【C0127】上市公司AI漂洗（AI Washing）指标计算Python代码

1. AIW 指标的复刻原理

代码把 AIW 拆成两个部分：

1. 1. AI_disclosure：企业在年报中披露 AI 相关内容的强度。
2. 2. AI_invest：企业在样本期内相对于同行业同年份平均水平的 AI 实质投入强度。

最后将这两个指标标准化后做差：

含义是：

• • AI_disclosure 越高，说明企业越喜欢在年报里讲 AI。
• • AI_invest 越高，说明企业的 AI 投入越扎实。
• • AIW 越高，说明“说得多、投得少”的倾向越明显。

1.1 构造 AI_disclosure

2.2 关键词加权公式

文中给出的关键词权重为：

其中：

• • w_{k,i}：企业 i 文本中关键词 k 的权重
• • N：语料库中年报总数
• • N_k：包含关键词 k 的年报数量
• • fr_{k,i}：关键词 k 在企业 i 文本中的原始出现频次
• • word_i：企业 i 文本总长度

2.3 AI_disclosure 的形成

在得到关键词加权结果后，作者进一步计算企业年度的调整后词频 frw_{i,t}，再除以企业当年文本总长度，得到：

• • AI_disclosure：企业当年 AI 披露强度

文中解释为：值越高，代表企业披露的 AI 相关信息越丰富、AI 话语密度越高。

1.2 构造 AI_invest

作者使用 CSMAR 数据库中的人工智能投资数据来刻画企业 AI 实质性投入，具体口径为：

• • 使用企业财务报表中披露的 AI 相关资本化支出
• • 这些支出在会计上被计入无形资产或固定资产
• • 已费用化的 AI 支出由于无法按技术类别单独识别，因此不纳入该指标

为增强可比性，作者进一步对 AI 投资进行了 行业-年份均值调整：

• • 以企业当年 AI 投资减去所属行业当年平均 AI 投资
• • 得到最终变量 AI_invest

因此，AI_invest 反映的是企业相对于行业同年平均水平的 AI 实质性投入强弱。

本项目的代码还做了两步常见处理：

• • 剔除金融行业样本：J66、J67、J68、J69
• • 剔除 ST 企业
• • 对 AI_disclosure 和 ai_invest 都做 1% 双侧缩尾

1.3 最终指标：构造 AIW

将 AI_disclosure 和 ai_invest 分别标准化后，再相减：

也就是说，作者先分别对披露和投入做标准化，再取二者差值：

• • 标准化后的 AI 披露越高，AIW 越高
• • 标准化后的 AI 投入越高，AIW 越低
• • 因而 “高披露、低投入” 的企业会表现出更高的 AIW