1998-2023年上市公司金融/信贷/资本资源错配程度数据(含原始数据+计算代码+结果)

1998-2023年上市公司金融/信贷/资本资源错配程度数据(含原始数据+计算代码+结果)

1、时间:1998-2023年

2、来源:上市公司年报

3、指标:证券代码、year、应付账款、负债合计、利息支出、行业代码、是否ST或PT、上市日期、退市年份、信贷错配程度

4、范围:沪深A股上市公司

5、计算方法:

运用金融错配负担水平来衡量信贷错配(Fd),即企业的资金使用成本与所在行业的平均资金使用成本(行业平均利率)的偏离度。偏离度越大,说明企业所承担的信贷错配程度越大。

Fd=[企业资金使用成本-行业平均资金使用成本]/行业平均资金使用成本=[利息支出/(负债-应付账款)-行业平均利率]/行业平均利率

6、参考文献:邵挺.金融错配、所有制结构与资本回报率:来自1999~2007年我国工业企业的研究

7、下载链接:

1998-2023年上市公司金融/信贷/资本资源错配程度数据(含原始数据+计算过程+计算结果)https://download.csdn.net/download/m0_71334485/89625712

相关推荐
代码匠心42 分钟前
从零开始学Flink:揭开实时计算的神秘面纱
java·大数据·后端·flink
归去_来兮2 小时前
图神经网络(GNN)模型的基本原理
大数据·人工智能·深度学习·图神经网络·gnn
TDengine (老段)3 小时前
TDengine 支持的平台汇总
大数据·数据库·物联网·时序数据库·iot·tdengine·涛思数据
火龙谷3 小时前
【hadoop】相关集群开启命令
大数据·hadoop·分布式
livemetee5 小时前
一个完整的日志收集方案:Elasticsearch + Logstash + Kibana+Filebeat (二)
大数据·elk·搜索引擎
TDengine (老段)6 小时前
TDengine 开发指南——无模式写入
大数据·数据库·物联网·时序数据库·iot·tdengine·涛思数据
TDengine (老段)6 小时前
TDengine 在电力行业如何使用 AI ?
大数据·数据库·人工智能·时序数据库·tdengine·涛思数据
盛寒7 小时前
自然语言处理 目录篇
大数据·自然语言处理
武子康8 小时前
大数据-276 Spark MLib - 基础介绍 机器学习算法 Bagging和Boosting区别 GBDT梯度提升树
大数据·人工智能·算法·机器学习·语言模型·spark-ml·boosting