基于管理层讨论与分析（MD&A）文本信息与房地产企业潜在风险预测的研究项目源代码+模型+数据，经管毕设

## LGJ 的经管毕业设计 - MD&A文本信息与房地产企业潜在风险预测研究 - 年度报告，爬取自和讯网 - 财务信息，锐思数据库 --- ### 1. 文本信息获取 从和讯网爬取房地产企业2016-2021年共6年的 年度财务报告，并提取出其中的MD内容 将所有公司的MDA文本整合到data/mda_text.xlsx文件中 --- ### 2. 文本分析 使用gensim进行 自然语言处理，gensim官网 [https://radimrehurek.com/gensim/models/word2vec.html](https://radimrehurek.com/gensim/models/word2vec.html) #### 已有的金融词向量模型 已训练好的词向量模型：[https://github.com/Embedding/Chinese-Word-Vectors](https://github.com/Embedding/Chinese-Word-Vectors) 选择金融新闻训练出的300d的词向量模型： [https://pan.baidu.com/s/1EhtsbDa3ekzZPODWNLHcXA](https://pan.baidu.com/s/1EhtsbDa3ekzZPODWNLHcXA) #### 训练词向量模型 由于MDA语料中的一些词语并没有出现在已有的金融词向量模型中，我们希望训练一个完整的MD&A词向量模型，获取它的model.wv属性，该属性包含独立的keyed vectors，执行各种NLP语法/语义的单词任务。本研究使用word2vec训练向量，主要用到语义相似度，根据自己的风险种子词，来提取出其中的风险性词语。 --- ### 3. 统计指标 >./dict 中， >>stopwords_ch.txt 停用词典; >>CFSD金融情感词典； >>RISK_WORDS.txt 风险词典（自己训练出词向量模型，取出与种子词的余弦相似度0.8以上的词语） --- - stata命令 >- 描述性统计 logout, save(D:\统计描述)word replace:tabstat ΔROA tone readability risk,s(N mean p50 sd min max) f(%12.3f) c(s) >- 相关性分析 logout,save(D:\相关性分析)word replace:pwcorr_a ΔROA tone readability risk >- 共线性诊断 reg ΔROA tone readability risk,r vif logout ,save(D:\共线性诊断)word replace:vif --- 后续工作 1. 使用语调、可读性、风险指标等解释变量的变动对评级变动进行回归 2. 增加被解释变量来衡量潜在风险并进行回归。如使用房地产企业的独特属性（是否暴雷）、股价崩盘风险。 3. 进一步研究在不同类型房企中，研究结论的异质性，通过产权分类（国企或民营）、研究时间、经营现状、MD&A 文本可读性高低等进行分组后再进行研究。 4. 完成的论文稿并优化改进论文内容，理清框架逻辑。