A股上市公司ESG报告全文数据库

在 ESG 研究中，“企业是否发布了 ESG 报告”是一个常见变量，但它只能回答有没有披露，无法区分披露质量。

同样发布一份报告，有的公司只作原则性表态，有的公司会给出减排目标、具体年份、量化指标和责任部门；有的报告集中描述公益活动，有的则系统披露环境绩效、供应链责任、员工权益和治理机制。仅使用一个报告发布虚拟变量，很容易忽略这些差异。

要继续识别企业“披露了什么、披露到什么程度、是否提供可验证证据”，就需要进入报告全文。为此，我们整理了 A股上市公司ESG报告全文数据库，将分散在公告中的正式报告、原始 PDF 和报告全文逐份对应，方便查阅原文，也方便开展批量文本分析。

数据覆盖范围

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，共收录 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。

纳入的正式报告主要包括：

• • ESG 报告
• • 社会责任报告
• • 可持续发展报告

由于上市公司早期披露名称并不统一，我们对公告标题进行了筛选和核验，同时剔除摘要类公告、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。

从年度分布来看，A 股 ESG/社会责任相关报告在 2010 年后逐步增加，2021 年以后增长明显加快。2006-2024 的报告年度跨度，既可以用于描述 ESG 披露制度和企业实践的长期变化，也适合构建公司年度面板数据。

数据库具体包含什么？

原始PDF报告

原始 PDF 按报告年度整理，保留公告原有的封面、目录、图表、签章、附注和版式信息。对于案例研究、人工复核、原文引用和证据截图，这部分材料不可替代。

报告全文数据

每份报告的全文都与股票代码、公司简称、报告年度、公告信息和原始 PDF 文件名对应，可以直接用于关键词统计、主题分类、语义判断、信息抽取和结构化变量构建。

文字版 PDF 直接提取原始文本；图片版和扫描版 PDF 则使用 AI 视觉大模型进行文本识别。与传统 OCR 相比，这种方式对低清扫描、多栏排版、图文混排和复杂表格更友好，能够明显改善扫描版报告的文本提取质量。

因此，批量分析与原文核验并不是两套彼此分离的数据：通过文件名和公告标识，可以从任意一条全文记录定位到对应 PDF，检查模型判断是否符合原始语境。

数据字段说明

数据库中每条记录对应一份正式报告，主要字段包括：

其中，reportYear 用于统一报告所属年度，避免将公告披露年份误作报告年度；text 是全文分析的核心字段；filename、announcementId 和 cninfoUrl 则共同保留了回到原始材料的路径。

如何衡量“披露程度”？

在数据库页面选择这套 ESG 报告全文数据并点击使用后，每一份报告会作为一条独立文本进入模型处理。在 Prompt 中，可以通过列引用调用公司信息和报告全文：

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

研究者可以先判断某个主题是否出现，再进一步区分“原则性表述”和“实质性披露”。例如，提到绿色发展并不等于披露了绿色投入；提到碳中和也不等于给出了目标年份和实现路径。

如果需要形成公司年度变量，可以开启结构化输出，按照统一口径返回判断结果、具体数值和原文依据。例如：

这些变量可以设置为“是/否”，也可以提取目标年份、金额、比例、指标值、责任主体和对应原文。这样得到的不只是一个分类结果，而是一组能够抽查和修订的结构化信息。

可以延伸哪些研究？

基于报告全文，可以比较不同行业和所有制企业的披露重点，观察强制披露规则、绿色金融政策或重大环境事件前后的文本变化，也可以研究披露具体程度与融资成本、机构持股、分析师关注、市场反应、绿色创新及企业价值之间的关系。

还可以进一步区分几类过去难以批量测量的现象：企业是否只使用口号式表达，是否持续披露同一组指标，是否报告负面事件，是否对上一年度目标进行追踪，以及不同年份的承诺是否真正发生变化。

ESG 报告全文的价值，就在于不预先把复杂披露压缩成一个固定分数。研究者可以根据自己的问题定义指标，同时保留原始 PDF 作为证据来源，让变量构建与原文核验形成闭环。

当公告筛选、PDF 归档、全文提取和扫描件识别已经完成，研究就可以从“企业有没有发报告”，继续推进到更有解释力的问题：企业披露是否具体，承诺是否持续，行动是否有数据支持。