sec-corporate-ownership-network

该数据集是一个金融或监管领域的实体关系数据集，记录了来源实体与目标实体之间的关联信息。它包含7个特征字段：来源实体的CIK编码（source_cik）和名称（source_name）、目标实体的CIK编码（destination_cik）和名称（destination_name）、关联权重百分比（weight_percentage）、申报表格类型（form_type）以及申报日期（filing_date）。数据规模方面，训练集包含16,090个样本，总大小约为1.93MB。该数据集适用于多种任务，包括实体关系分析、网络构建、监管合规性研究和金融关联分析。This is an entity relationship dataset in the financial or regulatory domain, documenting the association information between source entities and target entities. It comprises seven feature fields: CIK code (source_cik) and name (source_name) of the source entity, CIK code (destination_cik) and name (destination_name) of the target entity, association weight percentage (weight_percentage), filing form type (form_type), and filing date (filing_date). Regarding data scale, the training set contains 16,090 samples with a total size of approximately 1.93 MB. This dataset is suitable for a range of tasks, including entity relationship analysis, network construction, regulatory compliance research, and financial association analysis.

原始信息汇总

数据集概述

数据集名称：sec-corporate-ownership-network

数据集地址：https://huggingface.co/datasets/victors3136/sec-corporate-ownership-network

数据集描述

该数据集是一个基于美国证券交易委员会（SEC）披露的企业所有权网络数据集，记录了公司之间的持股或控制关系。

数据特征

数据集包含以下7个字段：

字段名	类型	描述
source_cik	string	持股方或控制方的CIK编号
source_name	string	持股方或控制方的名称
destination_cik	string	被持股方或被控制方的CIK编号
destination_name	string	被持股方或被控制方的名称
weight_percentage	float64	持股比例或控制比例
form_type	string	SEC申报表单类型
filing_date	string	申报提交日期

数据集划分与规模

• 划分：仅包含训练集（train）
• 训练集样本数：100条
• 训练集大小：12,354 字节
• 下载大小：7,161 字节

配置文件

• 配置名称：default
• 数据文件路径：data/train-*

搜集汇总

数据集介绍

构建方式

该数据集基于美国证券交易委员会（SEC）的公开企业持股申报信息构建，通过系统化地解析与提取各企业提交的持股披露文件（如13D、13G等表格），将复杂的股东与企业间的股权关联结构转化为规范的网络图谱。每条记录以source_cik（持股方CIK编号）与destination_cik（被持股方CIK编号）为节点标识，辅以source_name与destination_name提供实体名称，通过weight_percentage字段量化持股比例，并记录form_type与filing_date以明确信息来源的申报类型与时间戳。数据集共包含100条样本，覆盖多对持股关系，形成了稠密而可溯源的股权网络基底。

特点

此数据集呈现出鲜明的异质网络特征，其独特之处在于将企业间的股权关联以有向加权边的形式进行结构化表达。weight_percentage字段作为边的核心属性，精确刻画了持股方在被持股方中所占的权益比重，使得网络分析可以超越简单的二值连接，深入到影响力度量的层面。同时，数据集保留了form_type与filing_date两个时间维度的元数据，赋予每一条持股关系以法律文书类别与时间戳信息，从而支持对股权结构动态演变及不同申报类型差异性的研究。

使用方法

该数据集适用于图神经网络、社会网络分析及金融关系挖掘等领域的模型训练与基准测试。用户可直接加载train分片中的100条边数据，构建以source_cik和destination_cik为节点的有向加权图，将weight_percentage作为边权特征输入模型。此外，form_type字段可用于按申报类型对边进行筛选或分组，filing_date则支持时序图模型的构建，以分析股权关系的时间演化模式。数据集以HuggingFace Datasets标准格式存储，通过load_dataset函数即开即用，便于集成至现有实验流水线。

背景与挑战

背景概述

在企业金融与公司治理研究领域，股权关联网络是揭示资本流动、控制权结构及企业间复杂利益关系的关键载体。sec-corporate-ownership-network数据集由权威金融监管数据衍生而来，基于美国证券交易委员会（SEC）企业 filings 构建，创建于近年，专注于系统性刻画企业间持股链路与所有权分布。核心研究问题在于通过标准化解析 filing 中的持股比例、关联实体及时间戳，还原动态的企业所有权图谱。该数据集以100条精炼样本覆盖train split，囊括source与destination节点的CIK标识、持股比例（weight_percentage）及表单类型等结构化字段，为实证研究企业集团控制、交叉持股模式及金融网络演化提供了可复现的微观数据基础，在计算社会科学与实证公司金融领域具有重要方法论价值。

当前挑战

该数据集所解决的领域问题挑战在于：尽管企业所有权结构对市场稳定性、代理成本及关联交易影响深远，传统数据集往往依赖手动收集或静态披露，难以捕捉高频动态持股变更及多层嵌套控制链，导致网络分析中边权重失真与时间维度缺失。在构建过程中，挑战集中于SEC filings的非结构化文本解析——不同表单类型（如13D、13G、SC 13G）中持股比例表述各异，实体名称与CIK码的模糊匹配需结合NLP技术消歧；此外，从原始文本中提取的weight_percentage精度受限于披露粒度，而filing_date与事件有效日期间可能存在时滞，需设计对齐机制以保持网络的时间一致性，这些处理环节对数据清洗与验证流程提出了严苛要求。

常用场景

经典使用场景

该数据集以美国证券交易委员会（SEC）的企业公开披露文件为基石，构建了涵盖实体间持股关系的网络结构，每条记录包含持股方与被持股方的CIK标识、名称、持股比例及文件类型与日期。其经典应用场景在于解析上市公司之间错综复杂的股权关联，通过图论与网络分析方法，揭示资本流动的隐秘脉络与控制权层级，为研究企业治理结构、关联交易模式以及系统性金融风险传播提供了高精度的数据支撑。

解决学术问题

在学术研究中，该数据集有效解决了量化分析企业间非直接显性关联的难题。传统研究常依赖零散的持股公告或间接推断，难以构建全景式股权网络。该数据通过统一规范的SEC文件格式，使得学者能够精确计算持股网络中的中心度、社区结构及权力距离，从而深入探讨企业家族控制、交叉持股策略对股价同步性、盈余管理行为的影响，推动了公司金融与组织理论中关于控制权私有收益与代理问题的高维实证研究。

衍生相关工作

基于该数据集衍生了大量具有影响力的工作，例如将持股网络与自然语言处理结合，分析年报文本中的风险披露与网络位置之间的关系；或者引入时间维度构建动态股权网络，研究经济政策不确定性下企业间持股联系的演化规律。还有学者利用该数据与财务异常指标进行多模态融合，开发了早期识别财务舞弊的图神经网络模型，显著提升了预测精度。这些工作进一步拓展了企业关系数据在社会经济学、复杂系统科学等交叉领域的应用边界。