上市公司-企业勒纳指数、行业勒纳指数、相对勒纳指数代码及数据集(2000-2022年)

本文主要是介绍上市公司-企业勒纳指数、行业勒纳指数、相对勒纳指数代码及数据集(2000-2022年),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

01、数据简介

勒纳指数也称为勒纳垄断势力指数,它通过对价格与边际成本偏离程度的度量,反映市场中垄断力量的强弱。

企业勒纳指数是衡量企业在市场中的垄断力量强弱的重要指标。

行业勒纳指数是衡量整个行业垄断程度的重要指标。

相对勒纳指数是针对不同企业或不同行业之间的勒纳指数进行比较分析的一种指标。

企业、行业勒纳指数的计算公式为L= (P- MC) / P。(其中,L表示勒纳指数,P表示价格,MC表示边际成本。这个公式反映了产品价格与边际成本的偏离程度,从而度量市场中垄断力量的强弱。勒纳指数在0到1之间变动,数值越大,表明垄断势力越大。)

相对勒纳指数 = 目标企业或行业的勒纳指数 / 基准企业或行业的勒纳指数

本数据包含原始数据、代码、参考文献,最终结果。

数据名称:上市公司-企业勒纳指数、行业勒纳指数、相对勒纳指数

数据年份:2000-2022年

02、相关数据

证券代码、年份、股票代码、股票简称、企业勒纳指数、行业勒纳指数、相对勒纳指数、沪深A股为1,否则为0、北京A股为1,否则为0、行业名称C、行业代码C、制造业取两位代码,其他行业用大类、营业收入、营业成本、销售费用、管理费用。

03、数据截图

图1.png

idyearSymbolShortName企业勒纳指数行业勒纳指数相对勒纳指数沪深上市北京上市IndustryNameIndustry1Industry2B001101000B001201000B001209000B001210000
证券代码年份股票代码股票简称企业勒纳指数行业勒纳指数相对勒纳指数沪深A股为1,否则为0北京A股为1,否则为0行业名称C行业代码C制造业取两位代码,其他行业用大类营业收入营业成本销售费用管理费用
22000000002深万科A0.1300358180.143175945-0.01314012710房地产业K70K37836686742839927977293581490.9158146771.9
22001000002深万科A0.1063657850.134031281-0.02766549610房地产业K70K44550647773434439752273634648.3273123916.2
22002000002万科A0.1578040720.1550565360.00274753610房地产业K70K45743596293472885809126595070.9253026171.8
22003000002万科A0.1829399170.1682856530.01465426410房地产业K70K63800604354639877678210754591.2362260438.9
22004000002万科A0.2187340560.1870958360.0316382210房地产业K70K76672262375297369544328757938.6364015210.2
22005000002万科A0.2545515890.2134750490.04107654110房地产业K70K105588516846884920656466289323.6519869226.1
22006000002万科A0.2895900610.2481839810.0414060810房地产业K70K1784821028211201866353625716845851962869.6
22007000002万科A0.3366761510.3065562250.03011992610房地产业K70K355266113022060733896411945437021763765823
22008000002万科A0.3072654010.2989146710.0083507310房地产业K70K409917792152500527446518603500841530799165
22009000002万科A0.2334360780.28089425-0.04745817210房地产业K70K488810131433451471770515137168691441986772
22010000002万科A0.3295922880.3060144190.02357786910房地产业K70K507138514433007349523120790928491846369258
22011000002万科A0.3262566030.3142981830.0119584210房地产业K70K717827498014322816360225567750622578214642
22012000002万科A0.3089517650.3047668340.00418493210房地产业K70K1.03116E+116542161434830563776572780308041
22013000002万科A0.264022350.268939048-0.00491669810房地产业K70K1.35419E+119279765076338647135703002837563
22014000002万科A0.2418670360.254420847-0.01255381110房地产业K70K1.46388E+111.02557E+1145218894783902617687
22015000002万科A0.2480961080.2172060460.03089006210房地产业K70K1.95549E+111.38151E+1141382735954745249793
22016000002万科A0.2444038240.2141315940.03027223110房地产业K70K2.40477E+111.69742E+1151607159046800561937
22017000002万科A0.2786756160.225426450.05324916510房地产业K70K2.42897E+111.6008E+1162619813218865714082
22018000002万科A0.3136470020.2557476160.05789938610房地产业K70K2.97679E+111.86104E+11786807561110340805185
22019000002万科A0.3079166410.2473231110.06059353110房地产业K70K3.67894E+112.3455E+11904449684011018405287
22020000002万科A0.2425273360.2098419670.03268536910房地产业K70K4.19112E+112.96541E+111063689970010288052823
22021000002万科A0.1673367620.1612701710.00606659110房地产业K70K4.52798E+113.53977E+111280863913410242281855
22022000002万科A0.1518792060.1307335940.02114561210房地产业K70K5.03838E+114.05319E+11124123671739584138376

04、包含内容

图2.png

图3.png

05、全部数据下载链接:https://download.csdn.net/download/li514006030/89238840

这篇关于上市公司-企业勒纳指数、行业勒纳指数、相对勒纳指数代码及数据集(2000-2022年)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/944787

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

Hadoop企业开发案例调优场景

需求 (1)需求:从1G数据中,统计每个单词出现次数。服务器3台,每台配置4G内存,4核CPU,4线程。 (2)需求分析: 1G / 128m = 8个MapTask;1个ReduceTask;1个mrAppMaster 平均每个节点运行10个 / 3台 ≈ 3个任务(4    3    3) HDFS参数调优 (1)修改:hadoop-env.sh export HDFS_NAMENOD

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

活用c4d官方开发文档查询代码

当你问AI助手比如豆包,如何用python禁止掉xpresso标签时候,它会提示到 这时候要用到两个东西。https://developers.maxon.net/论坛搜索和开发文档 比如这里我就在官方找到正确的id描述 然后我就把参数标签换过来

poj 1258 Agri-Net(最小生成树模板代码)

感觉用这题来当模板更适合。 题意就是给你邻接矩阵求最小生成树啦。~ prim代码:效率很高。172k...0ms。 #include<stdio.h>#include<algorithm>using namespace std;const int MaxN = 101;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int n