Question

我正在尝试使用R软件包edgar从其10-K报告中提取多家公司的业务描述。我正在使用getBusinDescr函数。

由于我需要许多公司的业务描述（1000多个），因此我创建了一个公司cik标识符的向量，并让R使用该向量下载了1000多个公司的描述。问题是，R可以完美地下载我想要的填充（10-K报告），而无法提取我感兴趣的部分。它在2007年停止在61％的位置，在2011年停止在31％的位置。但是，在2010年，提取率达到了100％。

总而言之，提取在某些年份有效，但在其他年份无效。我很好奇知道此错误来自何处。您是否认为这是由于数据可用性（即某些公司几年没有业务描述）还是重复刮擦尝试导致的某些自然错误？请帮助我解释并希望处理该错误。

仅供参考，我正在Mac上使用最新的R。

我使用的代码是：

# using edgar package on R
library(edgar)

# cikvector is a vector of multiple firms' identifier codes

# for year 2007
- filings.BusinDes.2007 <- getBusinDescr( cik.no=cikvector, filing.year=2007)
# for year 2008
filings.BusinDes.2008 <- getBusinDescr( cik.no=cikvector, filing.year=2008)

理想结果如下：

Downloading fillings. Please wait...              
100%
Extracting 'Item 1' section...
100%
Business descriptions are stored in 'Business descriptions text' directory.

我遇到的错误如下（尽管下载整个报告没有任何问题）：

Downloading fillings. Please wait...     
100%
Extracting 'Item 1' section...                                                                                                             
**|  31%Error in (grep("<DOCUMENT>", filing.text, ignore.case = TRUE)[1]):    (grep("</DOCUMENT>",  : 
NA/NaN argument**

Answer 1

我遇到了同样的错误，但是发现只是“注释掉”功能代码中有问题的行即可解决问题。

因此，您需要从Edgar软件包中编辑函数'getBusinDescr'。在R-Studio中执行此操作的一种简单方法是仅运行：

fix(getBusinDescr)

下一步，您需要找到以下几行：

    filing.text <- filing.text[(grep("<DOCUMENT>", filing.text, 
                                 ignore.case = TRUE)[1]):(grep("</DOCUMENT>", filing.text, 
                                                               ignore.case = TRUE)[1])]

，并在每行的开头添加＃，以将其从函数中删除（即，将其注释掉）。然后，当您运行该函数时，它应该可以正常工作。

问题在几周后才开始出现，我确信在使用完全相同的基础数据之前，它运行得很好。关于发生这种情况的最佳猜测是，SEC可能会对其HTML代码进行一些更改，以使“”标签不会出现在某些原始文件中。我没有费心去检验这个理论，但这是有道理的。

使用R包edgar从10-K报表中提取业务描述时，为什么会遇到错误？

1 个答案: