这十年，《金融研究》的编委和读者偏爱哪些研究话题和文章?

Original 爬虫俱乐部 Stata and Python数据分析 2022-03-15

本文作者：陈丹慧，中南财经政法大学金融学院
本文编辑：王玉洁
技术总编：戴雯

Stata&Python云端课程来啦！

为了感谢大家长久以来的支持和信任，爬虫俱乐部为大家送福利啦！！！Stata&Python特惠课程双双上线腾讯课堂～原价2400元的Python编程培训课程，现在仅需100元，详情请查看推文《Python云端课程福利大放送！0基础也能学~》。关于Stata，爬虫俱乐部推出了系列课程，内容包括字符串函数、正则表达式、爬虫专题和文本分析，可以随心搭配，价格美丽，物超所值，更多信息可查看Stata系列推文《与春天有个约会，爬虫俱乐部重磅推出正则表达式网络课程！》、《与春天有个约会，爬虫俱乐部重磅推出基本字符串函数网络课程》等。变的是价格，不变的是课程质量和答疑服务。对报名有任何疑问欢迎在公众号后台和腾讯课堂留言哦

导读

《金融研究》是由中国人民银行主管、中国金融学会主办的、关注经济金融领域重要理论、政策和实践问题的期刊。自1979年创刊以来，《金融研究》已经成为引领国内学术前沿的权威学术期刊之一，许多科研工作者都冀望能在《金融研究》上发表佳作。要想在期刊上发表论文，不仅论文本身质量要过硬，而且要符合投稿期刊的宗旨和征文要求。而一个期刊的宗旨和征文要求，不仅可以从官网的硬性指标看出，更体现在经历无数考验而最终成功见刊的历年文章中。为了给有志于投稿《金融研究》的科研工作者提供一点参考，本文在中国知网爬取了2011年至2020年在《金融研究》上发表的所有文章的关键词、摘要、作者单位、被引量等信息，汇总了历年文章关键词制作了词云图，并在最后展示了这十年被引量排名前100的文章信息以及作者单位。为了实现更好词云图效果，本文利用Stata和Python的交互功能（Stata16和Stata17均适用），使用Python的jieba库进行分词。

（1）制作专业名词词典

在使用jieba分词时，往往会把一些专业名词也分词掉。不使用词典的分词结果如下图所示，“影子银行”会被分为毫无意义的“影子”和”银行“两个词，”金融开放“会被分词为”金融“和”开放“两个词，从而不能准确体现原有研究意图。

因此，为了更加细致和准确地分词，我们可以先将历年文章中的高频关键词收集起来，自定义一个专业名词词典。虽然不能达到完全有效，但是在保证效率的前提下是一个不错的选择。

在制作词典之前，首先要介绍一下fs命令。fs命令可以列示指定路径下符合条件的文件名称，并将其放在返回值r(files)中（详见推文《fs命令——我们的小帮手》）。如下图所示，列示出当前路径下所有名称符合“keywords_*"（*表示通配符）的txt文件。

结合fs命令，遍历循环文件夹下历年文章关键词文件，统计历年高频关键词，将其合并到词典中。最后，删除历年高频关键词的重复值，导出到一个名为“专业名词词典”的txt文件，具体代码如下：

*编制专业名词词典capture mkdir E:\statacapture mkdir E:\stata\金融研究词云图capture mkdir E:\stata\金融研究词云图\历年关键词cd E:\stata\金融研究词云图\历年关键词*建立一个空词典，用于后续存放关键词clear allgen var=""save 词典,replacefs keywords_*.txt //将文件夹下的所有txt文件名放入局部宏foreach i in `r(files)'{ import delimited using `i', clear encoding("utf-8") //导入文件 *将所有关键词放在同一列 stack v*,into(var) clear drop if var=="" drop _stack *统计词频 bysort var:gen frequency = _N gsort -frequency duplicates drop drop if frequency==1 append using 词典 save 词典,replace}*导出use 词典,clearduplicates drop //删除重复值drop frequency //去掉词频变量save 专业名词词典export delimited using 专业名词词典.txt,novarnames replace

专业名词词典的部分内容如下：

（2）调用Python分词

利用Python进行分词的具体机制可以查看推文《Stata16调用python——绘制词云图》，在此不赘述。值得注意的是，在Stata中我们可以利用fs遍历文件夹，在Python中，可以利用os库，列出指定路径下所有文件，并将其放在列表中，对列表遍历，即可批量分词。在Stata中的具体代码如下：

*调用Python分词pythonimport ospath='E:\stata\金融研究词云图\历年关键词'os.chdir(path)files=os.listdir(path) #将历年关键词文件名放在列表files中import jiebafor i in range(2011,2021): word=[] j=i-2011 file=files[j] print(file) #读入关键词文件 with open(file,encoding="utf8") as f: for k in f.readlines(): str=k word.append(str) jieba.load_userdict(r"专业名词词典.txt") #添加自定义词典 with open("分词_%s.txt"%i,"w",encoding="utf8") as f2: for unit in word: seg_list = jieba.lcut(unit,cut_all=False) seg_list=filter(lambda word:len(word)>2,seg_list) for word in seg_list: print(word) f2.write(word+"\n")end

最终得到历年分词文件：

（3）批量生成词云图

同理，结合fs命令，我们可以调用所有分词文件名，批量生成词云图。代码和词云结果如下：

*批量制作词云图fs 分词_*.txt foreach i in `r(files)'{ import delimited using `i', clear encoding("utf-8") *统计词频 bysort v1:gen frequency = _N gsort -frequency duplicates drop drop if frequency==1 wordcloud v1 frequency using `i'.html, replace size(15 80) range(3480 2160) shellout `i'.html}

2011

2012

2013

2014

2015

2016

2017

2018

2019

2020

根据分词结果整理的历年研究话题top10

对比这10年的数据，我们可以发现，“货币政策”相关的文章在这十年一直占据着绝对优势，“通货膨胀”、“经济增长”、“金融发展”、“金融稳定”这些经典研究话题在2011-2017年持续得到关注，但近几年热度有所减少，逐渐被“融资约束”、”企业创新”、“杠杆率“等偏微观金融领域的研究话题超越。此外，近几年，“网络借贷”、“宏观审慎”、“养老金”、“技术创新”等与国家宏观货币政策和社会金融发展紧密相关的研究话题不断涌现。这说明，《金融研究》是理论性、政策性、实践性兼备的期刊，不仅关注传统研究进展，而且对前沿话题具有较高的敏感度。因此，作为科研工作者，要想在此刊发表佳作，不仅要对传统研究议题有新的见解，还要与时俱进，关注国家政策的出台与社会金融新发展，掌握学术前沿的新话题。

最后，本文为大家献上《金融研究》近十年被引量前100的文章信息与作者单位。

以上就是本期推文的全部内容啦，希望能为大家的论文写作提供一些帮助！

最后，我们为大家揭秘雪球网(https://xueqiu.com/)最新所展示的沪深证券和港股关注人数增长Top10。

点击上方"蓝字"关注我们吧！

对我们的推文累计打赏超过1000元，我们即可给您开具发票，发票类别为“咨询费”。用心做事，不负您的支持！

往期推文推荐