企业供应链风险感知数据（2000-2025）
数据简介
参考陈雯、范茵子（2024）文章，《企业供应链风险感知与合作关系稳定性》的研究思路，并结合罗丹等（2025）文章中关于供应链风险感知文本测度的方法，以中国A股上市公司年度报告全文为基础，采用“供应链词典—风险词典—局部词窗邻近匹配”的文本分析方法测算企业供应链风险感知。最终样本期间为2000-2025年，一共形成73384个公司年度观测，涉及5803家上市公司。2000-2006年以及2022-2025年属于在参考文献样本期基础上的前后扩展，所有年份均使用同一套正式词典、停用词、分词规则和变量公式，以确保跨期口径一致。供应链风险感知代表的是公司披露文本中对供应链风险、不确定性、波动和冲击的关注强度。该指标强调风险信息与供应链对象、环节或交易关系在年报中较短的文本范围内一起出现，而不是统计“风险”或“供应链”关键词的总频次，因此，采用局部词窗邻近匹配的方式能够在一定程度上减少宏观风险、财务风险、市场风险等与供应链无直接联系的表述对指标的干扰。
[1]词典构建与人工审核
（1）本份数据的词典构建以参考的两篇文献明确列示的种子词为基础。供应链类种子词有“供应链、供应商、客户、采购商”，风险类种子词有“风险、不确定、不确定性、未知、波动”。之后使用2000-2025年中全部合格年报的中文分词语料训练Word2Vec模型。第一轮分词语料覆盖73384份公司年度报告，约包含29亿+个有效词。模型采用Skip-gram架构，词向量维度为200，上下文窗口为10，最小词频为20，负采样数量为10，训练5轮，保证相同语料和环境下的训练过程具有可重复性。过程中分别提取各种子词相似度最高的100个近邻词，合并去重后形成734条类别候选记录。
（2）参考文献做法，候选词并不全部纳入正式词典，而是结合候选词在年报语料中的总词频、出现报告数和三条典型上下文进行逐项审核。审核重点剔除公司名称、人员姓名、地域专名、分词残片、反义表达、明显偏离供应链或风险语义的词，以及在多数上下文中仅承担一般叙述功能的宽泛词。最终形成89个供应链关键词和78个风险关键词。供应链词典覆盖供应链主体、采购与供货、上下游关系、物流仓储、交付与原材料等语义；风险词典覆盖不确定性、波动、冲击、恶化、受阻、贸易摩擦、突发事件、负面影响和风险防范等语义。正式词典、734条冻结审核记录及审核结果均随数据包保留，便于使用者核验。
（3）停用词处理采用哈工大停用词表，并与参考文献明确提及的“的、地、得、和”等高频功能词进行结合，去重后共749个。停用词在计算词序位置之前被剔除，因此数据中所称5词、10词、15词和20词窗口，均指停用词处理后的有效中文词序距离，并非原文字符距离、标点分句数量或未经清洗的机械词数。
[2]年报文本处理
本数据提供样本期间所涉及的所有上市公司年报文件，为减少所占存储，使用CSV.gz压缩文件放于数据包里面。测算数据时，对年报文本进行的处理有：提取连续中文字符片段，过滤数字、英文符号、空格、标点及无法识别的乱码，再使用Jieba精确模式完成中文分词等。为避免“供应链、不确定性、上下游、合作伙伴、原辅材料”等多字关键词被拆分，程序在正式分词器中预先加入上文中167个审核后关键词并提高词频权重，最终得到用于位置匹配和标准化的有效词序列。
[3]邻近匹配与变量计算
变量计算时具体测算流程：对每份年报分别记录供应链词和风险词在有效词序列中的位置。以每一次供应链词出现为中心，通过二分查找定位其左侧和右侧距离最近的风险词，并计算两者位置差。若最近风险词与该供应链词之间的绝对距离不超过指定窗口长度，则将该供应链词记为一次邻近命中。同一次供应链词出现最多计为一次，即使窗口内同时存在多个风险词也不重复累加；同一风险词若分别靠近多个供应链词，则可以与不同供应链词形成多次邻近关系，有效避免把局部风险词密集段落进行简单笛卡尔配对而造成过度计数。
其中，Tit表示企业i在t年经过文本清洗、分词和停用词剔除后的年报有效总词数，w表示年报分词序列中的第w个词，R表示供应链词典，r表示与该供应链词距离最近的风险词，词窗参数k分别取5、10、15和20。当某一供应链词与距离最近的风险词在分词序列中的绝对位置距离满足|w-r|≤k时，该供应链词记为一次邻近命中；将企业当年全部邻近命中次数加总，除以年报有效总词数并乘以100，即得到相应词窗口径下的企业供应链风险感知指标。核心变量“供应链风险感知（RISK）”采用15词窗口，即以15词窗口邻近频次除以年报总词数后乘以100；其余三个指标分别为“供应链风险感知_5词窗口”“供应链风险感知_10词窗口”和“供应链风险感知_20词窗口”。较小词窗要求供应链词与风险词处于更紧密的局部语境，能够减少弱相关共现，但可能遗漏间隔较长的风险表述；较大词窗能够覆盖更完整的上下文关系，但也可能纳入语义联系相对较弱的共现内容。因此，本数据以15词窗口指标作为基准变量，同时提供5词、10词和20词窗口指标，便于研究者开展替代变量与稳健性检验。例如，年报中出现“原材料采购受到价格波动和供货不确定性影响”时，“原材料”“采购”和“供货”属于供应链词，“波动”和“不确定性”属于风险词；只要某一供应链词与距离最近的风险词之间的绝对词序距离不超过设定窗口，该供应链词便形成一次邻近命中。相反，如果年报仅在一般风险管理章节中出现“风险”等词汇，而其前后设定词窗内没有供应链相关词，则不计入供应链风险感知邻近频次。通过同时限定供应链词和风险词的局部邻近关系，该方法能够在一定程度上将一般性风险披露与供应链语境下的风险披露区分开来。
[4]最终结果文件
最终结果包括全样本、剔除金融及ST/PT样本和缩尾样本三种口径：全样本结果在原始测算数据基础上合并行业代码、行业名称、省份和城市等企业年度信息，共包含73384条观测；剔除样本剔除金融业，并剔除ST、PT的公司年度，最终保留68191条观测、5681家公司；缩尾样本则在剔除金融业和ST/PT后的样本基础上，分别对15词核心指标以及5词、10词和20词窗口指标进行1%和99%分位数缩尾处理。
[5]特别注意
由于参考论文未公开完整的供应链与风险双词典、商业语料数据、程序运行环境及作者全部人工筛选记录，本数据属于依据参考文献公开研究思路、明确披露的种子词和上市公司年报语料重新构建的可复现版本，无法表述为对论文作者备索词典或原始数据的逐词、逐项复制。数据处理中使用Word2Vec扩展候选词，而扩展结果具有一定的语料和运行环境依赖性；即使设置相同参数，语料覆盖年份、文本清洗方式、分词工具及其版本、停用词表、随机种子和软件环境等因素的变化，也可能导致近邻词排序及候选词范围有所不同。为保证正式数据的测算口径稳定，本数据已经将最终使用的双词典及人工审核记录固定。
数据示例
参考文献
[1]陈雯，范茵子. 企业供应链风险感知与合作关系稳定性[J]. 管理世界，2024（11）.
[2]罗丹，李婉丽，徐香，殷俊明. 供应链风险感知与企业投资效率[J]. 科学决策，2025（1）：82-105.