加载中...
本数据来自 Sautner 等人（2020）的研究，提供企业层面气候变化暴露的度量指标。数据基于 2001-2020 年间全球 34 个国家超过 10,000 家企业的财报电话会议记录，通过文本分析识别与气候变化相关的讨论，构建暴露度、风险、情绪等变量。 ## 数据构成 数据包含企业标识、时间标识及多维度气候变化指标。关键变量包括 isin（企业证券代码）、year/dateQ（时间标识）、cc_expo（气候变化暴露度）、cc_risk（气候风险）、cc_pos/cc_neg（正面/负面情绪强度）、cc_senti（综合情绪）等。其中，cc_expo 衡量电话会议中气候相关词汇占比，cc_risk 捕捉与“风险”“不确定性”共现的气候词频，cc_senti 则基于正面/负面语调词附近的气候词频构建。数据同时提供季度和年度两个维度版本，满足不同研究需求。 ## 覆盖范围 数据覆盖 34 个国家的 10,000 余家企业，时间跨度为 2001 至 2020 年。样本涵盖发达与新兴市场，具有广泛的国际化特征。更新记录显示，数据已更新至 2020 年第四季度，后续可能不定期补充。 ## 构建方法与来源 方法上，数据采用计数法：将会议记录中特定气候变化二元词组出现的频率除以全部二元词组总数，作为暴露度指标。风险度量则统计与 risk、uncertainty 同句中气候词组的相对频率；情绪度量参考 Loughran-McDonald 词典，计算积极/消极语调词附近气候词组的相对频率。该方法参考 Hassan et al. (2019) 的文本分析框架。数据可通过论文提供的 DOI 访问，引用请注明 Sautner 等人（2020）。 ## 应用价值 该数据为实证资产定价、企业金融与气候经济学研究提供了良好的企业层面气候风险测度。研究发现，监管冲击暴露与企业估值负相关，且该关系在近年更显著；暴露指标相比碳强度或评级能更有效地捕捉企业间差异。研究人员可利用该数据考察气候变化对企业资本成本、投资决策、信息披露等主题的影响，也可结合其他财务数据进行交叉分析。
| # | 字段名称 | 数据类型 | 字段说明 |
|---|---|---|---|
| 1 | isin | string | - |
| 2 | dateQ | string | - |
| 3 | cc_expo | number | - |
| 4 | cc_risk | number | - |
| 5 | cc_pos | number | - |
| 6 | cc_neg | number | - |
| 7 | cc_senti | number | - |
| 8 | op_cc_expo | number | - |
| 9 | op_cc_risk | number | - |
| 10 | op_cc_pos | number | - |
| 11 | op_cc_neg | number | - |
| 12 | op_cc_senti | number | - |
| 13 | rg_cc_expo | number | - |
| 14 | rg_cc_risk | number | - |
| 15 | rg_cc_pos | number | - |
| 16 | rg_cc_neg | number | - |
| 17 | rg_cc_senti | number | - |
| 18 | ph_cc_expo | number | - |
| 19 | ph_cc_risk | number | - |
| 20 | ph_cc_pos | number | - |
| 21 | ph_cc_neg | number | - |
| 22 | ph_cc_senti | number | - |
| 23 | gvkey | number | - |
| 24 | headquarterscountry | string | - |
| 25 | hqcountrycode | string | - |
| # | 字段名称 | 数据类型 | 字段说明 |
|---|---|---|---|
| 1 | isin | string | - |
| 2 | year | number | - |
| 3 | cc_expo | string | - |
| 4 | cc_risk | number | - |
| 5 | cc_pos | string | - |
| 6 | cc_neg | string | - |
| 7 | cc_senti | string | - |
| 8 | op_cc_expo | number | - |
| 9 | op_cc_risk | number | - |
| 10 | op_cc_pos | string | - |
| 11 | op_cc_neg | number | - |
| 12 | op_cc_senti | string | - |
| 13 | rg_cc_expo | number | - |
| 14 | rg_cc_risk | number | - |
| 15 | rg_cc_pos | number | - |
| 16 | rg_cc_neg | number | - |
| 17 | rg_cc_senti | number | - |
| 18 | ph_cc_expo | number | - |
| 19 | ph_cc_risk | number | - |
| 20 | ph_cc_pos | number | - |
| 21 | ph_cc_neg | number | - |
| 22 | ph_cc_senti | number | - |
| 23 | gvkey | number | - |
| 24 | headquarterscountry | string | - |
| 25 | hqcountrycode | string | - |
添加销售经理微信，获取数据详情与报价；电话、邮箱点击即可复制。
本数据来自 Sautner 等人（2020）的研究，提供企业层面气候变化暴露的度量指标。数据基于 2001-2020 年间全球 34 个国家超过 10,000 家企业的财报电话会议记录，通过文本分析识别与气候变化相关的讨论，构建暴露度、风险、情绪等变量。
数据包含企业标识、时间标识及多维度气候变化指标。关键变量包括 isin（企业证券代码）、year/dateQ（时间标识）、cc_expo（气候变化暴露度）、cc_risk（气候风险）、cc_pos/cc_neg（正面/负面情绪强度）、cc_senti（综合情绪）等。其中，cc_expo 衡量电话会议中气候相关词汇占比，cc_risk 捕捉与“风险”“不确定性”共现的气候词频，cc_senti 则基于正面/负面语调词附近的气候词频构建。数据同时提供季度和年度两个维度版本，满足不同研究需求。
数据覆盖 34 个国家的 10,000 余家企业，时间跨度为 2001 至 2020 年。样本涵盖发达与新兴市场，具有广泛的国际化特征。更新记录显示，数据已更新至 2020 年第四季度，后续可能不定期补充。
方法上，数据采用计数法：将会议记录中特定气候变化二元词组出现的频率除以全部二元词组总数，作为暴露度指标。风险度量则统计与 risk、uncertainty 同句中气候词组的相对频率；情绪度量参考 Loughran-McDonald 词典，计算积极/消极语调词附近气候词组的相对频率。该方法参考 Hassan et al. (2019) 的文本分析框架。数据可通过论文提供的 DOI 访问，引用请注明 Sautner 等人（2020）。
该数据为实证资产定价、企业金融与气候经济学研究提供了良好的企业层面气候风险测度。研究发现，监管冲击暴露与企业估值负相关，且该关系在近年更显著；暴露指标相比碳强度或评级能更有效地捕捉企业间差异。研究人员可利用该数据考察气候变化对企业资本成本、投资决策、信息披露等主题的影响，也可结合其他财务数据进行交叉分析。