2286 上市公司供应链风险感知【SCR_C】（2010-2024）

关税战烈度的持续上升对全球供应链体系造成了持续性波动，由此衍生出了大量各方面复杂性与不确定性。基于此，上市公司管理层会格外关注在该背景下，各种相关供应链的风险对其投资效率的影响。因此，研究上市公司管理层供应链风险感知对指定因素的影响，成为了一个具有重要意义的方向。

为了方便大家在这个方向上的研究，我们参考罗丹，李婉丽和徐香等（2025）的MD&A文本分析法：

1.选择2010-2024年A股上市公司企业为样本

2.剔除被ST、*ST的企业

3.剔除金融行业及房地产行业样本

接下来根据他们的文本分析法进行如下整理：

1.分别构建“供应链”与“风险”关键词词典

“供应链”词典：用Wu(2024)中人工神经网络训练结果à30个高度相似的供应商词汇翻译成中文，部分如“供应商/采购/链条/供应链”等。接着随机选取50份MD&A文本，人工阅读提取关于供应链的关键词。最后通过大语言模型，查找与前面所得词汇相似的关键词，人工判断选取来补充。最终所得114个关键词。

“风险”关键词词典：基于“风险”、“不确定性”、“可能”、“波动”，通过大语言模型查找并人工挑选相近词来扩充，最终所得100个关键词。

2.将MD&A文本中的非中文字符及停用词去除（我们用的是哈工大停用词库）

3.用Python的jieba进行分词

4.分词分析法：

基于分词结果排列序列组合，先定位“供应链”关键词，并找出其前后十个词汇中是否出现“风险”关键词，如果出现，就算一次，并记录这种共现情况的次数，在数据中我们标记该变量为“关键词共现”。最后对该变量进行取对数处理，结果变量名称为“SCR_W”。

5.分字分析法：

基于原MD&A文本，先定位“供应链”关键词，截取前后15个字符，并在该部分中判断是否出现“风险”关键词，如果出现，就记录这种情况中的该“供应链”关键词的字符数，最后基于公司-年份进行汇总。在数据中我们标记该变量为“共现供应链总字符数”。最后对该变量进行取对数处理，结果变量名称为“SCR_C”。