从ESG披露原文出发:A股上市公司ESG报告全文数据库

ESG 研究中，评级分数可以快速描述企业表现，但当研究进一步追问“企业具体承诺了什么”“是否披露了量化目标”“某项治理机制是否真正出现”时，最终还是需要回到报告原文。

问题在于，A 股公司的相关披露并没有统一名称。它们可能叫 ESG 报告、社会责任报告，也可能叫可持续发展报告；早期公告中还有不少图片版和扫描版 PDF。如果从零开始整理，通常要先筛选公告、核对报告年度、下载原文，再完成文本提取和扫描件识别。

为减少这些重复工作，我们整理了 A股上市公司ESG报告全文数据库。它既保留可供查阅和复核的原始 PDF，也提供按报告整理的全文数据，让研究可以从“寻找材料”更快进入“定义变量和验证问题”。

数据覆盖与筛选口径

数据库以巨潮资讯网公告为基础，覆盖 2006-2024 报告年度，公告披露信息追溯至 2025 年底，共整理 17,261 份 A 股上市公司 ESG/社会责任相关报告。其中，上交所公司报告 9,660 份，深交所公司报告 7,601 份。

纳入范围包括上市公司正式披露的：

• • ESG 报告
• • 社会责任报告
• • 可持续发展报告

筛选过程中剔除了摘要类公告、ESG 管理制度或章程、单独鉴证说明、英文版本及其他不能作为中文报告正文分析的材料，保证一条记录对应一份正式报告。

从年度分布可以看到，A 股 ESG/社会责任报告在 2010 年后逐步增加，2021 年以后增长明显加快。较长的时间跨度既适合观察企业披露行为的演进，也便于构建公司年度面板数据。

一套数据，两种查看方式

1. 原始PDF报告

原始 PDF 保留公告的封面、目录、图表、签章、附注和上下文信息，适合原文查阅、案例分析、证据截图与人工复核。报告按年度归档，便于定位不同公司在不同年份的正式披露文件。

2. 报告全文数据

每份报告的全文已经与公司、年度、公告信息及原始 PDF 文件名对应，可以直接用于主题识别、信息抽取、语义评分和结构化变量构建。

对于文字版 PDF，我们直接提取原始文本；对于图片版和扫描版 PDF，则使用 AI 视觉大模型识别。后者对低清扫描、多栏排版、复杂表格和图文混排的适应性更强，相比传统 OCR 能够显著改善文本提取质量。

这意味着，大家既可以批量处理报告全文，也可以根据文件名回到原始 PDF 核验模型判断，形成“全文分析—结果筛选—原文复核”的完整路径。

数据字段

每条记录对应一份报告，主要字段如下：

其中，text 是文本研究的核心字段，filename、announcementId 和 cninfoUrl 则用于连接全文、原始文件与公告来源。研究变量出现异常时，可以迅速回到原文检查，而不必在大量公告中重新寻找文件。

从全文中构造可复核的ESG变量

在数据库页面选择这套 ESG 报告全文数据并点击使用后，每份报告会作为独立文本进入模型处理。在 Prompt 中，可以通过列引用调用公司名称、报告年度和报告全文：

公司名称：{$secName$}报告年度：{$reportYear$}ESG报告全文：{$text$}

如果研究的是披露主题，可以判断报告是否涉及碳中和目标、气候风险、供应链责任、员工安全、数据安全或乡村振兴。如果需要构建公司年度变量，还可以使用结构化输出，让每份报告按照统一字段返回结果。例如：

这些字段既可以设为“是/否”，也可以进一步提取目标年份、指标数值、责任部门和原文依据。保留判断依据后，模型输出不再只是一个难以解释的标签，而是可以抽查、修订并与原始报告相互验证的研究数据。

可以研究哪些问题？

这套数据库适合 ESG 信息披露质量、绿色金融、企业社会责任、碳风险、绿色创新、供应链治理、员工权益和公司治理等主题，也可以用于研究 ESG 文本特征与机构投资者、分析师关注、媒体报道、融资约束、市场反应及企业价值之间的关系。

全文数据的价值并不在于替代所有既有 ESG 指标，而在于为大家保留重新定义变量的空间。相同的报告文本，可以根据不同问题设计词典、训练分类器或进行语义识别；原始 PDF 的保留，又使这些变量始终能够回到披露材料本身进行核验。

当数据收集、文本提取和扫描件识别已经完成，研究工作的重点就可以真正回到问题本身：企业说了什么，怎样说，以及这些披露是否对应后续行动和经济后果。