“学海拾珠”系列之二百四十一：基于大语言模型的新型风险评估与波动率预测

三十四》 2/19正文目录1引言......................................................................................................................................................................................................42方法论与数据......................................................................................................................................................................................62.1运用大型语言模型度量新型风险敞口...................................................................................................................................62.2季度特质波动率的估计.............................................................................................................................................................72.3数据收集与预处理.....................................................................................................................................................................82.4整合传统金融指标.....................................................................................................................................................................92.5基于LSTM的波动率预测模型................................................................................................................................................92.6建模后分析................................................................................................................................................................................102.7特征重要性................................................................................................................................................................................113实证结果............................................................................................................................................................................................113.1LLM衍生的风险评分趋势......................................................................................................................................................113.2基于神经网络的个体波动率预测..........................................................................................................................................133.3特质波动率预测的模型对比..................................................................................................................................................164结论....................................................................................................................................................................................................17风险提示：.............................................................................................................................................................................................18 敬请参阅末页重要声明及评级说明证券研究报告 3/19图表目录图表1文章框架...........................................................................................................................................................................................................4图表2指标的定义和数据来源...............................................................................................................................................................................9图表3描述性统计：特质波动率，语言复杂度和公司特征....................................................................................................................10图表4风险得分：ESG风险、地缘风险和供应链风险............................................................................................................................13图表5模型超参和结果..........................................................................................................................................................................................14图表6特征重要性回归..........................................................................................................................................................................................15图表7风险得分SHAP展示...............................................................................................................................................................................16图表8不同模型的比较..........................................................................................................................................................................................17 敬请参阅末页重要声明及评级说明证券研究报告 1引言过去十年间，金融风险格局经历了一次范式转变。主要关注信用风险、市场风险和操作风险的传统模型，已日益显得不足以捕捉现代公司所面临的多层级且快速演变的“新型风险”。新型风险涵盖了一系列广泛的、新兴的威胁，例如环境、社会和治理（ESG）风险、供应链中断以及地缘政治紧张局势。正如Bremmer和Keat（2009）所论述的，这些风险通常呈现“肥尾”分布特征，即罕见但灾难性事件的发生频率高于传统风险模型的预期。这一观察突显了传统金融风险评估中的一个关键缺口，并促使我们开发更复杂、更具前瞻性的方法，能够纳入非结构化和难以量化的风险维度。越来越多的研究表明，新型风险并非边缘性问题，而是波动率和金融不稳定性的核心驱动因素（Alan, Engle, and Karagozoglu 2023; Albuquerque, Koshkinen,and Zhang 2018; Cheng, Ioannou, and Serafeim 2014）。例如，实证研究已证明 敬请参阅末页重要声明及评级说明资料来源：华安证券研究所整理 4/19证券研究报告 5/19证券研究报告ESG风险是市场波动率的有力预测因子（Krueger, Sautner, and Starks 2020; Ilhan,Sautner, and Vilkov 2021）。具有显著ESG敞口的公司往往经历更剧烈的股票回报波动，这一发现挑战了历史上将非财务维度边缘化的传统风险量化观念。此类洞见促使作者重新审视标准风险评估框架，将这些新兴风险因子纳入指导投资决策和公司战略的预测模型中。与此同时，自然语言处理（NLP）的快速发展为金融风险分析带来了变革性的机遇。大语言模型（LLMs）已证明其具备处理和提取海量非结构化文本中细微信息的能力。公司披露文件，特别是年报10-K和