本方向面向高质量发展、绿色金融、双碳目标和区域协调发展等重大现实议题，研究如何利用多源数据构建更加科学、动态和可解释的统计测度体系。实验室关注的不仅是传统经济指标，也包括绿色金融、碳金融、产业转型、社会发展和生态文明建设中的新型指标与评价方法，努力为政府决策、金融机构业务创新和社会治理提供数据支撑。

• 如何构建能够反映绿色金融发展水平的多层级指标体系。

• 如何利用多源数据刻画区域、行业和机构的可持续发展状态。

• 如何识别绿色金融、碳金融和产业转型中的结构性差异与风险。

• 如何将统计测度结果转化为可视化、可解释、可用于决策的成果。

我国绿色金融发展的数智化监测。该项目聚焦绿色金融数据采集、绿色金融指数编制、区域绿色金融监测和数智化展示，是本方向下的代表性研究项目。

• 1.区域绿色金融发展评价

• 2.绿色信贷、绿色债券、碳金融等专题监测

• 3.政府部门绿色金融政策评估与决策支持

• 4.金融机构绿色金融业务评价与产品创新

• 5.高校科研团队开展可持续发展相关数据分析和指标研究

本方向将经济金融体系视为由企业、产业链、供应链、金融机构、投资者和市场信息共同构成的复杂网络，研究网络结构、风险传播、技术关联、关键节点识别和系统韧性等问题。实验室希望通过复杂网络、图模型、多源数据融合和可解释统计建模方法，理解企业创新、产业链嵌入和科技金融服务之间的关系，为金融安全、科技金融、产业链韧性和产业创新监测提供支撑。

• 如何识别企业、专利技术、产品业务和产业链之间的关联关系。

• 如何从专利文本、企业数据和产业链数据中判断企业真实创新能力与技术潜力。

• 如何刻画复杂经济网络中的关键节点、关键路径和潜在风险。

• 如何将企业创新评估结果转化为科技金融、产业服务和区域创新监测中的可用工具。

InnovInsight 多维数据融合下的企业创新评估与产业技术洞察平台。该项目聚焦企业创新评估、专利文本深度语义建模、产业技术洞察、多源数据融合和科技金融应用，是本方向下的代表性研究项目。

• 1. 科创企业发现与企业创新能力评价

• 2. 产业链技术洞察与重点企业识别

• 3. 科技金融获客、企业筛选和风险识别

• 4. 区域产业创新监测与产业政策支持

• 5. 围绕专利、企业和产业链数据形成咨询报告、政策建议和可视化分析成果

本方向面向财经研究和行业实践中数据复杂、信息分散、决策链条长等问题，探索人工智能、大模型、智能体、自然语言处理和决策推断方法在财经领域的应用。实验室关注算法能力如何真正嵌入金融市场、投研分析、风险识别和业务决策场景，推动数据智能从展示性工具走向可解释、可验证、可复用的财经决策支持能力。

• 如何从金融文本、新闻事件、社交信息和市场数据中识别有效情绪信号。

• 如何刻画市场情绪在个股、行业、板块和产业链之间的传导路径。

• 如何将情绪指数、传导机制和量化因子转化为可验证的投研辅助能力。

• 如何利用智能体技术组织数据采集、分析、审核、报告生成和交互问答等流程。

FinSentiAgents 金融市场情绪智能体开发与应用。该项目聚焦金融市场情绪识别、情绪指数构建、情绪传导分析、量化因子和多智能体协同，是本方向下的代表性研究项目。

• 1. 资本市场情绪指数构建与动态监测

• 2. 新闻情绪、产业链情绪和市场波动之间的关系分析

• 3. 量化投资因子研究与投研辅助

• 4. 金融风险预警、舆情监测和事件影响分析

• 5. 面向券商、期货、量化私募和金融科技机构的数智化需求对接