随着汽车金融下沉市场的拓展与多源异构数据的爆发，传统信用评分模型在兼顾预测精度与特定场景泛化能力时遭遇瓶颈。本文提出一种基于多模态混合专家模型（Multimodal Mixture of Experts, MMoE）的深度风控框架。该框架依托企业级AI中台，通过动态门控网络（Gating Network）将借款人的结构化征信、非结构化文本语义及动态行为特征智能路由至专属专家网络。基于 LendingClub 公开数据集的实证研究（有效映射汽车金融多模态场景）表明，MMoE 模型在 AUC 与 KS 指标上显著优于 LightGBM 等主流基准模型，且其期望校准误差（ECE）降至 0.015。研究证实，门控路由机制不仅提升了长尾人群的逾期预测准度，更为深度学习在金融领域的应用提供了宏观可解释性视角。本研究为金融机构构建高并发、易扩展的下一代智能风控底座提供了系统性的工程路径与理论支撑。

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。

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。

人口老龄化给劳动力市场带来了广泛而深远的影响。作为微观经济主体的企业在面 对人口老龄化带来的负面冲击会如何应对?本文采用自然语言和深度学习技术，使用中国上 市公司年报文本构建出企业层面对人口老龄化影响感知程度的指标，并基于理性经济人和社 会成本理论，从成本粘性视角探讨了人口老龄化对企业劳动力资源调整决策的影响及成因。 实证结果表明，人口老龄化会增加企业的劳动力成本粘性。原因在于企业对人口老龄化影响 的感知程度越高，越会出于承担社会责任的非经济动机使劳动力资源“易增难减”。且此效 应在国有企业和位于市场化程度较高地区的企业中更为显著。本文拓展了人口老龄化的经济 后果研究，为国家积极应对人口老龄化提供了微观层面的经验证据。此外，本文将文本分析 方法引入宏观环境与企业行为的研究，为未来该领域的研究提供了新思路。