关于本项目
智"资"先觉 — LLM驱动的资产搁浅风险预警与投资决策框架
研究背景与目标
在全球气候治理与我国"双碳"目标推进背景下,高碳行业资产搁浅风险已成为金融市场实质性风险。现有传统风险评估模型依赖滞后财务数据,无法捕捉政策、技术、舆情等前瞻性非结构化风险信号。
本研究融合大语言模型与机器学习技术,构建高碳企业资产搁浅动态风险预警框架,依托DeepSeek大语言模型对海量政策、技术、舆情文本开展深度语义挖掘,为耐心资本的绿色资产配置提供前瞻性风控支撑。
核心创新点
基于LLM的语义量化架构
运用DeepSeek大模型深度语义理解能力,通过精细化提示词工程,从非结构化文本中提取三维结构化风险数据
置信度加权机制
开展多模型稳健性检验与人工专家校验,规避模型依赖性与系统性偏见,确保风险信号的可靠性
动静结合的指数构建
创新构建“静态敏感度×动态活跃度”风险指数算法,融合风险方向、强度和时序活跃度的多维信息
应用场景
风险监测仪表盘
实时展示企业三维风险指数与综合风险等级
动态预警推送
风险变化超过阈值时自动触发预警通知
多情景压力测试
模拟碳税调整、技术突破等不同政策情景
风险调整价值评估
基于风险指数计算资产合理估值区间
团队信息
天津财经大学 · 图灵小分队
团队成员
队长:孟宇龙
队员:李语嫣、段荣
指导教师:单春玲
赛事信息
第十六届全国大学生电子商务"创新、创意及创业"商务大数据分析实战赛
团队 ID:16014924
技术栈
大语言模型DeepSeek
文本聚类TF-IDF + K-Means
预测模型随机森林分类器
计量分析OLS 多因子回归
数据来源发改委、生态环境部、东方财富股吧、知网
前端框架Next.js + React + Tailwind CSS
数据可视化Recharts
联系我们
linmoshu@foxmail.com19834887808