课程背景：

近年来，随着量化分析技术的进步，以及数据丰富程度的不断提升，越来越多的学者开始认识到文本信息中包含的重要价值，并将文本分析运用于经管类学术研究之中。目前在经管类学术研究中比较常见的文本分析运用形式是，通过提取文本信息，构建变量，并运用计量等方法开展研究。

本课程的重要内容就是帮助学员掌握常见文本分析方法，能够运用AI+Python编程工具进行词频分析、相似性分析、主题分析和情绪分析等，并构建相应的变量，理解其意义，为学员驾驭文本数据夯实基础，同时也为学员的学术研究拓展思路。

课程特色：

本课程聚焦学术前沿，致力于系统构建学员对文本分析方法的深层认知与高阶应用能力，具备以下突出特色：

1. 学术前沿与研究方法深度融合：

课程内容直接对接核心期刊最新研究成果，不仅讲解方法操作，更着重剖析文本分析在严谨学术研究中的设计逻辑、变量构建的学理依据及结果解读的深层含义，帮助学员理解如何将技术手段转化为有价值的学术发现。

2. “AI+编程”的双重能力锻造：

超越简单的工具使用，课程将引导学员掌握如何将AI提示词与Python编程的灵活可控性有机结合，解决经管研究中复杂的文本识别、分类与语义编码问题，培养学员驾驭前沿技术解决实际科研问题的核心竞争力。

3. 紧扣经管研究场景的实战训练：

所有案例与练习均围绕典型文本（如上市公司年报、互动平台文本等）展开，帮助学员将所学内容迁移至学员的实际科研项目中。

4. 强调方法背后的经济学与管理学内涵：

课程绝非简单的技术操作培训，而是深入探讨文本分析所构建变量（如文本相似性、主题强度、情绪倾向）在经济学、金融学、管理学理论中的具体意义，引导学员思考其如何刻画企业行为、市场情绪与信息效率，提升研究的学术深度。

课程大纲：

第一讲：经管类学术研究中的文本分析（2h）

1. 文本分析基本思路

2. 文本分析文献的大致分类

3. 文本分析的主要方法

4. 经管报告文本的批量处理

第二讲：文本分析基础（2h）

1. 文本分词

2. 停用词使用

3. 词频计算

4. TFIDF计算

5. 学术研究中的词频是如何计算的？

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.

第三讲：词向量分析（2h）

1. 词向量原理

2. 词向量的实现

3. 近义词发现

4. 学术研究中的扩展词是怎么做的？

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：文本相关分析（2h）

1. 文本相关分析常用方法

2. 余弦与软余弦相似性

3. 软余弦相似性度量方法

4. MD&A信息量如何度量？问与答的一致性如何度量？

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：文本主题模型（2h）

1. 主题模型的基本思路

2. 主题模型在学术中应用

3. 主题模型的实现

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：大语言模型在识别与分类中的应用 （2h）

1. 大语言模型原理

2. 大语言模型的API调用

3. 大语言模型在识别与分类中的应用

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.

注：时间分布仅为参考，根据学员学习情况调整

联系方式：

尹老师

电话：13321178792

QQ：42884447

WeChat：JGxueshu