近期现场/远程培训 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
近期专题培训 跨越传统边界：AI赋能下的财务金融研究与论文发表
核心亮点：AI 智能体 ——>Python代码——>文本量化结果
Python代码到文本量化结果可复现，告别AI直接出结果中的幻觉风险，做可检验、可复现的真研究
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。
讲师介绍：
麦斯老师，高校商业数据系教授，主要研究领域为资本市场和量化投资，讲授课程包括《智能金融》、《数据挖掘与预测》等，其社会服务主要为企业提供员工数字化转型定制化课程。麦斯在学术研究中的核心量化方法为文本分析，在《管理评论》、《审计研究》等重要期刊发表论文20多篇。
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：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）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.
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.
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
