
A股ESG与财务
一行代表一家A股上市公司在特定年份的ESG评级及财务指标。
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:2009–2021 年数据出处 出处待核实
- 记录
- 3.8 万
- 字段
- 15
- AI 扩增字段
- 0
- 平均非空率
- 97.8%
- 字段完整度
15 个字段,11 个没有空值
01字段
字段来源,逐一标明
共 15 个字段,其中 AI 扩增字段 0 个。非空率按当前版本的 37,656 行计算。
关于这个数据集
一行代表一家A股上市公司在特定年份的ESG评级及财务指标。覆盖中国A股上市公司,包含托宾Q值、净利润率、资产负债率、股权结构等关键数据。可用于评估企业非财务风险对价值的影响,辅助责任险或企业财产险的风险定价。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 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% | — | ||
| 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% | — | ||
| 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% | — | ||
| 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 | 100% | — | ||
| 所属省份province含义:地区键:省份名称。样本里格式符合 99.8%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 托宾Q值tobin_q | 小数 | 原生 | 86% | 企业价值指标 | ||
| 总资产净利率net_profit_to_assets_ratio含义:比率(%) | 小数 | 原生 | 100% | 比率 原表列名:企业净利润占总资产之比 | ||
| 销售净利率net_profit_to_revenue_ratio含义:比率(%) | 小数 | 原生 | 98% | 比率 原表列名:企业净利润占营业收入之比 | ||
| ESG评级esg_rating | 整数 | 原生 | 100% | 数值型评级 原表列名:华证ESG评级 | ||
| 企业年龄company_age含义:年龄(岁) | 整数 | 原生 | 100% | 年 | ||
| 资产负债率debt_to_asset_ratio含义:比率(小数) | 小数 | 原生 | 86% | 比率 | ||
| 现金比率cash_to_assets_ratio含义:比率(小数) | 小数 | 原生 | 100% | 比率 原表列名:现金占总资产之比 | ||
| 固定资产占比fixed_assets_to_assets_ratio含义:比率(小数) | 小数 | 原生 | 100% | 比率 原表列名:固定资产总额占总资产之比 | ||
| 第一大股东持股top1_shareholder_ratio含义:比率(%) | 小数 | 原生 | 98% | 比率 原表列名:第一大股东持股比率 | ||
| 独董占比independent_director_ratio含义:比率(小数) | 小数 | 原生 | 100% | 比率 原表列名:独立董事占比 |
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。
| # | 股票代码stock_code | 年份year | 行业名称industry_name | 行业代码industry_code | 所属省份province | 托宾Q值tobin_q | 总资产净利率net_profit_to_assets_ratio | 销售净利率net_profit_to_revenue_ratio | ESG评级esg_rating | 企业年龄company_age | 资产负债率debt_to_asset_ratio | 现金比率cash_to_assets_ratio | 固定资产占比fixed_assets_to_assets_ratio | 第一大股东持股top1_shareholder_ratio | 独董占比independent_director_ratio |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 000001 | 2009 | 货币金融服务 | J66 | 广东省 | — | 0.008558411987890653 | — | 8 | 19 | — | 0.093063 | 0.0029166873379923657 | 16.76 | 0.3333333333333333 |
| 2 | 000001 | 2010 | 货币金融服务 | J66 | 广东省 | — | 0.008641027029830496 | — | 8 | 20 | — | 0.093712 | 0.0032896998378492124 | 14.96 | 0.3333333333333333 |
| 3 | 000001 | 2011 | 货币金融服务 | J66 | 广东省 | — | 0.008258370215374095 | — | 8 | 21 | — | 0.053972 | 0.0028010885247949672 | 42.16 | 0.4444444444444444 |
| 4 | 000001 | 2012 | 货币金融服务 | J66 | 广东省 | — | 0.008409879148983805 | — | 8 | 22 | — | 0.107104 | 0.002201283585941725 | 42.16 | 0.4444444444444444 |
| 5 | 000001 | 2013 | 货币金融服务 | J66 | 广东省 | — | 0.008051313578338683 | — | 8 | 23 | — | 0.095734 | 0.001952698598803959 | 50.2 | 0.4444444444444444 |
| 6 | 000001 | 2014 | 货币金融服务 | J66 | 广东省 | — | 0.009056652788824305 | — | 8 | 24 | — | 0.083906 | 0.0017434582583071533 | 50.2 | 0.3333333333333333 |
| 7 | 000001 | 2015 | 货币金融服务 | J66 | 广东省 | — | 0.008721061253240235 | — | 8 | 25 | — | 0.104238 | 0.001909738910611216 | 49.56 | 0.35714285714285715 |
| 8 | 000001 | 2016 | 货币金融服务 | J66 | 广东省 | — | 0.007651770786142504 | — | 8 | 26 | — | 0.079031 | 0.0028157053788911484 | 49.56 | 0.3888888888888889 |
| 9 | 000001 | 2017 | 货币金融服务 | J66 | 广东省 | — | 0.007138428689901781 | — | 8 | 27 | — | 0.042181 | 0.0024737769180236627 | 49.56 | 0.35714285714285715 |
| 10 | 000001 | 2018 | 货币金融服务 | J66 | 广东省 | — | 0.007259713940710093 | — | 8 | 28 | — | 0.04733 | 0.003188154655483895 | 49.56 | 0.35714285714285715 |
| 11 | 000001 | 2019 | 货币金融服务 | J66 | 广东省 | — | 0.007157780897521496 | — | 6 | 29 | — | 0.045457 | 0.0028158930915165256 | 49.56 | 0.3125 |
| 12 | 000001 | 2020 | 货币金融服务 | J66 | 广东省 | — | 0.006473740487329792 | — | 6 | 30 | — | 0.062426 | 0.002437723144651667 | 49.56 | 0.3333333333333333 |
| 13 | 000001 | 2021 | 货币金融服务 | J66 | 广东省 | — | 0.007383294929471002 | — | 6 | 31 | — | 0.045764 | 0.0024330573944706564 | 49.56 | 0.35714285714285715 |
| 14 | 000002 | 2009 | 房地产业 | K70 | 广东省 | 1.511156 | 0.046726800863958334 | 0.1315440725382418 | 9 | 19 | 0.670017 | 0.159894 | 0.009853871528272126 | 14.73 | 0.3 |
| 15 | 000002 | 2010 | 房地产业 | K70 | 广东省 | 1.165389 | 0.04099290885857924 | 0.1743036715529248 | 9 | 20 | 0.746861 | 0.162759 | 0.005655702903407719 | 14.73 | 0.3636363636363637 |
| 16 | 000002 | 2011 | 房地产业 | K70 | 广东省 | 1.04268 | 0.03916028257193899 | 0.16159322739765145 | 9 | 21 | 0.770997 | 0.113481 | 0.005387634240901784 | 14.73 | 0.3636363636363637 |
| 17 | 000002 | 2012 | 房地产业 | K70 | 广东省 | 1.076892 | 0.04134773401096408 | 0.15189254032998217 | 9 | 22 | 0.783163 | 0.134952 | 0.004256204667710326 | 14.72 | 0.4166666666666667 |
| 18 | 000002 | 2013 | 房地产业 | K70 | 广东省 | 0.968694 | 0.03818311060895637 | 0.1351182485478197 | 9 | 23 | 0.77997 | 0.089741 | 0.004444374381834353 | 14.7 | 0.3636363636363637 |
| 19 | 000002 | 2014 | 房地产业 | K70 | 广东省 | 1.064914 | 0.037937041450656114 | 0.1317561783437354 | 9 | 24 | 0.772046 | 0.121267 | 0.004540346008091079 | 14.91 | 0.3636363636363637 |
| 20 | 000002 | 2015 | 房地产业 | K70 | 广东省 | 1.192347 | 0.042449903774698414 | 0.13270035015515827 | 9 | 25 | 0.777015 | 0.084652 | 0.008044355988819245 | 15.23 | 0.3636363636363637 |
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37,656 行 · 15 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 79 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 + 省份 + 股票代码 + 年份 能连
34 个数据集 · 本数据集 37,624 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 province、industry_code、year、stock_code按证监会行业大类对上本数据集 37,624 行(99%)
- 上市公司跨境电商DID企业主体 · 6.9 万 行 · 连接字段 industry_code、province、stock_code、year按证监会行业大类对上本数据集 37,624 行(99%)
- 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 37,624 行(99%)
- 上市公司年报AI词频企业主体 · 6.2 万 行 · 连接字段 industry_code、year、province、stock_code按证监会行业大类对上本数据集 37,624 行(99%)
- 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 industry_code、stock_code、year、province_code按证监会行业大类对上本数据集 37,624 行(99%)
- 上市公司对外开放程度企业主体 · 5.8 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 37,624 行(99%)
- 上市公司行业异质性企业主体 · 5.4 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 37,624 行(99%)
- 上市公司劳动力与资产指标企业主体 · 5.3 万 行 · 连接字段 industry_code、year、province、stock_code按证监会行业大类对上本数据集 37,624 行(99%)
- 上市公司融资约束企业主体 · 5.2 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 37,624 行(99%)
- 上市公司省级政策匹配企业主体 · 4.9 万 行 · 连接字段 stock_code、year、industry_code_c、province按证监会行业大类对上本数据集 37,624 行(99%)
- 上市公司年报语气指标企业主体 · 4.7 万 行 · 连接字段 industry_code、stock_code、province、year按证监会行业大类对上本数据集 37,624 行(99%)
- 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、stock_code、province按证监会行业大类对上本数据集 37,624 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 37,624 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 year、stock_code、industry_code按证监会行业大类对上本数据集 37,624 行(99%)
- 上市公司基础财务企业主体 · 7.7 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 37,624 行(99%)
- 上市公司盈利能力企业主体 · 7.4 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 37,624 行(99%)
- 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 37,624 行(99%)
- 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 37,624 行(99%)
- 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 37,624 行(99%)
- 上市公司资产专用性指标企业主体 · 5.8 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 37,624 行(99%)
- 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 37,624 行(99%)
- 上市公司WW融资约束指数企业主体 · 5.7 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 37,624 行(99%)
- 上市公司绿色投资者企业主体 · 5.7 万 行 · 连接字段 stock_code、year、industry_code_2按证监会行业大类对上本数据集 37,624 行(99%)
- 上市公司高管党员统计企业主体 · 5.7 万 行 · 连接字段 industry_code_1、year、stock_code按证监会行业大类对上本数据集 37,624 行(99%)
- 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 37,624 行(99%)
按 省份 + 股票代码 + 年份 能连
30 个数据集 · 本数据集 37,617 行有省份- 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、stock_code、province按省份对上本数据集 37,617 行(99%)
- 沪深京上市证券参照企业主体 · 6,057 行 · 连接字段 ts_code、province、list_date按省份对上本数据集 37,617 行(99%)
- 上市公司政府采购合同工程项目 · 19 万 行 · 连接字段 contract_date、stock_code、buyer_province按省份对上本数据集 37,617 行(99%)
- 上市公司周边宗教场所统计企业主体 · 17.4 万 行 · 连接字段 province、year、stock_code按省份对上本数据集 37,617 行(99%)
- 上市公司绿色信贷匹配企业主体 · 5.8 万 行 · 连接字段 stock_code、year、province按省份对上本数据集 37,617 行(99%)
- 上市公司供应链试点匹配企业主体 · 5.8 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 37,617 行(99%)
- 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 stock_code、province、year按省份对上本数据集 37,617 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 37,617 行(99%)
- 上市公司绿色专利占比企业主体 · 5.6 万 行 · 连接字段 province、year、stock_code按省份对上本数据集 37,617 行(99%)
- 上市公司专利创新绩效企业主体 · 5.6 万 行 · 连接字段 year、stock_code、province按省份对上本数据集 37,617 行(99%)
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 stock_code、province、year按省份对上本数据集 37,617 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 year、stock_code、province按省份对上本数据集 37,617 行(99%)
按 省份 + 年份 能连
510 个数据集 · 本数据集 37,617 行有省份- 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、province_code按省份对上本数据集 37,617 行(99%)
- 海关进出口商品统计区域底数 · 2639.9 万 行 · 连接字段 year、province_name按省份对上本数据集 37,617 行(99%)
- 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 37,617 行(99%)
- 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 37,617 行(99%)
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 date、province按省份对上本数据集 37,617 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 province_code、taobao_village_year按省份对上本数据集 37,617 行(99%)
- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 origin_province、month按省份对上本数据集 37,617 行(99%)
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 reg_date、province按省份对上本数据集 37,617 行(99%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 province、year按省份对上本数据集 37,617 行(99%)
- 县级逐月降水量自然灾害 · 421.1 万 行 · 连接字段 province、year按省份对上本数据集 37,617 行(99%)
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 year、province按省份对上本数据集 37,617 行(99%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、province按省份对上本数据集 37,617 行(99%)
按 股票代码 + 年份 能连
188 个数据集 · 本数据集 37,655 行有股票代码- 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、stock_code按股票代码对上本数据集 37,655 行(99%)
- 上市公司短视关键词明细企业主体 · 143.3 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 37,655 行(99%)
- 上市公司月个股回报率企业主体 · 73.7 万 行 · 连接字段 stock_code、trade_month按股票代码对上本数据集 37,655 行(99%)
- 上市公司月度ST状态企业主体 · 73.5 万 行 · 连接字段 month、stock_code按股票代码对上本数据集 37,655 行(99%)
- 上市公司资产负债表企业主体 · 52.9 万 行 · 连接字段 stock_code、date按股票代码对上本数据集 37,655 行(99%)
- 上市公司现金流量表企业主体 · 52.9 万 行 · 连接字段 stock_code、date按股票代码对上本数据集 37,655 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 37,655 行(99%)
- 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 37,655 行(99%)
- 上市公司董事网络指标企业主体 · 46 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 37,655 行(99%)
- 上市公司固定资产明细企业主体 · 24.7 万 行 · 连接字段 report_date、stock_code按股票代码对上本数据集 37,655 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 37,655 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 37,655 行(99%)
按 证监会行业大类 + 年份 能连
3 个数据集 · 本数据集 37,624 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 37,624 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 37,617 行有省份按 省份 能连
45 个数据集 · 本数据集 37,617 行有省份- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code按省份对上本数据集 37,617 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按省份对上本数据集 37,617 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 37,617 行(99%)
- 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 37,617 行(99%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province按省份对上本数据集 37,617 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 37,617 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 37,617 行(99%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province按省份对上本数据集 37,617 行(99%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 province按省份对上本数据集 37,617 行(99%)
- 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 37,617 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按省份对上本数据集 37,617 行(99%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province按省份对上本数据集 37,617 行(99%)
按 股票代码 能连
2 个数据集 · 本数据集 37,655 行有股票代码只按年份能连:276 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
276 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
- 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
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。
还没有发现这个数据集的字段规律。
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-esg-financials/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。