大白话理解：首先，IPO 抑价率。比如某公司 IPO 发行价 10 元，上市第一天收盘价 16 元，那抑价率就是（16-10）/10=60%。这意味着发行时把价格定低了 —— 对公司来说，少圈了钱；对券商来说，说明定价能力不行。
这篇论文的核心，就是搞明白：券商用人工智能（AI），能不能把这个 “定低价” 的问题解决掉？怎么解决的？
解释变量测度：券商 AI 技术实力（核心的创新：以ai词库识别券商的ai专利，衡量券商的ai技术实力，很巧妙的构思）
测度券商 AI 技术实力的基础是 “区分哪些专利属于人工智能相关专利”，论文通过构建人工智能词典 + 专利文本匹配实现这一目标，具体流程如下：
1、构建人工智能词典先确定 “种子词”，再通过机器学习扩展关键词库，最终形成可用于识别 AI 专利的词典：
第一步：选取初始种子词。参考权威报告（麦肯锡《人工智能研究报告 (2020)》、中商产业研究院《2019 年中国人工智能行业市场前景研究报告》）和现有文献，筛选出 “AI、人工智能” 等核心种子词。
第二步：扩展关键词库。采用Word2vec算法（Skip-gram 模型），以中国企业专利文本为语料训练，根据 “种子词与输出词的余弦相似度”，挑选相似度最高的 10 个词补充进关键词库。
第三步：清洗关键词。剔除重复词、与 AI 无关的词，以及关键词前带 “无、不、没有” 等否定词的表述（如 “非人工智能”），最终形成完整的 AI 词典
2、筛选券商 AI 专利
从IncoPat专利数据库获取券商专利的完整信息（标题、摘要、申请日期、授权日期、申请人、主权利要求、技术功效等），通过两个关键步骤筛选 AI 专利：
关联主体：将专利 “申请人” 信息与券商名称匹配，确保仅纳入券商自主研发的专利；
文本匹配：判断专利的 “标题、摘要、主权利要求、技术功效” 中是否包含上述 AI 词典的关键词，若包含则界定为 “券商人工智能专利”。
3、构造核心指标
AI 专利数量（AIPatentIPO ）前券商已获授权的人工智能专利总数 + 1 后取自然对数
AI 专利外部引用率（AICiteIPO）前券商已获授权 AI 专利的 “外部引用次数” ÷ “总引用次数”反映券商 AI 技术的 “质量”。
#经济学 #科研 #人工智能发展 #数字化发展#券商 #研究生
这篇论文的核心，就是搞明白：券商用人工智能（AI），能不能把这个 “定低价” 的问题解决掉？怎么解决的？
解释变量测度：券商 AI 技术实力（核心的创新：以ai词库识别券商的ai专利，衡量券商的ai技术实力，很巧妙的构思）
测度券商 AI 技术实力的基础是 “区分哪些专利属于人工智能相关专利”，论文通过构建人工智能词典 + 专利文本匹配实现这一目标，具体流程如下：
1、构建人工智能词典先确定 “种子词”，再通过机器学习扩展关键词库，最终形成可用于识别 AI 专利的词典：
第一步：选取初始种子词。参考权威报告（麦肯锡《人工智能研究报告 (2020)》、中商产业研究院《2019 年中国人工智能行业市场前景研究报告》）和现有文献，筛选出 “AI、人工智能” 等核心种子词。
第二步：扩展关键词库。采用Word2vec算法（Skip-gram 模型），以中国企业专利文本为语料训练，根据 “种子词与输出词的余弦相似度”，挑选相似度最高的 10 个词补充进关键词库。
第三步：清洗关键词。剔除重复词、与 AI 无关的词，以及关键词前带 “无、不、没有” 等否定词的表述（如 “非人工智能”），最终形成完整的 AI 词典
2、筛选券商 AI 专利
从IncoPat专利数据库获取券商专利的完整信息（标题、摘要、申请日期、授权日期、申请人、主权利要求、技术功效等），通过两个关键步骤筛选 AI 专利：
关联主体：将专利 “申请人” 信息与券商名称匹配，确保仅纳入券商自主研发的专利；
文本匹配：判断专利的 “标题、摘要、主权利要求、技术功效” 中是否包含上述 AI 词典的关键词，若包含则界定为 “券商人工智能专利”。
3、构造核心指标
AI 专利数量（AIPatentIPO ）前券商已获授权的人工智能专利总数 + 1 后取自然对数
AI 专利外部引用率（AICiteIPO）前券商已获授权 AI 专利的 “外部引用次数” ÷ “总引用次数”反映券商 AI 技术的 “质量”。
#经济学 #科研 #人工智能发展 #数字化发展#券商 #研究生
