本文主要介绍了如何利用多种数据挖掘技术和深度学习应用于金融文本处理场景，并且展示了如何使用自然语言处理（NLP）和知识图谱（KG）技术来从异构数据中识别金融风险和机会。

Apr, 2022

本研究利用自由提供的芝加哥自行车共享数据集，采用 RTidyverse 库中的六个数据分析步骤来分析历史数据，从而向公司建议可行的方法来将临时骑行者转化为付费年度会员，为业界实际部署 BIA 技术提供了有价值的案例证明，并展示了数据分析周期的实践过程。

May, 2023

提供新的金融和宏观经济比率以及监督学习模型（ML 回归器和神经网络）和贝叶斯模型预测公司绩效，并发现这些新的变量与行业标准比率结合使用可以提高模型准确性。Feedforward 神经网络（FNN）在 6 个预测任务中（ROA、ROE、净利润率、经营利润率、现金比率和经营现金生成）中实施更简单且表现最好，并且贝叶斯网络（BN）在特定条件下可以胜过 FNN，并且 BN 还能提供概率密度函数以及预测的价值。该研究对于 CFO 和 CEO 评估财务不佳的风险以引导公司朝更有利可图的方向发展，支持债权人更好评估公司情况，并为投资者提供更准确地分析上市公司财务报表的工具具有重要的潜力。

Sep, 2023

本文介绍了基于英格兰西米德兰兹地区的 85 个中小型企业的案例研究，旨在解决中小企业在数据驱动决策制定方面面临的趋势和挑战，讨论了数字化、人工智能和机器学习等技术带来的机遇和挑战。

May, 2023

本文研究表明，相较于传统机构数据，利用基于应用程序的市场的替代数据对信用评分模型的影响。这些替代数据来源已经在传统银行和金融机构未能满足需求的人群中展现出巨大的预测借款人行为的能力。结果揭示，在两个国家得到了确认，这些新型数据来源特别适用于预测财务行为中低财富和年轻人，而这类人也是最有可能借助替代性贷款的人群。此外，通过使用 Stochastic Gradient Boosting 解释的 TreeSHAP 方法，我们的结果也显示，这些应用程序来源的变量存在着有趣的非线性趋势，这些趋势对于传统银行而言不是常见的信息。因此，这些研究结果展现了技术公司识别替代数据来源并妥善处理这些新信息的机会与挑战。同时，需要注意的是，替代数据必须经过认真的验证才能克服不同管辖区域的法规障碍。

May, 2020

本文阐述了数据科学中的预测性和规范性方法，提出了 Prescriptive Canvas 操作步骤，旨在帮助项目相关人员进行沟通和管理以实现业务的成功影响。

Jun, 2022

本文通过对 50 年来 300 篇有关企业金融风险模型、风险沟通和影响的系统文献评审，将这些工作进行分类并总结风险分析的三个方面。在比较模型的分析方法前，阐明了企业风险的正式定义及相关概念，并研究可能的未来方向，以便全面了解企业风险传播和影响的机制及其应用于企业管理、金融机构和政府监管的情况。

Nov, 2022

提出一种最优机制，为统计估算器的数据源提供货币激励，以低成本提供高质量的数据，使支付总额和估算误差最小，广泛应用于线性回归和多项式回归，核回归和岭回归等估算器，并应用于各种目标，包括在预算限制下减少估算误差。

Aug, 2014

财务报告通过分析公司的运营情况提供重要见解，但通常长度过长，约 30 至 40 页，对于动态市场的快速决策提出了挑战。为解决这个问题，我们利用经过微调的大型语言模型（LLM）从用户提出的问题中提炼关键指标和运营指标。我们设计了一种定位关键数据的方法，并利用 FinQA 数据集对 Llama-2 7B 和 T5 模型进行微调，以进行定制化问答。在最终的数值回答上取得了与基准相当的结果，在数值推理和计算上具有竞争力的准确性。

Dec, 2023

本文提出了在实现线性设置中优化三种不同决策者目标的决策规则的有效算法，包括准确预测智能体事后结果 (预测风险最小化)，激励智能体改进这些结果 (智能体结果最大化)，以及估计真实基础模型的系数 (参数估计)。其中的算法绕过了 Miller 等人的一个困难结果，允许决策者测试一系列决策规则并观察智能体的响应，从而通过决策规则实现因果干预。

Feb, 2020