基于自然语言处理的招股说明书完整性识别方法研究

[目的/意义]上市发行招股说明书的完整性对投资者作出价值判断和投资决策非常重要,目前主要依赖个人智慧进行判断,如何实现智能识别对于证券发行注册制改革具有重要意义。[方法/过程]提出了通过标准目录匹配(SDM)实现段落定位,再利用改进的BERT问答对特征增强的自动问答方法回答审核问题,实现了招股说明书的完整性识别。[结果/结论]提出的方法最终F1值为94.73%,对于上市审核具有积极意义,可为基于信息披露的注册制智能审核提供理论依据和参考。

金融股权知识图谱构建与应用

【目的】利用中国金融数据,以股权结构为切入点构建金融知识图谱,为金融研究工作提供新思路。【应用背景】针对现有金融研究主要分析债权数据的现状,通过可视化金融股权数据,为监管机构及研究人员提供工作着力点。【方法】运用股权数据,从知识关联出发,通过对金融机构间持股关系、持股比例分析,构建中国金融股权知识图谱,在此基础上实现金融机构间关系可视化。【结果】生成的知识图谱包含4586万余个节点,14574万余关系,可以进行实体及其之间关系的查询,还能够进行穿透式查询三层。【结论】本研究从股权角度出发对金融网络进行研究,在一定程度上突破现有研究集中于债权的局限,为金融工作提供新方向。

异质性财经新闻与股市关系研究

【目的】对财经新闻进行分类,探讨不同类型财经新闻与股市之间的关系。【方法】运用Word2Vec+k-Means方法对新闻文本进行聚类,并运用VAR模型从时间维度分析不同类别新闻如何影响股市以及股市的变动如何反作用于新闻。【结果】不同类别下的新闻情绪效应与信息效应能够显著影响股市成交量、振幅与收益,但对股市影响侧重不同;股市收益率与成交量分别反作用于新闻情感分歧与新闻长度,但依旧受新闻类别的影响。【局限】从股市整体角度分析股市与新闻之间的关系,而未考虑个股间差异。【结论】新闻与股市之间存在相互影响机制,且存在时间滞后效应;新闻类别是二者相互影响的关键变量。

知识关联视角下金融证券知识图谱构建与相关股票发现

【目的】基于知识关联的研究视角构建领域知识图谱发现行业特征和相关股票,为投资者的组合交易决策提供新的视角和依据。【方法】首先构建以股票数据为核心的种子知识图谱,对非结构化的文本数据基于FinBERT预训练模型进行实体抽取和关系分类形成三元组,并将二者进行知识融合完成金融证券知识图谱构建;然后基于图谱利用链路预测、相似度计算等图数据挖掘算法发现相关股票及其隐含特征,并通过统计学方法进行初步验证。【结果】构建了具有111845个实体和163370个关系的金融证券知识图谱,基于图谱分析了与“东北证券”相似度最高的10支跨行业相关股票,并结合“四环生物”案例分析股票间潜在的非线性相关关系。【局限】所构建的知识图谱仅考虑了所属行业、股东持股等静态信息对股票相关性的影响。【结论】金融证券领域知识图谱的构建和相关股票发现为投资者制定有效的投资组合策略,为股票趋势预测提供强有力的分析思路和数据支持。

上市公司公告篇章级信息抽取框架与实现

【目的/意义】构建一个面向上市公司公告的篇章级信息抽取框架,实现多种类型信息的抽取,并服务于投资和监管。【方法/过程】以深圳A股市场公告中的635篇并购重组公告为例,从中抽取了交易信息和公司财务指标等信息,对框架和方法进行验证。【结果/结论】运用本文所提框架和方法实现的字段抽取准确率为87.6%,效果较好。本文提出的信息抽取框架及方法在上市公司公告信息抽取中是有效的,可以为投资者的投资决策和监管机构的监管提供数据基础。