
县域金融机构变动统计
一行代表一个区县在某一年的金融机构变动情况。覆盖全国县域,包含金融机构的退出、失控数量及存量数据。
v1 生效中 · 2026/11/13 发布险种标签:企业财产险时间跨度:1948–2021 年数据出处 中国银行保险监督管理委员会
- 记录
- 5.3 万
- 字段
- 10
- AI 扩增字段
- 1
- 平均非空率
- 100%
- 字段完整度
10 个字段,10 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 10 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 52,973 行计算。
关于这个数据集
一行代表一个区县在某一年的金融机构变动情况。覆盖全国县域,包含金融机构的退出、失控数量及存量数据。可用于监测区域金融稳定性,评估因金融机构退出带来的潜在服务中断风险。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 区划代码region_code规律 1:区划代码的字段规律字段规律:region_code_current由区划代码扩增得出。含义:代码或编号键:县级区划代码(2020 年版)。样本里格式符合 100%,99.9% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | 原表列名:行政区划代码 | ||
| 省份province含义:地区键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 原表列名:所属省份 | ||
| 城市city含义:地区键:城市名称。样本里格式符合 96.5%,还没有参照 | 文本 | 原生 | 100% | 原表列名:所属城市 | ||
| 区县county含义:地区键:区县名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 原表列名:所属区县 | ||
| 年份year含义:年份键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | 原表列名:统计年份 | ||
| 退出数量exit_count含义:个数(个) | 整数 | 原生 | 100% | 原表列名:金融机构退出数量 | ||
| 失控数量loss_count含义:个数(个) | 整数 | 原生 | 100% | 原表列名:金融机构失控数量 | ||
| 存量stock_count含义:个数(个) | 整数 | 原生 | 100% | 原表列名:金融机构存量 | ||
| 数据来源data_source含义:名称 | 文本 | 原生 | 100% | — | ||
| 区划代码(现行)region_code_current规律 1:区划代码(现行)的字段规律字段规律:region_code_current由区划代码扩增得出。含义:代码或编号键:县级区划代码。样本里格式符合 100%,99.9% 的行对上参照 region-code-crosswalk | 文本 | 规则扩增第 1 级扩增查看溯源:区划代码(现行) | 100%平均置信度 1.00校验少:不建议单独作为决策依据 | 区划代码按新旧代码对照换成的现行区划代码。医保的市本级代码换成地级代码。对不上的为空 |
02样本
先看样本,再做决定
这里显示当前版本的前 20 行。这个数据集没有敏感字段。
| # | 区划代码region_code | 省份province | 城市city | 区县county | 年份year | 退出数量exit_count | 失控数量loss_count | 存量stock_count | 数据来源data_source | 区划代码(现行)region_code_current |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 110101 | 北京市 | 北京市 | 东城区 | 2021 | 4 | 4 | 293 | 中国银行保险监督管理委员会 | 110101 |
| 2 | 110101 | 北京市 | 北京市 | 东城区 | 2019 | 10 | 10 | 279 | 中国银行保险监督管理委员会 | 110101 |
| 3 | 110101 | 北京市 | 北京市 | 东城区 | 2018 | 8 | 8 | 282 | 中国银行保险监督管理委员会 | 110101 |
| 4 | 110101 | 北京市 | 北京市 | 东城区 | 2017 | 2 | 2 | 291 | 中国银行保险监督管理委员会 | 110101 |
| 5 | 110101 | 北京市 | 北京市 | 东城区 | 2016 | 1 | 1 | 290 | 中国银行保险监督管理委员会 | 110101 |
| 6 | 110101 | 北京市 | 北京市 | 东城区 | 2015 | 0 | 0 | 289 | 中国银行保险监督管理委员会 | 110101 |
| 7 | 110101 | 北京市 | 北京市 | 东城区 | 2014 | 0 | 0 | 286 | 中国银行保险监督管理委员会 | 110101 |
| 8 | 110101 | 北京市 | 北京市 | 东城区 | 2013 | 0 | 0 | 268 | 中国银行保险监督管理委员会 | 110101 |
| 9 | 110101 | 北京市 | 北京市 | 东城区 | 2012 | 1 | 1 | 256 | 中国银行保险监督管理委员会 | 110101 |
| 10 | 110101 | 北京市 | 北京市 | 东城区 | 2011 | 0 | 0 | 249 | 中国银行保险监督管理委员会 | 110101 |
| 11 | 110101 | 北京市 | 北京市 | 东城区 | 2010 | 0 | 0 | 243 | 中国银行保险监督管理委员会 | 110101 |
| 12 | 110101 | 北京市 | 北京市 | 东城区 | 2009 | 0 | 0 | 235 | 中国银行保险监督管理委员会 | 110101 |
| 13 | 110101 | 北京市 | 北京市 | 东城区 | 2008 | 0 | 0 | 232 | 中国银行保险监督管理委员会 | 110101 |
| 14 | 110101 | 北京市 | 北京市 | 东城区 | 2007 | 0 | 0 | 224 | 中国银行保险监督管理委员会 | 110101 |
| 15 | 110101 | 北京市 | 北京市 | 东城区 | 2006 | 0 | 0 | 217 | 中国银行保险监督管理委员会 | 110101 |
| 16 | 110101 | 北京市 | 北京市 | 东城区 | 2005 | 0 | 0 | 210 | 中国银行保险监督管理委员会 | 110101 |
| 17 | 110101 | 北京市 | 北京市 | 东城区 | 2004 | 0 | 0 | 198 | 中国银行保险监督管理委员会 | 110101 |
| 18 | 110101 | 北京市 | 北京市 | 东城区 | 2003 | 0 | 0 | 194 | 中国银行保险监督管理委员会 | 110101 |
| 19 | 110101 | 北京市 | 北京市 | 东城区 | 2002 | 0 | 0 | 175 | 中国银行保险监督管理委员会 | 110101 |
| 20 | 110101 | 北京市 | 北京市 | 东城区 | 2001 | 0 | 0 | 164 | 中国银行保险监督管理委员会 | 110101 |
03版本
每次发布,都留记录
发布后的数据版本不能修改。更正时发布新版本,旧版本保留。
版本 v12026/11/13 发布
生效中52,973 行 · 10 个字段 · 初始导入
04关联
和其他数据集,按键连起来
按键连到地区,能和不少于 72 个数据集连接。另外,它带年份或日期,能和其他数据集按时间对齐。共享同一种键的数据集能连接。按共享的键分组,对上的行多的在前。
按 区县 + 省份 + 年份 能连
107 个数据集 · 本数据集 52,973 行有区县- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 region_code、province、division_year按区县对上本数据集 52,972 行(99%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 division_year、province、region_code按区县对上本数据集 52,972 行(99%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 province、issue_date、region_code按区县对上本数据集 52,966 行(99%)
- 历年县级以上行政区划代码参照区域底数 · 14.3 万 行 · 连接字段 year、region_code、province_code按区县对上本数据集 52,943 行(99%)
- 全国行政村淘宝村DID面板区域底数 · 1056.8 万 行 · 连接字段 taobao_village_year、county_code、province_code按区县对上本数据集 52,943 行(99%)
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 date、province、county_code按区县对上本数据集 52,943 行(99%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 year、county_code_2、province_name按区县对上本数据集 52,943 行(99%)
- 行政区划名称和简称区域底数 · 1.3 万 行 · 连接字段 province_code、region_code、valid_from按区县对上本数据集 52,943 行(99%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 region_code、province、year按区县对上本数据集 52,928 行(99%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 year、province、county_code按区县对上本数据集 52,928 行(99%)
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 province、year、region_code按区县对上本数据集 52,928 行(99%)
- 区县人口分布(格网汇总)区域底数 · 1.4 万 行 · 连接字段 year、province、region_code按区县对上本数据集 52,928 行(99%)
按 省份 + 年份 能连
467 个数据集 · 本数据集 52,973 行有省份- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 year、province按省份对上本数据集 52,973 行(100%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 year、province按省份对上本数据集 52,973 行(100%)
- 省级环境关注度日度指数区域底数 · 27.5 万 行 · 连接字段 region_code、date按省份对上本数据集 52,973 行(100%)
- 省级日度夜间灯光区域底数 · 15.6 万 行 · 连接字段 date、province按省份对上本数据集 52,973 行(100%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 province_code、date按省份对上本数据集 52,973 行(100%)
- 省级逐月降水量自然灾害 · 5 万 行 · 连接字段 year、province按省份对上本数据集 52,973 行(100%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 province、year按省份对上本数据集 52,973 行(100%)
- 省级逐月风速自然灾害 · 3.5 万 行 · 连接字段 year、province按省份对上本数据集 52,973 行(100%)
- 地级市矫正夜间灯光区域底数 · 1.2 万 行 · 连接字段 year、province按省份对上本数据集 52,973 行(100%)
- 省级逐月闪电自然灾害 · 4,080 行 · 连接字段 province、year按省份对上本数据集 52,973 行(100%)
- 地级市历次普查常住人口区域底数 · 1,110 行 · 连接字段 census_year、province_code按省份对上本数据集 52,973 行(100%)
- 省级矫正夜间灯光区域底数 · 1,054 行 · 连接字段 year、province按省份对上本数据集 52,973 行(100%)
按 区县 + 省份 能连
18 个数据集 · 本数据集 52,973 行有区县- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 county_code、province按区县对上本数据集 52,944 行(99%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code、village_code按区县对上本数据集 52,943 行(99%)
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 region_code、province按区县对上本数据集 52,928 行(99%)
- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 county_code、province_code按区县对上本数据集 52,873 行(99%)
- 区县和城市到港口和海岸线的距离区域底数 · 3,270 行 · 连接字段 province_code、region_code按区县对上本数据集 52,873 行(99%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province、county_code按区县对上本数据集 52,664 行(99%)
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 province、region_code按区县对上本数据集 51,046 行(96%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province、county_code按区县对上本数据集 50,811 行(95%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 county_code、province按区县对上本数据集 44,770 行(84%)
- 全国开发区点位和基本信息区域底数 · 2,781 行 · 连接字段 county_code、province按区县对上本数据集 39,283 行(74%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 region_code、province_code按区县对上本数据集 35,681 行(67%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 county_code、province按区县对上本数据集 23,518 行(44%)
按 区县 + 年份 能连
16 个数据集 · 本数据集 52,973 行有区县- 行政区划新旧代码对照参照区域底数 · 7,388 行 · 连接字段 valid_from、old_code按区县对上本数据集 52,943 行(99%)
- 政治精英地区编码区域底数 · 3,843 行 · 连接字段 start_date、region_code按区县对上本数据集 52,367 行(98%)
- 全国格点逐年极端降水自然灾害 · 602.3 万 行 · 连接字段 county_code、year按区县对上本数据集 50,859 行(96%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 county_code、year按区县对上本数据集 49,906 行(94%)
- 全国百强区县入选状态区域底数 · 4.1 万 行 · 连接字段 year、region_code按区县对上本数据集 46,031 行(86%)
- 行政区划代码变更区域底数 · 4,636 行 · 连接字段 old_code、change_year按区县对上本数据集 42,071 行(79%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_county_code、pub_date按区县对上本数据集 41,232 行(77%)
- 全国电厂点位建筑设施 · 4,274 行 · 连接字段 commissioning_year、county_code按区县对上本数据集 27,646 行(52%)
- 全国上市公司专利全量企业主体 · 6.4 万 行 · 连接字段 application_date、address_county_code按区县对上本数据集 20,551 行(38%)
- 区县淘宝村数量区域底数 · 6,183 行 · 连接字段 year、county_code按区县对上本数据集 15,300 行(28%)
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 county_code、date按区县对上本数据集 14,400 行(27%)
- 城市和区县新冠疫情日度人口健康 · 53.3 万 行 · 连接字段 date、county_code按区县对上本数据集 11,092 行(20%)
按 省份 能连
29 个数据集 · 本数据集 52,973 行有省份- 并购重组交易涉及方明细企业主体 · 32.8 万 行 · 连接字段 province按省份对上本数据集 52,973 行(100%)
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 province按省份对上本数据集 52,973 行(100%)
- 地级市空间权重关系区域底数 · 38.4 万 行 · 连接字段 province_code按省份对上本数据集 52,972 行(99%)
- 全国养老机构明细医疗药械 · 5.8 万 行 · 连接字段 region_code按省份对上本数据集 52,972 行(99%)
- 七普分省分行业就业人口区域底数 · 4.4 万 行 · 连接字段 region按省份对上本数据集 52,972 行(99%)
- 上市公司注册地信息企业主体 · 4,530 行 · 连接字段 province按省份对上本数据集 52,972 行(99%)
- 全国司法鉴定机构医疗药械 · 2,917 行 · 连接字段 province按省份对上本数据集 52,972 行(99%)
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 province按省份对上本数据集 52,972 行(99%)
- 省级邻接空间权重区域底数 · 961 行 · 连接字段 source_province按省份对上本数据集 52,972 行(99%)
- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 province_code按省份对上本数据集 52,972 行(99%)
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 province按省份对上本数据集 52,972 行(99%)
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 province_code按省份对上本数据集 52,972 行(99%)
按 区县 能连
12 个数据集 · 本数据集 52,973 行有区县- 全国养老机构点位医疗药械 · 5.8 万 行 · 连接字段 county_code按区县对上本数据集 52,740 行(99%)
- 县级地形起伏度自然灾害 · 2,873 行 · 连接字段 region_code按区县对上本数据集 52,511 行(99%)
- 医保定点零售药店医疗药械 · 50.5 万 行 · 连接字段 region_code按区县对上本数据集 52,495 行(99%)
- 医保定点医疗机构医疗药械 · 57.8 万 行 · 连接字段 region_code按区县对上本数据集 52,491 行(99%)
- 全国行政区划代码参照区域底数 · 4,299 行 · 连接字段 region_code按区县对上本数据集 52,106 行(98%)
- 全国矿产地分布建筑设施 · 22.8 万 行 · 连接字段 county_code按区县对上本数据集 48,799 行(92%)
- 全国医保经办机构保险市场 · 6,045 行 · 连接字段 region_code按区县对上本数据集 48,231 行(91%)
- 城投公司基本信息企业主体 · 1.2 万 行 · 连接字段 region_code按区县对上本数据集 42,297 行(79%)
- 跨省异地就医定点机构医疗药械 · 65 万 行 · 连接字段 region_code按区县对上本数据集 28,200 行(53%)
- 医院可达性验证交通运输 · 20.9 万 行 · 连接字段 dest_county_code按区县对上本数据集 27,121 行(51%)
- 全国 1 到 5 级河流自然灾害 · 1,830 行 · 连接字段 label_county_code按区县对上本数据集 19,766 行(37%)
- 保险公司分支机构名录保险市场 · 2,452 行 · 连接字段 address_county_code按区县对上本数据集 6,381 行(12%)
只按年份能连:495 个数据集单独按年份连接多半没有意义,先看上面的组
按 年份 能连
495 个数据集- 全球双边贸易流量区域底数 · 2.2 亿 行 · 连接字段 year
- 出口企业产品质量企业主体 · 9912.4 万 行 · 连接字段 year
- 工企海关匹配对照企业主体 · 3137.8 万 行 · 连接字段 year
- 全球兴趣点建筑设施 · 2299.6 万 行 · 连接字段 created_date
- 上市公司专利被引统计企业主体 · 1432.1 万 行 · 连接字段 cited_apply_date
- A股上市公司日交易行情企业主体 · 1239.1 万 行 · 连接字段 trade_date
- 上市公司年报数字化词频企业主体 · 969 万 行 · 连接字段 year
- 世行WDI国家指标区域底数 · 844.5 万 行 · 连接字段 year
- 主要城市兴趣点建筑设施 · 592 万 行 · 连接字段 date
- 美日韩港澳台传染病监测人口健康 · 502.5 万 行 · 连接字段 period_start
- 世界银行健康营养与人口统计人口健康 · 353.8 万 行 · 连接字段 year
- 城市环境关注度日度明细区域底数 · 313.8 万 行 · 连接字段 date
05字段规律
字段之间的规律
比如一一对应、谁先谁后。只帮你读懂数据,不用来连接。
本数据集内1
- 扩增得出
region_code_current由区划代码扩增得出。
来自字段扩增县域金融机构变动统计县域金融机构变动统计
06授权与接入
申请授权,一次调用就能用上
试用立即生效,并送 500 点试用点数。授权后用 API Key 调用 REST 接口,按返回的行数扣点。
REST 调用示例
# 先把 API Key 放进环境变量:export WI_API_KEY=你的 API Keycurl -X POST 'https://wi.insightworld.cn/api/v1/datasets/county-financial-institution-stats/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"region_code","op":"eq","value":"110101"}],"limit":10}'
交给 Agent
- 以后开放
MCP
仍在使用 MCP 的 Agent 客户端,用 OAuth 连接后通过工具查询。