[目的/意義]以一種更完善的測(cè)度方法度量上市企業(yè)年報(bào)文本中披露的風(fēng)險(xiǎn)信息。[方法/過(guò)程]文章以百科詞典為基礎(chǔ)詞庫(kù),最大限度地抽取出上市企業(yè)年報(bào)風(fēng)險(xiǎn)文本中的實(shí)體詞,使用文本向量化的方法將實(shí)體詞轉(zhuǎn)化為風(fēng)險(xiǎn)向量,對(duì)企業(yè)年報(bào)風(fēng)險(xiǎn)文本中包含的風(fēng)險(xiǎn)信息進(jìn)行度量,以信息含量值量化企業(yè)年報(bào)中所包含的特有風(fēng)險(xiǎn)信息。[結(jié)果/結(jié)論]通過(guò)對(duì)市場(chǎng)層面、行業(yè)層面的風(fēng)險(xiǎn)信息含量進(jìn)行分析,得出不同行業(yè)或企業(yè)風(fēng)險(xiǎn)信息披露的水平。 

【文章來(lái)源】：情報(bào)理論與實(shí)踐. 2020,43(05)北大核心CSSCI

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

各大類行業(yè)高于制造業(yè)平均信息含量值企業(yè)數(shù)占比

本文將年報(bào)中上市企業(yè)風(fēng)險(xiǎn)的文本描述作為實(shí)驗(yàn)數(shù)據(jù),利用百科實(shí)體詞庫(kù)從年報(bào)風(fēng)險(xiǎn)文本中抽取實(shí)體詞及其頻次,利用向量的方式將上市企業(yè)風(fēng)險(xiǎn)信息表述出來(lái)。之后計(jì)算出企業(yè)對(duì)應(yīng)的行業(yè)標(biāo)準(zhǔn)化向量和市場(chǎng)標(biāo)準(zhǔn)化向量,以及計(jì)算出企業(yè)的信息含量。本文所使用的文本向量化的風(fēng)險(xiǎn)信息提取方法流程如圖1所示。2.2 基于百科詞典的風(fēng)險(xiǎn)短語(yǔ)識(shí)別方法

文本向量化之后,還可能存在文本不均衡的情況。即長(zhǎng)文本中,某個(gè)詞出現(xiàn)的概率高,在短文本中,出現(xiàn)的概率小。所以在文本向量化之后,需要將向量進(jìn)行標(biāo)準(zhǔn)化處理,即將向量除以向量中各維度的和,也就是文本中實(shí)體詞的總數(shù)。文本向量標(biāo)準(zhǔn)化過(guò)程如圖2所示。2.4 信息含量測(cè)度方法

【參考文獻(xiàn)】：
期刊論文
[1]政策文本計(jì)量視角下我國(guó)科研誠(chéng)信治理的特征與啟示[J]. 靳彤,張紅偉,趙勇.  情報(bào)工程. 2018(05)
[2]管理層討論與分析披露的信息含量與股價(jià)崩盤風(fēng)險(xiǎn)——基于文本向量化方法的研究[J]. 孟慶斌,楊俊華,魯冰.  中國(guó)工業(yè)經(jīng)濟(jì). 2017(12)
[3]情報(bào)學(xué)視角下的文本可視化應(yīng)用[J]. 郭傳斌,劉琦巖,趙婧,袁嘉蓮,李明倩,望俊成.  情報(bào)工程. 2017(04)
[4]基于風(fēng)險(xiǎn)短語(yǔ)自動(dòng)抽取的上市公司風(fēng)險(xiǎn)識(shí)別方法及可視化研究[J]. 胡小榮,姚長(zhǎng)青,高影繁.  情報(bào)學(xué)報(bào). 2017(07)
[5]從主題詞詞頻變化看我國(guó)科技政策演變[J]. 劉琦巖,張澤玉,張運(yùn)良,朱向林,張珊珊.  情報(bào)工程. 2016(04)
[6]重大風(fēng)險(xiǎn)提示可以降低IPO抑價(jià)嗎?——基于文本分析法的經(jīng)驗(yàn)證據(jù)[J]. 郝項(xiàng)超,蘇之翔.  財(cái)經(jīng)研究. 2014(05)
[7]我國(guó)國(guó)有商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)披露存在的問(wèn)題與對(duì)策[J]. 尚洪濤,李慧雪.  經(jīng)濟(jì)論壇. 2009(01)



本文編號(hào)：3393715