中国企业关联交易数据集

数据内容：中国企业关联交易数据集是本研究的核心数据来源，是本研究成果发表在《mathematics》论文的数据集。该主要数据包括企业的证券代码、名称、公告日期、关联关系、关联方信息、交易金额、币种、交易方向、支付方式、行业分类等详细信息。
数据来源：主要来源于Wind数据库，导出格式为Excel文件，具有结构化、易于处理的特点。
分析手段：在数据分析过程中，首先对数据进行清洗和预处理，清除数据中的缺失值、不一致格式以及冗余信息。以Python为主要工具，结合pandas库对数据进行规范化处理，例如将币种统一转换为人民币，将日期格式化为标准时间戳。同时，基于行业分类、交易金额等字段进行探索性分析，观察关键指标的分布及趋势，为后续特征提取奠定基础。研究的核心方法是对企业的行为特征进行挖掘。在分析阶段，从数据集中提取能够反映企业交易行为的关键指标，如交易金额的波动、关联交易的频率、行业特定的交易模式等。这些特征经过统计分析与时间序列分析相结合，用以揭示企业交易行为的规律性及其潜在的风险特征。特征提取后，利用综合指标构建企业行为特征模型，探索不同企业之间在交易模式上的共性与个性差异。
为了验证行为特征的有效性，将提取的特征与历史公开的企业信用事件数据进行对比分析，通过构建回归模型或因果分析模型，评估特征对风险预测的解释力。研究的目标是发现区域性股权市场中企业间的潜在关联与行为模式，为风险的演化与传导规律提供定量支持。
整个研究过程中，设备与工具的使用以Wind网站下载的Excel和Python处理为主，研究注重从数据本身提取价值，同时通过行为特征的挖掘直接服务于区域性股权市场的风险研究需求。
对考核指标的支撑性：在本课题的研究内容三中，核心任务是根据已提取的行为特征和市场关联关系进行区域性股权市场建模，并设计数据挖掘方案，通过智能识别算法识别金融系统的潜在风险，最终基于关联关系和行为特征挖掘区域性股权市场风险的演化和传导机制。
数据集之间的关联:本数据集和数据集(19)(20)(21)(22)(23)(24)(26)根据本课题任务书《跨链数据可信治理挖掘及数据质量穿透智控》中的关键技术问题与研究目标，旨在针对区域性股权市场数据本体多样、内容丰富、数据维度超高等特点，设计跨链数据治理方案，建立科学有效的区块链数据治理体系，实现对数据来源和安全性的统一标准。
采集方案：网站数据导出。
时间及地点：2021年10月15日，南京大学
设备情况：Excel