财经数据科学重点实验室举行2025年第018期学术讨论会
12月7日，江西财经大学财经数据科学重点实验室举行2025年第18期学术讨论会，分别围绕“海底地形数据集重构”与“经济系统数字孪生”两大主题开展专题研讨。会议由实验室负责人主持，相关教师及项目组全体成员参加。两场会议围绕数据可视化、经济系统分析、人工智能架构等关键方向展开深入交流，全面展示了实验室在多领域科研探索中的最新进展。
当日上午，海底地形数据集重构专题研讨会以“完善细节、提升品质”为核心，围绕数据集报告PPT完善与可视化网页优化两大议题展开深入交流。在PPT完善环节，与会人员逐字逐句打磨文本，就图片、表格及排版提出具体优化意见，一致同意统一字体风格与大小，优化模块布局与页面留白，重构表格并依据数据治理框架调整流程图，以提升内容的逻辑体系与视觉美观度。同时建立专人负责机制，确保内容准确。在可视化网页完善讨论环节，参会人员对已新增的产品与船测数据可视化对比功能、特殊地形可视化模块及优化后的海图渲染功能进行审核，明确后续优化方向。会议建议全面美化网页外观设计，确保底图开源可用，支持用户便捷下载至本地，以整体提升视觉体验与实际使用便利性。
当日下午，经济系统数字孪生常态化学术研讨会顺利召开。会议聚焦“夜间灯光数据识别收缩城市”、“中国经济韧性时空特征”、“Transformer神经网络架构”、“中国上市公司数字化水平测度”四大前沿主题，深入展示了江西财经大学财经数据科学重点实验室在非结构化数据挖掘、AI与财经交叉融合、宏观经济监测及城市发展研判等方面的最新进展。在夜间灯光数据识别收缩城市研究中，研究构建融合夜间灯光与社会经济数据的两阶段识别框架，识别出2000–2022年间77个收缩城市，主要分布于东北和长江中游地区，并将其划分为持续、偶发、暂时收缩三种类型，为城市差异化治理提供科学依据。在中国经济韧性研究中，针对传统方法在处理混频数据和时空维度分析上的不足，研究创新采用马尔科夫区制转移混频动态因子模型，整合多年多频数据，构建涵盖多类动能来源的评价体系。研究揭示了中国省际经济演进的三个阶段及显著的区域异质性，所构建的经济形势指数对危机响应更为灵敏，为宏观政策与高质量发展提供支撑。在Transformer神经网络架构研究中，研究系统剖析了传统RNN/CNN模型在并行计算与长距离依赖捕捉上的局限，阐释了Transformer通过自注意力机制与位置编码实现高效语义建模的核心优势，为AI在财经文本分析与风险预测中的应用奠定理论基础。在中国上市公司数字化水平测度研究中，针对现有术语词典覆盖面有限的问题，研究提出BERT-GlobalPointer系列模型，通过“算法+人工”混合标注构建大规模数字化词典。基于该词典的测度表明，近二十年我国上市公司数字化水平整体上升，2020年后呈现爆发增长，数字化技术成为转型关键驱动力。
此次推进会靶向明确、务实高效，通过师生共同研讨，有效凝聚了实验室的科研共识。会议不仅针对数据可视化呈现、模型方法创新等具体环节提出了细致的优化路径，还进一步强化了团队在跨学科协作、方法融合与成果落地方面的协同机制，为后续深化研究内容、完善技术体系、强化学术与实践的结合奠定了坚实基础。
图文/王嘉榕叶子晗 宗荔
编辑/鲍道斌
审核/蒋玉琼李晶