大数据驱动的三类典型工商市场主体风险识别决策研究

The current economic development in our country is both in the period of strategic opportunities, but also in a high risk prevention and control period. Zombie firms, illegal fund raising and bad faith operation are the three typical risks of market players. Using traditional methods, it is often very hard to identify these risks efficiently. Big data changes this situation and creates possibilities. Therefore, in the era of big data, this project focuses on enterprise profile modeling, zombie companies recognition, illegal fund-raising behavior predicting and firms’ bad faith operation clues finding. Also, we will build a meta learning implementation architecture based on Hadoop framework to verify the methods and algorithms of this research. Not only the five main research tasks themselves have prominent academic value, but also in the generalization level, this research can provide answers to the value creation and value transformation mechanism of big data from the perspective of public administration areas. Taking the three typical market players’ risks as research targets, this research has significant value for the widely practice of the big data driven decision making in the whole supervision of the State Administration for Industry and Commerce in the future.

当前我国经济发展既处于战略机遇期，又处于高风险防控期。僵尸企业、非法集资和企业的不诚信经营这三类风险是目前国家工商行政管理部门重点监控的三类市场风险。在传统的工商行政管理中，通常很难或无法高效地对这三类风险进行识别发现。大数据为改变这一局面带来了机遇。为此，本项目重点研究：1）基于大数据的企业画像建模；2）基于大数据的僵尸企业识别；3）基于大数据的非法集资行为预判4）基于大数据的企业不诚信线索发现；5）基于元学习的技术实现架构及验证平台搭建。本项目的五个主要研究任务不仅本身具有突出的学术价值，而且可以在抽象层面对大数据价值的产生机理和转换规律做出公共管理领域的探索性回答。本项目以三类典型市场主体风险的发现作为研究目标，在“宽进严管”的新型市场监管体系改革背景下，符合国家重大需求，具有重要实践应用价值。

僵尸企业、非法集资和企业的不诚信经营这三类风险是国家工商行政管理部门重点监控的三类市场风险。随着区块链、大数据等新兴商业应用，也出现了一些新型市场主体运营风险。围绕上述问题，课题组进行研究，取得如下成果：.(1).针对僵尸企业发现: 完成了基于多维数据的企业活跃度评价及企业运营风险画像；完成了银行数据缺失下的僵尸企业演化模式分析，提炼出五种僵尸企业演化模式，并刻画了僵尸企业的形成机制。.(2).针对非法集资发现：开展了新业态金融P2P平台企业非法集资主体的精准识别研究，结合互联网公开数据与政府信息共享平台多维度数据，建立预警模型，开发监测系统，实现对40000多家企业的自动化、动态化、常态化排查。.(3).针对企业不诚信经营线索发现：提出一种基于自然语言处理技术的新闻线索评价模型计算方法；提出了融合机器学习和知识图谱的金融行为欺诈线索识别方法；通过在线旅游平台评论建立模型，预测旅游市场主体诚信问题发生概率。.(4).基于元学习的技术实现架构及验证平台搭建：针对P2P企业相关的非结构化自然语言文本数据，通过自然语言处理与机器学习、深度学习、元学习相结合的方法，提出了一个基于元学习的P2P公司风险分类评估框架，实现了对企业风险的自动评估，并且搭建了基于Hadoop的元学习框架的验证平台。.另外，课题组还对跨国公司大数据商业应用中的国家安全风险监管以及区块链金融风险监管进行了专题研究，成果提交给国家相关部门。.发表/录用论文39篇，其中包括SCI/SSCI检索论文8篇，EI检索13篇，CSSCI检索8篇；获授权/申请专利6项；提交专报/政策建议等6份；撰写专著6本；衍生出国家社科重大项目1项。.成果在国家工商行政管理总局、上海自由贸易示范区等企事业单位应用，取得实效。项目提炼出的知识、数据双向驱动的管理决策方法论具有一定的普适性。