主要參考文獻(xiàn)為：《機(jī)構(gòu)投資者抱團(tuán)與股價崩盤風(fēng)險》（吳曉暉，郭曉冬，喬政）
這篇文獻(xiàn)發(fā)表在中國工業(yè)經(jīng)濟(jì)雜志上，但是作者只提供了處理過的投資機(jī)構(gòu)團(tuán)體持股數(shù)據(jù)，而且數(shù)據(jù)只到2017年，具體處理的代碼則并未展示。
這里根據(jù)這篇文獻(xiàn)，依據(jù)如下步驟進(jìn)行復(fù)原：
1、下載國泰安中機(jī)構(gòu)團(tuán)體持股比例數(shù)據(jù)，合并為一個文件，約475萬條數(shù)據(jù)。
2、根據(jù)投資機(jī)構(gòu)名稱，篩選機(jī)構(gòu)名稱中含有“投資”“公司”字樣的機(jī)構(gòu)。
3、使用python，篩選出每年，任意兩家投資機(jī)構(gòu)持有某家公司股票大于5%的組合，輸出到csv文件。
4、按年進(jìn)行拆分，并加入權(quán)重列，保存為txt文件。
5、使用python，將數(shù)據(jù)根據(jù)louvain算法，得出社區(qū)團(tuán)體。
6、將多年的社區(qū)團(tuán)體合并為一個文件，一共兩列，一列為投資機(jī)構(gòu)id，一列為年份。
7、根據(jù)第6步的數(shù)據(jù)，篩選第一步中475萬條數(shù)據(jù)中，某機(jī)構(gòu)在某年，對某公司屬于任意一投資團(tuán)體的數(shù)據(jù)。
8、根據(jù)年份、股票代碼進(jìn)行匯總，得出最終數(shù)據(jù)，2003年到2020年，一共27424條數(shù)據(jù)。

供參考。