引言

最近，团队成员又在朋友圈看到了标题为“商业银行网点数据（1949-2019年）”的数据分享，原始数据来源于银保监会公示平台（http://xkz.cbirc.gov.cn/jr/）。有些朋友看了“1949-2019年”字样，可能会误以为是面板数据，但事实并非如此。银保监会公示平台仅保留当前在营以及近两年退出的机构信息，因此该分享数据未包含2017年及以前所有已退出机构的信息。

为了与团队自建的中国银行业分支机构历史信息数据库（下文将会详述）作比较，企研数据团队也采集过上述数据。截止到2020年12月14日，银保监会公示平台发布了227378家金融机构信息（其中商业银行及其网点的数量是201812条）。再次强调，这22.7万条数据，只包含抓取数据那个时点上的在营或2年内退出的机构信息。

然而，从事经济金融方面学术研究的朋友们知道，真正更有学术价值的数据，应该既要包含当前的银行网点数，也要包含各个历史阶段的存量数据，最后结合其他自变量或者因变量，形成真正的面板数据，才能检验各种经济机制或者政策效应。

好消息是，构建中国银行业机构及网点的长面板数据其实还有其他渠道。基于银行业机构正常运营（包括网点）需要在市场监管部门进行登记这一基本事实，企研数据团队已经借助全量（含历史退出）工商登记注册数据构建了中国银行业分支机构历史信息数据库。

正文开始

正文

什么数据有如此魔力？近两年在《经济研究》《金融研究》上频频发文

据不完全统计，2019-2020年《经济研究》《金融研究》上发表的与银行业相关的文章，绝大多数都用到了“银行分支机构数”（见下表）作为原始数据，也是文章计算核心变量的关键数据。

近两年《经济研究》《金融机构》部分银行业相关文章

那么，现在问题来了， 究竟银行分支机构数凭借什么，可以在《经济研究》《金融研究》一流期刊上立足？ 

小编认为， 除文章本身的idea很赞、有足够的创新外， 最主要是，数据获取整理难度大，耗时耗力 尤其是银行数据，属于微观数据，体量大，而且银行数据暂时无法通过公开渠道直接获取， 银行分支机构数，学者们大多也是从中国银监会的金融许可证网站上手工采集整理。

或许你也想到了可以通过python爬虫获取，轻轻松松，解放双手~~~ 但，大多数学者都是非专业爬虫人士， 学习成本高，花费时间长， 最后，即使结果出来了，数据出错率也是极高的。（因为小编深有感触）

当你看了大量文献，想到个超棒的idea，创新点也足够

你高兴极了！准备放手一搏，着手采集数据

一个星期，半个月过去了……

结果一言难尽，数据获取竟毫无进展

idea只好暂且搁置

而你的idea可能被人抢先

最后的最后，别人“风光无限”，你却只能“独自哭泣”

如此往复，多少好文章与你擦肩

所以，问问自己，缺的是idea吗？

很多时候大家都有相同的idea，拼的就是时效性，拼的就是数据的获取快慢。

缺的就是好数据呀！！！

企研数据已成功构建出中国银行业分支机构历史信息数据库，包含了基础的工商登记信息以及机构地理信息，囊括了所有银保监会上的字段以及经纬度等信息（具体见下表）：

该数据库真正包含了银行业机构包括网点在内的所有历史信息，不仅涵盖了进入时间的信息，也包含了退出时间的信息，因此你可以任意构建自己设想的面板数据，并且我们还提供了机构或者网点的GIS信息，方便进行各种匹配工作。

下表是银监会公开数据和我们构建数据库机构数量的统计结果对照，可以发现国有银行、信用社、农商行、城商行等所有银行业机构在内，合计有46.47万家机构的数据，是前文在营银行业机构数量的两倍还要多，而现存机构数与银保监会公开数据基本吻合，反映了我们所建数据库的准确性是值得信赖的。

我们还将银行业机构的人才招聘信息、知识产权信息、公开披露信息一网打尽。并且，企研数据出品的“中国银行业分支机构历史信息数据库”，是由专业人员构思、获取、清洗、维护，数据库不仅信息结构全，而且历史时间完整，并且会在每季度进行更新，以保证数据的实时性。

企研数据

想你所想，为你所想，做你所想

让我们一起

“meet the future”