上市公司國企數(shù)量分析

時(shí)間：2023-05-04 12:00:02 | 來源：網(wǎng)站運(yùn)營

時(shí)間：2023-05-04 12:00:02 來源：網(wǎng)站運(yùn)營

上市公司國企數(shù)量分析：前段時(shí)間看到有人在問中國上市公司中，國企數(shù)量有多少。當(dāng)時(shí)感覺這個(gè)問題并不復(fù)雜，應(yīng)該有現(xiàn)成的結(jié)論，結(jié)果百度、谷歌之后，發(fā)現(xiàn)并沒有一個(gè)明確的答案。本篇文章就是帶領(lǐng)大家了解下獲取上市公司中國企數(shù)量的方法。

首先市場(chǎng)上都有哪些國企呢，不同的網(wǎng)站劃分方法不同，有粗有細(xì)。比如分為國有企業(yè)、國有控股企業(yè)、國有相對(duì)控股企業(yè)，或者央企、省屬國企、地方國企等等。不用糾結(jié)，我們選擇其中一個(gè)口徑進(jìn)行分析。

先說結(jié)論：

1. 目前兩個(gè)交易所共有上市公司3833個(gè)（包括部分已經(jīng)暫停交易的公司）
2. 其中國有企業(yè)共計(jì)1167個(gè)，占比30.45%
3. 上交所中國企680個(gè)，深交所487個(gè)
4. 兩市國企中，央企國資控股407家，地方國資控股324家，省屬國資控股419家，其他國有17家

---

好，對(duì)數(shù)據(jù)收集過程有興趣的同學(xué)可以繼續(xù)往下看

一、拿到全體上市公司列表

有一說一，上交所和深交所的官方網(wǎng)站這幾年從表現(xiàn)形式、數(shù)據(jù)披露類別方面都有長足進(jìn)步，不過我更喜歡深交所的網(wǎng)站，感覺真正是站在客戶的角度做的網(wǎng)站。

深交所的上市公司列表非常明了，直接下載為excel，里面包含了公司代碼、公司簡(jiǎn)稱、公司全稱、英文名稱、注冊(cè)地址、總股本、所屬行業(yè)、公司網(wǎng)址等在內(nèi)的信息。可以說是相當(dāng)人性化了。相反，在上交所網(wǎng)站，我把網(wǎng)站翻個(gè)底朝天也沒看到上市公司列表，看來只能另辟蹊徑了。

沒辦法，最終使用python baostock庫下載了兩市全套股票代碼，剔除其中的各類指數(shù)就是我們需要的上市公司列表。

二、判斷是否為國企

（一）交易所官方網(wǎng)站

很無奈，兩個(gè)交易所網(wǎng)站都沒有公司類型、組織形式等相關(guān)信息。

（二）國家企業(yè)信用信息公示系統(tǒng)

網(wǎng)址：http://www.gsxt.gov.cn/

企業(yè)信用信息公示系統(tǒng)提供國內(nèi)所有公司的工商信息，數(shù)據(jù)是最全的，而且免費(fèi)，從中的公司類型可以看出公司是否為國企。但是該網(wǎng)站不提供API，每次查詢均須通過真人驗(yàn)證，無法批量查詢。其他比如企查查、企查貓這些網(wǎng)站，有些提供API，不過都需要付費(fèi)，查詢一次幾毛錢，扛不住公司多啊。

（三）其他財(cái)經(jīng)網(wǎng)站

窮逼沒錢，現(xiàn)在只能曲線救國，繼續(xù)百度，終于在我東方財(cái)富網(wǎng)上面看到了蛛絲馬跡

網(wǎng)址：https://quotes.money.163.com/f10/gszl_601117.html#01f01

在這正是我們想要的，但是組織形式不全，部分與企業(yè)信息系統(tǒng)不符。

繼續(xù)尋找，最終還是我常用的雪球給力，公司材料頁非常齊全，測(cè)試了幾個(gè)公司后發(fā)現(xiàn)不但有國企、民企、外資之分，竟然里面還有央企、省屬和地方的子分類，雖然沒有體現(xiàn)是絕對(duì)控股、相對(duì)控股還是參股，但是對(duì)于我們已經(jīng)足夠了。

網(wǎng)址：https://xueqiu.com/snowman/S/SH600371/detail#/GSJJ

雪球的數(shù)據(jù)非常直觀，下面進(jìn)入喜聞樂見的數(shù)據(jù)展示環(huán)節(jié)。

三、數(shù)據(jù)展示

截止到2020年4月30日，上交所國企占比42%左右，深交所國企占比僅為22%，兩市總占比30.4%。關(guān)于國有上市公司歷年占比和增長趨勢(shì)的數(shù)據(jù)等將來有空了在做。

明顯可以看出，省屬國企和央企普遍規(guī)模較大，在上交所掛牌的較多。

雪球數(shù)據(jù)的公司分類，從邏輯上來講是根據(jù)其披露的實(shí)際控制人來區(qū)分的，其中27家公司沒有體現(xiàn)公司類型，猜測(cè)是無法判斷一致行動(dòng)人的性質(zhì)。還有被標(biāo)注為”其他國有“類別的公司如下，不知道這些公司有什么特殊之處，還請(qǐng)專業(yè)人士點(diǎn)評(píng)。

本篇文章雖然展示了上市公司國企數(shù)據(jù)，但更多的是給一個(gè)值觀的感受，具體意義需要再挖掘。最近隨著國企混合所有制改革等政策的推進(jìn)，上市公司結(jié)構(gòu)可能會(huì)更加復(fù)雜，國企、民企的更加難以區(qū)分。如何激活國企活力，如何避免國有資產(chǎn)流失不重蹈覆轍，如何讓更多的人感受到國企發(fā)展的紅利，如何解決公私經(jīng)商環(huán)境的平衡公平問題都是需要仔細(xì)研究探討的。

四、數(shù)據(jù)獲取方法

首先，使用Python Baostock庫下載所有上市公司代碼，具體參考其官網(wǎng)。

然后一個(gè)Python文件即可搞定，是不是很簡(jiǎn)單！

# -*- coding: utf-8 -*-import requestsimport xlwtimport pandas as pdimport timeimport jsonheaders = { 'Accept': 'application/json, text/plain, */*', 'Accept-Encoding': 'gzip, deflate, br', 'Accept-Language': 'zh-CN,zh;q=0.9', 'Connection': 'keep-alive', 'Cookie': 'xq_a_token=48575b79f8efa6d34166cc7bdc5abb09fd83ce63; xqat=48575b79f8efa6d34166cc7bdc5abb09fd83ce63; xq_r_token=7dcc6339975b01fbc2c14240ce55a3a20bdb7873; xq_id_token=eyJ0eXAiOiJKV1QiLCJhbGciOiJSUzI1NiJ9.eyJ1aWQiOi0xLCJpc3MiOiJ1YyIsImV4cCI6MTU4OTY4MjczMCwiY3RtIjoxNTg4NjI3ODM4MjM4LCJjaWQiOiJkOWQwbjRBWnVwIn0.T8Kn6v1mJhaShx0AnQ-J68Vsq2rKbk10SnvLoIineGTbEacSsFhRmF8H49wekqFHxzW_JOnjHG-l7cocC65CdLTn_ji3WLfIqdyiibGvs1Pvox0y_uMvduLod8aSwc-KVmoXq6B4k-nCc_1TcqtOIBCw7M9PQrbHXS2P_VROcbNWCHxgcAOF00n4eEPQrWDahmU9lQBlijnV4_hIJE8bf31YKDEhedyXwvSg4P5wjnIDmg0AL-xov0MvtQOFpOKD0dXSTy3xkBQaP1HWzRjznqNnZU8hXUltXUlpjc8Owi3XHjzGBJPiQMR9JfVcIkcLl4OlO3L-fO6zXSKuC6yFHQ; u=331588627844878; device_id=24700f9f1986800ab4fcc880530dd0ed; s=cv110w8aqt', 'Host': 'stock.xueqiu.com', 'Origin': '雪球 - 聰明的投資者都在這里', 'Referer': '雪球-聰明的投資者都在這里', 'Sec-Fetch-Mode': 'cors', 'Sec-Fetch-Site': 'same-site', 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36' }#從baostock獲取的all_stock.csv上市公司列表，通過pandas解析，獲得公司總數(shù)量#我這里把csv文件另存成了exceldf = pd.read_excel('all_stock.xlsx')height,width = df.shape#初始化創(chuàng)建一個(gè)上市公司類別的excel文件，用于存儲(chǔ)結(jié)果workbook = xlwt.Workbook(encoding = 'utf-8')worksheet = workbook.add_sheet('company_SHA')# 遍歷深交所A股所有公司列表，使用公司股票代碼爬取公司基本信息# 如果遇到連接問題，記錄并重復(fù)get4次，如果仍然無法連接，則跳過抓取下一個(gè)公司#y = heightfor x in range(0,height): if("sh" in df.loc[x,"code"]): company_id = "SH"+df.loc[x,"code"][3:] url = "https://stock.xueqiu.com/v5/stock/f10/cn/company.json?symbol="+company_id elif("sz" in df.loc[x,"code"]): company_id = "SZ"+df.loc[x,"code"][3:] url = "https://stock.xueqiu.com/v5/stock/f10/cn/company.json?symbol="+company_id i = 1 while i<=4: try: res = requests.get(url, headers = headers) try: res_dict = json.loads(res.text) break except: print("Json 解析異常") except requests.exceptions.ConnectionError: print('ConnectionError -- please wait 3 seconds') time.sleep(3) except requests.exceptions.ChunkedEncodingError: print('ChunkedEncodingError -- please wait 3 seconds') time.sleep(3) except: print('未知錯(cuò)誤 重新連接') time.sleep(3) i+=1 if(i == 4): print(company_id+":該公司無法獲取") company_type = "無此公司" controler = "無實(shí)際控制人" else: if(res_dict['data']['company'] is None or res_dict['data']['company']['classi_name'] is None or res_dict['data']['company']['actual_controller'] is None): company_type = "公司無類型" controler = "無實(shí)際控制人" else: company_type = res_dict['data']['company']['classi_name'] controler = res_dict['data']['company']['actual_controller'] print("剩余:"+str(y)+"個(gè): "+df.loc[x,"code"]+":"+df.loc[x,"code_name"]+":"+company_type+" "+controler) #將結(jié)果寫入excel worksheet.write(x,0,df.loc[x,"code"]) worksheet.write(x,1,df.loc[x,"code_name"]) worksheet.write(x,2,company_type) worksheet.write(x,3,controler) workbook.save('xueqiu2.xls') time.sleep(1) y-=1