- 第一讲：前沿全景｜文本分析 + AI 智能体，经管科研新范式（2h）
1. 经管文本分析的研究现状与顶刊趋势- 2. 文本研究的分类、变量构建思路与典型设计
- 3. 主流方法总览：词频、TFIDF、词向量、主题模型、大模型、AI智能体
- 4. AI智能体安装和调试
- 5.【暑期实战】AI 智能体批量清洗 / 格式化年报、公告、互动文本
- 第二讲：基础实操｜智能体驱动文本预处理与词频构建（2h）
- 1. 中文分词、停用词、词库构建（经管领域适配）
- 2. 词频、TFIDF 的学术口径计算与变量化
- 3. 常见陷阱：分词错误、停用词不当、行业词库缺失
- 4. 【暑期实战】AI 智能体生成Python代码，讲分词、去停用、批量计算词频 / TFIDF，直接输出面板变量
- 参考文献：
- ① 胡楠,薛付婧,王昊楠.管理者短视主义影响企业长期投资吗？——基于文本分析和机器学习[J].管理世界,2021,37(05):139-156+11+19-21.
- 界,2021,37(05):139-156+11+19-21.
- 第三讲：语义升级｜词向量 + 智能体扩展词与术语挖掘（2h）
- 1. 词向量原理、训练与经管领域应用
- 2. 近义词、关联词、扩展词在实证中的价值
- 3. AI 智能体辅助：自动挖掘领域词、构建扩展词表、做语义扩充
- 4. 顶刊算法复刻：数据资产 / 数字化转型类文本变量构建
- 参考文献：
- ② 危雁麟,张俊瑞,汪方军,程茂勇.数据资产信息披露与分析师盈余预测关系研究——基于文本分析的经验
- 证据[J].管理工程学报,2022,36(05):130-141.
- ③ 朱康,唐勇.数据要素利用与企业金融资产配置——基于机器学习和文本分析的证据[J].会计研究,2025,(06):121
- -133.
- 第四讲：文本关联｜相似性、信息含量 + 智能体高效度量（2h）
- 1. 文本相似度：余弦、软余弦、语义相似度
- 2. MD&A 信息含量、问答一致性、文本变动度的量化
- 3. AI 智能体赋能：批量计算相似度、一致性、信息密度
- 4. 顶刊算法复刻：年报文本变动与股价信息效率
- 参考文献：
- ④ 郑晓瑜,刘俊晗.信号还是噪声?——基于上市公司年报文本变动的研究[J].投资研究,2022,41(04):70-90.
- ⑤ 卞世博,陈曜,管之凡,等.高质量的互动可以提高股票价格信息效率吗——基于“上证e互动”的研究[J].会计研
- 究,2023,(04):102-117.
- 第五讲：主题挖掘｜LDA 主题模型 + 智能体赋能调参标注（2h）
- 1. LDA 主题模型原理、主题数选择、结果解读
- 2. 经管场景：年报风险、ESG、问询函、管理层讨论
- 3. AI 智能体赋能：代码生成与代码解读，加速模型调参、主题命名、标注
- 4. 顶刊算法复刻：问询主题分类
- 参考文献：
- ⑥ 俞红海,范思妤,吴良钰,马质斌.科创板注册制下的审核问询与IPO信息披露——基于LDA主题模型的文本分析[J].管
- 理科学学报,2022,25(08):45-62.
- 第六讲：顶刊前沿｜大模型 + AI 智能体，端到端文本变量生成（2h）
- 1. 大语言模型在经管文本研究中的应用范式
- 2. AI 智能体架构：任务拆解、多轮调用、结果整合、质量校验
- 3. API 调用、提示词工程、识别 / 分类 / 情感 / 风险标注
- 4. 【终极实战】AI 智能体全链路：PDF→文本清洗→特征提取→变量生成→可直接回归
- 参考文献：
- ⑦ 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.
经管类学术研究中的文本分析方法：AI 智能体 + Python 实战，直达顶刊