
上市公司代理成本指标
一行是一家上市公司一年的代理成本及相关财务指标。
v2 生效中 · 2026/11/14 发布险种标签:企业财产险责任险时间跨度:2000–2022 年数据出处 上市公司年报及CSMAR/Wind等数据库
- 记录
- 5.8 万
- 字段
- 36
- AI 扩增字段
- 1
- 平均非空率
- 94.0%
- 字段完整度
36 个字段,26 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 36 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 57,543 行计算。
关于这个数据集
一行是一家上市公司一年的代理成本及相关财务指标。覆盖中国A股上市公司,包含经营费用率、资产周转率、大股东占用等治理与财务数据。可用于评估企业治理风险、预测经营效率及辅助保险定价。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 证券代码stock_code含义:代码或编号键:股票代码。样本里格式符合 100%,100% 的行对上参照 listed-security-master、hk-security-master、stock-company-profile、neeq-company-info | 文本 | 原生 | 100% | 原表列名:id | ||
| 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:year | ||
| 股票简称company_name含义:名称 | 文本 | 原生 | 100% | 原表列名:ShortName | ||
| ST或PT标记is_st_pt含义:是否 | 是非 | 原生 | 100% | 1为是,0为否 原表列名:STPT | ||
| 金融业标记is_financial含义:是否 | 是非 | 原生 | 100% | 1为是,0为否 原表列名:金融业 | ||
| 经营费用率operating_expense_ratio含义:比率(小数) | 小数 | 原生 | 97% | 第一类代理成本指标 | ||
| 管理费用率admin_expense_ratio含义:比率(小数) | 小数 | 原生 | 98% | 第一类代理成本指标 | ||
| 资产周转率asset_turnover_ratio含义:比率(倍) | 小数 | 原生 | 98% | 第一类代理成本指标 | ||
| 大股东占用major_shareholder_occupation含义:比率(小数) | 小数 | 原生 | 98% | 第二类代理成本指标 | ||
| 二级行业代码industry_code_2含义:代码或编号键:大类证监会行业代码。样本里格式符合 100%,100% 的行对上参照 industry-classification | 文本 | 原生 | 100% | 制造业取两位,其他取大类 原表列名:Industry2 | ||
| 行业名称industry_name含义:类别键:行业名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 原表列名:IndustryName | ||
| 一级行业代码industry_code_1含义:代码或编号键:大类证监会行业代码。样本里格式符合 100%,100% 的行对上参照 industry-classification | 文本 | 原生 | 100% | 原表列名:Industry1 | ||
| 其他应收款净额other_receivables_net含义:金额(元) | 小数 | 原生 | 99% | 单位:元 原表列名:A001121000 | ||
| 资产总计total_assets含义:金额(元) | 小数 | 原生 | 100% | 单位:元 原表列名:A001000000 | ||
| 营业收入operating_revenue含义:金额(元) | 小数 | 原生 | 98% | 单位:元 原表列名:B001101000 | ||
| 销售费用selling_expense含义:金额(元) | 小数 | 原生 | 97% | 单位:元 原表列名:B001209000 | ||
| 管理费用admin_expense含义:金额(元) | 小数 | 原生 | 99% | 单位:元 原表列名:B001210000 | ||
| 股票代码stock_code_alt含义:代码或编号键:股票代码。样本里格式符合 100%,100% 的行对上参照 listed-security-master、hk-security-master、stock-company-profile、neeq-company-info | 文本 | 原生 | 100% | 原表列名:Symbol | ||
| 资不抵债标记is_insolvent含义:是否 | 是非 | 原生 | 100% | 1为是,0为否 原表列名:资不抵债 | ||
| 沪深上市标记is_sh_sz_listed含义:是否 | 是非 | 原生 | 100% | 1为是,0为否 原表列名:沪深上市 | ||
| 北京上市标记is_bj_listed含义:是否 | 是非 | 原生 | 100% | 1为是,0为否 原表列名:北京上市 | ||
| 所属省份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:PROVINCE | ||
| 所属城市city含义:地区 | 文本 | 原生 | 100% | 原表列名:CITY | ||
| 东部地区标记is_east含义:是否 | 是非 | 原生 | 100% | 1为是,0为否 原表列名:East | ||
| 西部地区标记is_west含义:是否 | 是非 | 原生 | 100% | 1为是,0为否 原表列名:West | ||
| 中部地区标记is_mid含义:是否 | 是非 | 原生 | 100% | 1为是,0为否 原表列名:Mid | ||
| 高科技标记1is_hightech_1含义:是否 | 是非 | 原生 | 100% | 1为是,0为否 原表列名:HighTech_1 | ||
| 高科技标记2is_hightech_2含义:是否 | 是非 | 原生 | 100% | 1为是,0为否 原表列名:HighTech_2 | ||
| 重污染标记1is_pollute_1含义:是否 | 是非 | 原生 | 100% | 1为是,0为否 原表列名:Pollute_1 | ||
| 重污染标记2is_pollute_2含义:是否 | 是非 | 原生 | 100% | 1为是,0为否 原表列名:Pollute_2 | ||
| 重污染标记3is_pollute_3含义:是否 | 是非 | 原生 | 100% | 1为是,0为否 原表列名:Pollute_3 | ||
| 办公地经度lng规律 1:办公地经度的字段规律字段规律:county_code由办公地经度、办公地纬度扩增得出。含义:经纬度(度)键:经度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | 原表列名:Lng | ||
| 办公地纬度lat规律 1:办公地纬度的字段规律字段规律:county_code由办公地经度、办公地纬度扩增得出。含义:经纬度(度)键:纬度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | 原表列名:Lat | ||
| 郑珊珊法权力指数power_index_zheng | 小数 | 原生 | 0.0% | 基于郑珊珊(2019)五大指标主成分分析 原表列名:Power_郑珊珊 | ||
| 刘剑民法权力指数power_index_liu | 小数 | 原生 | 0.0% | 基于刘剑民(2019)五大指标主成分分析 原表列名:Power_刘剑民 | ||
| 办公地所在区县代码county_code规律 1:办公地所在区县代码的字段规律字段规律:county_code由办公地经度、办公地纬度扩增得出。含义:代码或编号键:县级区划代码。样本里格式符合 100%,99.7% 的行对上参照 county-boundary | 文本 | 规则扩增第 2 级扩增查看溯源:办公地所在区县代码 | 100%平均置信度 0.94校验少:不建议单独作为决策依据 | 办公地经度、办公地纬度落在哪个区县,现行的县级区划代码。用县级边界查出,不用模型。离边界不到 1 公里的点置信度较低 |
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。
| # | 证券代码stock_code | 年份year | 股票简称company_name | ST或PT标记is_st_pt | 金融业标记is_financial | 经营费用率operating_expense_ratio | 管理费用率admin_expense_ratio | 资产周转率asset_turnover_ratio | 大股东占用major_shareholder_occupation | 二级行业代码industry_code_2 | 行业名称industry_name | 一级行业代码industry_code_1 | 其他应收款净额other_receivables_net | 资产总计total_assets | 营业收入operating_revenue | 销售费用selling_expense | 管理费用admin_expense | 股票代码stock_code_alt | 资不抵债标记is_insolvent | 沪深上市标记is_sh_sz_listed | 北京上市标记is_bj_listed | 所属省份province | 所属城市city | 东部地区标记is_east | 西部地区标记is_west | 中部地区标记is_mid | 高科技标记1is_hightech_1 | 高科技标记2is_hightech_2 | 重污染标记1is_pollute_1 | 重污染标记2is_pollute_2 | 重污染标记3is_pollute_3 | 办公地经度lng | 办公地纬度lat | 郑珊珊法权力指数power_index_zheng | 刘剑民法权力指数power_index_liu | 办公地所在区县代码county_code |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 000001 | 2000 | 深发展A | 否 | 是 | — | — | — | 0.01187599077820778 | J | 货币金融服务 | J66 | 798393148 | 67227499769 | — | — | — | 000001 | 否 | 是 | 否 | 广东省 | 深圳市 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 114.11573928 | 22.54239728 | — | — | 440303 |
| 2 | 000001 | 2001 | 深发展A | 否 | 是 | — | — | — | 0.003627033438533545 | J | 货币金融服务 | J66 | 435704594 | 120126983351 | — | — | — | 000001 | 否 | 是 | 否 | 广东省 | 深圳市 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 114.10773682 | 22.54068139 | — | — | 440303 |
| 3 | 000001 | 2002 | 深发展A | 否 | 是 | — | — | — | 0.004858110100030899 | J | 货币金融服务 | J66 | 807254589 | 166166379400 | — | — | — | 000001 | 否 | 是 | 否 | 广东省 | 深圳市 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 114.10773682 | 22.54068139 | — | — | 440303 |
| 4 | 000001 | 2003 | 深发展A | 否 | 是 | — | — | — | 0.004121959209442139 | J | 货币金融服务 | J66 | 794923970 | 192851003723 | — | — | — | 000001 | 否 | 是 | 否 | 广东省 | 深圳市 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 114.12525819 | 22.53967265 | — | — | 810000 |
| 5 | 000001 | 2004 | 深发展A | 否 | 是 | — | — | — | 0.003961922135204077 | J | 货币金融服务 | J66 | 809366899 | 204286424020 | — | — | — | 000001 | 否 | 是 | 否 | 广东省 | 深圳市 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 114.10773682 | 22.54068139 | — | — | 440303 |
| 6 | 000001 | 2005 | 深发展A | 否 | 是 | — | — | — | 0.003454960649833083 | J | 货币金融服务 | J66 | 791933713 | 229216415808 | — | — | — | 000001 | 否 | 是 | 否 | 广东省 | 深圳市 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 114.10773682 | 22.54068139 | — | — | 440303 |
| 7 | 000001 | 2006 | 深发展A | 否 | 是 | — | — | — | — | J | 货币金融服务 | J66 | — | 260576263238 | — | — | — | 000001 | 否 | 是 | 否 | 广东省 | 深圳市 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 114.10773682 | 22.54068139 | — | — | 440303 |
| 8 | 000001 | 2007 | 深发展A | 否 | 是 | — | — | — | — | J | 货币金融服务 | J66 | — | 352539361000 | — | — | — | 000001 | 否 | 是 | 否 | 广东省 | 深圳市 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 114.10773682 | 22.54068139 | — | — | 440303 |
| 9 | 000001 | 2008 | 深发展A | 否 | 是 | — | — | — | — | J | 货币金融服务 | J66 | — | 474440173000 | — | — | — | 000001 | 否 | 是 | 否 | 广东省 | 深圳市 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 114.10773682 | 22.54068139 | — | — | 440303 |
| 10 | 000001 | 2009 | 深发展A | 否 | 是 | — | — | — | — | J | 货币金融服务 | J66 | — | 587811034000 | 0 | — | — | 000001 | 否 | 是 | 否 | 广东省 | 深圳市 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 114.10773682 | 22.54068139 | — | — | 440303 |
| 11 | 000001 | 2010 | 深发展A | 否 | 是 | — | — | — | — | J | 货币金融服务 | J66 | — | 727207076000 | — | — | — | 000001 | 否 | 是 | 否 | 广东省 | 深圳市 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 114.10773682 | 22.54068139 | — | — | 440303 |
| 12 | 000001 | 2011 | 深发展A | 否 | 是 | — | — | — | — | J | 货币金融服务 | J66 | — | 1258176944000 | — | — | — | 000001 | 否 | 是 | 否 | 广东省 | 深圳市 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 114.10773682 | 22.54068139 | — | — | 440303 |
| 13 | 000001 | 2012 | 平安银行 | 否 | 是 | — | — | — | — | J | 货币金融服务 | J66 | 0 | 1606536760000 | — | 0 | 0 | 000001 | 否 | 是 | 否 | 广东省 | 深圳市 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 114.10773682 | 22.54068139 | — | — | 440303 |
| 14 | 000001 | 2013 | 平安银行 | 否 | 是 | — | — | — | — | J | 货币金融服务 | J66 | 0 | 1891741000000 | — | 0 | 0 | 000001 | 否 | 是 | 否 | 广东省 | 深圳市 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 114.10773682 | 22.54068139 | — | — | 440303 |
| 15 | 000001 | 2014 | 平安银行 | 否 | 是 | — | — | — | — | J | 货币金融服务 | J66 | 0 | 2186459000000 | — | 0 | 0 | 000001 | 否 | 是 | 否 | 广东省 | 深圳市 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 114.10773682 | 22.54068139 | — | — | 440303 |
| 16 | 000001 | 2015 | 平安银行 | 否 | 是 | — | — | — | — | J | 货币金融服务 | J66 | 0 | 2507149000000 | — | 0 | 0 | 000001 | 否 | 是 | 否 | 广东省 | 深圳市 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 114.10773682 | 22.54068139 | — | — | 440303 |
| 17 | 000001 | 2016 | 平安银行 | 否 | 是 | — | — | — | — | J | 货币金融服务 | J66 | — | 2953434000000 | — | — | — | 000001 | 否 | 是 | 否 | 广东省 | 深圳市 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 114.10773682 | 22.54068139 | — | — | 440303 |
| 18 | 000001 | 2017 | 平安银行 | 否 | 是 | — | — | — | — | J | 货币金融服务 | J66 | — | 3248474000000 | — | — | — | 000001 | 否 | 是 | 否 | 广东省 | 深圳市 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 114.10773682 | 22.54068139 | — | — | 440303 |
| 19 | 000001 | 2018 | 平安银行 | 否 | 是 | — | — | — | — | J | 货币金融服务 | J66 | — | 3418592000000 | — | — | — | 000001 | 否 | 是 | 否 | 广东省 | 深圳市 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 114.10796582 | 22.54057839 | — | — | 440303 |
| 20 | 000001 | 2019 | 平安银行 | 否 | 是 | — | — | — | — | J | 货币金融服务 | J66 | — | 3939070000000 | — | — | — | 000001 | 否 | 是 | 否 | 广东省 | 深圳市 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 114.10774 | 22.54068 | — | — | 440303 |
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 v22026/11/14 发布
生效中57,543 行 · 36 个字段 · 初始导入(比 v1 行数增加 24,字段增加 2 个)
版本 v12026/11/13 发布
历史版本57,519 行 · 34 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、企业、行业,能和不少于 145 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 证监会行业大类 + 区县 + 省份 + 股票代码 + 年份 能连
4 个数据集 · 本数据集 57,543 行有证监会行业大类- 上市公司供应链效率企业主体 · 7.1 万 行 · 连接字段 province、industry_code、stock_code、year、county_code按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司跨境电商DID企业主体 · 6.9 万 行 · 连接字段 province、industry_code、stock_code、county_code、year按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司百度指数企业主体 · 3.5 万 行 · 连接字段 industry_code、county_code、year、stock_code、province按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司数字经济城市企业主体 · 1.2 万 行 · 连接字段 province、stock_code、industry_code、county_code、year按证监会行业大类对上本数据集 36,410 行(63%)
按 证监会行业大类 + 省份 + 股票代码 + 年份 能连
30 个数据集 · 本数据集 57,543 行有证监会行业大类- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 stock_code、year、province、industry_code按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司气候风险指数企业主体 · 6.7 万 行 · 连接字段 industry_code、stock_code、year、province按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司年报AI词频企业主体 · 6.2 万 行 · 连接字段 province、stock_code、year、industry_code按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司数字化创新指标企业主体 · 5.9 万 行 · 连接字段 province、stock_code、year、industry_code按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司所在城市低碳试点标记企业主体 · 5.8 万 行 · 连接字段 year、stock_code、province_code、industry_code按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司对外开放程度企业主体 · 5.8 万 行 · 连接字段 stock_code、province、industry_code、year按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司行业异质性企业主体 · 5.4 万 行 · 连接字段 industry_code、stock_code、year、province按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司劳动力与资产指标企业主体 · 5.3 万 行 · 连接字段 year、province、industry_code、stock_code按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司融资约束企业主体 · 5.2 万 行 · 连接字段 stock_code、year、province、industry_code按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司省级政策匹配企业主体 · 4.9 万 行 · 连接字段 province、stock_code、year、industry_code_c按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司年报语气指标企业主体 · 4.7 万 行 · 连接字段 stock_code、industry_code、province、year按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司供应链风险企业主体 · 4.4 万 行 · 连接字段 province、stock_code、industry_code、year按证监会行业大类对上本数据集 36,412 行(63%)
按 区县 + 省份 + 股票代码 + 年份 能连
12 个数据集 · 本数据集 57,373 行有区县- 上市公司绿色专利占比企业主体 · 5.6 万 行 · 连接字段 year、county_code、stock_code、province按区县对上本数据集 56,777 行(98%)
- 上市公司专利创新绩效企业主体 · 5.6 万 行 · 连接字段 year、county_code、province、stock_code按区县对上本数据集 56,777 行(98%)
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 year、county_code、province、stock_code按区县对上本数据集 56,705 行(98%)
- 上市公司商道融绿ESG评级面板企业主体 · 4.6 万 行 · 连接字段 stock_code、province、county_code、year按区县对上本数据集 56,575 行(98%)
- 上市公司周边宗教场所统计企业主体 · 17.4 万 行 · 连接字段 year、province、stock_code、county_code按区县对上本数据集 56,450 行(98%)
- 上市公司供应链试点匹配企业主体 · 5.8 万 行 · 连接字段 year、stock_code、province、county_code按区县对上本数据集 56,133 行(97%)
- 上市公司供应链城市试点匹配企业主体 · 5.8 万 行 · 连接字段 county_code、stock_code、year、province按区县对上本数据集 56,133 行(97%)
- 上市公司环保处罚累计次数企业主体 · 5,633 行 · 连接字段 region_code、province、cutoff_date、stock_code按区县对上本数据集 56,020 行(97%)
- 上市公司数字普惠金融企业主体 · 4.2 万 行 · 连接字段 county_code、stock_code、province、year按区县对上本数据集 55,817 行(97%)
- 上市公司对外投资企业主体 · 2.1 万 行 · 连接字段 year、stock_code、county_code、province按区县对上本数据集 53,756 行(93%)
- 上市公司供应链上下游企业主体 · 1.2 万 行 · 连接字段 year、province、stock_code、region_code按区县对上本数据集 52,714 行(91%)
- 上市公司政府采购合同工程项目 · 19 万 行 · 连接字段 buyer_province、region_code、contract_date、stock_code按区县对上本数据集 52,208 行(90%)
按 区县 + 省份 + 年份 能连
91 个数据集 · 本数据集 57,373 行有区县- 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 province_code、region_code、year按区县对上本数据集 57,373 行(99%)
- 行政区划名称和简称区域底数 · 1.3 万 行 · 连接字段 valid_from、region_code、province_code按区县对上本数据集 57,373 行(99%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 province、region_code、year按区县对上本数据集 57,373 行(99%)
- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 province、layer_year、region_code按区县对上本数据集 57,373 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 57,335 行(99%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 division_year、region_code、province按区县对上本数据集 57,315 行(99%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 division_year、region_code、province按区县对上本数据集 57,315 行(99%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、region_code、year按区县对上本数据集 57,307 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 57,307 行(99%)
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 province、region_code、year按区县对上本数据集 57,307 行(99%)
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 province、region_code、year按区县对上本数据集 57,307 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、region_code、province按区县对上本数据集 57,307 行(99%)
按 证监会行业大类 + 股票代码 + 年份 能连
44 个数据集 · 本数据集 57,543 行有证监会行业大类- 上市公司基础财务企业主体 · 7.7 万 行 · 连接字段 year、industry_code、stock_code按证监会行业大类对上本数据集 57,542 行(99%)
- 上市公司年报数字化词频企业主体 · 969 万 行 · 连接字段 industry_code、stock_code、year按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司FC融资约束指数企业主体 · 40.7 万 行 · 连接字段 report_date、stock_code、industry_code按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司KZ指数多口径企业主体 · 40.7 万 行 · 连接字段 industry_code、report_date、stock_code按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司盈利能力企业主体 · 7.4 万 行 · 连接字段 industry_code、year、stock_code按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司发展能力企业主体 · 7.4 万 行 · 连接字段 industry_code、stock_code、year按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司财务基础企业主体 · 6.7 万 行 · 连接字段 industry_code、stock_code、year按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司勒纳指数企业主体 · 6.6 万 行 · 连接字段 industry_code、year、stock_code按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司资产专用性指标企业主体 · 5.8 万 行 · 连接字段 stock_code、year、industry_code按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司融资约束SA指数企业主体 · 5.7 万 行 · 连接字段 stock_code、industry_code、listed_date按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司WW融资约束指数企业主体 · 5.7 万 行 · 连接字段 report_date、industry_code、stock_code按证监会行业大类对上本数据集 36,412 行(63%)
- 上市公司绿色投资者企业主体 · 5.7 万 行 · 连接字段 industry_code_2、stock_code、year按证监会行业大类对上本数据集 36,412 行(63%)
按 省份 + 股票代码 + 年份 能连
18 个数据集 · 本数据集 57,504 行有省份- 沪深京上市证券参照企业主体 · 6,057 行 · 连接字段 ts_code、list_date、province按省份对上本数据集 57,504 行(99%)
- 上市公司绿色信贷匹配企业主体 · 5.8 万 行 · 连接字段 province、stock_code、year按省份对上本数据集 57,504 行(99%)
- 上市公司高铁开通匹配企业主体 · 5.7 万 行 · 连接字段 year、stock_code、province按省份对上本数据集 57,504 行(99%)
- 上市公司数字化与绿色创新企业主体 · 5 万 行 · 连接字段 province、year、stock_code按省份对上本数据集 57,504 行(99%)
- 上市公司数字化转型与企业创新面板企业主体 · 4.7 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 57,504 行(99%)
- 上市公司ESG得分和同群均值企业主体 · 4.4 万 行 · 连接字段 stock_code、year、region_code按省份对上本数据集 57,504 行(99%)
- 上市公司低碳试点匹配企业主体 · 4.4 万 行 · 连接字段 year、stock_code、province按省份对上本数据集 57,504 行(99%)
- 上市公司ESG与就业指标企业主体 · 4.2 万 行 · 连接字段 year、stock_code、province按省份对上本数据集 57,504 行(99%)
- 上市公司ESG同群效应企业主体 · 4.2 万 行 · 连接字段 stock_code、province、year按省份对上本数据集 57,504 行(99%)
- 上市公司ESG与财务企业主体 · 3.9 万 行 · 连接字段 province、year、stock_code按省份对上本数据集 57,504 行(99%)
- 新三板公司基本信息参照企业主体 · 1.3 万 行 · 连接字段 establish_date、province、stock_code按省份对上本数据集 57,501 行(99%)
- 上市公司市场化指数企业主体 · 4.3 万 行 · 连接字段 stock_code、province、listing_date按省份对上本数据集 57,501 行(99%)
按 区县 + 股票代码 + 年份 能连
2 个数据集 · 本数据集 57,373 行有区县按 省份 + 年份 能连
419 个数据集 · 本数据集 57,504 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 57,504 行(99%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 province、year按省份对上本数据集 57,504 行(99%)
- 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 57,504 行(99%)
- 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 57,504 行(99%)
- 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 57,504 行(99%)
- 全国铁路列车经停时刻交通运输 · 7.9 万 行 · 连接字段 update_date、dep_province按省份对上本数据集 57,504 行(99%)
- 省级逐月降水量自然灾害 · 5 万 行 · 连接字段 province、year按省份对上本数据集 57,504 行(99%)
- 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 57,504 行(99%)
- 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 57,504 行(99%)
- 全国城投债明细企业主体 · 3.1 万 行 · 连接字段 list_date、province按省份对上本数据集 57,504 行(99%)
- 地级市逐年降水量自然灾害 · 2.7 万 行 · 连接字段 province、year按省份对上本数据集 57,504 行(99%)
- 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 57,504 行(99%)
按 股票代码 + 年份 能连
186 个数据集 · 本数据集 57,519 行有股票代码- 上市公司月个股回报率企业主体 · 73.7 万 行 · 连接字段 trade_month、stock_code按股票代码对上本数据集 57,519 行(99%)
- 上市公司月度ST状态企业主体 · 73.5 万 行 · 连接字段 stock_code、month按股票代码对上本数据集 57,519 行(99%)
- 上市公司资产负债表企业主体 · 52.9 万 行 · 连接字段 date、stock_code按股票代码对上本数据集 57,519 行(99%)
- 上市公司现金流量表企业主体 · 52.9 万 行 · 连接字段 date、stock_code按股票代码对上本数据集 57,519 行(99%)
- 上市公司税费统计企业主体 · 51 万 行 · 连接字段 stock_code、date按股票代码对上本数据集 57,519 行(99%)
- A股独立联合绿色专利企业主体 · 15.3 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 57,519 行(99%)
- 上市公司绿色专利获得(CNRDS)企业主体 · 15.3 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 57,519 行(99%)
- 上市公司绿色专利面板企业主体 · 7.8 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 57,519 行(99%)
- A股商誉治理财务企业主体 · 7.8 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 57,519 行(99%)
- 上市公司偿债能力企业主体 · 7.4 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 57,519 行(99%)
- 上市公司年个股回报率企业主体 · 6.5 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 57,519 行(99%)
- 上市公司资产负债简表企业主体 · 6.2 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 57,519 行(99%)
按 区县 + 省份 能连
18 个数据集 · 本数据集 57,373 行有区县- 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 57,307 行(99%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 village_code、province_code按区县对上本数据集 57,283 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 region_code、province_code按区县对上本数据集 57,194 行(99%)
- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code、county_code按区县对上本数据集 57,174 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 56,840 行(98%)
- 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 56,660 行(98%)
- 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 55,474 行(96%)
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 region_code、province按区县对上本数据集 52,767 行(91%)
- 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 46,186 行(80%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province、county_code按区县对上本数据集 43,421 行(75%)
- 区县建筑轮廓汇总区域底数 · 391 行 · 连接字段 region_code、province按区县对上本数据集 42,198 行(73%)
- 全国地铁站点交通运输 · 1.9 万 行 · 连接字段 province、county_code按区县对上本数据集 41,973 行(72%)
按 区县 + 年份 能连
14 个数据集 · 本数据集 57,373 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 57,373 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 56,205 行(97%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 pub_date、applicant_address_county_code按区县对上本数据集 55,833 行(97%)
- 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 51,666 行(89%)
- 全国格点逐年极端降水自然灾害 · 602.3 万 行 · 连接字段 year、county_code按区县对上本数据集 50,565 行(87%)
- 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 38,431 行(66%)
- 全国百强区县入选状态区域底数 · 4.1 万 行 · 连接字段 region_code、year按区县对上本数据集 36,643 行(63%)
- 全国电厂点位建筑设施 · 4,274 行 · 连接字段 county_code、commissioning_year按区县对上本数据集 27,565 行(47%)
- 城市和区县新冠疫情日度人口健康 · 53.3 万 行 · 连接字段 county_code、date按区县对上本数据集 22,425 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 21,118 行(36%)
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 county_code、established_date按区县对上本数据集 18,436 行(32%)
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 date、county_code按区县对上本数据集 15,459 行(26%)
按 证监会行业大类 + 年份 能连
3 个数据集 · 本数据集 57,543 行有证监会行业大类按 证监会行业大类 + 省份 能连
1 个数据集 · 本数据集 57,543 行有证监会行业大类按 省份 + 股票代码 能连
1 个数据集 · 本数据集 57,504 行有省份按 省份 能连
27 个数据集 · 本数据集 57,504 行有省份- 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 57,504 行(99%)
- 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 57,501 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 57,501 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 57,501 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 57,501 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 57,501 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 57,501 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 57,501 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 57,501 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 57,501 行(99%)
- 城市政商关系健康指数区域底数 · 292 行 · 连接字段 province按省份对上本数据集 57,501 行(99%)
- 省份距港口距离区域底数 · 31 行 · 连接字段 province按省份对上本数据集 57,501 行(99%)
按 区县 能连
12 个数据集 · 本数据集 57,373 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 57,373 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 57,039 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 56,938 行(98%)
- 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 56,668 行(98%)
- 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 56,377 行(97%)
- 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 49,911 行(86%)
- 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 45,509 行(79%)
- 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 44,823 行(77%)
- 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 35,822 行(62%)
- 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 31,744 行(55%)
- 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 17,767 行(30%)
- 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 13,108 行(22%)
按 股票代码 能连
2 个数据集 · 本数据集 57,519 行有股票代码只按年份能连:262 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
262 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
- 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
- 地级市城乡建设统计区域底数 · 208.6 万 行 · 连接字段 year
- 上市公司数字词频企业主体 · 191.6 万 行 · 连接字段 year
- 分省HS商品年度进出口区域底数 · 135.8 万 行 · 连接字段 year
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
county_code由办公地经度、办公地纬度扩增得出。
来自字段扩增上市公司代理成本指标上市公司代理成本指标
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/listed-company-agency-cost/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"stock_code","op":"eq","value":"000001"}],"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。