引言
金融服务不当行为（FSM）可能对消费者造成重大损失，侵蚀对金融机构的信心，并威胁市场稳定（Gathergood et al., 2019; Carretta et al., 2025）。在中国，点对点（P2P）借贷失败和债券违约表明，机构相关问题可能在监管机构意识到其广泛意义之前影响大量消费者（H. Gao et al., 2024; Gu et al., 2026）。因此，监管分诊和风险优先级排序对于将有限的监管资源引导至新兴问题至关重要，以防止它们升级为更严重的危机。
政府投诉平台提供了潜在的早期风险信号有价值来源。消费者通常会报告涉及的机构或产品、遇到的问题、遭受的损失以及请求的补救措施。相应的权威回复进一步记录了投诉如何被行政评估、解释或解决。与社交媒体帖子和在线评论相比，政府投诉 - 回复记录在消费者不满与机构回应之间提供了更有结构的联系（X. Peng et al., 2022; Feng et al., 2023）。然而，这些记录通常被作为单个行政案件处理（Wang et al., 2025）。虽然逐案处理支持个人救济，但它并不能自动揭示嵌入在大量投诉流中的重复或相互关联的不当行为模式（Su and Meng, 2016; Hu et al., 2025; Wang et al., 2025）。
将投诉记录转化为事件级风险情报仍然面临四个挑战。首先，现有研究主要考察消费者欺诈或借款人违约，对机构驱动的不当行为关注有限（Pourhabibi et al., 2020; Xu et al., 2021; Ali et al., 2022）。其次，传统文本挖掘方法严重依赖静态分类（X. Peng et al., 2022）或无监督聚类（Egger and Yu, 2022; Yang et al., 2022; Z. Zhang et al., 2023）。使用固定标签集的分类可能无法适应新出现的投诉类别，而无监督聚类可能难以区分密切相关的不当行为类别。第三，投诉叙述在证据质量上差异巨大，因此平等对待所有投诉可能会扭曲提取的风险信号（Kontokosta and Hong, 2021; P. Gao et al., 2023）。第四，投诉量或负面情绪等单一指标无法充分捕捉多维风险特征（Singh et al., 2024; Vairetti et al., 2024）。
为了应对这些挑战，本研究开发了一个可信度感知的管道，用于从政府投诉 - 回复记录中检测高风险 FSM 事件。出于分析目的，FSM 事件被定义为具有相同不当行为标签的投诉的月度聚合。该管道由四个阶段组成。首先，从投诉 - 回复语料库中提取不当行为标签、权威回复标签、经济损失、关键金融字段和相关投诉。其次，使用机构未反驳、证据完整性、模板化表达和跨案例支持来评估投诉可信度。第三，可信度加权投诉被聚合为月度事件，其特征为四个互补的风险维度：紧迫性、严重性、补救和传播。第四，多种权重和多准则决策（MCDM）方法生成事件级风险评分。每种权重 - 排名组合首先使用百分位方法识别初步高风险事件。然后一致性检验确定事件是否在各方法间获得统计显著支持，同时考虑组合二元决策向量之间的相关性。
该管道使用 2016 年至 2025 年在中国绍兴收集的 125,507 对金融服务投诉 - 回复数据进行评估。按不当行为类别和月份对投诉进行分组产生了 4465 个月度事件，其中包含至少 30 起投诉的 237 个事件被保留为候选事件。所提出的程序识别出 12 起涉及六个不当行为类别的高风险事件。检测到的八起事件也被包含在由新闻报道和在线文章构建的规模匹配的 12 起事件外部基准中。在适度的指标扰动和经济损失插补下，高风险事件检测相对稳定，但替代的时间聚合区间既影响事件选择，也影响日期覆盖范围。
本研究做出了三个主要贡献。首先，它将金融风险筛查从消费者欺诈扩展到反映在政府投诉中的机构侧不当行为。通过将投诉衍生的事件定义为进一步调查的优先事项，它提供了一个谨慎的自下而上监管分诊框架。
其次，它开发了一种可信度感知和多维度的投诉衍生 FSM 事件表示。开放集分类适应了新兴的不当行为类别，而可信度加权减少了不完整、重复或支持薄弱的投诉的影响。由此产生的事件风险特征整合了投诉升级、经济危害、补救难度和跨事件连通性。
第三，它引入了一种可解释的事件优先级排序程序，该程序结合了替代监管偏好和多准则决策方法，同时调整了方法组合之间的依赖性。明确的准则方向、替代权重和跨方法一致性提供了可追溯的优先级排序依据，而异常检测基线测量了相同指标空间中的统计异常性。外部证据比较和敏感性分析评估了由此产生的警报的实际效用和局限性。
