金融网络舆情演化机制仿真与实证

构建了金融网络舆情观点聚合模型并进行模拟仿真,在此基础上以2020年“美股熔断”为现实案例,检验了金融网络舆情观点聚合过程,刻画了金融网络舆情演化机制。研究发现:第一,在仿真环境下,个体接受度越大,舆情观点聚合速率越快;信任阈值越大,网络中的观点更容易趋于一致;个体间的强关系更能推动金融网络舆情观点聚合。第二,实证案例验证了个体投资者间的意见交互有利于实现观点聚合,但他们基于消极和积极情绪所表达出的观点仍存在两极对立,且个体投资者与主流财经媒体之间的强关系更能加速推动金融网络舆情演化。该研究结果对于完善中国金融网络舆情监管具有启示意义。

全媒体时代下地方红色文化融入高校网络舆论引导的探索研究

红色文化是中国共产党在团结带领人民群众勠力同心并肩奋斗的历史长河中,凝练出的精神文化结晶,是中国特色社会主义文化的重要内容。全媒体时代,网络已深度融入大学生的学习与生活,网络舆论的影响力不可忽视。高校是对大学生进行舆论引导的重要阵地,在舆论生态、信息传播方式发生重大变化的互联网时代,应充分运用新型媒介手段将具有地方特色的红色文化融入高校舆论引导中,对青年大学生进行舆论引领,积极壮大主流思想舆论,从而增强青年大学生群体对于红色文化的自觉认同,引导大学生成为有理想、敢担当、能吃苦、肯奋斗的新时代有作为的青年。

经济政策不确定性、网络舆情与金融机构系统性风险

基于45家上市金融机构2015年1月至2020年3月的月度数据,从反映系统性风险的极值风险与传染效应两个维度各选取一个指标,即条件在险值差(ΔCoVaR)和吸收比率差(ΔAbs),并利用网络爬虫与文本分析构建金融机构网络舆情指数.然后,采用静态面板与动态面板实证分析经济政策不确定性、网络舆情与金融机构系统性风险之间的关系,考察网络舆情的中介效应,并从金融机构的类型和规模层面进行异质性分析.研究结果发现:1)经济政策不确定性对金融机构系统性风险存在显著正向影响,但积极和消极网络舆情对金融机构系统性风险的影响存在差异性;2)网络舆情是经济政策不确定性影响金融机构系统性风险的潜在传染渠道;3)网络舆情的中介效应在不同类型和规模的金融机构间存在异质性.

网络金融的舆情引导策略

近年来,随着国内金融业竞争的加剧,金融消费者消费意识与自我保护意识的逐渐成熟,以及互联网的迅速发展和应用,网络金融舆情事件频频发生,而金融机构的危机应对能力和舆情引导能力不佳,制约了金融机构品牌的形塑。因此,网络金融舆情的引导策略至关重要。从分析网络金融舆情形成过程入手,分析了我国网络金融舆情引导的现状及问题,借此从构建网络金融舆情引导体系的视角出发,有针对性地探析了网络金融舆情的监测和具体引导策略,旨在有助于改善金融机构的网络舆情引导状况,使其能更加高效健康地运行。

试论舆论监督在高校财务管理中的作用

自2010年4月6日颁布《高等学校信息公开办法》以来,高校财务管理公开化、透明度也逐步提高,社会大众的监督意识和高校监管层的接受度也随着国家层面对媒体的社会智能、群众知情权渠道畅通等做了规定设计而有很大提升,舆论监督在高校财务管理中起到的作用,应体现在原则性下建立的标准体系中。

P2P网络借贷机构的系统重要性研究

互联网金融发展得如火如荼,其蕴藏的风险不容忽视。由于P2P网络借贷是互联网金融的一项重要业态,且其风险溢出效应较大,研究其风险监管有着非常重要的意义。通过借鉴巴塞尔委员会对系统重要性银行识别的指标体系,基于指标法的思想联系我国互联网金融发展现状以及P2P网络借贷机构的特征对指标体系进行了合理改进。对国内比较重要的P2P网络借贷机构进行了系统重要性排名,并且和以前的研究成果进行了比较。对于推动互联网金融分类适度的监管工作有着一定的意义。

大数据视角下企业财务风险评估

当前形势下,中国上市公司面临的社会与经济环境越来越复杂。针对现实中企业财务风险评估不准确问题,本文从大数据视角,结合当前社会与经济背景,探讨网络舆情对企业财务风险的影响,在相关理论与假设的基础上,尝试建立融合网络舆情因素的财务风险评估指标体系。在分析制造业上市公司财务活动的特点的基础上采用层次分析法得出各指标权重,并建立财务风险评估模型,对实证企业进行财务风险评估。

基于TVP-VAR-LSTM模型的中国金融业风险溢出与预警研究

在复杂多变的世界政治经济环境下,科学有效地评估金融风险溢出与预警直接关系到中国金融体系重大风险的防范与化解。选取沪深A股上市的30家金融机构作为研究样本,利用时变参数向量自回归模型(TVP-VAR)量化分析银行业、保险业、证券业以及多元金融业的时变风险溢出,并构建金融风险测度指标,通过非线性格兰杰因果检验考察上证综指收益率、波动率和短期流动利差等宏观状态变量对金融风险的非线性预测作用,最后通过构建网络舆情指数来衡量投资者情绪的变动,检验网络舆情指数对金融风险的预测作用,并将其纳入长短期记忆神经网络模型(LSTM),构建金融风险预警体系。研究发现:(1)金融行业间风险溢出具有非对称性,危机事件不仅增强了行业间的关联性,同时加剧了金融风险溢出;(2)所选宏观状态变量与金融风险具有非线性关系,可作为金融风险的预警指标,并且LSTM模型可以充分挖掘金融时间序列的非线性特征;(3)网络舆情指数可以反映投资者情绪的变化,对金融风险具有非线性预测能力,将其纳入金融风险预警体系可以提高预测精度,有利于构建科学的风险检测和预警机制。基于研究结果,将金融行业之间的风险溢出贡献度与相关预警机制配合,可以及时调整金融系统中的不稳定现象,确保经济平稳运行。

舆论监督对外部审计维护国家金融安全作用的实证研究

随着金融全球化进程的加快,国家金融安全问题日益受到各个国家和地区的重视。外部审计在维护国家金融安全的同时引发了"谁来审计审计者"的问题,而舆论作为外部监督者担任了这一角色。在这样的背景下,文章针对舆论监督对外部审计维护国家金融安全的作用进行实证研究,运用逐步回归的方法证明舆论对外部审计的监督力度越大,外部审计对国家金融安全的审计质量越高。

突发金融舆情事件信息传播规律与对策研究

【目的/意义】对突发金融舆情事件信息传播过程的多角度分析,有助于把握舆情管理的节奏,提出具有针对性的金融舆情信息管理策略。【方法/过程】通过网络爬虫采集新浪微博数据,使用Gephi、ROST CM6等软件进行社会网络分析和内容分析,对突发金融舆情事件信息的传播网络、关键节点、网民情感分类以及舆情信息内容等进行分析和讨论,以探究突发金融舆情事件信息的传播规律,并提出对应的管理建议。【结果/结论】突发金融舆情事件信息传播规律不同于其他类型的舆情事件,传播网络结构较为分散,信息传播较多依赖意见领袖节点;虽然网民态度较为理性,但关注的信息内容较为分散。【创新/局限】本研究的创新性在于对突发金融舆情事件进行了多角度的分析。局限性有两方面,一是研究样本话题较为单一,导致研究结论的代表性存在局限;二是数据来源平台单一,没有考虑不同平台中金融舆情事件传播的异同。

网络舆情对中国上市金融机构系统性风险影响研究

使用2015年1月到2018年12月期间东方财富网45家上市金融机构1000万余条发帖信息为研究载体,从网络关注度和网络情绪两个角度构建"网络关注度"、"网络情绪"和"网络意见分歧"共3个网络舆情指数;然后使用DCC-GARCH模型估计CoVaR度量系统性金融风险指标;之后采用系统广义矩估计(SGMM)和差分广义矩估计(DGMM)方法实证分析了网络舆情对系统性金融风险的影响效应.研究发现:网络关注度对系统性金融风险具有显著影响,投资者网络关注度越高,系统性金融风险水平越高;网络情绪对系统性金融风险的影响具有非对称性,并且网络积极情绪较之消极情绪对系统性金融风险的影响更大;另外,网络意见分歧越大,系统性金融风险水平越高.文章研究表明,基于"互联网+风险管理"对系统性金融风险的防范和化解具有重要的理论及现实意义.

基于自然语言处理的舆情分析和股价涨跌预测系统

金融科技的快速发展拓展了证券市场预测股票行情的途径,传统的方法是通过股票的历史价格和特征因子进行预测,这种基于历史量价的预测方法很难反应公众情绪对股市的影响。基于深度学习的自然语言处理技术能够发掘文本数据的深度特征,从网络上的散乱信息中找到特殊线索,为金融市场中舆情的定量分析提供了解决方案。本系统以网络上关于上市公司的原始新闻资讯作为样本,以真实的股价涨跌情况作为标签,分别对样本数据进行清洗、文本向量化等预处理,设计出代表短线、中线和长线的三种数据集,搭建基于深度学习模型BERT的金融情感预测系统(BERT-FS),经过训练和评估之后,判断股票涨跌的AUC值最高可达79.48%.