Proxy Advisor Customers Dataset

该数据集识别了2007年至2021年间每个美国共同基金家族与哪些代理顾问（机构股东服务公司、Glass Lewis和Egan-Jones）有合同关系。观察单位是基金家族×年份，其中基金家族通过CRSP管理公司代码（mgmt_cd）进行标识。This dataset identifies which proxy advisors—Institutional Shareholder Services, Glass Lewis, and Egan-Jones—each U.S. mutual fund family had contractual relationships with between 2007 and 2021. The unit of observation is fund family × year, where mutual fund families are identified via the CRSP management company code (mgmt_cd).

原始信息汇总

数据集概述

该数据集为 Proxy Advisor Customers Dataset，由 Chong Shu 创建，支撑其发表在 Journal of Financial Economics 上的论文（2024, 第154卷, 103810）。数据集记录了2007年至2021年间，美国共同基金家族与三大代理投票顾问——ISS（Institutional Shareholder Services）、Glass Lewis 和 Egan-Jones——的合约关系。

• 数据格式：CSV文件 link_fundmgmt_proxyadvisor.csv
• 观测单位：基金家族（由 CRSP 管理公司代码 mgmt_cd 标识）× 年份

---

变量说明

变量名	描述
mgmt_cd	CRSP 管理公司代码（基金家族标识符）
year	日历年份（2007–2021）
ISS_prospectus	若基金家族与 ISS 有合约关系则为 1，否则为 0
GL_prospectus	若基金家族与 Glass Lewis 有合约关系则为 1，否则为 0
EJ_prospectus	若基金家族与 Egan-Jones 有合约关系则为 1，否则为 0
ISS_source	一份提及 ISS 的 EDGAR 招股说明书示例文件链接
GL_source	一份提及 Glass Lewis 的 EDGAR 招股说明书示例文件链接
EJ_source	一份提及 Egan-Jones 的 EDGAR 招股说明书示例文件链接

---

数据构建方法

• 识别策略：利用美国证券交易委员会（SEC）自2004年起发布的“不采取行动函”，激励共同基金在法定招股说明书中披露与代理投票顾问的合约关系。
• 数据来源：下载2003年至2021年间所有 SEC EDGAR 上的招股说明书补充文件（表格 485BPOS 和 485APOS）。
• 关键词搜索：在每份文件中搜索三大代理投票顾问的名称变体。
• 聚合规则：若一个基金家族（mgmt_cd 层级）内任一 CIK 层级的基金在当年提交的招股说明书中提及某顾问，则该基金家族被归类为该顾问的客户。最终生成 mgmt_cd × year 的面板数据。

---

示例数据（以 State Street 为例）

mgmt_cd	year	ISS	GL	EJ	ISS_source	GL_source	EJ_source
SSB	2010	1	0	0	EDGAR链接	—	—
SSB	2011	1	0	0	EDGAR链接	—	—
SSB	2014	1	0	1	EDGAR链接	—	EDGAR链接
SSB	2017	1	1	0	EDGAR链接	EDGAR链接	—
SSB	2020	1	1	0	EDGAR链接	EDGAR链接	—

---

所需数据（未包含在仓库中）

来源	文件/表	获取方式
ISS Voting Analytics	outside_data/all_npx.csv（N-PX 申报索引，用于识别基金家族样本）	需订阅（ISS）
SEC EDGAR	招股说明书（表格 485BPOS, 485APOS），通过季度 master.idx 索引文件获取	公开；由 main.py 自动下载
CRSP 共同基金数据库（通过 WRDS）	fund_summary2 和 crsp_cik_map 表（用于将 SEC CIK 编号映射到 CRSP 管理公司代码）	需订阅（WRDS）
CRSP 共同基金数据库（通过 WRDS）	基金特征（如总净资产 TNA），存储在 outside_data/fund_characteristics.csv	需订阅（WRDS）

• 环境变量要求：WRDS 凭据需设置为 WRDS_USERNAME 和 WRDS_PASSWORD；SEC EDGAR 请求需设置 SEC_USER_AGENT（格式为 "Name [e-mail]"）。

---

复现与引用

• 图3复现：main.py 中的 market_share() 函数可复现论文中 Figure 3，该图展示2007–2021年间按代理投票顾问订阅划分的共同基金家族总净资产（万亿美元）的堆叠面积图。为避免重复计算，同时订阅多个顾问的基金家族资产被均分。
• 引用格式：请参考仓库中的 BibTeX 条目。

搜集汇总

数据集介绍

构建方式

在代理顾问行业中，机构股东服务公司（ISS）、格拉斯·刘易斯（Glass Lewis）和伊根-琼斯（Egan-Jones）作为三大核心参与者，其对共同基金投票行为的引导作用备受关注。该数据集的构建策略巧妙地利用了2004年以来美国证券交易委员会无异议函促使共同基金在法定招股说明书中披露与代理顾问合同关系的规定。研究者从SEC EDGAR系统下载了2003年至2021年间所有招股说明书修订文件（表格485BPOS和485APOS），通过文本搜索三大代理顾问的名称变体来识别基金家族层面的客户关系。若同一基金家族内任意基金在特定年份的招股说明书中提及某代理顾问，则该基金家族被标记为该代理顾问的客户。随后，利用CRSP管理公司代码将文件层面的标记聚合至基金家族层面，最终生成以管理公司代码和年份为观测单元的平衡面板数据。

特点

该数据集以精细的颗粒度展现了2007年至2021年间美国共同基金家族与三大代理顾问之间动态演变的契约关系网络。其核心特征在于提供了二元化标识变量，明确指示每个基金家族每年与ISS、Glass Lewis或Egan-Jones是否存在合同关系，并附有来自EDGAR系统的招股说明书原文链接作为证据支撑。这种基于直接文本证据的构建方式确保了高度的准确性，同时避免了依赖间接推断或调查问卷可能带来的偏差。此外，数据集以基金家族-年份为观测单元，便于与CRSP基金特征数据（如总净资产）无缝整合，为研究者探究代理顾问选择如何影响基金治理行为、投票模式乃至市场绩效提供了独一无二的实证基础。

使用方法

研究者可通过加载CSV文件轻松获取结构化面板数据，每条记录包含管理公司代码、年份及针对三大代理顾问的二元指标。为还原研究中的市场占比分析，用户可调用数据集中提供的`market_share()`函数，该函数通过等比例分配订阅多家代理顾问的基金家族资产，生成反映代理顾问市场份额演变趋势的堆叠面积图。对于更深入的因果推断，数据集可直接与CRSP共同基金数据库中的基金特征（如总净资产）进行纵向合并，或与ISS投票分析数据库中的N-PX文件索引联动，以分析代理顾问建议对基金实际投票行为的影响。使用前需正确配置WRDS数据库登录凭证及SEC EDGAR系统的用户代理变量，确保数据获取过程的合规性与可复现性。

背景与挑战

背景概述

代理投票顾问在资本市场中扮演着关键角色，为机构投资者提供投票建议，深刻影响公司治理决策。然而，由于缺乏公开披露的数据，基金家族与代理投票顾问之间的合约关系长期以来处于黑箱状态，这使得学界难以深入探究代理投票顾问如何影响公司治理及其自身如何被市场力量所塑造。为填补这一空白，Chong Shu于2024年在《Journal of Financial Economics》上发表了开创性研究，并构建了Proxy Advisor Customers Dataset。该数据集利用美国证券交易委员会（SEC）自2004年起要求共同基金在招股说明书中披露与代理投票顾问合约关系的规定，系统性地识别了2007至2021年间每一家美国共同基金家族与三大代理投票顾问（ISS、Glass Lewis和Egan-Jones）的合同关系。数据集以基金家族-年份为观测单位，为代理投票顾问行业的实证研究提供了前所未有的微观基础，极大推动了该领域对代理投票顾问影响力机制、市场集中度及监管效应等核心问题的理解。

当前挑战

该数据集所解决的领域核心挑战在于，代理投票顾问行业长期缺乏透明且系统性的合约数据，这阻碍了关于其市场力量、独立性及对公司治理外部性影响的量化分析。具体挑战包括：首先，基金家族与代理投票顾问的合约关系并非公开竞价信息，而是埋藏在海量的SEC EDGAR招股说明书中，需要精准识别和提取非结构化文本中的特定供应商名称及其变体。其次，数据构建过程面临多重技术难题：需从2003至2021年间数以万计的485BPOS和485APOS修正案中检索代理投票顾问名称，并将这些文件名层次的离散信号汇总至基金家族层次，同时确保与CRSP管理公司编码的准确映射。此外，由于同一基金家族可能同时与多家代理投票顾问签约，如何避免资产规模的双重计算，需要精心设计权重分配方案。最后，数据质量受限于SEC披露规则的时间变动和文本表述的多样性，潜在的测量误差需要通过严格的稳健性检验加以控制，这为数据集的可靠性提出了更高要求。

常用场景

经典使用场景

在金融经济学与公司治理领域，理解机构投资者与代理投票顾问之间的契约关系对于剖析投票权行使的内在逻辑至关重要。该数据集以美国共同基金家族为观测单元，系统收录了2007至2021年间每一基金家族与三大投票顾问（ISS、Glass Lewis与Egan-Jones）的签约状态，形成基金家族×年份的面板数据。经典使用场景包括量化基金家族选择投票顾问的决策模式、追踪契约关系的动态演变，以及将投票顾问的使用情况作为关键解释变量，探究其如何影响基金在股东提案与董事会选举中的投票行为。

解决学术问题

该数据集有效解决了代理投票顾问领域长期存在的度量难题——此前学界难以系统获取基金家族与具体投票顾问之间的合约信息。基于SEC无异议函所驱动的披露规则，研究得以利用EDGAR系统提取招股书文本，精准识别签约关系。这一创新解决了三个核心学术问题：何种基金特征驱动其对单一或多位投票顾问的签约决策；投票顾问的建议如何传导至基金投票结果；以及投票顾问与基金家族之间是否存在双向影响关系。该数据集为验证代理投票顾问的市场权力与治理效应提供了坚实的实证基础。

衍生相关工作

该数据集奠定了代理投票顾问实证研究的基石，并衍生出多项经典工作。Shu（2024）首次利用该面板数据揭示了投票顾问与基金家族之间“影响与被影响”的双向互动机制，发现基金家族的签约决策会受到投票顾问建议风格的反向调整。后续研究进一步将数据集拓展至投票结果分析，探讨多位投票顾问共存时的信号竞争效应，以及契约关系变动对基金治理绩效的因果影响。部分工作还将其与基金持股数据关联，评估投票顾问建议在ESG提案中的角色，推动了公司金融与可持续投资交叉领域的纵深发展。