【报告摘要】文本数据结构化建模是典型的NP难问题。虽然大语言模型的发展和应用为基于文本数据的量化管理决策带来了更多的可能性，但在针对具体的行业领域的精准预测、可解释性和结果稳定性等方面仍面临很大的挑战。经济金融系统的数理模型能够精准地刻画和测量各类系统变量之间的关联和因果关系，但由于其方法论基础所限，建模和推理过程依赖于先验知识，难以纳入足够广泛的潜在影响要素，尤其难以识别对系统产生显著影响的小概率事件。而基于自然语言的逻辑推理模型，虽然能够基于语言所蕴含的内在逻辑实现对未曾发生过的事件的识别和影响分析，但无法对具体的影响程度进行量化和综合集成测算。现有研究在两者的集成方面做出了一些有益探索，但仍然存在通用性不足和解释性不强的问题。本研究提出了一种面向经济金融预测的人机协同、大小模型结合的综合集成预测框架。该框架通过大模型要素探索、BERT主题聚类、AGNN舆情指数网络、CoT风险要素验证，对舆情关联网络、市场风险事件和经济金融系统演化进行协同建模，实现基于文本信息的经济金融系统内外部冲击影响的可靠量化。在有色金属行业用电量预测和铜期货价格预测领域的实证研究结果显示，所提出的方法与基准方法相比具有更高的预测精度和稳定性。本研究所提出的模型方法和实证结果为促进市场风险监测预警技术发展和加强经济金融部门决策分析的科学性提供了有益参考。

　　【报告人简介】尚维，博士，副研究员，预测科学研究中心总工程师，财政部大数据人才库专家，大数据与商务分析协会理事。主要研究方向为经济预测预警、互联网数据挖掘、电子商务和决策支持系统。面向基于大数据的经济金融监测预警和决策分析问题，提出了一系列文本挖掘和机器学习模型方法，并设计开发决策支持系统平台，应用于经济金融预测、风险管理和政策模拟仿真，支持国家重要部门决策。在IEEE Big Data 大会主办大数据经济预测分论坛，担任CNAIS和PACIS等国内外重要学术会议程序委员。研究成果发表在自然合作期刊、《International Journal of Forecasting》、《Internet Research》和《Decision Support Systems》等重要国际期刊。共发表学术论文60余篇，其中EI/SCI/SSCI检索文章40篇，谷歌学术H指数12。研究成果被国际货币基金组织（IMF）等国际组织和国内外学者在高水平期刊会议和政策报告中引用。主持国家自然科学基金青年基金项目一项、面上项目两项、重点项目子课题一项，国家电网科技项目子课题两项。作为总设计师带领团队研发两项科技部重点研发计划和十余个国家部委的决策支持系统。曾获信息技术与发展Amy Mahan Award，北京市科技奖二等奖一项和国家电网科学技术奖三等奖。作为第一技术负责人设计和开发的平台系统服务于人民银行、发改委、外管局、商务部等部门的经济预测预警和风险管理，同时为北京、上海、吉林、宁夏、浙江、新疆等区域的经济研究提供持续的模型开发和实证分析服务支持。