报告题目：基于大数据的风险管理问题研究
报 告 人：郑苏晋 教授
所在单位：中央财经大学
报告时间：2025年6月23日 星期一 14:30-15:30
报告地点：吉林大学中心校区数学楼天元多功能厅1
校内联系人：程建华 chengjh@jlu.edu.cn
报告摘要：研究一以2019年9号台风“利奇马”为例，在新浪微博平台上收集了260 万条微博短文本数据，使用机器学习和优化情感词典两种方法分别对微博短文本进行分析。发现在相同的时间成本下，采用机器学习进行自然语言处理的效果远不如情感词典，机器学习的分析精度受主题与语料库的影响很大。利用台风主题下的情感词典对微博短文本进行情绪分析，发现灾损严重的省市情绪曲线会出现更大的波动，人身损失造成的情绪波动远大于财产损失造成的情绪波动。在浙江临海事件中，“好”的情绪曲线与“惧”的情绪曲线存在两个小时的时间差，表明“庆幸”的情绪达到峰值预示着未来很快可能有更重大的灾情发生，这其中的时间差为灾情预警提供了新的思路。
研究二以2021年中国人寿员工举报事件为例，基于主动学习思想，采用人机结合的方式构建双层语料库，对公众评论进行情感分类，并合成公众情感曲线，分析声誉风险事件对涉事公司股价的影响及对非涉事公司产生的溢出效应。研究发现，公众情绪对中国人寿异常收益率存在显著影响，公众作为公司重要的利益相关者，在声誉事件中产生的情绪会影响其决策行为，从而改变资本市场对涉事公司保持未来现金流稳定的预期，进而影响公司股价。 本次事件中还观察到了以竞争效应为主的溢出效应，这种溢出效应产生需要具备的客观条件和主观条件分别是：涉事公司与非涉事公司要存在一定的相似性，相似性越小，感知度越差，越会呈现出以竞争效应为主的溢出效应。
报告人简介：郑苏晋，教授，博士生导师，中央财经大学保险学院，中国精算研究院副院长。主要研究领域为风险管理与精算，在国内外高水平学术期刊发表论文四十余篇，出版专著两部，近年的研究兴趣集中在数据驱动的保险问题研究。
