来源：期刊VIP网 时间：
作者：刘超;钱存;
单位：北京工业大学经济管理学院;
摘要：挖掘和提取文本数据中的潜在风险驱动信息,提升金融行业的风险识别效率是提高金融监管质效的重要途径。本文的研究将文本主题分析技术与多元统计方法相结合,提出文本数据驱动下的尾部风险影响因素动态识别与测度框架,以期从金融风险文本中识别出金融机构的潜在风险因素并测度其影响程度,对结构化数据进行信息补充,为风险管理提供决策支持。本文以上市公司定期报告与机构分析师报告为文本数据源,采用LDA模型与Word2Vec模型的混合算法识别潜在风险因素,并针对风险因素的高维共线性特征,结合LASSO模型来验证和测度长期与短期影响因素的边际贡献。本文选取2001年至2022年我国上市金融机构的相关数据开展实证研究。研究结果表明,相较于仅包含结构化数据的分析框架,文本信息为尾部风险的影响因素识别补充了额外的信息价值,为尾部风险防范提供前瞻性的参考依据。静态分析表明,该框架能够识别出文本信息中金融机构经营过程中存在的长期风险因素,且不同风险因素的边际贡献存在异质性,即当尾部风险升高时风险文本主题因素的边际贡献更高,解释力度更强。动态模型分析表明,该框架能够识别出短期的潜在风险因素,且对尾部风险的敏感性更高。该框架为金融风险管理提供了“文本数据驱动”的新思路。
关键词：文本驱动决策;;尾部风险;;LDA模型;;Word2Vec模型;;LASSO模型
基金资助：国家自然科学基金项目(72372003、62073007、61773029)~~
