互联网金融安全情绪感知及风险预警应用研究——基于BERT所作的探索

[研究目的]在为互联网金融(以下简称“互金”)风控监管构建风险情报支撑体系的视域中,进行专门面向互金安全情绪感知技术的研究,提出并构建基于BERT的互金安全情绪感知模型。[研究方法]基于BERT分别构建互金安全情绪感知模型(IFSSP)、集成指数移动平均EMA的互金安全情绪感知模型(IFSSP+EMA)、集成指数移动平均EMA+对抗训练PGD的互金安全情绪感知模型(IFSSP+EMA+PGD),并将其用于从高维、异构、稀疏、高噪、高频的海量大数据中,快速、准确地挖掘隐藏信息和安全线索,提取出风险预警因子、特征和指标,并进一步测试其对风险情报体系的效果。最后进行微观、中观、宏观应用实证研究。[研究结论]基于BERT的面向互金安全情绪感知技术能提高互金风险预警的准确率,在应用实证中体现出可行性和有效性。

ChatGPT的内在与外在矛盾探析——兼及矛盾化解之道

ChatGPT在内容生成方面给人类带来了惊喜,但也存在着内在矛盾与外在矛盾。显性的内在矛盾表现为“最强大脑”所具有的两面性;隐性的内在矛盾主要指ChatGPT对于知识沟而言,并非只有使之缩小的一面,也存在着使之扩大的另一面,而这往往被忽视。ChatGPT在内容生成方面,利弊并存且存在颇多风险点。ChatGPT与外部世界的矛盾涉及政治、法律、道德。其从一开始就与政治有着天然的紧密联系。而在其生成的内容中,相当一部分涉及政治、意识形态;ChatGPT在法律层面与外部世界的矛盾,包括由个人隐私信息和商业秘密泄露及侵犯他人著作权而导致的法律风险、被用来实施网络犯罪行为的法律风险以及由其生成的不实内容造成的法律风险等;ChatGPT在道德层面与外部世界之间也存在着矛盾,须有针对性地加强自律和他律。

谣言:概念、成因、作用机理及新问题探讨

谣言是舆论场域中一种异乎寻常而又未经证实的信息存在和与此相关的传播话语存在,其内核是未经证实的信息,由一定的话语负载、传播和评价。根据谣言发生作用的机理,治理谣言的根本之道在于:从源头上减少谣言制造者和杜绝造谣现象,切断谣言的传播路径,加强对社会舆论场域的引导,增强公众心理层面对于谣言的免疫力。深刻认识和正确把握谣言与灾难的互作用关系,审慎地判断特定情势下的谣言与非谣言。

基于大数据的互联网金融风险情报实证研究——以P2P网贷为例

【目的/意义】P2P网贷从兴盛到衰亡的案例提示我们,前瞻性的金融监管非常重要。对此,金融情报学可望发挥“耳目、尖兵、参谋”作用。本文探索为P2P网贷构建风险情报体系,为互联网金融全面风险管理体系和监管框架奠定基础。【方法/过程】在构建风险情报测度、框架和模型等理论体系的基础上,本文侧重实证研究,构建覆盖上千家P2P网贷平台的PoC Demo,调集约5万CPU核进行大规模金融风险情报挖掘和金融超算,研制相对和绝对风险测度等情报产品,并作微观、中观、宏观分析研究。【结果/结论】研发实时监测预警全国百十万家互金主体的全国风险地图和可视化风险曲线等情报产品,具备可行性和有效性。我们呼吁构建这样由“大数据、大模型、大计算”情报范式驱动的国产安全、自主可控的金融大数据情报分析与全国金融情报超算“天眼”系统。【创新/局限】通过实证验证所提出的内嵌前瞻性,有一定科学性、系统性的互金风险情报测度和分析框架。局限:数据不易获得。

舆情精准研判中的Chat GPT:“大数据、大模型、大计算”范式驱动的理论与应用探索

本文旨在探讨ChatGPT类大语言模型(以下简称ChatGPT)在舆情精准研判场景中的基础理论和实证应用。在理论部分,提出“大数据、大模型、大计算”全新范式驱动的舆情精准研判。深入剖析了ChatGPT的工作原理,阐述了它与传统舆情分析方法相比具备的优势和存在的局限。在对ChatGPT的特点和舆情精准研判的要义进行厘定的基础上,对舆情研判中人工智能(AI)的应用现状加以分析。随后,从学理方面探析了如何利用大语言模型进行复杂舆情的精准研判以及ChatGPT在舆情精准研判中的实际应用,分析其在文本分析、情绪识别、舆情预测和预警中扮演的角色。理论探讨的同时取用了认知科学和传播学的视角,为舆情精准分析和研判提供了一个全新的理论框架。实证部分,利用ChatGPT大模型预测热门话题和事件是否会登上热搜(以“登上热搜”作为重大舆情事件和事件舆情的重要表征),并进行了大量的实证研究。研究结果表明,ChatGPT类大语言模型具有较高的预测精度。它能在网络早期流传的信息中,洞察潜在的网络热点,提前判定可能引发社会关注的事件,从而具备预警功能。这项实证研究,有力地阐明了ChatGPT类大语言模型在实际应用中的显著效用,并与文中理论探讨相呼应,揭示了大语言模型类先进AI技术和“大数据、大模型、大计算”全新范式在舆情精准研判中的重要地位、价值和作用。