上市公司管理者短视主义（2005-2024）

数据简介

本数据以胡楠等（2021）《管理者短视主义影响企业长期投资吗？——基于文本分析和机器学习》的研究框架为参考，上市公司管理者短视主义作为全球资本市场关注的核心议题，其本质是管理层在决策中过度聚焦短期财务指标与即时利益，忽视企业长期战略、创新投入与可持续发展的行为倾向。对这一现象开展系统性研究，不仅能填补学术理论空白，更能为企业治理、资本市场规范与宏观经济高质量发展提供关键支撑，具有重要的理论价值与现实意义。

管理者短视行为往往导致企业削减研发投入、放弃长期投资项目、过度进行盈余管理，最终损害核心竞争力与未来绩效。对于不同产权性质、行业特征的企业，研究可揭示短视主义影响的差异化规律，为企业制定个性化治理方案提供参考。通过明确短视行为与可持续发展的负向关联，能够引导企业平衡短期业绩与长期价值，重视技术创新、人才培养与社会责任，构建抵御市场波动的核心竞争壁垒。此外，上市公司作为宏观经济的核心微观主体，其发展质量直接影响经济转型升级成效。管理者短视主义引发的创新投入不足、产业升级滞后等问题，会制约经济长期增长动力。相关研究能够为落实可持续发展议程提供实践路径，通过引导企业树立长期主义导向，推动技术创新与产业结构优化，助力经济从规模扩张向质量提升转型。由此，在全球化竞争背景下，研究中国情境下上市公司管理者短视主义的特殊性，可揭示市场化进程、产权制度等制度因素的调节作用，为完善社会主义市场经济体制提供参考。

本数据以各城市政府工作报告为基础，参考胡楠等（2021）《管理者短视主义影响企业长期投资吗——基于文本分析和机器学习》的数据处理方法，具体方法处理如下：（1）参考文章附录种子词；（2）采用Word2Vec中CBOW模型（Continuous Bag-of-words Model）对中文年度财务报告语料进行训练。（3）单独罗列关键词（截图中仅为部分关键词）出现次数及全文总词数，使用者可自行进行部分关键词词频计算。

语料训练中使用的CBOW模型

其中，C表示语料；w表示中心词；Context（w）表示中心词的上下文。CBOW模型的基本思想是根据上下文来预测当前词语的概率，通过最大化上述目标函数，最终可得到中心词对应的Word2Vec词向量。随后通过计算向量相似度可获得中心词的相似词。模型基于海量财经文本训练而成，所推荐的相似词更加适合财经文本 语境，可有效避免人为定义词表的主观性和通用同近义词工具的弱相关性。

数据指标

参考文献

[1]胡楠,薛付婧,王昊楠.管理者短视主义影响企业长期投资吗？——基于文本分析和机器学习[J].管理世界,2021,37(05):139-156+11+19-21.DOI:10.19744/j.cnki.11-1235/f.2021.0070.