2485 上市公司增量信息披露文本相似度（2008-2025）

增量信息披露反映上市公司当期披露内容相对于自身历史披露内容的更新程度。管理层讨论与分析（MD&A）既包含管理层对公司经营成果和财务状况的解释，也包含对风险因素、未来发展和经营计划的判断。将同一公司当期MD&A与连续上一年度MD&A进行比较，可以从纵向维度识别披露内容的延续程度和年度变化。本数据参考宋昕倍等（2024）的研究思路，以同一公司相邻年度MD&A文本的相似度衡量上市公司纵向增量信息披露程度。

首先，读取上市公司MD&A文本，按照股票代码和年份识别公司年度记录；同一公司同一年存在多份文本时，保留统计截止日期最晚的一份。其次，使用Jieba精确模式进行中文分词，仅保留中文词并删除停用词，构建TF-IDF矩阵；然后使用截断奇异值分解构建LSI语义空间，对文本向量进行标准化；最后，计算同一公司当期MD&A与连续上一年度MD&A的余弦相似度。新版数据不对企业行业、ST状态、上市状态或样本完整性进行额外筛选，实际样本范围由MD&A文本覆盖情况决定。

MD&A文本相似度（Similarity）的计算公式为：Similarityᵢ,ₜ＝cos[LSI(MD&Aᵢ,ₜ), LSI(MD&Aᵢ,ₜ₋₁)]。指标取值越大，说明当期文本与上一年度越相似，披露内容的延续程度越高，对应的纵向增量信息通常越少；指标取值越小，说明文本变化越明显，对应的纵向增量信息通常越多。若公司缺少连续上一年度文本、年份不连续或任一期文本无法形成有效词语，则相似度留空，不以0替代，也不使用更早年度或其他公司文本进行匹配。

最终形成包含股票代码、股票简称、年份、统计截止日期、上一期年份、上一期统计截止日期、当期与上一期MD&A有效词数以及MD&A文本相似度的公司—年度数据集。