工程化视角下的上市公司风险情报智能挖掘模型_谭明亮.pdf

81工程化视角下的上市公司风险情报智能挖掘模型*谭明亮（川北医学院管理学院 南充 637100）摘 要 目的/意义 上市公司风险识别是证券投资分析、资产风险管理、证券市场监管等金融管理决策过程中的重要内容，同时对于防范化解系统性金融风险和保障金融安全有着重要的意义。方法/过程 阐述数据驱动的管理决策的基本思想，对大数据环境下上市公司风险识别的数据资源及其特征进行分析，运用系统工程方法论的思想来研究上市公司风险智能识别这一典型的复杂系统工程问题。结果/结论 基于霍尔三维结构的工程化思维和系统化思想，构建工程化视角下的上市公司风险情报智能挖掘模型，并对模型中涉及到的核心任务和目标、关键过程和步骤、重要资源和支撑进行详细的分析。关键词 霍尔三维结构 工程化思维 上市公司 风险识别 风险情报智能挖掘 分类号 G350引用本文格式 谭明亮.工程化视角下的上市公司风险情报智能挖掘模型 J.图书情报研究,2023,16(2):81-90.Intelligent Mining Model of Listed Companies Risk Intelligence from an Engineering PerspectiveTan MingliangSchool of Management,North Sichuan Medical College,Nanchong 637100,ChinaAbstract Purpose/significance Listed companies risk identification is an important part of the decision-making process for financial management,such as securities investment analysis,asset risk management and securities market supervision,and it is of great significance for preventing and resolving systemic financial risks and ensuring financial security.Method/process This paper expounds the basic idea of data-driven management decision,analyzes the data resources and characteristics of listed companies risk identification in the big data environment,and utilizes the thought of system engineering methodology to study the typical complex system engineering problem of listed companies risk identification.Result/conclusion Based on the idea of Hall s three-dimensional structure,this paper constructs the intelligent mining model of listed companies risk from an engineering perspective,and analyzes the core*本文系国家自然科学基金项目“基于文本和 Web 语义分析的智能咨询服务研究”（项目编号:71673209）的研究成果之一2023 年第 2 期情报分析822023 年第 2 期情报分析tasks and objectives,key processes and steps,important resources and support involved in the model in detail.Key words Hall s three-dimensional structure;engineering thinking;listed company;risk identification;intelligent mining of risk intelligence0 引言上市公司在现代经济发展中扮演着十分重要的角色，是证券市场的基石以及推动经济发展的重要动力。截至 2021 年 12 月，中国 A 股市场上已有四千多家上市公司，股市总市值仅次于美国，达到了 90 万亿元以上，占整个国内生产总值总量的 80%以上1；在美国、英国和加拿大等证券市场发达的国家，股市总市值往往会超过该国的 GDP 总量2。与此同时，上市公司一旦发生破产、强制退市、财务危机和信用违约等风险状况会导致巨大的社会成本和经济成本。一方面，这会让投资者、债权人等利益相关主体蒙受巨大的经济损失，沉重打击人们对上市公司和证券市场的信心；另一方面，这也对证券市场的正常运行秩序和稳定健康发展造成一定的冲击，甚至会引发连锁反应，从而影响到整个金融市场的稳定性，使得发生系统性金融风险的概率增加。将大数据、云计算、数据挖掘、机器学习、语义分析、深度学习和人工智能等现代化信息技术手段应用于金融领域，对于驱动金融创新发展、推动金融转型升级、化解系统性金融风险、创新金融产品和服务、优化业务流程有着非常重要的意义，融入前沿科技手段的金融科技（Fintech）和监管科技（RegTech）已成为当前学术界和产业界所共同关注的热点。大数据时代，如何运用数据挖掘、机器学习、深度学习、自然语言处理、文本分析、知识组织、决策支持系统和人工智能等技术来对海量多源异构的金融数据资源进行分析挖掘，及时有效地识别上市公司的风险，并以多种知识服务形式为投资者、债权人、银行、证券公司、基金管理公司和政府监管部门等主体的管理决策提供智能化的决策支持，成为计算机科学、管理科学与工程、金融学、情报学等学科的研究者所共同面临的重要问题。1 相关研究传统的上市公司风险识别主要是通过领域专家和情报分析人员运用专家分析法、财务比率分析法、SWOT 分析法、KMV 模型、案例分析法、因果分析图法、模糊层次分析法等方法来识别和分析上市公司的风险。国内外的研究者们还将单变量判别分析法、多元线性判别分析法、多元逻辑回归分析法和多元概率比回归分析法等统计方法引入上市公司风险识别中。利用统计方法来实现上市公司风险识别提高了数据分析的效率，并且在很大程度上能够克服专家分析法和SWOT 分析法等方法的主观性，统计方法与统计模型成为了标普、穆迪和惠誉等著名国际评级机构最流行的工具之一3。但是统计方法与统计模型存在着诸多的限制性假设，例如变量的线性假设、正态性假设和独立性假设等。由于上市公司的财务数据等经常会违背这些假设，因此统计假设的固有缺陷在一定程度上限制了统计方法与统计模型在上市公司风险识别中的应用和效果4-5。人工智能方法相较于传统的统计方法和统计模型，不需要对数据的分布进行假设，并且能够识别和表示数据集上的非线性和非参数关系6。自 20 世纪 90 年代以来，国内外的研究者们已经成功地将人工神经网络、支持向量机、随机森林、朴素贝叶斯、基于案例的推理、粗糙集和遗传算法等多种人工智能方法应用于上市公司的破产预测、财务危机预测、信用风险预测和退市风险预测等上市公司风险识别场景中7-10。总而言之，海量多源异构的数据资源中蕴含着巨大的价值，为上市公司风险识别带来了契机的同时也带来了巨大的挑战。针对传统的专家分析法、财务比率分析法、SWOT 分析法、KMV 模型等方法在上市公司风险识别中所存在的不足和局限，国内外的研究者们在将统计分析、数据挖掘、机器学习、文本分析和深度学习等技术应用于上市公司风险识别的研究上进行了积极的探索和尝试。目前的绝大多数研究仍然停留在运用统计方法、数据挖掘和机器学习等技术来实现83谭明亮：工程化视角下的上市公司风险情报智能挖掘模型上市公司的破产预测、财务危机预测和信用违约预测等上市公司的风险事件预测研究上；然而，上市公司风险识别的内容和内涵丰富，上市公司的风险事件预测只是其中一个重要的方面。当前的研究缺乏针对上市公司风险智能识别的整体和系统的架构设计，系统性的体系和方法尚未形成，突破性的成果仍然很少。2 数据驱动的管理决策与数据资源的特征分析2.1 数据驱动的管理决策数据是一种新兴的战略资源,已成为当前学术界和产业界的普遍共识，国内外大量的组织机构将数据资源作为提升竞争力、增强可持续发展能力、辅助科学决策的核心资产11。数据资源的有效分析、挖掘、组织和利用不仅可以产生巨大的经济价值和产业空间，同时对于提升科学决策水平、提高资源利用率、强化综合治理能力也有着十分重要的作用。例如，麻省理工学院斯隆管理学院的 Brynjolfsson 等对 179 家大型上市公司的相关数据进行了采集并开展了相应的实证分析，研究发现相较于其它公司，采用数据驱动决策模式的公司产出和生产率要高出 5%到 6%12。上海市卫生局信息中心利用基于大数据技术构建的 Hadoop 簇群，服务于智慧城市中的医疗信息搜索和智能提示体系，帮助医生快速、高效地获取病人的相关健康信息，从而使重复检查率降低了 50%13。国家自然科学基金委员会还启动了“大数据驱动的管理与决策研究”的重大研究计划，以此推动管理与决策大数据的价值分析与发现、分析方法与支撑技术，以及大数据驱动的管理与决策理论范式等多个方面的研究。该研究计划 2021 年度项目资助的研究方向包括基于大数据的新财务报告体系构建及其应用研究、大数据驱动的政府社会治理数字化转型与示范研究、数智化情境下人机协同中决策与行为研究和大数据情境下的国家级信用平台及金融信用创新应用研究；其目标之一在于开展在公共管理、商务、金融、医疗健康等应用领域的示范应用与平台构建14。2.2 大数据环境下上市公司风险识别的数据资源及其特征分析上市公司在经营管理的过程中，需要按照政府监管部门的有关信息披露要求发布大量的公告文件，主要包括招股说明书、上市公告书、募集说明书、定期报告以及临时报告。定期报告主要包括上市公司的年度报告、中期报告和季度报告等。临时报告主要披露对上市公司产生较大影响的重大事件，例如，公司发生重大亏损、公司涉及重大诉讼、公司受到刑事处罚或者重大行政处罚、公司涉嫌违法违规被立案调查、公司的董监高人员被采取强制措施、公司有重大投资行为、公司订立重要合同、公司的外部条件发生重大变化、公司的董事和高管人员发生重大变动、公司的董事长或者经理无法正常履职、公司申请破产或被责令关闭、公司的主要资产被冻结、查封和扣押等几十种情形。除了上市公司披露的各种公告文件以外，上市公司的股票在股市交易时间内还会产生相应的股票交易数据；中国证券报 上海证券报 证券日报 第一财经日报 中国经营报等新闻媒体，以及东方财富网、新浪财经、网易财经等财经网站往往还会对上市公司的各个方面进行相应的报道；广大的网民还可以在东方财富网股吧、新浪股吧、金融界股吧等平台上发表帖子，对上市公司以及其股价状况等进行评论；行业的领域专家和各大证券公司的证券分析师也会针对一些上市公司和行业发布相应的研究报告。除此之外，统计年鉴和统计网站还会公布相应的宏观经济数据以及行业统计数据等。上市公司的各类公告文本、财务指标数据、股票交易数据、新闻报道文本、股吧评论文本、运营与管理效率数据、公司治理数据、股权结构数据、分析师报告、宏观经济数据以及行业统计数据等都是大数据环境下上市公司风险识别的重要数据资源。本文基于大数据的典型的 5V 特征，结合许伟等15和侯敬文等16关于金融大数据特征的阐述，将大数据环境下上市公司风险识别的数据资源的特征概括为海量性、多源性、多样性、价值性和动态性。（1）海量性。证券市场上的几千家上市公司每年的公告文件、新闻报道、股票交易数据、股吧评论等数据资源的