要建立“长钱长投”的投资者市场，企业优质的文本披露必不可少。本文基于政企双向利益交换视角，利用深度学习技术（Word2Vec模型）构建年报文本可读性指标，检验寻租行为对企业年报文本可读性的影响。研究发现，寻租行为显著降低了企业年报文本可读性。在机制分析阶段，研究证明了寻租行为会通过企业自利行为和管理者自利行为影响年报文本可读性，同时排除了官员主动敲诈能促进寻租对可读性负面影响的情况。异质性分析发现，内部治理手段、市场监督力量以及政府治理政策均能有效抑制寻租对可读性的负面影响。本文从信息披露视角拓展了寻租行为的经济后果研究，为优化资本市场信息披露监管和深化反腐治理提供了理论依据与实践启示。

李左斌是自学寿险常识歌诀学案试验设计创始人。 邓小平理论主张：编写最精教材。 1980 年，中央财政金融学 院（现中央财经大学）率先恢复国际保险专业，标志着我国保险教育 正式拉开帷幕。中国保险业起步晚，基础薄弱，覆盖面不宽，全民保 险意识整体还比较缺乏，保险知识普及程度较低。 1997 年某大夫说:我是医生，我的儿子不需要保险!国民保险知 识如此匮乏，保险意识如此薄弱，觉得保险是奢侈品，视保险为负担， 拒绝保险，必将阻碍并制约中国保险业发展。 中国入世后，面对经济全球化和保险国际化大趋势，中国保险 两大重任:宣传保险知识，提高国民保险意识。人们勇敢迎接外资保 险严峻挑战，把普及保险知识、培养国民保险意识放在首位，人人明 确人生始终存在：生得生存、老得养老、病得治病、残得吃饭、亡得 送终等自然社会风险人为事故，人们只有将这些风险卖给寿险公司， 家庭一旦出险，风险即变金钱;反之，出险即危险。 2006 年 6 月 26 日，《国务院关于保险业改革发展的若干意见》 明确提出，要将保险教育纳入中小学课程，普及保险知识，提高全民 风险和保险意识。 从经济学角度看，保险是对客观存在的未来风险进行转移，把不 确定性损失转变为确定性成本（保费），是风险管理的一种有效手段。 而从社会学角度看，保险体现了人们的互助精神。发达的保险业是社 会进步的重要标志。 1997.7.1 至 2003.9.1，笔者学白居易诗特点，寿险理论实 践结合，竭尽全力完善寿险知识教材，超前编写最精教材《寿险 常识歌诀》：浓缩精华，介绍终身受益、必用寿险常识与技能， 其核心在于实用，使用基础性强，少用术语，具体语言实例，简 洁精练，生动易懂，明白如话，旨在中外人们：一读就懂，一学 就会，学而能用，寿险常识。 中国寿险事业拓荒者，优秀保险代理人，华源保险经纪人李左斌， 超前编写最精教材《人寿保险常识歌诀》发表在香港《教育科学杂 志》（2003 年第四期 63~65 页），献给人们，方便人们背诵掌握 终身受益《寿险常识歌诀》，为普及寿险常识，为保险代理人、保 险经纪人，为全日制、为成人高等教育保险本科专业应试考试取得 优异成绩，做一件实事。 笔者铭记哈佛心理学博士教诲:好成绩必须死记硬背。将保险教 育纳入中小学课程，每轮两年科普：人寿保险常识。自学寿险常识 歌诀学案，具体做法——每周一节，1|10 时间跨学科中国保险教育。 每周一歌，背诵一节，两年科普，寿险常识。（20✘2X2 二 80 节） 每周一人负责:更新抄一节在学校门口、班级黑板报栏目“每 周一歌”《寿险歌诀》。自抄一节《寿险常识歌诀》；自读:回家 自由朗读一节《寿险常识歌诀》至会背；自背:上课齐背一节《寿 险常识歌诀》；查背:师找不会背“一节《寿险常识歌诀》”滥竽 充数南郭先生，并且落实全体背诵；自用默写:课后专用本默写， 主编《寿险常识歌诀》。 2006 年，笔者李左斌福建省自学考试成人高等教育保险本科 专业肄业，填补成人高等教育保险本科专业空白。自编《寿险常识 歌诀》是多快好省学好寿险知识捷径，贵在落实、竞争、乐趣、 思维、习惯， 能事半功倍掌握寿险知识， 致力于让寿险走进千 家万户人们心里！普及保险知识，提高全民风险和保险意识，最终 全民参加人寿保险。

本研究开发了一种创新方法来预测中国上市公司的"漂绿"行为。通过将大型语言模型BERT整合到机器学习框架中，我们构建了一个先进的漂绿预测模型。这种方法能够捕捉企业社会责任报告和年度报告的环境披露中微妙的语言线索和语义细节，显著提高了识别漂绿的精确度。研究采用了多种机器学习模型，包括支持向量机（SVM）、随机森林（RandomForest）和随机欠采样算法（RUSBoost），并在三种不同的数据集上进行了测试：基础财务数据集、扩展的Word2Vec环境披露数据集，以及BERT优化的环境披露数据集。结果表明，RUSBoost算法结合BERT调整的环境披露数据在各项评估指标上表现最佳，凸显了先进自然语言处理技术在分析环境披露文本方面的优势。此外，我们的研究发现预测的漂绿指标与ESG评级机构间的评级分歧显著相关，验证了本研究所开发的漂绿变量。本研究为识别和预测企业漂绿行为提供了一个创新的、基于文本的方法。这一工具对投资者、监管者和政策制定者具有重要价值，有助于捕捉公司的欺骗性环境披露。

近年来,我国义务教育阶段的家庭课外教育投资竞争激烈问题不断凸显。“双减”政策正是对上述现象的及时纠偏。为了进一步科学有效落实“双减”政策,增强教育获得感,厘清家庭课外教育投资的影响因素及其作用机制必不可少。家庭在课外教育投资中除了遵循经济学传统的“成本—收益”权衡框架外,特定的环境变化以及临近群体的表现对于家庭教育决策也存在重要的影响。基于此,文章运用中国教育追踪调查（CEPS）2013—2014 学年数据,以子女就读毕业班所产生的升学压力作为外生冲击,实证发现：与非毕业班的学生相比,毕业班内部存在的同群效应不仅扩大了由升学压力带来的特定家庭课外教育现金支出增加的幅度,并且提高了子女课外学习投入时间的增加幅度。在进行一系列稳健性检验以及利用工具变量缓解模型内生性后,上述结论不变。异质性分析发现：在城市户口、父母期望子女入读本科、子女成绩欠佳以及父母督促子女学习的家庭中,同群效应的效果显著。拓展性研究发现：家庭课外教育现金支出增加对于提高子女就读毕业班时的学科绝对分数具有积极效果,但未能显著提升其相对排名,这是家庭课外教育投资“内卷化”的深刻体现。文章基于子女面临升学压力的现实,对班级同群效应机制的考察为解释课外教育竞争日益激烈的社会现象提供了新的视角。

把握新技术革命发展机遇,推动产业智能化升级,对于新形势下实现经济高质量发展具有重要作用。文章基于 2003—2019 年中国 283 个地级市数据和网络爬虫获得的企业微观数据构建城市产业智能化指数,采用社会网络分析方法考察产业智能化的空间关联网络特征；此外,运用机器学习中的极限梯度提升树算法（XGBoost）识别出产业智能化的核心驱动因素,在此基础上借助加权指数随机图模型（ERGM）探析产业智能化空间关联网络驱动机制。研究发现：（1）样本期间产业智能化空间关联强度不断提高,但整体处于较低水平,存在较大的提升空间；大部分城市位于网络边缘位置,主要依靠城市群或中心城市对周边城市产业智能化产生辐射带动作用。（2）XGBoost 算法测算结果表明,技术创新、产业结构升级和对外开放是产业智能化的核心影响因素,累积贡献率高达 92.72%。（3）技术创新、产业结构升级和对外开放有利于加强城市间的产业智能化合作。异质性分析发现,产业结构升级主要推动外围城市、高产业智能化水平城市形成紧密的产业智能化空间关联,而技术创新和对外开放对其驱动作用有限。据此,文章提出了推动产业智能化空间协调发展的相应政策建议。

本文在中国股票市场中，针对上市公司公告文本数据，采用文本分析机器学习方法进行信息提取，研究了上市公司公告信息与资产预期回报之间的关系，并探讨其对资本市场的影响渠道。本文首先依据监督式训练方法构造了基于公告的文本情感词典，并以此为基础使用机器学习方法对公告效应进行实证分析。其次，本文探究了公告效应的预测来源，并进行了异质性分析。本文研究发现，基于机器学习的公告文本情感倾向能够显著正向预测股票收益，在全样本中多空投资组合的平均年化收益达到了 20.04%。公告效应在小规模、成长型公司中溢价显著；与国企相比，民营企业的公告效应更显著。在对公告效应的来源分析中，本文发现金融机构关注度和公司信息披露质量较高的公司，公告效应相对较弱，而散户投资者的关注度会加强公告效应。

网络安全治理已经引起了政府决策部门和学术界的广泛关注。本文聚焦资本市场中的企业网络安全治理与金融风险，通过深度学习方法分析上市公司年报文本，构建企业网络安全治理指标，实证研究揭示了网络安全治理和股价崩盘风险之间的关系及其机制。研究发现，网络安全治理可以显著降低股价崩盘风险，这一结论在更换解释变量、增加控制变量和《网络安全法》的颁布作为准自然实验等稳健性检验后仍然成立。企业网络安全治理降低了外界的信息不对称、增加了企业社会责任，从而降低了股价崩盘风险。国有企业、规模较大、公司成长性较好、有形资产比例较低的公司更有可能重视网络安全治理。本文结论为企业网络安全治理对金融风险的影响提供了经验证据，为企业网络安全治理相关政策制定提供了建议参考。

新型冠状病毒肺炎疫情给国民经济运行，特别是线下微型商户的经营造成严重冲击，但由于数据缺失，相关定量评估分析比较困难。本文基于支付宝旗下支付工具“码商”的海量数据，利用机器学习方法推算了如果没有疫情发生，2020年春节后线下微型商户运行应该具有的“反事实结果”，进而定量估算了疫情造成的冲击。结果表明，2020年正月初七后的两周，线下微型商户活跃商户量与营业额较估算的没有疫情冲击的“反事实结果“，分别下降了约40.4%和52.4%。进一步分析显示数字金融发展可以缓解疫情对线下微型商户的冲击。本文的研究在结论上和方法论上，对当前其他国家应对疫情，以及我国未来可能发生的其他突发公共卫生事件，均具有非常好的借鉴价值。

本文基于“行为学习理论”与“组织学习理论”，从全新的视角探讨核心高管股票崩盘经历对公司未来崩盘风险的影响。文章首次构建核心高管崩盘经验指标体系，经实证研究发现：第一，核心高管经历的崩盘事件越多、崩盘程度越严重，其所在公司未来的崩盘风险越低；第二，行业内其他公司的崩盘教训能为高管敲响警钟，降低其所在公司未来的崩盘风险；第三，核心高管崩盘经历距离当期较近时，崩盘经历对公司未来崩盘风险的影响更大；第四，核心高管较为年轻时，崩盘经历对公司未来崩盘的影响更大。

信用评级行业是现代金融市场经济中的重要组成部分。经过近30年的发展，中国的信用评级业务已涉足金融市场的方方面面，但目前国内实施的信用评级体系仍面临评级虚高、区分度不足、事前预警功能弱等问题。中国的信用评级体系的发展除了需要针对金融行业本身在信用风险的披露进行专业的刻画和解读外，在借鉴国际金融市场和信用评级机构在评级方法实践的基础上，也需要结合中国的实际情况逐步探索出适合中国国情的信用评级的一般方法、分析框架和可落地实践的技术手段。本文的目的是在目前国内金融市场在信用评估（评级）实践中出现问题的基础上，讨论如何基于“全息画像”大数据分析平台为基础，利用大数据方法进行文本数据的分析，提取对应的（非机构化）文本数据的风险特征首先克服描述不好行为（即，违约，欺诈等行为）的“坏”样本数量不够的问题，然后建立支持风险评估相配套的风险业务流程分析框架，从而实现能够改善信用评级质量和提高评级区分度需要的特征指标的筛选，并结合违约模型和配套的信用转移矩阵指标，完成构建与国际通用的信用评级体系标准接轨并适合中国企业主体信用资质表现的信评体系, 从而达到解决挑战中国金融市场发展的三大核心问题：1）信用评级虚高；2）信用评级区分度不足；和 3）信用评级事前预警功能弱的问题。