消费者投诉的短文本挖掘及新消保法的影响研究

The economy of China is transferring from investment-oriented economy to consumption-oriented economy. Releasing worries of consumers and enhancing market supervision have attracted great attentions from the government. The Shanghai Consumer Council (SCC) provided with us the texts of consumer complaints from 2011. The purposes of this research include: (1) developing a new short text mining method to help SCC to clustering and classify consumer complaints; (2) using the short text mining method to analyze the common features of consumer complaints in an industry, and unique features of consumer complaints on a specific firm; (3) using event study to analyze the impacts of the New Consumer Protection Law on the market and using a game-theoretic model to provide theoretical explanation on the impacts of the new law. The innovations of this research include: (1) developing a new short text mining method, (2) proposing a new event study method, (3) the mix of event study and game theory model, (4) considering both quality competition and service competition in the game theoretic model, which is different from those models that only consider quality competition, (5) new research questions with support of available data.

我国正从投资驱动转为消费驱动型经济，因此破除消费疑虑、强化消费市场监管引起政府的高度重视。上海市消费者权益保护委员会向我们提供了2011年以来上海市消费者投诉文本数据。本项目研究目的有三：（一）提出新的短文本挖掘方法，帮助上海消保委更好进行投诉文本的聚类和分类；（二）基于短文本挖掘，分析一个行业内消费者投诉的共性，以及针对某企业投诉的特性，为企业更好服务消费者和参与市场竞争提供决策建议；（三）通过事件研究法，分析新《消费者权益保护法》对市场造成的冲击和影响。通过博弈论建模，为新消保法对市场造成的冲击提供理论上的解释，并探索更好的政策变量。本研究的创新主要体现在方法和研究问题的创新：（一）提出新的短文本挖掘方法，（二）提出新的事件研究法，（三）事件研究与数学建模的结合，（四）博弈论模型同时考虑产品质量竞争和服务竞争，不同于以往只考虑质量竞争的模型，（五）新的研究问题，而且有政府数据支持。

项目研究背景是：我国正从投资驱动转为消费驱动型经济，因此破除消费疑虑、强化消费市场监管引起政府的高度重视。项目研究项目主要内容有：（1）从博弈论角度研究产品质量竞争和服务竞争；（2）消费者投诉产品质量问题的事件可能给企业带来其在金融市场上的风险，如何使用数据挖掘、算法交易等方法控制这些风险；（3）提出文本挖掘的新方法，并结合事件研究法研究新消保法对企业造成何种影响。重要结果有：（1）在开源软件和闭源软件之间的竞争中同时考虑了质量竞争和服务竞争之后，得到了与以往研究不同的结论：来自开源软件的竞争可能导致闭源软件提高而不是降低其质量和价格，也可能降低社会福利。（2）借款人手机上安装的App列表和借款人的信用状况存在关联关系。利用这个发现可以帮助金融机构提高个人信贷的期望收益。“沪港通”后A-H股配对交易“形成期”和“交易期”比以往变得更短。利用价格联动设计并验证了基于信息融合的趋势跟踪策略，并在此基础上，基于分形市场理论，增加了策略转换环节，提高了算法交易的收益率。使用配对交易的思想 找到和美股股票对标的A股股票，并利用两者价差构建配对因子，然后利用配对因子对A股进行选股。（3）使用LDA主题模型结合人工标注的半监督学习方法构建了消费者投诉短文本的文本分类训练数据集。在此基础上比较了传统机器学习和深度学习方法在短文本上的分类效果,还创新性地将YouTube推荐算法应用于短文本分类。科学意义有：（1）同时考虑质量竞争和服务竞争与仅考虑质量竞争得到的结果不同，说明消费者所投诉的服务质量在建模中的重要性。（2）消费者投诉之后造成的企业股价波动可以通过构建良好的交易策略来控制风险。（3）深度学习在短文本挖掘上有很好的应用前景。