因果是人类由弱人工智能时代迈向类人智能时代的关键, 加之大数据时代下, 数据的多样性及其信息的丰富性促使挖掘文本数据中的因果知识成为新的研究热点. 目前的因果推断方法更多地应用在低维的、结构化观测数据, 对文本数据的利用并不充分. 为了实现对非结构化文本数据的因果分析, 本文首先结合现代汉语的句型系统, 提出了一种基于规则的事件抽取方法. 之后, 提出了一种基于文本的概率因果图推理方法. 具体来说, 针对已抽取出的事件, 该方法采用聚类算法抽象并泛化语义相似事件的公共语义特征, 以定义文本数据中的变量及观测的概念, 并基于语义依存关系抽取因果关系来指导文本中因果事件链条的抽取, 以进一步发现文本蕴含的因果网络, 进而采用因果图模型完成了对文本数据中因果效应的推断. 最后, 本文分别选取司法文书及金融研报作为语料进行实验, 具体展示了针对文本数据的概率因果推理过程.
准确的旅游需求预测对旅游业高质量发展有着重要的作用, 特别是中短期客流量预测对旅游目的地的旅游资源调配及应急管理至关重要, 新冠疫情的冲击导致旅游需求出现结构性变化, 将对旅游需求预测预警提出新的挑战. 本研究工作主要聚焦后疫情时期多源异构数据融合是否能够提升旅游需求预测方法的性能, 为了探究该问题, 本研究首先从旅游者生成的在线评论、旅游者关注的网络搜索数据和旅游目的地实时在线新闻数据中提取众多影响旅游需求波动的变量, 并采用主题模型、情感分析及特征工程方法对其进行处理; 其次, 根据变量时间频度的不同采用混频建模的方法对变量进行融合处理得到预测的多模态融合特征; 最后, 基于多源异构数据融合驱动SARIMA-MIDAS预测方法对旅游需求进行建模预测. 该研究工作主要以后疫情时期中国香港游客量建模预测为研究对象, 实证结果揭示出本研究提出的多源异构数据融合驱动SARIMA-MIDAS预测方法在后疫情期间能够取得最佳的预测表现, 因此, 该研究的结果可为旅游需求预测提供一种新的解决方案, 为相关政府机构和从业者提供决策支持.
元宇宙创新是基于人工智能、区块链、互联网、虚拟现实技术等多种新兴技术的创新, 是实现制造强国、质量强国与数字中国的重要路径, 而企业文化则是建设文化强国的核心组成. 本文首先基于上市公司新闻和专利文本等文本数据, 运用词向量模型构建了企业层面的"元宇宙创新指数". 然后就企业文化对元宇宙创新水平的影响进行实证分析. 研究发现, 强企业文化能够显著地帮助企业更好地发展元宇宙相关技术. 这一结论在使用工具变量等方法控制内生性问题、以及进行稳健性检验以后依然成立. 机制检验表明, 强企业文化通过促进创新投入以及提升风险承担能力等机制, 促使企业更好地进行元宇宙相关技术创新. 此外, 强企业文化对企业元宇宙相关创新的正面影响存在着异质性, CEO学历高、年龄低、与处在非高新技术行业的企业会受益更大. 本文既丰富了元宇宙相关概念与度量方式, 为元宇宙与公司治理的交叉研究提供了新的研究方法与见解, 也为政府部门应该如何引导企业更好地推动元宇宙创新提供了政策参考.
如何挖掘历史文化资源促进精准营销以高效吸引游客, 是我国诸多文化旅游资源富集的景区亟需解决的问题.本文以西安"唐文化"旅游目的地形象挖掘为研究对象, 通过15, 683条在线文本评论的高频词提取、语义网络分析、主题词挖掘和情感分析, 识别出消费者"唐文化"目的地形象的关注点.研究结果表明, 首先, 前100个高频词可分为遗产资源、旅游活动和游客情绪三类; 其次, 游客较为关注西安著名景区、建筑、文化及"大唐盛世"文化氛围; 再次, 通过文本评论情感分析获取负面情感高频词, 并挖掘负面评论出现的原因; 最后, 通过隐含狄利克雷分布(latent Dirichlet allocation, LDA)模型确定评论主题, 同时, 利用K近邻算法验证LDA主题分类.本文的研究结果可为西安市旅游目的地形象改进和潜在"唐文化"旅游创意策划提供有力支撑, 同时也可为其他历史文化名城提高旅游吸引力提供借鉴.
控制风险是发挥金融核心作用、有效服务实体经济高质量发展的关键, 而影响金融风险的特征变量间的关联关系分析是风险溯源和防控的基础.农地经营权抵押贷款作为农村金融的改革创新, 研究其违约风险特征变量关联结构对有效降低风险、助力更大范围内推行金融创新、破解农民贷款"风控难"的问题具有重要意义.然而, 农地经营权抵押贷款的风险影响因素多变, 且其特征变量之间的关联结构组合具有高维复杂性, 因此需要一种有效的建模方法.本文提出了一种基于藤copula中C-vine copula函数的深度强化学习驱动算法框架, 针对农地经营权抵押贷款风险影响多变量关联结构组合的高维复杂性, 实现自动化变量关联结构建模.在此模型中, C-vine copula函数采用二元函数组合, 能够方便直观地描述变量间的结构关联.而深度强化学习因具备突出的非线性拟合与高维空间表征能力, 在探索尝试中自动学习, 在复杂高维度的变量结构关联建模方面发挥关键作用.同时, 该方法根据数据分布选择各层级变量及copula函数种类, 能有效提升度量模型的效果.研究结果表明, 在农地经营权抵押贷款债务违约影响变量的关联结构中, 变量生成顺序依次为: 贷款金额、贷款利率、抵押土地面积、家庭支出水平、主要农作物产值、家庭收入水平、年龄、受教育年限以及村庄到最近土地交易中心距离.我们还发现, 关注变量间尾部的依赖关系对于风险全面分析与有效防范至关重要.本文提出的方法为农地经营权抵押贷款关联变量结构建模提供了支撑, 对有效控制农村金融债务违约风险具有重要意义.
本文基于爬虫技术和文本挖掘技术, 从政策层面、投资者关注层面和风险关注层面分别构造气候政策冲击指数、气候关注度冲击指数和气候风险冲击指数, 量化分析三类不同的气候冲击源对中国股票、汇率、大宗商品三种大类资产收益的溢出效应.研究发现, 不同类型的气候冲击均会对大类资产收益产生一定的溢出效应.静态情境下, 气候关注度冲击对大类资产收益的溢出效应最大, 其中黄金、钢铁与股指对气候冲击较敏感.动态情境下, 系统总溢出指数易受气候相关大事件影响, 存在明显的时变特征.不同气候冲击对不同大类资产的溢出同样存在较强的异质性, 气候关注度冲击对大类资产的溢出效应最强, 除小麦外的其他资产都在不同程度上受到气候冲击溢出影响.最后, 近年来气候冲击对大类资产的溢出影响有增强趋势.本文的发现补充了我国气候金融领域的实证研究, 为金融监管部门与投资者提供了决策参考.
石油在全球经济发展中扮演着重要的角色.为了更有效地预测石油价格, 本文将新闻媒体和舆论事件等信息纳入到油价预测研究中.首先, 应用主题识别模型对与油价相关的网络新闻进行主题识别, 将其转化为主题分布数据.并根据新闻主题对新闻进行情感分析, 最后将主题分布与每个主题下的新闻情感特征加入到油价预测模型中, 以此来改进预测效果.实证结果表明, 相较于基准模型, 结合了网络新闻主题特征以及主题分类下新闻情感特征的预测模型具有更好的预测性能.这表明, 新闻媒体中蕴含的信息能够有效反映市场情绪, 并有助于对油价进行预测.
随着信息技术的发展, 机构研报、财经新闻、搜索指数等多种舆情信息成为影响汇率变化的重要因素.通过自然语言处理(NLP)技术处理非结构化舆情文本数据可以反映投资者行为、情绪和预期, 为汇率趋势预测提供数据基础.本文基于NLP技术和深度学习的方法, 提出一种使用多种舆情信息预测人民币汇率的研究方法, 并首次使用研报对汇率进行预测.本文收集了研报、新闻及搜索指数三类舆情信息, 首先, 使用NLP技术和基于词典的文本情感分析方法, 将研报和新闻舆情文本数据转化为可计算的专业舆情指数和社会舆情指数; 其次, 综合了人民币汇率的百度搜索指数和谷歌趋势, 构建了大众舆情指数; 最后, 设计了8组"汇率-舆情"预测组合, 使用长短期记忆网络(LSTM)模型对人民币汇率进行预测.实证结果表明, 舆情信息可以预测汇率趋势; 三种舆情信息中, 新闻舆情对汇率的预测效果最好, 研报次之, 搜索指数最后; 加入多种舆情信息相比单一舆情信息, 预测效果显著提升; 此外, 相较于自回归综合移动平均(ARIMA)、支持向量回归(SVR)和极限学习机(ELM)模型, LSTM模型对于基于舆情的汇率预测效果最好.
新闻报导对公共政策的有效实施有重要影响.本文使用潜在狄利克雷分布(latent Dirichlet allocation, LDA)模型, 对2013-2021年期间约26000篇碳市场中文新闻进行主题建模, 并分析主题的时间演变与地区间的异质性.结果表明, 中文报刊对碳市场的报导围绕气候变化及其对经济社会的影响、重点行业的转型发展、碳市场与绿色金融、碳市场与生态文明、以及碳市场本身的要素五个方面; 在识别出的十个主题中, 气候变化对农村与城市发展的影响、电动汽车行业、高耗能行业转型、碳市场与生态文明建设、碳市场对金融业务的拓展、以及碳市场本身的要素是新闻关注的重点.在时间维度上, 电动汽车行业和高耗能行业转型两个主题一直受到新闻的高度关注; 随着2021年中国全国碳市场启动上线交易, 高耗能行业的转型成为关注最高的主题, 碳市场本身的要素及其对金融业的拓展又重新受到重点关注.在空间维度上, 不同区域和地区的报刊对碳市场主题的关注有明显的异质性.中文报刊一直关注重点行业低碳转型的核心议题, 在公众理解碳市场政策方面发挥了良好的引导作用.碳市场主题的地区异质性反映出不同区域的政策关切, 在全国碳市场建设过程中应充分考虑.
随着电子商务的飞速发展, 在线商品评论成为影响消费者购买决策和产品销量的重要因素.然而, 消费者对在线商品评论的依赖导致在线商品虚假评论的不断涌现, 电商平台和商家通过操纵评论进行恶意竞争, 在损害消费者和商家相关利益的同时也扰乱了电子商务营商环境.本文以在线商品评论的文本数据为主要研究对象, 基于说服性知识理论探究评论感知真实性对产品销量的影响.一方面, 本文结合数据分析和实证模型探究评论感知真实性对消费者决策的影响.另一方面, 本文通过文本数据分析, 探究影响在线商品评论感知真实性的评论文本表现形式.本文构建系统广义矩估计模型对在线商品评论感知真实性对消费者决策的影响进行实证检验.同时, 本文构建fractional logit模型探究影响在线商品评论感知真实性的评论文本表现形式.研究结果表明: 在线商品评论的感知真实性通过调节消费者对评论信息的处理过程从而影响产品销量.评论的参考性、语境嵌入、内容细节和论点结构化是影响在线商品评论感知真实性的主要表现形式.研究结果为商家和平台有效治理在线商品虚假评论提供管理启示.
本文构建了包含宏观经济和股票市场两个层面的投资者情绪指数体系, 采用分布滞后模型和联立方程模型, 分析了不同层面上情绪对中国波指iVX的影响以及两者的互动关系.研究发现, 与仅考虑情绪对iVX影响的单方程结果相比, 考虑了双向互动机制下的联立方程模型能发掘更多信息.结果显示, 第一, 在iVX运行期间和停止发布后, iVX对同期宏观层面情绪均具有表征作用; 第二, 在iVX运行期间和停止发布后, iVX可以反映同期的股票市场层面的投资者情绪; 第三, 在iVX运行期间, 股票市场情绪会受到iVX变化的显著影响, 但这种影响在iVX停止发布后消失, 表明投资者情绪在一定程度上受到股市指标的干扰, 而宏观情绪在两段期间内均不会受到iVX变化的影响.由于我国股市还处于不断发展和完善的阶段, 本文的研究对于证实iVX的实践价值、推进和维护股票市场指标发布和运行具有重要意义.
企业经济政策不确定性感知的传染效应是研究经济政策不确定性问题的崭新视角.本文使用文本挖掘方法, 从2008-2018年沪深A股上市公司年报中提取信息, 测算企业经济政策不确定性感知指标.本文进一步将企业经济政策不确定性感知置于连锁董事网络框架之下, 分析了企业经济政策不确定性感知的传染效应及其经济后果.本文研究发现, 企业经济政策不确定性感知会通过嵌入的连锁董事网络产生传染效应.异质性研究表明, 对于存在董事网络联结的企业, 当企业注册地和所属行业类型相同时, 传染效应更强.进一步研究发现, 该传染效应促进了企业金融化, 降低企业的创新投入, 不利于企业长期发展, 而完善公司治理可以起到一定的缓解作用.在进行一系列稳健性检验后, 本文基准结论依然成立.本文研究结论对于政府进行宏观政策跨周期调节, 保持宏观政策连续性、稳定性、可持续性具有重要启示意义.
如何构建有效的金融安全风险监控系统以实现对金融安全风险感知的监测与防控, 一直是金融安全风险防范研究的重点.本文基于多种智能优化算法, 采用2020年1月至12月的社交网络文本信息数据, 针对不同状况下的金融安全风险感知情况展开仿真实验.研究发现, 考虑智能优化算法的风险感知监控体系可以对真实情况下的社交网络金融安全风险感知进行实时有效的防控.本文运用中国社交网络真实数据完成了基于智能优化算法下的风险感知实时监测, 为我国金融系统提高社交网络信息引导效率、防控投资者风险感知的跨区域冲击, 提供了监控策略与政策依据.
官方微信公众号：计量经济学报
