|
|
|
| 知识关联视角下的金融知识表示及风险识别 |
| 唐旭丽, 马费成, 傅维刚, 张瑞 |
| 武汉大学信息资源研究中心,武汉 430072 |
|
| Research on Financial Knowledge Representation and Risk Identification from Knowledge Connection Perspective |
| Tang Xuli, Ma Feicheng, Fu Weigang, Zhang Rui |
| Center for the Studies of Information Resources, Wuhan University, Wuhan 430072 |
|
|
|
摘要 金融风险分析方法的局限性，如数据来源单一性、数据类型简单化和研究角度片面性等，归根结底是金融大数据组织层面的问题。传统金融大数据的扁平化组织忽略了数据中丰富的知识关联。本文从知识组织的角度出发，对金融知识表示方法进行了探究，将知识表示过程分为知识表示模式层、知识实例层和知识挖掘层。本文首先分析了金融大数据的四种典型关联模式，即分类关联、时空关联、统计关联和事件关联，并从实现方式的差异角度，将各类关联模式归类于静态本体、动态本体和社会本体之中；针对每一类本体，本文提出了相应的实现方案，如复用现有的FIBO本体；最后，基于金融风险识别应用案例进行了详细说明。
|
|
| 关键词 ：
知识关联,
金融知识表示,
风险识别
|
|
收稿日期: 2018-07-23
|
| 基金资助:国家自然科学基金重大研究计划“大数据驱动的管理与决策研究”重点支持项目“基于知识关联的金融大数据价值分析、发现及协同创造机制”（91646206）；国家自然科学基金重点国际（地区）合作研究项目“大数据环境下的知识组织与服务创新研究”（71420107026）；国家自然科学基金青年科学基金项目“心智空间视角下科学知识生成与演化机理研究”（71704138）。 |
| 作者简介: 唐旭丽，女，1993 年生，博士研究生，主要研究领域为知识组织、语义网；马费成，男，1947 年生，教授，主要研究领域为情报学理论方法和信息资源管理等，E-mail：fchma@whu.edu.cn；傅维刚，男，1991 年生，博士研究生，主要研究领域为语义网、文本挖掘；张瑞，女，1993 年生，博士研究生，主要研究领域为知识服务、可视化。 |
| 引用本文: |
唐旭丽, 马费成, 傅维刚, 张瑞. 知识关联视角下的金融知识表示及风险识别[J]. 情报学报, 2019, 38(3): 286-298.
Tang Xuli, Ma Feicheng, Fu Weigang, Zhang Rui. Research on Financial Knowledge Representation and Risk Identification from Knowledge Connection Perspective. 情报学报, 2019, 38(3): 286-298.
|
|
|
|
| 链接本文: |
| https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2019.03.007 或 https://qbxb.istic.ac.cn/CN/Y2019/V38/I3/286 |
1 LeharA. Measuring systemic risk: A risk management approach[J]. Journal of Banking & Finance, 2005, 29(10): 2577-2603.
2 SchwarczS. Systemic risk[J]. Georgetown Law Journal, 2008, 97: 193-249.
3 陈尾虹, 唐振鹏. 金融机构系统性风险研究述评——基于机制、测度与监管视角[J]. 当代财经, 2016(5): 57-67.
4 SilvaW, KimuraH, SobreiroV A. An analysis of the literature on systemic financial risk: A survey[J]. Journal of Financial Stability, 2017, 28: 91-114.
5 GlassermanP, YoungB P. How likely is contagion in financial networks?[J]. Journal of Banking & Finance, 2015, 50: 383-399.
6 Lo DucaM, PeltonenT A. Assessing systemic risks and predicting systemic events[J]. Journal of Banking & Finance, 2013, 37(7): 2183-2195.
7 刘向丽, 顾舒婷. 房地产对金融体系风险溢出效应研究——基于AR-GARCH-CoVaR方法[J]. 系统工程理论与实践, 2014, 34(s1): 106-111.
8 谢福座. 基于GARCH-Copula-CoVaR模型的风险溢出测度研究[J]. 金融发展研究, 2010(12): 12-16.
9 孙艳霞, 鲍勤, 汪寿阳. 房地产贷款损失与银行间市场风险传染——基于金融网络方法的研究[J]. 管理评论, 2015(3): 3-15.
10 BurkholzR, HerrmannH J, SchweitzerF. Explicit size distributions of failure cascades redefine systemic risk on finite networks[J]. Scientific Reports, 2018, 8: Article No. 6878.
11 PetroneD, LatoraV. A dynamic approach merging network theory and credit risk techniques to assess systemic risk in financial networks[J]. Scientific Reports, 2018, 8:Article No. 5561.
12 NewellA. The knowledge level[J]. Artificial Intelligence, 1982, 1(18): 87-127.
13 王向前, 张宝隆, 李慧宗. 本体研究综述[J]. 情报杂志, 2016(6): 163-170.
14 洪娜, 钱庆, 范炜, 等. 关联数据中关系发现的可视化实践[J]. 现代图书情报技术, 2013(2): 11-17.
15 RuanT, XueL J, WangH F, et al. Building and exploring an enterprise knowledge graph for investment analysis[C]// Proceedings of the International Semantic Web Conference. Heidelberg: Springer, 2016: 418-436.
16 卢文兴, 陈黎, 朱洪波, 等. 基于本体翻译的领域本体自动构建[J]. 计算机工程与设计, 2011, 32(9): 3203-3207.
17 李智山, 黄光庆, 陈凤桂, 等. 中国全国性股份制商业银行地理分布特征研究[J]. 经济地理, 2014(2): 19-27.
18 AnselinL. Local indicators of spatial association—LISA[J]. Geographical Analysis, 1995, 27(2): 93-115.
19 朱曼玲. 基于空间属性的金融危机传染研究[D]. 哈尔滨: 哈尔滨工业大学, 2010.
20 李广建, 化柏林. 大数据分析与情报分析关系辨析[J]. 中国图书馆学报, 2014(5): 14-22.
21 何盛明. 财经大辞典[M]. 北京: 中国财政经济出版社, 1990.
22 从异动金融事件中汲取教训[J]. 中国金融, 2013(17): 3.
23 张炜. 构建突发重大金融事件应对机制探析[J]. 金融经济, 2005(8): 36-37.
24 MitchellT M, BetteridgeJ, CarlsonA, et al. Populating the semantic Web by macro-reading Internet text[C]// Proceedings of the 8th International Semantic Web Conference. Heidelberg: Springer, 2009: 998-1002.
25 CarlsonA, BetteridgeJ, WangR C, et al. Coupled semi-supervised learning for information extraction[C]// Proceedings of the Third ACM International Conference on Web Search and Data Mining. New York: ACM Press, 2010: 101-110.
26 JurisicaI, MylopoulosJ, YuE. Ontologies for knowledge management: An information systems perspective[J]. Knowledge and Information Systems, 2004, 6(4): 380-401.
27 DaiH J, DaiB, SongL. Discriminative embeddings of latent variable models for structured data[C]// Proceedings of the 33rd International Conference on Machine Learning, 2016, 48: 2702-2711.
28 PolednaS, Luis Molina-BorboaJ, Martinez-JaramilloS, et al. The multi-layer network nature of systemic risk and its implications for the costs of financial crises[J]. Journal of Financial Stability, 2015, 20: 70-81.
29 GlattfelderJ B, BattistonS. Backbone of complex networks of corporations: The flow of control[J]. Physical Review E, 2009, 80: 036104.
30 KodresL E, PritskerM. A rational expectations model of financial contagion[J]. The Journal of Finance, 2002, 57(2): 769-799.
31 李小玉, 薛有志, 周杰. CEO关联、内部治理与企业绩效[J]. 管理科学, 2017, 30(5): 102-118.
32 叶康. 金融机构系统性风险管理的知识层面建模[D]. 合肥: 中国科学技术大学, 2009.
33 温立, 周书民, 王延章. 基于辅助决策的应急事件本体模型研究[J]. 情报杂志, 2010, 29(2): 131-134.
34 刘新民, 郜庆. 我国资本系相关法学问题初探[J]. 贵州警官职业学院学报, 2006, 18(2): 44-48, 72. |
| [1] |
董坤, 许海云, 罗瑞, 王超, 方曙. 科学与技术的关系分析研究综述[J]. 情报学报, 2018, 37(6): 642-652. |
|
|
|
|
