发帖
雷达卡
[color=var(--weui-FG-2)]
CnOpenData文本分析系列数据如下：
中国各省份官方报纸数据
地方ZF留言板文本数据
中国各地区ZF工作报告文本数据
A股上市公司股吧评论数据
A股上市公司全部公告数据
A股上市公司IPO申报发行文本数据
关于文本分析的三篇论文
专题名称：文本分析
涉及期刊：《经济研究》、《管理世界》、《世界经济》
# 01 #
题目：
大数据应用对中国企业市场价值的影响——来自中国上市公司年报文本分析的证据
作者：
张叶青（中央财经大学财经研究院）
陆 瑶（清华大学经济管理学院）
李乐芸（哥伦比亚大学傅氏基金工程与应用工程学院）
来源：
《经济研究》 2021（12）
摘要：
推进大数据与实体经济的深度融合成为中国新一轮的经济增长点。本文通过对A股上市公司的年报进行文本分析,构建了衡量公司层面"大数据"应用程度的指标,探讨了企业大数据应用的发展状况及决定因素,检验了大数据应用对公司市场价值的影响。研究发现:第一,规模较大、有形资产比例较低、盈利能力较强,以及所在地区市场化程度较高的公司更可能在生产经营过程中应用大数据;第二,大数据的应用可以显著提高公司的市场价值;第三,主要的影响机制在于大数据的应用显著提高了公司的生产效率和研发投入,而相关技术和人才供给的不足可能会阻碍大数据对市场价值的积极影响。本文结论对中国未来大数据相关的政策设计具有参考价值,为推动实体企业生产经营与大数据的高效融合提供了经验证据和指导建议。
关键词：
大数据; 文本分析; 市场价值; 生产效率; 研发投入
主要涉及数据：
1. 企业年报数据
# 02 #
题目：
不同来源金融文本信息含量的异质性分析——基于混合式文本情绪测度方法
作者：
范小云（南开大学金融学院）
王业东（南开大学金融学院）
王道平（南开大学金融学院）
郭文璇（南开大学金融学院）
胡煊翊（南开大学金融学院）
来源：
《管理世界》，2022（10）
摘要：
情绪对宏观经济和金融市场具有重要的预测能力。本文评估了不同文本情绪分析方法的准确性，开发了一种新的中文金融文本情绪词典，并融合机器学习算法提出了一种混合式情绪测度方法。本文数据来源于2011～2019年中国32家知名报刊发布的175万条新闻和投资者在东方财富网股吧发表的近2500万条帖子。与仅基于词典法或机器学习的方法相比，混合式方法可以提高情绪测度的准确率。本文实证结果表明，新闻情绪对宏观经济指标预测效果较好，证券类和经济类新闻对股票市场也具有一定的预测能力。股吧情绪则能显著预测股票市场的收益率、交易量和波动性，但对宏观经济影响甚微。进一步分析表明，不同经济周期、交易日以及不同类型股票的文本情绪对股票收益率的预测效果也具有异质性。
关键词：
金融文本; 文本分析; 投资者情绪; 大数据; 机器学习
主要涉及数据：
1. 证券类、经济类、泛经济类和综合类报纸数据
2. 东方财富上证指数吧文本数据
# 03 #
题目：
基于新闻大数据与机器学习的中国银行业系统性风险研究
作者：
范小云（南开大学金融学院）
王业东（南开大学金融学院）
王道平（南开大学金融学院）
来源：
《世界经济》，2022（04）
摘要：
本文基于新闻大数据和机器学习方法研究了中国银行业系统性风险度量方法和预警机制。我们对2000-2019年中国33家知名报纸发布的334万余条新闻，采用文本共现挖掘方法测度中国银行间网络关联，并基于银行共现新闻情绪衡量系统性风险水平。结果发现:在2008年全球金融危机前后，中国银行间关联由“大而少”向“小而多”转变;在全球金融危机和“钱荒”期间，系统性风险明显上升，银行系统重要性普遍提高，银行间关联明显增强。本文还采用机器学习方法中的隐马尔可夫模型识别和预测系统性风险，发现该方法能较好地预警中国银行业的系统性风险。
关键词：
新闻共现; 情绪; 系统性风险; 大数据分析; 机器学习
主要涉及数据：
1. 中国33家国内知名财经和综合类报纸数据
京公网安备 11010802022788号
