卡珊德拉:一种基于人工智能的自动化监控系统,用于从财经新闻中预测银行危机
《INTERNATIONAL JOURNAL OF FORECASTING》:Cassandra: An automated AI-based surveillance system to forecast bank distress from financial news
【字体:
大
中
小
】
时间:2026年09月25日
来源:INTERNATIONAL JOURNAL OF FORECASTING 5.7
编辑推荐:
摘要
本文介绍了Cassandra,一个由人工智能驱动的自动化监控系统,该系统仅利用金融新闻即可预测银行困境,并通过借鉴此前从未用于此目的的更广泛实时数据源,实现更及时、更主动的监管。与传统预测银行困境的方法不同,Cassandra克服了基于资产负债表指标固有的内生性和滞后
摘要
本文介绍了Cassandra,一个由人工智能驱动的自动化监控系统,该系统仅利用金融新闻即可预测银行困境,并通过借鉴此前从未用于此目的的更广泛实时数据源,实现更及时、更主动的监管。与传统预测银行困境的方法不同,Cassandra克服了基于资产负债表指标固有的内生性和滞后性,通过专门从金融新闻中推导出的金融部门对该机构整体感知来进行核算。为处理此类定性非结构化数据,Cassandra的基础架构创新性地采用了先进的自然语言处理(NLP)技术,包括命名实体识别和情感分析。该系统利用基于大语言模型获得的一般性和金融情感异构数组所构建的多智能体混合方法。在此基础上,并在本领域实现一项创新,我们构建了一套聚焦监管的情感分析模型。这一综合架构形成了面向银行监管应用的自动化流水线,作为潜在困境事件的概念验证预警系统,其经过样本外时间测试的命中率超过80%。
引言
预警工具是银行业监管机构的关键工具。它们帮助监管者和监督者在风险演变为造成金融不稳定之前识别银行潜在的脆弱性。通过尽早发现潜在困境的迹象,监督者可以提前采取行动,在财务报表或监管申报中显现之前就突出薄弱环节。
历史上,银行监管一直依赖传统的银行利润表分析和量化市场数据,这些数据通常仅以季度频率提供。我们摒弃传统方法,旨在通过利用纯文本和实时数据,从金融新闻中提取洞察并采用先进的人工智能驱动技术来预测银行困境,从而提供与已有方法互补的视角。我们的动机是帮助将银行监管提升至下一技术层次,促进更自动化、实时且主动的前瞻性评估。虽然人工智能是一个广泛且不断演进的领域,但在本文语境下,我们使用这一术语来表示一套具体的、集成的技术体系,这些技术构成了Cassandra的驱动力。具体而言,我们的人工智能应用依赖于两大核心支柱:(i)自然语言处理技术和大语言模型,用于处理非结构化文本数据;(ii)机器学习模型,用于银行困境事件的最终预测分类。
对日益迅速和持续流动的信息、新闻和市场数据的理解,是认识银行业面临风险的关键。在今天的数字时代,实时获取新闻已成为监控市场状况、评估风险和识别新兴脆弱性的必要工具,因为它们能够捕捉市场参与者的感知和公众情绪。然而,处理和理解这些数据面临三大主要挑战。首先,已有和新产生的数据量阻碍了对信息内容的快速正确处理,从而及时采取行动并防止风险实现(也称为维度问题)。其次,从海量数据中甄别信号而非噪音以发展关键洞察,既耗费资源又容易出错。第三,预测个体银行潜在困境的能力至关重要,它使监督者能够采取行动。
为应对第一和第二项挑战,我们利用自然语言处理技术。现代自然语言处理模型,特别是由深度学习和大语言模型驱动的那些,现已能够以极高的准确性清理、标注、分类和从海量数据集中提取复杂模式及情感。情感分析是自然语言处理的一项关键应用,它允许自动提取文本中表达的意见和情绪,使得对新闻报道的情感进行分类(正面、负面或中性)成为可能。当应用于金融新闻时,这些先进技术能够通过将新闻情感与特定银行联系起来提供有价值的洞察,从而对市场情绪及其对金融机构的潜在影响进行细致入微的理解。在实时环境中处理和跨越海量新闻分析情感的能力,有可能彻底改变银行监督者和监管者监控金融机构健康状况的方式。
与自然语言处理相辅相成,机器学习技术提供了将新闻情感转化为可行洞察的有力工具包。通过利用最先进的机器学习算法,可以开发预测模型,将预定义的困境事件时间序列数据与从新闻报道中提取的情感相关联,从而为监督者留出足够的时间采取行动(从而解决第三项挑战)。这些模型可被训练以检测情感变化与后续银行困境事件之间的模式和关联,从而实现创建预警系统。此类系统可以为监督者和监管者提供前所未有的预测潜在风险和前瞻性应对银行体系脆弱性的能力,增强金融部门的整体稳定性。
为此,我们通过从公开数据库和互联网档案中收集、处理和清洗新闻,开发了一个每日金融新闻数据集。总共,我们获得了超过1500万篇新闻文章,涵盖从2007年至今共18年的数据。每篇新闻都通过一个名为命名实体识别的创新人工智能工具,与我们的191家银行样本中的一个(或多个)机构相关联。
随后,我们利用传统自然语言处理情感分析,并引入一种使用和发展自定义人工智能智能体的新颖框架,为每条新闻生成一组不同的独立情感分数,以提供专门为监督和监管领域定制的情感分类。这些智能体基于不同的视角和方法论,以确保我们捕捉到情感生成的复杂性。该集合包括基于通用文本、监管文件或金融文本训练的智能体。此外,这些智能体通过利用零样本分类等最先进的人工智能工具,基于不同主题和特定领域风险类别进行组合和加权。因此,我们应用先进的机器学习技术和模型,将上一步智能体获得的情感与困境概率联系起来。
这一方法在银行监管领域代表了多个层面的重大创新。首先,我们汇编了一个非常大的、全面的新闻数据集。其次,我们引入了一系列复杂方法、工具和基础设施的组合,开发出一种独特的银行困境信号,该信号每日生成(而非通常的季度财务报告)。第三,我们的方法仅使用文本数据,不同于传统文献中基于财务比率评估风险的做法。第四,虽然美国银行困境的现有研究已有一定积累,但我们聚焦于欧盟机构,主要但不限于欧洲中央银行监督的机构。
文献综述
本文所呈现的工作位于三个关键领域的交叉点:银行监管(特别是关于银行困境事件的研究)、自然语言处理(重点关注通过大语言模型进行命名实体识别和情感分析)、以及机器学习。这一全面的研究体系构成了银行监管持续创新的基础,其中机器学习与自然语言处理技术的整合有望开发出稳健的自动化预警系统,从而更有效地预防银行业危机。
预测财务困境
概览与工作流
我们的数据工作流如图1所示。我们首先收集非结构化数据并对其进行处理,以获得统一的金融新闻数据集。然后我们将新闻分类为商业相关或非商业相关新闻,接着确定银行样本并建立每条新闻与其所指银行之间的联系。之后,我们进一步清洗数据,以避免不相关和带有观点的新闻以及潜在重复项。加上我们专有的数据集后,情感分析:特征创建与大语言模型智能体,我们对每条新闻标题应用一组智能体以生成情感分数。这些智能体来源和视角多样,可按不同类别和子类别分组,描述如下:
- 基于词典的智能体:Loughran-McDonald、AFINN、VADER
- 预训练智能体:FinBERT、LLaMA、Mistral、XDistil、Financial BERT、Financial RoBERTa、DistilRoBERTa、Financial SIGMA
- 自主开发的深度学习智能体:CNN和LSTM
- 加权智能体
建模银行困境
在完成上述过程后,我们汇编了一个包含银行级别新闻文章的数据集,其中每条新闻均由所有智能体进行评估。然而,我们的目标是建模未来困境的概率。为此,我们遵循以下步骤:
- 每日数据集:按银行和日期聚合每个智能体获得的情感
- 特征创建:将各智能体现有情感进行算术变换为量化指标
- 月度数据集:
大语言模型的预期偏差
我们承认在应用由大语言模型生成的情感分数时存在预期偏差的理论风险。如果模型隐含地将未来事件的信息纳入其评估,则可能产生此类偏差。特别是,使用较新数据集训练的大语言模型可能会分配反映分析期间之后发生的发展变化的情感分数。这一风险在LLMs广泛采用之前发生的困境事件中尤为显著。为缓解这一风险,我们进行了以下工作。
与之前基于比率的模型的理论比较
Cassandra与传统财务指标模型之间的比较分析,旨在将所提出的AI框架定位于学术文献和监管实践中。在概念上,我们将Cassandra与基于审慎和会计指标的标准预警系统进行对比;在实证上,我们使用根据欧洲银行管理局实施技术标准收集的监管数据推导出的财务比率构建基准模型。
结论与未来工作
本文提出了一个自动化预警系统的概念验证,该系统能够利用仅通过行业领先的人工智能工具获得的公开金融新闻的定性情感信息来识别和标记有困境风险的银行。重要的是,本研究提出的自动化系统为监管者和监督者提供了一个全面且可扩展的工具,用于持续监控,从而实现实时、数据驱动的决策。
作者贡献声明
Anastasios Petropoulos:审稿与编辑、撰写初稿、可视化、验证、监督、软件、项目管理、方法论、调查、形式化分析、数据整理、概念构思。Luca Parafioriti:撰写初稿、可视化、验证、软件、形式化分析。Alexandros Kouris:审稿与编辑、撰写初稿、可视化、验证、软件、方法论、调查、形式化分析、数据整理。
利益冲突声明
作者声明他们没有已知的竞争性经济利益或可能影响本文所述工作的个人关系。
Anastasios Petropoulos | Luca Parafioriti | Alexandros Kouris | Javier Arranz Barquero | Christoffer Kok
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号