结合残差卷积神经网络的潜在狄利克雷分配在中国上市公司可信度评估中的应用
计算与语言
2018-11-28 v1 信息检索
机器学习
机器学习
摘要
本项目展示了一种利用自然语言处理方法估计企业可信度的方法论。由于企业透明度影响公司的可信度及可能的未来收益，它是银行和投资者在上市公司风险评估中需考虑的重要因素。这种估计企业可信度的方法可规避风险评估中的人为偏差与不一致，相较于人工评估，大量定量数据与神经网络模型的使用以更高效的方式提供了更精确的估计。起初，模型将采用潜在狄利克雷分配（Latent Dirichlet Allocation）和清华大学的THU Open Chinese Lexicon对可能与企业可信度相关的文章进行主题分类。然后利用与各主题相关的关键词，我们根据基金经理和会计师对企业可信度的调查意见标注的数据训练了一个残差卷积神经网络。训练后，我们用涉及全部3065家上市公司的预处理新闻报告运行该模型，模型应基于透明度水平给出公司排名。
引用
@article{arxiv.1811.11017,
title = {Latent Dirichlet Allocation with Residual Convolutional Neural Network Applied in Evaluating Credibility of Chinese Listed Companies},
author = {Mohan Zhang and Zhichao Luo and Hai Lu},
journal= {arXiv preprint arXiv:1811.11017},
year = {2018}
}