基于两步子抽样算法的P2P信用风险预测研究

随着大数据时代的到来,P2P网络借贷的数据规模日益庞大,导致P2P网络借贷信用风险比传统的金融借贷信用风险更加难以预测,使得大量的P2P机构面临倒闭.文章运用美国Lending Club网站2017-2018年的数据,采取两步子抽样方法抽取样本,建立logistic回归模型对P2P网络借贷信用风险进行预测.研究结果表明...     

大数据背景下的抽样调查

大数据具有体量大、种类丰富、增长速度快等特点,同时也存在价值密度低、代表性差等问题,为抽样调查带来了机遇与挑战.大数据背景下的抽样如何适应新的变化、具有怎样的发展和应用?文章从三个角度进行了讨论.一是在数据流环境下产生了一些适应性强的新型抽样方法,能够高效、准确地获得有代表性样本,并兼顾存储空间、处理的时间与能力.二是...     

基于数据的银行信贷行业的信用风险研究

目前多数研究利用美国旧金山市KMV公司于1997年建立的模型(KMV模型)计算企业年违约距离来评估具体企业的信用风险,但缺乏信贷行业的信用风险评估方法,也不能给出随时间变化的信用风险.首先提出基于数据的信贷行业随时间动态演化的信用风险评估模型,然后利用2016年18个行业的数据得到了中国信贷行业动态演化的信用风险,该信用风险随时间演化特征可分为波动上升、下降后波动、下降后稳定、稳定四种类型.进一步研究发现金融业、科学研究和技术服务业、信息传输软件和技术服务业这三个行业动态演化的信用风险平均值高且不稳定,住宿和餐饮业的信用风险很高但是比较平稳,其他行业的信用风险较低且较平稳.     

大数据背景下的高中数学教学

我们不得不面临一场新的挑战——即大数据技术时代的到来.生活在这个时代背景下的学生可以从网络上找到任何他们需要的信息,即使一个很难的题目,可以通过专门的APP或利用手机拍照传到解题网站等途径轻松找到答案.长此以往,学生学习数学知识的积极性下降,尤其到了高三,学生的基础     

大数据背景下基于expectile回归模型的分布式优化方法研究

随着大数据时代的到来,运用统计的思维和方法挖掘隐藏在数据里的价值成为大数据领域的热门研究方向.数据挖掘的常用方法是回归分析,最小二乘回归只对因变量均值做出估计,而expectile回归可以估计因变量的整体分布.本文以大数据为背景,在expectile回归模型下,提出分布式存储数据的思想,并通过构造全局损失函数的一个替代损失函数,设计Proximal-ADMM算法对模型中的参数进行估计.达到了仅使用局部样本就可有效评估全局损失函数的目的,解决了大数据中样本量大导致的计算成本昂贵的问题.     

大数据背景下基于5S的城市交通拥堵评价模型研究

近几年来,城市交通拥堵问题日益突出,极大制约了城市发展。在大数据背景下,为了准确掌握交通实时拥堵状况,改善城市交通,便利市民出行,本文深入挖掘城市交通拥堵的影响因素,构建了基于交通5S要素的城市拥堵理论模型,运用径向基函数神经网络方法工具,以上海静安寺、上海站、陆家嘴周围三大拥堵路段的交通数据集为例,验证了该模型的有效性。实验结果表明,由该模型获得的城市交通拥堵预测值与上海实际交通路况具有较好的拟合效果,表明交通5S模型与方法能够准确有效地评价城市交通拥堵。     

基于BP神经网络的P2P网贷借款人信用评估

评估借款人信用是P2P网贷公司控制风险的重要步骤,对于网贷公司的正常运行有着极其重要的意义。论文参考商业银行信用指标体系并根据P2P网贷自身特点,建立了P2P网贷借款人的信用评估指标体系。根据建立的指标体系构建相应的BP神经网络模型,并利用一步正切法进行优化。然后选取具有代表性的P2P网贷平台的相关数据,对该模型进行训练和仿真,证明了该模型对P2P网贷平台的风险控制起到一定的作用。     

基于BP神经网络的中国石油安全预警研究

为保障国家石油安全、保障国民经济安全运行,本文根据石油安全预警的特点,采用神经网络方法进行预警,设计了BP神经网络模型,应用BP神经网络建立了中国石油安全预警系统,并进行了预警研究和实证分析,得出我国石油安全属于重警区,需加强安全防范。     

大数据背景下中国季度失业率的预测研究——基于网络搜索数据的分析

目前,中国失业率统计存在一定局限,不利于准确及时地反映劳动市场的就业变动,大数据技术的快速发展为中国失业率统计提供新的发展视角.基于网络搜索数据,文章从5种常用的预测方法中筛选出最优的支持向量机回归模型,对中国季度失业率进行了预测研究.研究表明,基于网络搜索数据预测的失业率能够比官方数据更早地反映失业趋势的变化,预测失业率与修正后的失业率水平接近,能够为政府部门提供中国失业状况的政策预警.     

大数据背景下分布式支持向量回归模型研究

为解决传统的支持向量回归模型在处理大规模数据时计算效率较低的局限,文章将交互有效方法与支持向量回归模型相结合,提出了基于交互有效方法的分布式支持向量回归模型(CE-SVR).该模型首先采用分布式存储方式将大规模数据随机分配给多台机器,其次采用交互有效方法构建支持向量回归的近似损失函数替代全局损失函数获得近似预测结果,能够有效地分析大规模数据.数值模拟和应用研究的结果表明:在线性模型中,文章所提出模型的预测性能与全局支持向量回归模型基本一致,且显著优于基于单轮型方法的分布式支持向量回归模型(OS-SVR);在非线性模型中,文章所提出模型的预测性能会随着机器数的增加而降低,但其预测性能显著优于OS-SVR模型.     

大数据背景下水厂自动投矾模型研究

根据某市自来水有限责任公司第二水厂的历史矾耗数据，建立矾耗流量关于原水浊度、温度等的动态矾耗模型. 通过对数据进行处理得到10900个合格且净水效果高效的数据，将筛选出的数据分为训练样本集和测试样本集. 在回归拟合中，通过拟合R2的大小将原水浊度划分为“低浊”“中浊”“高浊”3个区间，利用泰勒展开公式的非线性变量代换分别对3个区间建立不同的多项式回归模型，得到预测正确率约为72%，总的矾耗流量值约减少了9.6%的结果；在随机森林模型中，使用10900个合格数据，利用训练样本集，以“原水浊度”“pH值”“原水流量”和“水温”为输入变量，建立包含2000棵决策树的随机森林模型，得到预测正确率约为44. 21%，总的矾耗流量值增加了0.04%的结果. 从模型对合格数据的拟合优度看，随机森林模型比非线性回归模型效果更好；在平均绝对误差、平均绝对偏差百分比等评价指标上，前者均优于后者；但从历史数据检验的结果，模型的可解读性，模型的操作难度和推广角度看，分段二元非线性回归模型的优势更为突出.     

大数据背景下产品质量抽样调查的样本量设计

产品质量抽样调查是政府质量监督部门监管产品质量状况的重要手段,在历年的产品质量抽样调查中,也累积了大量的实际数据.文章将大量数据提供的先验信息和抽样调查中的样本量设计进行了有效的结合,利用大数据提供的有价值信息作为辅助信息,使用聚类等方法对调查对象进行分层,根据各层的不同特点利用优先数系确定各层间相对误差限的关系,进而...     

大数据背景下基于过程性评价的初中数学教学实践

随着信息技术不断升级和完善,特别是大数据平台进入教育领域,教学的过程评价突破了传统人工分析的模式,初中数学教学过程评价的关键在于教师教学和学生学习的过程中实时数据收集和统计.本文结合实践中提炼出来的信息技术助力初中数学教学评价的操作方法,并在此基础上总结出具有可推广价值的实践经验.     

基于蚁群神经网络的财务危机预警方法

为了克服神经网络财务危机预警方法收敛慢、不收敛和网络结构难以确定等缺陷,提出了基于蚁群算法的改进神经网络财务危机预警方法。将神经网络模型的结构和参数进行编码,利用蚁群算法确定若干个神经网络模型的结构和参数,然后通过评价函数得到神经网络的最佳结构,最后通过BP算法训练该神经网络,得到神经网络财务危机预警模型。验证结果表明,该模型结构简单、预警精度高。     

大数据背景下新建工科院校高等数学课程体系改革研究

本文探讨大数据背景下新建应用型工科院校高等数学课程教学现状、存在的问题、及所需的改革.从新建性和地方性等方面分析现有体系存在的原因,从基本思路、教学方法、教学内容、数学建模、多媒体、教材、师资、考核评价、教学质量反馈等方面阐述体系改革的方案,并进行总结.     

基于不均衡数据的小企业信用风险评价

小企业信用风险评价既是银行风险管理问题,又事关经济社会稳定。针对小企业贷款实践中,违约样本远少于非违约样本、且违约客户误判对银行影响较大的现实,采用不均衡支持向量机对小企业信用风险评价指标进行赋权,进而构建了能有效区分违约客户、非违约客户的评价模型。根据有无特定评价指标、特定评价指标数值变化对贷款小企业违约状态的影响程度赋权;反映了对违约状态影响越大、评价指标权重越大的赋权思路。将违约样本正确识别率、违约样本的准确率与查全率等因素作为支持向量机赋权模型中客户识别率的度量标准,改变了样本数据不均衡所导致的样本总体精度很高、违约样本精度反而不高的现象。研究结果表明:行业景气指数、资本固定化比率、净利润现金含量、恩格尔系数、营业利润率等评价指标对小企业信用风险的影响较大。     

大数据背景下平台类企业开展抽样调查的应用研究

大数据背景下,对于抽样调查的必要性和重要性,目前还存在一定争论.文章定义了两种类型的大数据场景,一种是现有数据量海量的情况;另一种是现有抽样框名录海量的情况.对于抽样框名录海量的情况下,抽样调查既必要又重要.文章基于某平台类企业的海量抽样框名录,对该平台类企业关心的问题采用目录抽样的方法进行抽样调查研究,并考虑了样本轮...     

大数据背景下科技型中小企业创新能力影响研究——基于模糊综合评价法模型

科技创新是一个国家的综合竞争力,而大数据技术的全面普及将为科技创新能力的提升创造一个良好的契机.在科技创新理论综述的基础上,系统梳理大数据平台的最新成果和应用技术,深入分析基于大数据的科技创新能力影响内在机理,运用层次分析法和模糊综合评价方法验证了大数据技术的应用能对科技型中小企业的科技创新能力将产生深远影响,并据此提出建议,为提升企业综合科技创新能力提供理论依据.     

大数据背景下的商品需求预测与分仓规划

商品需求预测对于电商企业意义重大,对阿里电商平台的交易数据进行挖掘以获取有效特征,利用特征建立模型对未来两周这些商品的需求进行动态预测,并基于预测结果和成本最小的原则提出分仓规划建议.预测模型选择随机森林做回归,然后在残差分析的基础上建立报童模型求解分仓的库存规划.对特征数量众多的电商交易数据挖掘所建立的模型有助于电商企业进行有效的商品需求预测并据此制定成本更低的分仓规划.     

数据确权背景下电商平台大数据“杀熟”治理分析

随着移动支付在近几年的崛起,电商平台利用大数据“杀熟”的现象愈发频繁,引发了社会各界人士的广泛关注。自深圳经济特区在今年首次提出数据确权的概念,个人数据保护在我国开始步入实质性阶段。为探讨数据确权背景下大数据“杀熟”的治理机制,本文建立了以政府、消费者和电商平台为主体的三方演化博弈模型,并得出以下结论：(1)消费者是否比价是大数据“杀熟”的关键;(2)在演化稳定的条件下,政府的策略选择取决于其在市场监管和促进数据权利发展方面投入的成本;(3)政府惩罚对电商平台大数据“杀熟”行为具有抑制作用,且惩罚越严厉,抑制作用越强;(4)消费者行使个人数据权利能够抑制大数据“杀熟”行为。最后,本文据此提出了相应的对策建议。