期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
汕头市商业银行重组的原因及路径分析
被引量:
1
1
作者
丛敬奇
《现代商业》
2021年第31期86-88,共3页
汕头市商业银行是继海南发展银行破产之后国内第二家破产的银行。其破产的原因是,历史遗留问题尚未解决、银行内部管理机制失效造成的长期高息揽存、挪用资产和账外贷款等问题,最终导致流动性危机爆发,无法偿还储户的债务,后被中国人民...
汕头市商业银行是继海南发展银行破产之后国内第二家破产的银行。其破产的原因是,历史遗留问题尚未解决、银行内部管理机制失效造成的长期高息揽存、挪用资产和账外贷款等问题,最终导致流动性危机爆发,无法偿还储户的债务,后被中国人民银行勒令停业整顿,并通过十年的清算重组再次重生。本文通过对汕头市商业银行破产事件原因,以及如何通过重组解决汕头市商业银行一系列问题的分析,提出几点对于城市商业银行重组的意见。
展开更多
关键词
银行破产
清算重组
城市商业银行
下载PDF
职称材料
基于CEEMD-CNN-LSTM的股票指数集成预测模型
被引量:
6
2
作者
丛敬奇
成鹏飞
赵振军
《系统工程》
CSSCI
CSCD
北大核心
2023年第4期104-116,共13页
为有效应对金融时间序列数据的高噪声、时间依赖性和非线性,本文构建了一种CEEMD-CNN-LSTM模型。该模型基于互补集成经验模态分解(CEEMD),以及卷积神经网络(CNN)与长短期记忆网络(LSTM),将原始金融时间序列分解重构为高频项、低频项和...
为有效应对金融时间序列数据的高噪声、时间依赖性和非线性,本文构建了一种CEEMD-CNN-LSTM模型。该模型基于互补集成经验模态分解(CEEMD),以及卷积神经网络(CNN)与长短期记忆网络(LSTM),将原始金融时间序列分解重构为高频项、低频项和趋势项,同时应用CNN-LSTM模型分别对各分项进行预测,并将各分项的预测值集成为最终预测结果。为验证CEEMD-CNN-LSTM模型对金融时间序列数据预测的准确性和有效性,选取沪深300、标准普尔500(S&P500)股票指数收盘点数进行了实证分析。实证结果表明,CEEMD-CNN-LSTM模型能同时提取序列依赖关系和局部特征,可有效避免数据直接输入模型导致预测结果右偏等问题,与其他主流预测模型相比,其预测精度更高,预测误差显著降低。
展开更多
关键词
CEEMD
深度学习
CNN-LSTM
股票指数
原文传递
题名
汕头市商业银行重组的原因及路径分析
被引量:
1
1
作者
丛敬奇
机构
湖南科技大学商学院
出处
《现代商业》
2021年第31期86-88,共3页
文摘
汕头市商业银行是继海南发展银行破产之后国内第二家破产的银行。其破产的原因是,历史遗留问题尚未解决、银行内部管理机制失效造成的长期高息揽存、挪用资产和账外贷款等问题,最终导致流动性危机爆发,无法偿还储户的债务,后被中国人民银行勒令停业整顿,并通过十年的清算重组再次重生。本文通过对汕头市商业银行破产事件原因,以及如何通过重组解决汕头市商业银行一系列问题的分析,提出几点对于城市商业银行重组的意见。
关键词
银行破产
清算重组
城市商业银行
分类号
F832.2 [经济管理—金融学]
下载PDF
职称材料
题名
基于CEEMD-CNN-LSTM的股票指数集成预测模型
被引量:
6
2
作者
丛敬奇
成鹏飞
赵振军
机构
湖南科技大学大数据与智能决策研究中心
吉林省信托有限责任公司
产业发展大数据与智能决策湖南省工程研究中心
出处
《系统工程》
CSSCI
CSCD
北大核心
2023年第4期104-116,共13页
基金
湖南省哲学社会科学基金一般项目(21YBA118)。
文摘
为有效应对金融时间序列数据的高噪声、时间依赖性和非线性,本文构建了一种CEEMD-CNN-LSTM模型。该模型基于互补集成经验模态分解(CEEMD),以及卷积神经网络(CNN)与长短期记忆网络(LSTM),将原始金融时间序列分解重构为高频项、低频项和趋势项,同时应用CNN-LSTM模型分别对各分项进行预测,并将各分项的预测值集成为最终预测结果。为验证CEEMD-CNN-LSTM模型对金融时间序列数据预测的准确性和有效性,选取沪深300、标准普尔500(S&P500)股票指数收盘点数进行了实证分析。实证结果表明,CEEMD-CNN-LSTM模型能同时提取序列依赖关系和局部特征,可有效避免数据直接输入模型导致预测结果右偏等问题,与其他主流预测模型相比,其预测精度更高,预测误差显著降低。
关键词
CEEMD
深度学习
CNN-LSTM
股票指数
Keywords
CEEMD
Deep learning
CNN-LSTM
Stock index
分类号
F830 [经济管理—金融学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
汕头市商业银行重组的原因及路径分析
丛敬奇
《现代商业》
2021
1
下载PDF
职称材料
2
基于CEEMD-CNN-LSTM的股票指数集成预测模型
丛敬奇
成鹏飞
赵振军
《系统工程》
CSSCI
CSCD
北大核心
2023
6
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部