关键要素,并运用适当的方法来评价不同公司之间的会计数据一致性,以确保更加精准地做出分析与决策判断。 关于具体的数据介绍: - 数据名称:上市公司—会计信息可比性Stata测算数据 - 年份范围:2007年至2021年 - 样本数量:共有25822条记录 - 测算方式:参考De Franco(2011)的研究方法进行计算
  • 2006-2021沪深A股股权激励数据
    优质
    本研究聚焦于2006至2021年间中国沪深A股市场上市公司的股权激励实践,通过详尽的数据分析探讨股权激励政策的发展趋势及其对企业绩效的影响。 股权激励是企业用来吸引、激励并留住人才的一种机制。通过向员工提供多种形式的股票奖励(如实股、岗位股、期权、期股、赠送股票、动态股等),旨在提升员工的工作积极性,增强团队凝聚力,并最终推动企业的长期发展和竞争力。 这种制度的核心目标在于确保核心员工与企业共同成长,实现利益共享,从而帮助企业达到稳定发展的目的。具体实施时会考虑股权激励计划的有效期限(年)、终止原因以及授予的股票数量占公司总股本的比例等细节问题。此外,还需注意首次授予的数量、期权行权条件及最新的股价信息等因素。 在实践中,企业通常需要经过股东大会批准后方可启动这一机制,并且还会根据证监会的规定和同花顺等平台的信息来进行相关操作与披露。
  • 2000-2021我国是否为高科技企业数据及资约束
    优质
    本研究基于2000至2021年间中国上市公司的数据,探讨了企业科技属性及其面临的融资限制情况,旨在揭示高技术企业在资本市场中的发展特征与挑战。 数据范围包括:证券代码、年份、证券中文简称、行业名称、行业代码、是否高技术产业以及融资约束指标(SA KZ FC WW)。
  • 机器账面价值(2003-2021
    优质
    该资料汇集了自2003年至2021年间中国上市公司的机器设备账面价值数据,为研究企业固定资产投资及财务状况提供详实依据。 标题中的“上市公司机器账面价值2003-2021年”指的是一个涵盖了从2003年至2021年间中国上市公司的机器资产账面价值的数据集,记录了企业在这些年间对机器设备的投资、折旧和更新情况。该数据集反映了企业固定资产投资、生产效率及行业发展状况的重要依据。 描述中提到,“数据名称”是“上市公司机器账面价值”,表明这是一个与上市公司财务状态紧密相关的数据库,涵盖从2003年到2021年的19年间的数据,并提供了总计36551条样本。这些数据来源于上市公司的年度报告,确保了信息的官方性和可靠性。 标签“金融商贸”和“大数据”揭示了该数据集的应用领域,在金融商贸领域中,这样的数据可以帮助投资者、分析师及政策制定者理解上市公司在设备投资上的行为,并进一步分析其对经济增长、市场竞争以及行业动态的影响。此外,“大数据”的标签意味着这些数据适合使用现代统计方法如数据挖掘或机器学习进行深入分析。 压缩包内可能包含一个名为“说明.txt”的文档,其中详细介绍了关于数据集的信息,例如字段解释及处理异常值的方法等;同时还有一个7786.zip文件,里面包含了实际的数据。每个条目可能会包括公司的标识信息、年份、机器账面价值以及其他相关财务指标。 通过这些数据可以进行多方面的研究工作,比如分析历年机器账面价值的增长率、探究其与GDP和行业产值的关系等。此外还可以比较不同行业或地区的设备投资策略,并预测未来的投资趋势;或者利用聚类分析识别出具有相似投资模式的公司群体,以及探索影响机器账面价值的关键因素(如企业规模及盈利能力)。这些研究对于投资者、企业管理者乃至宏观经济研究人员都极具参考价值。