1990~2022 年上市公司办公地址及注册地址周边 1～30km 范围内各种类型金融机构的数量

1566 字 约 5 分钟 数据资料 金融上市公司

前不久给大家分享过 2000～2022 年上市公司的办公地址和注册地址（含经纬度、省市区县及搬迁距离）：

2000～2022 年上市公司的办公地址和注册地址（含经纬度、省市区县及搬迁距离）：https://rstata.duanshu.com/#/brief/course/3a50d0aa7a274b3b9ae1b543bec92fab

之前也给大家分享过金融许可证持有机构列表的数据：

金融许可证持有机构列表、经纬度及省市区县分布数据（含已退出的金融机构网点）：https://rstata.duanshu.com/#/brief/course/505d39a727574abfb66d8fe838770b71

使用这两份数据就可以计算历年上市公司办公地址和注册地址周边一定范围内的金融机构网点数量了。

之前也给大家分享过工企的：

1998～2014 年工企 5km、10km、15km、20km、25km 和 30 km 范围内的金融机构网点数量（分机构类型）：https://rstata.duanshu.com/#/brief/course/3d6c7e2225174554bdd3104327eac13c

首先我们可以给金融机构生成一个编号 yhid，也就是附件中的 金融机构网点数据yhid（2023年8月7日更新，含经纬度和所处省市区县）.dta 文件。

然后根据批准日期、退出日期可以把这份数据整理成年度面板数据：

replace 批准日期 = 发证日期 if mi(批准日期)
order 批准日期 退出日期
replace 退出日期 = mdy(1, 1, 2050) if mi(退出日期)
replace 批准日期 = mdy(1, 1, 1949) if mi(批准日期)
save data1, replace

*- 每年的金融机构数据
cap mkdir "分年数据"
forval y = 1990/2022 {
 use data1, clear
 keep if 批准日期 <= mdy(12, 31, `y') & 退出日期 >= mdy(1, 1, `y')
 keep yhid 机构名称 经度 纬度
 gen 年份 = `y'
 save 分年数据/`y', replace
}

*- 合并所有的
use 分年数据/1990, clear
forval y = 1991/2022 {
 append using 分年数据/`y'
}
save 金融机构面板数据, replace

上市公司的数据也可以根据上市日期和退市日期整理成面板数据。由于没有 2000 年之前的上市公司办公地址和注册地址数据，所以这里假设 1990～1999 年上市公司没有发生过搬家：

*- 上市公司拓展成 1990～2022 年的数据，之前年份假设企业都没搬家
cap mkdir "上市公司分年数据"
use 2000～2022年上市公司注册地址与办公地址（含经纬度及其所处的省市区县）.dta, clear
merge m:1 股票代码 using 上市公司成立、上市、退市日期.dta
drop if _m == 2

*- 1990 ~ 1999
cap mkdir "上市公司分年"
forval y = 1990/1999 {
 use 上市公司成立、上市、退市日期.dta, clear
 replace 退市日期 = mdy(1, 1, 2050)
 keep if 首次上市日期 <= mdy(12, 31, `y') & 退市日期 >= mdy(1, 1, `y')
 drop *日期
 merge 1:m 股票代码 using "2000～2022年上市公司注册地址与办公地址（含经纬度及其所处的省市区县）.dta"
 keep if _m == 3
 * 保留最早的
 gsort 股票代码 年份
 bysort 股票代码: keep if _n == 1
 keep 股票代码 *度
 gen 年份 = `y'
 save 上市公司分年/`y', replace
}

*- 2000 以后
forval y = 2000/2022 {
 use "2000～2022年上市公司注册地址与办公地址（含经纬度及其所处的省市区县）.dta", clear
 keep if 年份 == `y'
 keep 年份 股票代码 *度
 save 上市公司分年/`y', replace
}

这样我们就可以逐年计算每家上市公司与所有金融机构的距离，然后保存距离在 30km 内的，也就是附件中的这两个文件夹：

  • 上市公司注册地址与金融机构网点的距离（<=30km）.dta
  • 上市公司办公地址与金融机构网点的距离（<=30km）.dta

下图展示了 2010 年平安银行周边 5km 的金融机构分布：

通过分距离汇总就可以得到历年各上市公司周边 1km、2km、3km、4km、5km、10km、15km、20km、25km、30km 各种类型的金融机构网点数量了：

  • 1990~2022年上市公司办公地址及注册地址周边1～30km范围内各种类型金融机构的数量.dta

这里的机构类型分类标准如下：

  1. 政策性银行：原数据中机构类型变量为 “政策性银行” 的；
  2. 农村信用社：原数据中机构类型变量为 “农村信用社” 的；
  3. 资金互助社：原数据中机构类型变量为 “资金互助社” 的；
  4. 金融资产管理公司：原数据中机构类型变量为 “金融资产管理公司” 的；
  5. 信托公司：原数据中机构类型变量为 “信托公司” 的；
  6. 财务公司：原数据中机构类型变量为 “财务公司” 的；
  7. 其他类金融机构：原数据中机构类型变量为 “其他类金融机构” 的；
  8. 农村合作银行：原数据中机构类型变量为 “农村合作银行” 的；
  9. 城市信用社：原数据中机构类型变量为 “城市信用社” 的；
  10. 汽车金融公司：原数据中机构类型变量为 “汽车金融公司” 的；
  11. 货币经纪公司：原数据中机构类型变量为 “货币经纪公司” 的；
  12. 贷款公司：原数据中机构类型变量为 “贷款公司” 的；
  13. 金融租赁公司：原数据中机构类型变量为 “金融租赁公司” 的；
  14. 国有银行：工农中建交以邮蓄银行；
  15. 股份制银行：招商、浦发、中信、光大、华夏、民生、广发、兴业、平安、浙商、恒丰、渤海、深发展；
  16. 村镇银行：原数据中机构类型变量为 “村镇银行” 的；
  17. 消费金融公司：原数据中机构类型变量为 “消费金融公司” 的；
  18. 邮政储蓄所：机构名称含 “邮政” 的但又不是邮储银行的；
  19. 农商行：机构名称含有 “农村商业银行” 的；
  20. 外资银行：各种外资银行；
  21. 城市银行：其他的商业银行。

具体分类方法可以参考附件中的 “main2.do” 代码。

点击这里跳转到 RStata 短书平台获取附件：1990~2022 年上市公司办公地址及注册地址周边 1～30km 范围内各种类型金融机构的数量

相关文章

评论