2010

参考Zhou， Y.等文献中，提取上市公司年报文本中人工智能相关术语并统计词频，结合语境梳理披露特征，量化判断上市公司在人工智能领域的象征性披露水平与实质性投资强度的分析视角，核心是通过文本与财务数据的双重载体挖掘企业AI战略的言行一致性与资源配置倾向。

本研究参照相关学术范式，整合上市公司年报文本与财务数据库，构建了“漂AI指数”。该指数旨在通过多阶段文本挖掘与财务数据校准，量化评估企业在人工智能领域的“言行一致性”。具体构建流程如下：

指数计算：采用“言-行”差距测度法，国产+白浆+在线通过对比象征性披露与实质性投资的偏离度，最终计算出漂AI指数。

构建AI特征词典：建立包含基础概念、核心算法（如深度学习、LSTM、SVM）、硬件设施（如芯片、算力）及垂直应用（如智能医疗、自动驾驶）等维度的综合性术语库，共计收录107个关键指标。

文本量化分析：对年报文本进行关键词检索与匹配，统计AI相关术语的出现频率，并计算经调整后的词频数据，以此表征企业的“AI披露强度”。

实质性投资测度：提取企业财务报表中的资本化支出作为AI实质性投入的代理变量，并实施行业-年度均值标准化处理，以消除行业差异。

参考文献：[1]Zhou， Y.， Chen， L.， Zhou， F.， & Ye， M. (2026). Contractual arrangements and information consistency: How ESG executive compensation incentives affect corporate AI disclosure. Journal of Business Research， 207.116019

数据名称：上市公司-AI漂洗指数

数据年份：2010-2024年

数据指标

证券代码、年份、公司名称、行业代码、AI信息披露强度、AI投资强度、漂AI指数

数据截图