Tony Wang8 分で読めますSEC提出者976,925件を全件インデックス化：EDGARは企業のリストではない
976,925件のEDGAR提出者をインデックス化：事業会社はわずか4.7%、デラウェア州が56%を占め、ETFが13Fの所有構造グラフを支配しています。
SEC EDGARに何が入っているかを聞けば、たいていの人は「上場企業の提出書類」という答えを返すでしょう。それは、図書館にシェイクスピアが収蔵されているという意味では正しい——技術的には正確ですが、書棚全体を代表する答えとしてはまったく的外れです。
私たちはEDGARの提出者レジストリ全体をインデックス化しました——すべてのCIK、976,925件を1件ずつ、SEC自身のsubmissionsフィード、XBRLのcompany facts、13F保有データから構築したものです——そして、その全体像は「SEC企業」という言葉が示唆するものとは違います。提出者のうち事業会社は20件に1件未満です。 残りは、誰もランディングページに載せないロングテールです。
EDGARの94.9%は「企業」ではない
CIKごとに1レコードを、EDGAR自身が報告するエンティティタイプで分類すると：
この927,522件はゴミデータではありません——これがまさにこのシステムの実態です。役職に就いたときにForm 3を提出し、取引のたびにForm 4を提出するすべての役員・取締役はCIKを取得します。私募ラウンドを調達してForm Dを提出するすべてのスタートアップもCIKを取得します。すべての住宅ローン証券化トラストもCIKを取得します。これらはすべて「SEC提出者」です。しかし、その大半は、いわゆるスクリーニング対象として想定されるものではありません。
これは実務上重要な点です。フィルタをかけずにSECデータセットを「企業」として問い合わせると、その大半は実は人を問い合わせていることになります。 entity_type=operatingでフィルタすると、977Kは45Kまで絞り込まれます。
デラウェア州が他のすべてを合わせたより多い
設立地の州または国を記録している582,315件の提出者のうち、327,228件がデラウェア州です——56.2%、つまり地球上の他のすべての法域を合わせたよりも多い数字です。
デラウェア効果は、話題としてはよく知られています。しかし、それを間に何の調査手法も挟まない生の集計として目にするのはまた別のことです——これは単に、提出者自身がフォームに記入している内容そのものです。
EDGARで最も多く提出されている書式はForm D
10-Kではありません。8-Kでもありません。私募発行の通知です。
10-Kを一度でも提出したことがある提出者はわずか39,399件——レジストリ全体の約4%で、Form Dを9回提出した件数よりも少ない数字です。「EDGARとは上場企業が年次報告書を提出する場所である」というメンタルモデルは、実在するものの、その中のごく小さな一角を表しているにすぎません。提出者数で見ると、EDGARは主にプライベート資金調達とSection 16のインサイダー開示のためのシステムです。
業種構成も別の角度から同じことを物語っています。分類上最大の業種はAsset-Backed Securities(証券化トラスト、12,546件)で、これにBlank Checks(SPAC・シェル企業カテゴリー、3,313件)が続きます。Pharmaceutical Preparations(製薬関連、1,899件)とPrepackaged Software(パッケージソフトウェア、1,773件)は、どちらもその後ろです。
ETFが所有構造グラフを飲み込んだ
13F側は別のインデックスです。9,445の機関投資家マネージャーが、最新の13F-HRで報告している1,748,475件のポジションラインが対象です。各発行体についてポジションを報告しているマネージャーの数を数えると：
上位7つのうち6つはファンドファミリーであり、企業ではありません。iShares単独で95,989件のポジションラインに登場しており、これは最も広く保有されている個別の事業会社であるAlphabetの9,160件の10倍です。13Fで開示される機関投資家の「所有」は、まとめて見るとその大部分がラッパー(器)の所有です。
落とし穴：単位を読み違えるとEDGARで最大の企業はトヨタになる
これは実際に私たちのバグの原因になったので、XBRLを扱うすべての人のために、はっきり書いておく価値があります。
このデータセットを報告年間収益で降順に並べ替えると、上位10社は完全に日本企業になります——トヨタ、NTT、三菱UFJ、日立、ソニー、みずほ。トヨタの報告数値は30,225,681,000,000です。不用意に読むと、これは30兆ドル規模の企業——世界のGDPのおよそ3分の1に相当します。
実際には30.2兆円——おおよそ2,000億ドル(200B)です。XBRLのcompany factsは各数値をunitキーの下に保存しており、それは提出者のネイティブな報告通貨を表しますが、SECはこれを正規化していません。値を取得してドルだと仮定してしまうパーサーは、円建て・ウォン建て・ルピア建てのすべての提出者を、永久にすべての米国メガキャップより上位にランクづけしてしまい、実質的には「最大の企業」ではなく「最大の通貨額面」のリストを生成してしまいます。
対処法は地味です。unitキーを報告通貨として読み取り、ネイティブな数値は提出されたとおりに正確に保持し、ソートやバンド分け、範囲フィルタに使うためには別途変換済みのフィールドを保存します。私たちのデータセットは現在、ネイティブなlatest_annual_revenueと正規化されたlatest_annual_revenue_usdの両方に加えてreporting_currencyを公開しており、金額に関するあらゆるソートとフィルタは正規化されたフィールド上で実行されます。
関連する落とし穴：外国民間発行体(foreign private issuer)はus-gaapではなくifrs-fullタクソノミの下で提出しています。 us-gaapの概念しか読まないパーサーは、これらの企業について何のエラーも出さずに静かに財務データゼロを返します——エラーではなく、ただの空の財務諸表です。どの企業が欠けているかに気づくまで、カバレッジは問題ないように見えてしまいます。
この用途
一度に1件の提出書類を取得するのではなく、レジストリ全体をスクリーニングすること——業種、法域、収益帯、提出アクティビティ別のすべての提出者、1社の正規化された財務諸表履歴とインサイダー取引、マネージャー側から見た機関投資家の保有状況。すべてSECの無料公開データから構築しており、実際の作業はクリーニング、タグの正規化、そして単位の扱いにあります。
このデータセットは/datasets/secにあり、単一のREST API経由で問い合わせ可能です。上記の数字から一つだけ持ち帰るとすれば、これにしてください。何かを数える前に、まずentity_typeでフィルタすること。
よくある質問
SECに提出書類を出している企業はどのくらいありますか？
EDGARにCIKを持つ提出者は976,925件ありますが、そのうち事業会社はわずか45,497件(4.7%)で、投資事業体は3,906件です。残りの927,522件は、個別のSection 16インサイダー、一度限りのForm D提出者、ブランクチェック(器)、証券化トラストです。企業だけを対象にしたい場合は、レジストリ全体を数えるのではなくentity_type=operatingでフィルタしてください。
デラウェア州で設立されている企業の割合はどれくらいですか？
設立地の州または国を記録している582,315件のEDGAR提出者のうち、327,228件(56.2%)がデラウェア州で設立されています。これは他のすべての米国の州と外国の法域を合わせたよりも多い数字です。2番目に多い米国の州はテキサス州で22,325件(3.8%)、続いてカリフォルニア州が17,388件(3.0%)です。
SECで最もよく提出される書式は何ですか？
私募発行の適用除外通知であるForm Dで、357,255件の提出者があります——どちらもインサイダー開示書式であるForm 4(281,810件)やForm 3(281,670件)を上回ります。10-Kを一度でも提出したことがある提出者はわずか39,399件です。提出者数で見ると、EDGARは主にプライベート資金調達とインサイダー開示のためのシステムであり、上場企業の報告システムではありません。
機関投資家が最も多く保有している銘柄は何ですか？
9,445のマネージャーによる1,748,475件の13Fポジションのうち、最も広く報告されている発行体はiShares Trustで95,989件のポジションラインがあります——これは企業ではなくETFファミリーです。上位7つのうち6つはファンドファミリーです。最も多く保有されている個別の事業会社はAlphabetで9,160件——iSharesのおよそ10分の1です。
なぜSECの収益データではトヨタが最大の企業として表示されるのですか？
XBRLのcompany factsが各数値を、提出者のネイティブな報告通貨を表すunitキーの下に、正規化せずに保存しているためです。トヨタは30,225,681,000,000と報告していますが、これは30兆ドルではなく30.2兆円(約2,000億ドル)です。値を読み取ってドルだと仮定してしまうパーサーは、円建てやウォン建てのすべての提出者をあらゆる米国メガキャップより上位にランクづけしてしまいます。unitキーを通貨として読み取り、ソートや範囲フィルタの前に変換する必要があります。