上市公司数据资产数据

中国资料

上市公司数据资产数据

最新版数据已整理为Excel格式，数据的时间区间为2007-2024年，内含“数据+计算方法+数据来源+参考文献”，欢迎下载！

下载地址

数据资产的计算共分为3种方法：

第一，文本分析法。

在进行企业数据资产评估的研究中，首先采集了所有A股上市公司年报的PDF文件。这些文件通过Python编程语言和pdfplumber工具的应用被高效读取，特别是聚焦于年报中的“管理层讨论与分析”（MD&A）部分。

首先，构建一个涵盖数据资产相关词汇的词典，随后统计这些词汇在各个A股上市公司年报MD&A部分的出现次数。为了控制不同公司年报披露文本长度的变异，采用了词典词汇出现频率与文档总词数之比作为衡量数据资产的关键指标。在数据资产相关词汇的选取方面，手动收集和基于文献阅读的方法存在较大主观性，这种主观性可能导致选取的词汇实际上在企业年报中并不常见。为了克服这一问题，采用了基于TF-IDF（Term Frequency-Inverse DocumentFrequency）方法提取年报关键词的技术。TF-IDF是一种在信息检索和文本挖掘中广泛使用的加权技术，有效地反映了词语在一篇文档中的重要程度。TF-IDF通过计算词语频率和逆文档频率的乘积，既反映了词语在特定文档中的重要性，也调整了词语在语料库中的普遍重要性，从而为避免基于主观偏见的词汇选择提供了一种客观的方法论。它的目标是评估一个词对于一个文档集或语料库中的特定文档的重要性，TF-IDF的作用是突出在一个文档中频繁出现但在整个文档集中较为罕见的词语，这些词对于该文档的内容具有重要性，这对于信息检索、文本分类等任务非常有用，通过这种方式，得到对应文本所有词汇的TF-IDF值从大到小排序，取前150个词汇作为文本关键词。

第二，价值法。

引入企业价值概念进一步准确量化数据资产价值。随着数据要素通过市场化配置、资产化、资本化、应用场景拓展等多方面，数据资产为企业价值增值创造有利条件，尤其是完成资产化后的数据资产相较于普通的无形资产能够为企业价值提供更高的贡献。实际上，数据资产的价值不仅取决于当前的数据资源，还包含未来数据的潜在价值。随着数字经济的发展，市场对数据资产的认可度越来越高，投资者和市场参与者越来越重视数据资产对企业未来收益的贡献，因此在评估企业市场价值时，会给予数据资产更高的权重，同时，通过数据分析和应用不断创造新的价值，这种动态性和前瞻性使得数据资产能够更好地解释市场价值与账面价值之间的差距。因此，互联网企业市值与总资产的差值，在一定程度上能体现企业数据资产的潜在价值。综上，为反映企业数据资产价值的作用以及对企业价值的贡献程度，采用企业市场价值与账面价值的差值取对数衡量数据资产价值，具体如下：数据资产（DA）=ln（市场价值 - 固定资产 - 无形资产 - 金融资产）。其中，市场价值是由企业总负债的账面价值与股票市值相加所得；固定资产和无形资产分别用资产负债表中的固定资产净额和无形资产净额衡量。另外， 2018年实施的新企业会计准则对企业金融资产的确认及报告流程进行了修订，故针对2018年前后的金融化程度指标，将交易性金融资产、衍生金融资产、发放贷款及垫款净额、可供出售金融资产净额、持有至到期投资净额、投资性房地产净额、其他债权投资、其他权益工具投资以及其他非流动性金融资产的总和作为企业金融资产净额。

第三，实际法。

1.可直接使用的的数据资源，可以根据持有目的确认为“无形资产/存货——数据资源”。“无形资产/存货——数据资源”的入账价值以购买时支付的现金或非货币性资产价值来计量。借记“无形资产/存货——数据资源”科目，贷记“银行存款/应付账款”科目。

2.不可直接使用的数据资源，需要后续加工后才能使用的数据资源。对此数据资产的成本归集，可以参考研发过程无形资产成本归集核算的财务处理，设立“研发支出——数据资源”科目对其成本进行核算。后续能否将该科目归集的研发费用发生额转入“无形资产/存货——数据资源”，可以参考研发支出资本化的概念。在外购取得数据资源需要进一步开发时，类似于软件企业开发成本处理，可区分研究阶段与开发阶段分别进行费用化和资本化。取得数据资源时：在“研发支出——数据资源”科目归集成本。后续加工处理中发生的成本，如支出满足资本化条件的，则在“研发支出——数据资源”科目中归集成本；不满足资本化条件的支出，在“研发费用——数据资源”科目中归集。数据资源达到预定可使用状态时：根据持有目的转入“无形资产/存货——数据资源”科目。

数据来源权威、可靠、详实，并由中国经济研究资料室精心整理。

数据详细：https://idata.work/forum.php?mod=viewthread&tid=182