经济金融文本分析

课程介绍：

诺奖得主Shiller提出的“叙事经济学”认为，公众预期不仅源于经济数据和理性推断，更广泛受到流行叙事、社会情绪和文化故事传播的影响。因此，经济金融文本数据蕴含着诸多传统结构化数据所缺失的信息，通过剖析新闻报道、社交媒体、政策文件和企业财报等文本资料，研究者能够考察市场情绪、政策不确定性，预测宏观经济指标以及解读投资者心理等。此类分析不仅使经济决策更趋于数据驱动且实时化，而且为政策制定者提供了政策效应评估的崭新工具。

本课程旨在系统讲授如何利用自然语言处理（NLP）技术，从海量财经文本（如上市公司年报、财经新闻、央行沟通、社交媒体）中提取有效信息，并将其转化为可用于经济学实证研究的结构化数据。课程内容涵盖从数据获取到前沿应用的完整流程：首先介绍Python文本爬虫与数据预处理技术；进而深入讲解词向量表示（Word2Vec）、基于词典与计量模型的情绪分析方法、以及文本聚类与主题模型（LDA）。此外，课程紧跟技术潮流，专门探讨大语言模型（BERT/GPT）在文本相似性计算、经济信念模拟及推理中的创新应用。

配套教材：

林建浩等，《经济金融文本分析》，2025，高等教育出版社。

本书全面深入地阐述了文本分析在经济和金融领域的应用，注重计算机科学与人文社会科学——经济学、金融学的相互渗透，为读者提供了系统的学习视角。本书不仅涵盖了文本预处理、情绪分析和主题建模等关键分析维度，还紧跟大语言模型快速发展趋势，详细介绍了深度学习技术及其在经济金融领域的具体应用，使读者能够兼顾基础知识与最新研究动态。通过Python编程实践，本书强化了文本分析理论知识与实际操作的结合，旨在提升读者的经济金融文本分析及实践应用能力。本书适合高等学校经济管理、计算机应用及相关社会科学专业的本科生和研究生作为教材使用，也可作为经济金融从业者的参考用书。

数字化资源地址：https://xuanshu.hep.com.cn/front/book/findBookDetails?bookId=6887ad8ce119ac9729b14912 （高等教育出版社）