融合知识关联与时序传导的金融舆情风险预测模型

作     者：陈昊冉 洪亮 Chen Haoran;Hong Liang

作者机构：武汉大学信息管理学院武汉430072 武汉大学大数据研究院武汉430072 

出 版 物：《数据分析与知识发现》 (Data Analysis and Knowledge Discovery)

年 卷 期：2023年第7卷第11期

页      面：1-13页

核心收录：

学科分类：12[管理学] 1205[管理学-图书情报与档案管理] 08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金面上项目(项目编号:72074172)的研究成果之一。 

主　　题：知识关联 文本挖掘 金融风险预测 时序图神经网络 注意力机制 

摘      要：【目的】融合公司产业链信息学习针对特定公司的新闻表示,利用新闻表示以及公司间关联提升目标公司舆情风险预测效果。【方法】首先基于注意力机制与Bi-LSTM将公司关联知识嵌入金融新闻文本中,学习针对特定公司的金融新闻表示;然后基于公司间知识关联将金融新闻序列组织成新闻风险传导网络;最后利用时序图注意力网络建模新闻风险信息,通过公司间关联在时序上的传导模式并对风险信息聚合,预测目标公司的金融舆情风险。【结果】实验结果表明,在金融舆情风险预测任务上,本文方法的准确率达到0.624 6,AUC达到0.702 1,均优于基准方法。【局限】模型仅使用了上市公司间股票的统计知识关联,未使用公司间其他类型知识关联。【结论】本文方法能够有效地从金融新闻中学习目标企业相关的风险信息,以及舆情风险在公司关联中和随时间的传导特征,具有良好的金融风险预测性能。