上市公司年报语气指标
一行代表一家上市公司在某一年的年报文本语气统计。
v1 生效中 · 2026/11/13 发布险种标签：企业财产险责任险时间跨度：2007–2022 年数据出处 上市公司年报文本挖掘
- 记录
- 4.7 万
- 字段
- 22
- AI 扩增字段
- 1
- 平均非空率
- 95.2%
- 字段完整度
22 个字段，12 个没有空值，1 个 AI 扩增
01字段
字段来源，逐一标明
共 22 个字段，其中 AI 扩增字段 1 个。非空率按当前版本的 47,232 行计算。
关于这个数据集
一行代表一家上市公司在某一年的年报文本语气统计。覆盖中国A股上市公司，包含年报字数、词汇数及基于LM和台大词典的情感得分。可用于评估企业信息披露质量、管理层信心及潜在的经营风险信号。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 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% | — | ||
| 股票代码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% | — | ||
| 股票简称stock_name含义：名称 | 文本 | 原生 | 90% | — | ||
| 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 | 90% | — | ||
| 行业代码industry_code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 | 90% | — | ||
| 省份province规律 1：省份的字段规律字段规律：city_code_2由省份、城市扩增得出。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 | 90% | — | ||
| 城市city规律 1：城市的字段规律字段规律：city_code_2由省份、城市扩增得出。含义：地区键：城市名称。样本里格式符合 81.8%，还没有参照 | 文本 | 原生 | 89% | — | ||
| 省份代码province_code含义：代码或编号键：省级区划代码（2025 年版）。样本里格式符合 100%，100% 的行对上参照 region-code-by-year | 文本 | 原生 | 90% | — | ||
| 城市代码city_code含义：代码或编号键：多级区划代码（2015 年版）。样本里格式符合 100%，100% 的行对上参照 region-code-by-year | 文本 | 原生 | 89% | — | ||
| 首次上市年份first_listing_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 | 90% | — | ||
| 上市状态listing_status含义：类别 | 文本 | 原生 | 90% | — | ||
| 年报字数report_char_count含义：个数（个） | 整数 | 原生 | 100% | 单位：字 | ||
| 年报词汇数report_word_count含义：个数（个） | 整数 | 原生 | 100% | 单位：个 | ||
| 年报句子数report_sentence_count含义：个数（个） | 整数 | 原生 | 100% | 单位：句 | ||
| LM积极词数lm_positive_word_count含义：个数（个） | 整数 | 原生 | 100% | 基于LM词典 原表列名：LM词典积极词汇数 | ||
| LM消极词数lm_negative_word_count含义：个数（个） | 整数 | 原生 | 100% | 基于LM词典 原表列名：LM词典消极词汇数 | ||
| 台大积极词数ntu_positive_word_count含义：个数（个） | 整数 | 原生 | 100% | 基于台大词典 原表列名：台大词典积极词汇数 | ||
| 台大消极词数ntu_negative_word_count含义：个数（个） | 整数 | 原生 | 100% | 基于台大词典 原表列名：台大词典消极词汇数 | ||
| LM语气1lm_tone_1 | 小数 | 原生 | 100% | 含义不清，推测为某种语气比率 原表列名：基于LM词典的TONE1 | ||
| LM语气2lm_tone_2 | 小数 | 原生 | 100% | 含义不清，推测为另一种语气比率 原表列名：基于LM词典的TONE2 | ||
| 台大语气ntu_tone | 小数 | 原生 | 100% | 含义不清，推测为语气得分 原表列名：基于台大词典的TONE | ||
| 城市区划代码city_code_2规律 1：城市区划代码的字段规律字段规律：city_code_2由省份、城市扩增得出。含义：代码或编号键：市级区划代码。样本里格式符合 100%，99.6% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：城市区划代码 | 89%平均置信度 1.00校验少：不建议单独作为决策依据 | 由省份、城市查行政区划参照得出的现行地级区划代码。程序查表，不用模型。对不上或置信度低的为空 |
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。
| # | 年份year | 股票代码stock_code | 股票简称stock_name | 行业名称industry_name | 行业代码industry_code | 省份province | 城市city | 省份代码province_code | 城市代码city_code | 首次上市年份first_listing_year | 上市状态listing_status | 年报字数report_char_count | 年报词汇数report_word_count | 年报句子数report_sentence_count | LM积极词数lm_positive_word_count | LM消极词数lm_negative_word_count | 台大积极词数ntu_positive_word_count | 台大消极词数ntu_negative_word_count | LM语气1lm_tone_1 | LM语气2lm_tone_2 | 台大语气ntu_tone | 城市区划代码city_code_2 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2007 | 000001 | 深发展A | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 1991 | 正常上市 | 202043 | 59377 | 1552 | 3773 | 3378 | 4045 | 1280 | 0.00665 | 0.05524 | 0.51925 | 440300 |
| 2 | 2008 | 000001 | 深发展A | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 1991 | 正常上市 | 218589 | 62410 | 1629 | 3828 | 3529 | 4021 | 1543 | 0.00479 | 0.04064 | 0.44536 | 440300 |
| 3 | 2009 | 000001 | 深发展A | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 1991 | 正常上市 | 233098 | 66655 | 1758 | 4111 | 3897 | 4467 | 1607 | 0.00321 | 0.02672 | 0.47086 | 440300 |
| 4 | 2010 | 000001 | 深发展A | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 1991 | 正常上市 | 237743 | 68961 | 2035 | 4535 | 4064 | 4896 | 1584 | 0.00683 | 0.05477 | 0.51111 | 440300 |
| 5 | 2011 | 000001 | 深发展A | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 1991 | 正常上市 | 309276 | 86172 | 2636 | 5772 | 4817 | 6334 | 1944 | 0.01108 | 0.09019 | 0.53032 | 440300 |
| 6 | 2012 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 1991 | 正常上市 | 293935 | 82365 | 2273 | 5216 | 4963 | 6116 | 1999 | 0.00307 | 0.02486 | 0.50733 | 440300 |
| 7 | 2013 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 1991 | 正常上市 | 184462 | 57222 | 1716 | 4069 | 3365 | 4752 | 1311 | 0.0123 | 0.0947 | 0.56754 | 440300 |
| 8 | 2014 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 1991 | 正常上市 | 192842 | 61487 | 1785 | 4639 | 3552 | 5122 | 1402 | 0.01768 | 0.13271 | 0.5702 | 440300 |
| 9 | 2015 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 1991 | 正常上市 | 182850 | 58887 | 1676 | 4245 | 3462 | 4791 | 1447 | 0.0133 | 0.1016 | 0.53607 | 440300 |
| 10 | 2016 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 1991 | 正常上市 | 177890 | 55796 | 1517 | 3782 | 3162 | 4326 | 1319 | 0.01111 | 0.08929 | 0.53268 | 440300 |
| 11 | 2017 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 1991 | 正常上市 | 193547 | 61661 | 1731 | 4234 | 3557 | 4714 | 1511 | 0.01098 | 0.0869 | 0.51454 | 440300 |
| 12 | 2018 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 1991 | 正常上市 | 153444 | 78875 | 2236 | 6071 | 4505 | 6391 | 1991 | 0.01985 | 0.14807 | 0.52493 | 440300 |
| 13 | 2019 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 1991 | 正常上市 | 251811 | 82104 | 2465 | 6594 | 4504 | 6991 | 1958 | 0.02546 | 0.18832 | 0.56241 | 440300 |
| 14 | 2020 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 1991 | 正常上市 | 287590 | 93130 | 2528 | 7423 | 5092 | 7955 | 2220 | 0.02503 | 0.18626 | 0.56364 | 440300 |
| 15 | 2021 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 1991 | 正常上市 | 281495 | 91212 | 2368 | 7285 | 5109 | 7714 | 2105 | 0.02386 | 0.17557 | 0.57124 | 440300 |
| 16 | 2022 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 1991 | 正常上市 | 909124 | 92952 | 2340 | 7037 | 5002 | 7474 | 2125 | 0.02189 | 0.16903 | 0.55725 | 440300 |
| 17 | 2007 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 440000 | 440300 | 1991 | 正常上市 | 208514 | 48360 | 1356 | 3190 | 2598 | 3749 | 714 | 0.01224 | 0.10228 | 0.68004 | 440300 |
| 18 | 2008 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 440000 | 440300 | 1991 | 正常上市 | 229010 | 53802 | 1503 | 3541 | 2885 | 4185 | 950 | 0.01219 | 0.10209 | 0.62999 | 440300 |
| 19 | 2009 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 440000 | 440300 | 1991 | 正常上市 | 248196 | 59843 | 1527 | 3879 | 3196 | 4322 | 1054 | 0.01141 | 0.09654 | 0.60789 | 440300 |
| 20 | 2010 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 440000 | 440300 | 1991 | 正常上市 | 269832 | 62707 | 1486 | 4179 | 3428 | 4585 | 976 | 0.01198 | 0.09872 | 0.64898 | 440300 |
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47,232 行 · 22 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 177 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 + 城市 + 地区 + 省份 + 股票代码 + 年份 能连
1 个数据集 · 本数据集 42,262 行有证监会行业大类按 证监会行业大类 + 地区 + 省份 + 股票代码 + 年份 能连
14 个数据集 · 本数据集 42,262 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 industry_code、stock_code、city_code、province、year按证监会行业大类对上本数据集 42,262 行（89%）
- 上市公司跨境电商DID企业主体 · 6.9 万 行 · 连接字段 industry_code、province、city_code、stock_code、year按证监会行业大类对上本数据集 42,262 行（89%）
- 上市公司气候风险指数企业主体 · 6.7 万 行 · 连接字段 year、region_code、industry_code、stock_code、province按证监会行业大类对上本数据集 42,262 行（89%）
- 上市公司年报AI词频企业主体 · 6.2 万 行 · 连接字段 year、stock_code、industry_code、province、city_code按证监会行业大类对上本数据集 42,262 行（89%）
- 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、industry_code、city_code、province_code、stock_code按证监会行业大类对上本数据集 42,262 行（89%）
- 上市公司对外开放程度企业主体 · 5.8 万 行 · 连接字段 stock_code、year、city_code、province、industry_code按证监会行业大类对上本数据集 42,262 行（89%）
- A股数字化与ESG企业主体 · 3.9 万 行 · 连接字段 province、region_code、year、stock_code、industry_code按证监会行业大类对上本数据集 42,262 行（89%）
- 上市公司ESG与创新指标企业主体 · 3.7 万 行 · 连接字段 year、stock_code、province、city_code、industry_code按证监会行业大类对上本数据集 42,262 行（89%）
- 上市公司百度指数企业主体 · 3.5 万 行 · 连接字段 stock_code、industry_code、year、province、city_code按证监会行业大类对上本数据集 42,262 行（89%）
- 上市公司档案参照企业主体 · 5,704 行 · 连接字段 stkcd、establish_date、industry_code_c、province、city_code按证监会行业大类对上本数据集 42,216 行（89%）
- 上市公司供应链效率企业主体 · 7.1 万 行 · 连接字段 stock_code、city_code、year、province、industry_code按证监会行业大类对上本数据集 41,927 行（88%）
- 上市公司数字化创新指标企业主体 · 5.9 万 行 · 连接字段 province、industry_code、region_code、year、stock_code按证监会行业大类对上本数据集 41,331 行（87%）
按 证监会行业大类 + 城市 + 省份 + 股票代码 + 年份 能连
6 个数据集 · 本数据集 42,262 行有证监会行业大类- 上市公司融资约束企业主体 · 5.2 万 行 · 连接字段 industry_code、province、city_code、year、stock_code按证监会行业大类对上本数据集 42,262 行（89%）
- 上市公司数字经济城市企业主体 · 1.2 万 行 · 连接字段 stock_code、year、industry_code、province、city_code按证监会行业大类对上本数据集 42,254 行（89%）
- 上市公司绿色创新与财务企业主体 · 2.3 万 行 · 连接字段 year、province、industry_code、region_code、stock_code按证监会行业大类对上本数据集 42,216 行（89%）
- 上市公司金融科技与创新企业主体 · 4.2 万 行 · 连接字段 year、province、industry_code、stock_code、region_code按证监会行业大类对上本数据集 41,331 行（87%）
- 上市公司数实融合水平企业主体 · 1.7 万 行 · 连接字段 industry_code、province、stock_code、year、city_code按证监会行业大类对上本数据集 40,827 行（86%）
- 上市公司财务治理指标企业主体 · 2.5 万 行 · 连接字段 year、industry_code、province、city_code、stock_code按证监会行业大类对上本数据集 40,691 行（86%）
按 城市 + 地区 + 省份 + 股票代码 + 年份 能连
6 个数据集 · 本数据集 42,066 行有城市- 上市公司数字化与绿色创新企业主体 · 5 万 行 · 连接字段 city_code_2、province、year、stock_code、city_code按城市对上本数据集 42,066 行（89%）
- 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、stock_code、province、city_code、city_code_2按城市对上本数据集 42,066 行（89%）
- 上市公司ESG同群效应企业主体 · 4.2 万 行 · 连接字段 stock_code、city_code_2、province、year、city_code按城市对上本数据集 42,065 行（89%）
- 上市公司ESG与就业指标企业主体 · 4.2 万 行 · 连接字段 year、province、city_code、city_code_2、stock_code按城市对上本数据集 42,049 行（89%）
- 上市公司ESG与财务企业主体 · 3.9 万 行 · 连接字段 year、stock_code、city_code_2、city_code、province按城市对上本数据集 42,049 行（89%）
- 上市公司政府采购合同工程项目 · 19 万 行 · 连接字段 buyer_city_code、company_city_code、contract_date、stock_code、buyer_province按城市对上本数据集 33,649 行（71%）
按 证监会行业大类 + 省份 + 股票代码 + 年份 能连
13 个数据集 · 本数据集 42,262 行有证监会行业大类- 上市公司行业异质性企业主体 · 5.4 万 行 · 连接字段 province、year、stock_code、industry_code按证监会行业大类对上本数据集 42,262 行（89%）
- 上市公司省级政策匹配企业主体 · 4.9 万 行 · 连接字段 stock_code、industry_code_c、year、province按证监会行业大类对上本数据集 42,262 行（89%）
- 上市公司社会责任报告信息企业主体 · 4 万 行 · 连接字段 industry_code、date、province、stock_code按证监会行业大类对上本数据集 42,262 行（89%）
- A股ESG与财务企业主体 · 3.8 万 行 · 连接字段 stock_code、industry_code、year、province按证监会行业大类对上本数据集 42,262 行（89%）
- 上市公司人工智能采纳程度企业主体 · 3.7 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 42,262 行（89%）
- 上市公司Wind ESG评级企业主体 · 14 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 42,216 行（89%）
- 上市公司创新与地区数字金融企业主体 · 2.1 万 行 · 连接字段 stock_code、accounting_period、industry_code、province按证监会行业大类对上本数据集 42,216 行（89%）
- 上市公司富时罗素ESG评分企业主体 · 2 万 行 · 连接字段 year、stock_code、province、industry_code按证监会行业大类对上本数据集 42,216 行（89%）
- 全国上市公司注册发行企业主体 · 5,499 行 · 连接字段 industry_code_c、stock_code、province、listing_date按证监会行业大类对上本数据集 42,216 行（89%）
- 上市公司数字技术与所在省份数字基础设施企业主体 · 1.5 万 行 · 连接字段 industry_code、year、province_code、stock_code按证监会行业大类对上本数据集 42,210 行（89%）
- 上市公司专利统计企业主体 · 7,834 行 · 连接字段 stock_code、province、year、ind_code按证监会行业大类对上本数据集 41,677 行（88%）
- 上市公司ESG工具变量企业主体 · 4 万 行 · 连接字段 province、year、stock_code、industry_code_1按证监会行业大类对上本数据集 41,331 行（87%）
按 城市 + 省份 + 股票代码 + 年份 能连
7 个数据集 · 本数据集 42,066 行有城市- 上市公司绿色信贷匹配企业主体 · 5.8 万 行 · 连接字段 year、city_code、stock_code、province按城市对上本数据集 42,066 行（89%）
- 上市公司供应链试点匹配企业主体 · 5.8 万 行 · 连接字段 province、city_code、year、stock_code按城市对上本数据集 42,066 行（89%）
- 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 city_code、province、stock_code、year按城市对上本数据集 42,066 行（89%）
- 上市公司高铁开通匹配企业主体 · 5.7 万 行 · 连接字段 stock_code、year、province、city_code按城市对上本数据集 42,066 行（89%）
- 上市公司数字普惠金融企业主体 · 4.2 万 行 · 连接字段 year、province、stock_code、city_code按城市对上本数据集 42,065 行（89%）
- 上市公司注册与经营概况企业主体 · 4,213 行 · 连接字段 city_code、stock_code、setup_date、province按城市对上本数据集 42,011 行（88%）
- 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、register_address_city_code、stock_code、province按城市对上本数据集 41,996 行（88%）
按 地区 + 省份 + 股票代码 + 年份 能连
5 个数据集 · 本数据集 42,215 行有地区- 上市公司绿色专利占比企业主体 · 5.6 万 行 · 连接字段 city_code、province、stock_code、year按地区对上本数据集 42,215 行（89%）
- 上市公司专利创新绩效企业主体 · 5.6 万 行 · 连接字段 stock_code、province、year、city_code按地区对上本数据集 42,215 行（89%）
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 city_code、year、stock_code、province按地区对上本数据集 42,215 行（89%）
- 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、year、city_code按地区对上本数据集 42,215 行（89%）
- 上市公司环保处罚累计次数企业主体 · 5,633 行 · 连接字段 stock_code、province、city_code、cutoff_date按地区对上本数据集 42,108 行（89%）
按 城市 + 地区 + 省份 + 年份 能连
4 个数据集 · 本数据集 42,066 行有城市- 城市二手房月度均价区域底数 · 4.3 万 行 · 连接字段 province、region_code、city_code、year按城市对上本数据集 41,022 行（86%）
- 城市二手房年度指标区域底数 · 4,119 行 · 连接字段 city_code、province、region_code、year按城市对上本数据集 41,022 行（86%）
- 全国机构养老服务机构建筑设施 · 3.9 万 行 · 连接字段 region_code、city_code、create_date、province按城市对上本数据集 33,648 行（71%）
- 全国社区养老设施建筑设施 · 19.7 万 行 · 连接字段 create_date、region_code、province、city_code按城市对上本数据集 19,727 行（41%）
按 城市 + 省份 + 年份 能连
162 个数据集 · 本数据集 42,066 行有城市- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 origin_province、origin_city_code、month按城市对上本数据集 42,066 行（89%）
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 province、region_code、year按城市对上本数据集 42,066 行（89%）
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、city_code、province按城市对上本数据集 42,066 行（89%）
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 date、region_code、province按城市对上本数据集 42,066 行（89%）
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 province、year、region_code按城市对上本数据集 42,066 行（89%）
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 origin_province、origin_city_code、year按城市对上本数据集 42,066 行（89%）
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 region_code、province、date按城市对上本数据集 42,066 行（89%）
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 year、province、region_code按城市对上本数据集 42,066 行（89%）
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 city_code、date、province按城市对上本数据集 42,066 行（89%）
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 year、city_code、province按城市对上本数据集 42,066 行（89%）
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 year、region_code、province按城市对上本数据集 42,066 行（89%）
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 province、city_code、approve_date按城市对上本数据集 42,066 行（89%）
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 42,262 行有证监会行业大类- 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 42,262 行（89%）
- 上市公司基础财务企业主体 · 7.7 万 行 · 连接字段 stock_code、industry_code、year按证监会行业大类对上本数据集 42,262 行（89%）
- 上市公司盈利能力企业主体 · 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 42,262 行（89%）
- 上市公司发展能力企业主体 · 7.4 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 42,262 行（89%）
- 上市公司财务基础企业主体 · 6.7 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 42,262 行（89%）
- 上市公司勒纳指数企业主体 · 6.6 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 42,262 行（89%）
- 上市公司资产专用性指标企业主体 · 5.8 万 行 · 连接字段 year、stock_code、industry_code按证监会行业大类对上本数据集 42,262 行（89%）
- 上市公司融资约束SA指数企业主体 · 5.7 万 行 · 连接字段 listed_date、stock_code、industry_code按证监会行业大类对上本数据集 42,262 行（89%）
- 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、stock_code、industry_code按证监会行业大类对上本数据集 42,262 行（89%）
- 上市公司绿色投资者企业主体 · 5.7 万 行 · 连接字段 year、stock_code、industry_code_2按证监会行业大类对上本数据集 42,262 行（89%）
- 上市公司高管党员统计企业主体 · 5.7 万 行 · 连接字段 year、industry_code_1、stock_code按证监会行业大类对上本数据集 42,262 行（89%）
- 上市公司党组织设立企业主体 · 5.7 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 42,262 行（89%）
按 省份 + 股票代码 + 年份 能连
12 个数据集 · 本数据集 42,253 行有省份- 沪深京上市证券参照企业主体 · 6,057 行 · 连接字段 list_date、province、ts_code按省份对上本数据集 42,253 行（89%）
- 上市公司ESG得分和同群均值企业主体 · 4.4 万 行 · 连接字段 year、region_code、stock_code按省份对上本数据集 42,253 行（89%）
- 上市公司低碳试点匹配企业主体 · 4.4 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 42,253 行（89%）
- 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 42,252 行（89%）
- 上市公司市场化指数企业主体 · 4.3 万 行 · 连接字段 listing_date、province、stock_code按省份对上本数据集 42,252 行（89%）
- 上市公司供应链地理距离企业主体 · 4.2 万 行 · 连接字段 stock_code、year、province按省份对上本数据集 42,252 行（89%）
- 制造业上市公司财务指标企业主体 · 3.7 万 行 · 连接字段 province、stock_code、year按省份对上本数据集 42,252 行（89%）
- 上市公司对外投资企业主体 · 2.1 万 行 · 连接字段 year、stock_code、province按省份对上本数据集 42,252 行（89%）
- 制造业上市公司全要素生产率企业主体 · 1.6 万 行 · 连接字段 year、stock_code、province按省份对上本数据集 42,252 行（89%）
- 上市公司供应链上下游企业主体 · 1.2 万 行 · 连接字段 year、stock_code、province按省份对上本数据集 42,252 行（89%）
- 上市公司所在地企业主体 · 4,447 行 · 连接字段 stock_code、province、list_date按省份对上本数据集 42,252 行（89%）
- A股上市银行年度经营指标企业主体 · 3.1 万 行 · 连接字段 stock_code、province、year按省份对上本数据集 32,301 行（68%）
按 地区 + 省份 + 年份 能连
3 个数据集 · 本数据集 42,215 行有地区按 城市 + 股票代码 + 年份 能连
2 个数据集 · 本数据集 42,066 行有城市按 城市 + 地区 + 年份 能连
1 个数据集 · 本数据集 42,066 行有城市按 城市 + 省份 + 股票代码 能连
1 个数据集 · 本数据集 42,066 行有城市按 省份 + 年份 能连
341 个数据集 · 本数据集 42,253 行有省份- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 page_publish_time、pname按省份对上本数据集 42,253 行（89%）
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 province、date按省份对上本数据集 42,253 行（89%）
- 县级逐月降水量自然灾害 · 421.1 万 行 · 连接字段 year、province按省份对上本数据集 42,253 行（89%）
- 中国手机基站地理信息建筑设施 · 186.8 万 行 · 连接字段 province、create_date按省份对上本数据集 42,253 行（89%）
- 工业企业出口技术复杂度企业主体 · 75.2 万 行 · 连接字段 customs_province、year按省份对上本数据集 42,253 行（89%）
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 province、issue_date按省份对上本数据集 42,253 行（89%）
- 县级逐月闪电自然灾害 · 34.2 万 行 · 连接字段 province、year按省份对上本数据集 42,253 行（89%）
- 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 42,253 行（89%）
- 省级日度夜间灯光区域底数 · 15.6 万 行 · 连接字段 province、date按省份对上本数据集 42,253 行（89%）
- 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 42,253 行（89%）
- 县市逐年极端天气天数自然灾害 · 4.4 万 行 · 连接字段 province、year按省份对上本数据集 42,253 行（89%）
- 省级新冠疫情日度人口健康 · 3.6 万 行 · 连接字段 date、region_name按省份对上本数据集 42,253 行（89%）
按 股票代码 + 年份 能连
186 个数据集 · 本数据集 47,232 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 47,232 行（100%）
- 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 47,232 行（100%）
- 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 47,232 行（100%）
- 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 47,232 行（100%）
- 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 47,232 行（100%）
- 上市公司存货净额企业主体 · 48.1 万 行 · 连接字段 stock_code、date按股票代码对上本数据集 47,232 行（100%）
- 上市公司固定资产明细企业主体 · 24.7 万 行 · 连接字段 stock_code、report_date按股票代码对上本数据集 47,232 行（100%）
- 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 47,232 行（100%）
- 上市公司绿色专利获得（CNRDS）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 47,232 行（100%）
- 上市公司绿色专利面板企业主体 · 7.8 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 47,232 行（100%）
- 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 47,232 行（100%）
- 上市公司偿债能力企业主体 · 7.4 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 47,232 行（100%）
按 城市 + 年份 能连
63 个数据集 · 本数据集 42,066 行有城市- 地级市新能源汽车月度销量交通运输 · 3.3 万 行 · 连接字段 city_code、month按城市对上本数据集 42,066 行（89%）
- 地级市感动人物DID区域底数 · 8,762 行 · 连接字段 city_code、year按城市对上本数据集 42,066 行（89%）
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 year、region_code按城市对上本数据集 42,066 行（89%）
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 year、city_code按城市对上本数据集 42,066 行（89%）
- 地级市链长制政策面板区域底数 · 3,370 行 · 连接字段 year、city_code按城市对上本数据集 42,066 行（89%）
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 start_year、city_code按城市对上本数据集 42,066 行（89%）
- 全国创新型中小企业数量区域底数 · 2,102 行 · 连接字段 year、region_code按城市对上本数据集 42,045 行（89%）
- 地区新冠疫情每日统计人口健康 · 38.4 万 行 · 连接字段 region_code、date按城市对上本数据集 42,029 行（88%）
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_city_code、pub_date按城市对上本数据集 41,972 行（88%）
- 地级市实际利用外资区域底数 · 7,529 行 · 连接字段 year、region_code按城市对上本数据集 41,903 行（88%）
- 省市疫情日度统计人口健康 · 33 万 行 · 连接字段 date、region_code按城市对上本数据集 41,801 行（88%）
- 地级市数字产业集聚水平区域底数 · 1 万 行 · 连接字段 year、city_code按城市对上本数据集 41,758 行（88%）
按 城市 + 省份 能连
28 个数据集 · 本数据集 42,066 行有城市- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 city_code、province_code按城市对上本数据集 42,066 行（89%）
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 city_code、province按城市对上本数据集 42,066 行（89%）
- 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、city_code按城市对上本数据集 42,066 行（89%）
- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 region_code、province_code按城市对上本数据集 42,066 行（89%）
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province、city_code按城市对上本数据集 42,051 行（89%）
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 province_code、city_code按城市对上本数据集 42,042 行（89%）
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 province、city_code按城市对上本数据集 42,026 行（88%）
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 province、region_code按城市对上本数据集 41,912 行（88%）
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 province、city_code按城市对上本数据集 41,821 行（88%）
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 province_code、city_code按城市对上本数据集 41,796 行（88%）
- 城市政商关系健康指数区域底数 · 292 行 · 连接字段 province、city_code_2按城市对上本数据集 41,740 行（88%）
- 全国地级市道观数量区域底数 · 341 行 · 连接字段 city_code、province按城市对上本数据集 41,716 行（88%）
按 地区 + 年份 能连
4 个数据集 · 本数据集 42,215 行有地区按 证监会行业大类 + 年份 能连
3 个数据集 · 本数据集 42,262 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 42,262 行有证监会行业大类按 地区 + 省份 能连
1 个数据集 · 本数据集 42,215 行有地区按 省份 能连
16 个数据集 · 本数据集 42,253 行有省份- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 province按省份对上本数据集 42,253 行（89%）
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 province按省份对上本数据集 42,253 行（89%）
- 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 42,252 行（89%）
- 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 42,252 行（89%）
- 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 42,252 行（89%）
- 全国开发区点位和基本信息区域底数 · 2,781 行 · 连接字段 province按省份对上本数据集 42,252 行（89%）
- 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 42,252 行（89%）
- 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 42,252 行（89%）
- 省级两两距离区域底数 · 900 行 · 连接字段 source_province按省份对上本数据集 42,058 行（89%）
- 省级空间邻接矩阵区域底数 · 900 行 · 连接字段 province按省份对上本数据集 42,058 行（89%）
- 分省景区数量统计区域底数 · 136 行 · 连接字段 province按省份对上本数据集 41,202 行（87%）
- 省级地形起伏度自然灾害 · 34 行 · 连接字段 region_code按省份对上本数据集 40,116 行（84%）
按 城市 能连
10 个数据集 · 本数据集 42,066 行有城市- 全国养老机构点位医疗药械 · 5.8 万 行 · 连接字段 address_city_code按城市对上本数据集 42,066 行（89%）
- 全国行政区划代码参照区域底数 · 4,299 行 · 连接字段 parent_code按城市对上本数据集 42,055 行（89%）
- 统筹区异地就医开通状态保险市场 · 425 行 · 连接字段 region_code按城市对上本数据集 42,055 行（89%）
- 资源型城市静态分类区域底数 · 289 行 · 连接字段 city_code按城市对上本数据集 41,725 行（88%）
- 地级市经济地理嵌套矩阵区域底数 · 8.1 万 行 · 连接字段 source_city_code按城市对上本数据集 41,712 行（88%）
- 地级市经济地理权重矩阵区域底数 · 8.1 万 行 · 连接字段 source_city_code按城市对上本数据集 41,712 行（88%）
- 地级市间交通通勤时间交通运输 · 7.3 万 行 · 连接字段 destination_city_code按城市对上本数据集 41,373 行（87%）
- 省级开发区基本信息区域底数 · 1,201 行 · 连接字段 city_code按城市对上本数据集 37,785 行（79%）
- 保险公司分支机构名录保险市场 · 2,452 行 · 连接字段 address_city_code按城市对上本数据集 30,924 行（65%）
- 供应链创新应用试点城市区域底数 · 55 行 · 连接字段 city_code按城市对上本数据集 21,752 行（46%）
按 股票代码 能连
2 个数据集 · 本数据集 47,232 行有股票代码只按年份能连：208 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
208 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
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 date
- 世行WDI国家指标区域底数 · 844.5 万 行 · 连接字段 year
- 全国格点逐年极端降水自然灾害 · 602.3 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
- 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
city_code_2由省份、城市扩增得出。
来自字段扩增上市公司年报语气指标上市公司年报语气指标
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-annual-report-tone/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。