项目概述

本项目基于 FinBERT 和 DeepSeek 大语言模型，构建企业数字技术风险暴露程度的自动化衡量指标。项目采用“大模型标注 + 小模型微调”的技术路线，实现对企业年报中数字技术风险的智能识别与分类。

核心思路

双阶段处理流程

一、大模型标注阶段

使用 GPT-4o-mini 和 DeepSeek 对 MD&A 文本进行风险标注，识别“风险暴露”和“风险防范”两个维度。

二、小模型微调阶段

基于标注结果微调 FinBERT 模型，构建轻量级但高效的风险分类器。

关键技术特色

• 定义完整的数字技术风险词典（数据风险、网络风险、具体技术风险）

• 支持多模型一致性验证，确保标注质量

• 严格的标签约束（是 / 否 / 不确定），避免噪声干扰

使用流程

一、数据准备

1. 将 2023 年MD&A.xlsx 文件放置在 ./data/FinBERT/ 目录下

2. 文件需包含四列：
   - 股票代码（字符串）
   - 股票简称
   - 年份
   - 管理层讨论文本内容

二、运行步骤

1. 环境配置：安装 transformers、pandas、openai、tqdm 等依赖库

2. 关键词匹配：代码自动从 MD&A 文本中提取包含风险关键词的句子

3. 大模型标注：使用双模型并行标注，采用严格的一致性校验规则

4. 模型训练：基于标注结果微调 FinBERT 模型，训练 5 个 epoch

5. 模型评估：在验证集上评估模型性能（准确率可达 95% 以上）

输出结果

1. 关键词匹配结果.xlsx：包含风险关键词的句子提取结果

2. 标注结果.xlsx：大模型自动标注的结果

3. 训练好的 FinBERT 模型：保存在 ./data/FinBert/best_model/ 目录

4. 分类性能报告：包含准确率、精确率、召回率等指标

核心配置参数

• 模型选择：支持 GPT-4o-mini 和 DeepSeek 双模型标注

• 训练参数：

• batch_size = 10

• learning_rate = 4e-5

• epochs = 5

• 标签体系：消极 / 积极二分类，对应风险暴露程度

应用价值

该项目为研究企业数字技术风险提供了完整的文本分析工具，适用于企业风险管理研究、数字化转型影响分析、年报文本挖掘应用。

使用者只需准备好 MD&A 数据文件，即可一键运行获得企业数字技术风险暴露程度的量化指标。

参考文献

陆瑶, 施函青, 周欣怡. 中国企业数字技术风险暴露对企业价值的影响——来自大语言模型的文本分析证据[J]. 经济研究, 2025, 60(02): 73-89.

训练结果与性能评估

1. 训练过程记录

2. 最终模型性能总览

• 准确率： 95.48%

• 加权精确率： 95.46%

• 加权召回率： 95.48%

• 加权 F1 分数： 95.45%