一年期滚动项目——证券管理决策大数据挖掘云服务平台研究

This proposal, based on the previous project “The Research on Big Data Mining Cloud Service Platform towards Securities Management and Decision-making”, aims to focus on the effect of unistructural data in financial regulation. The unistructural data is particularly difficult to label in financial applications because of its inherent complexity. Meanwhile, the financial decision making requires the models have reasonable interpretabilities. To address these issues, this proposal attempts to study the problem of interpretable sentiment analysis of the financial text. Here, the financial text refers to financial market-related news published by news media or social networks and company disclosure texts published by listed companies. Specifically, the proposal studies document-level interpretable financial sentiment analysis based on recurrent neural network and attention mechanism to produce explainable clues for justification. Second, the proposal studies aspect-level interpretable financial sentiment analysis via dynamic capsule network, which simultaneously extracts aspect entities and sentiment polarities. To publish 2 papers in well-known conferences of journals. We expect to enrich the research achievements of this research domain and improve the level of financial regulation of China. The research results about financial big data sentiment analysis can be integrated to the integration project.

本项目基于前期执行的培育项目“证券管理决策大数据挖掘云服务平台研究”的研究成果，深化突出非结构化数据在金融监管中的作用，特别考虑金融应用中非结构化数据的标注难度和金融监管决策对模型可解释能力的诉求，开展金融文本可解释性情感分析研究。这里，金融文本指的是由新闻媒体或社交网站发布的与金融市场有关的消息和由上市公司公布的公司披露文本。具体地，研究基于深度循环神经网络和注意力机制的可解释性文档级金融文本情感分类，为分类提供解释性依据；研究基于动态胶囊网络的主体级金融文本情感分类，自动提取情感极性所述主体，提升分类准确率。在国内外学术会议、刊物发表高水平论文2篇，丰富该领域的研究成果，提升我国金融监管科技水平。有关金融大数据情感分析的有效算法研究成果体现在集成项目。

本一年期滚动项目基于前期执行的培育项目“证券管理决策大数据挖掘云服务平台研究”的研究成果，深化突出非结构化数据在金融监管中的作用，特别考虑金融应用中非结构化数据的标注难度和金融监管决策对模型可解释能力的诉求，开展了金融文本可解释性情感分析研究。这里，金融文本指的是由新闻媒体或社交网站发布的与金融市场有关的消息和由上市公司公布的公司披露文本。具体地，研究基于深度循环神经网络和注意力机制的可解释性文档级金融文本情感分类，为分类提供解释性依据；研究基于动态胶囊网络的主体级金融文本情感分类，自动提取情感极性所述主体，提升分类准确率。具体包括: 在国内外学术会议、刊物发表录用论文共10篇，其中CCF A类论文5篇，CCF B类论文4篇,专利1项，丰富该领域的研究成果，提升了我国金融监管科技水平。有关金融大数据情感分析的有效算法研究成果有望体现在集成项目。本项目预计将所研制的关键技术在集成项目得到升华和利用。丰富该领域的研究成果，提升我国金融监管科技水平。有关金融大数据情感分析的有效算法研究成果在多家金融企业获得应用，并对更深入的应用提供了项目支持。具体来书说，项目开发的基于Spark 和Azkaban 的大规模数据挖掘云服务平台系统其主要模块已经用于德勤商业产品，大型金融机构中国工商银行等、持续支持用于债券违约预警，产品签约国家监管机构中证监测。本项目技术开发了金融文档复核系统，通过金融科技公司进行了成果转化和落地应用，提供了平台服务，投行部门的业务团队注册数千用户常规使用，并已部署至多家金融监管机构和头部券商。