面向KYC与ESG合规的负面媒体挖掘
信息检索
2021-10-25 v1 机器学习
摘要
近年来，在全球市场经济中运营的机构和企业面临来自网络、第三方及声誉等非金融风险因素带来的日益增长的风险，其重要性已超越传统的信用与流动性风险。负面媒体或负面新闻筛查对于识别此类非金融风险至关重要。典型的筛查工具非实时、涉及人工搜索、需要对信息源进行劳动密集型的监控。此外，它们维护成本高昂，难以跟上复杂的监管要求和机构不断变化的风险偏好。在本扩展摘要中，我们提出了一个自动化系统，利用新闻及其他开源、非结构化信息源，针对用户查询（个人或组织实体）进行负面媒体的实时与批量搜索。我们可扩展的、由机器学习驱动的高精度负面新闻过滤方法基于四个视角——与风险领域的相关性、搜索查询（实体）相关性、负面情感分析以及风险编码。借助模型评估与案例研究，我们总结了已部署应用的性能。
引用
@article{arxiv.2110.11542,
title = {Adverse Media Mining for KYC and ESG Compliance},
author = {Rupinder Paul Khandpur and Albert Aristotle Nanda and Mathew Davis and Chen Li and Daulet Nurmanbetov and Sankalp Gaur and Ashit Talukder},
journal= {arXiv preprint arXiv:2110.11542},
year = {2021}
}
备注
accepted at: Workshop on Machine Learning in Finance, KDD 2020, August 24, 2020, San Diego, CA, USA. https://sites.google.com/view/kdd-mlf-2020/schedule