我国外汇贷款对基础货币投放影响的研究

流行的观点认为,在人民币升值预期和本外币利差存在的经济现实中,外汇贷款有可能成为套利的渠道,并且有可能对我国基础货币投放带来影响。通过理论分析发现,当外汇贷款来源于央行,并直接售汇时,对基础货币授效没有影响,不直接售汇时会使基础货币投效减少;当外汇贷款不是来源于央行且直接售汇时,基础货币投效会增加,但不直接售汇时,则对基础货币投效没有任何影响。通过对现实情况分析发现,由于我国对外汇贷款管理非常严格,企业和个人即使存在套利动机,也难以实现。

面向图书主题分类的随机森林算法的应用研究

针对传统随机森林算法对文本特征提取质量不高导致分类效果差的问题,提出一种对图书等大数据量文本信息文本的改进的随机森林算法。又由于传统随机森林决策树质量难以保证,提出一种加权投票提高决策树质量的机制。算法主要由两方面组成,一方面是基于文本主题特征提取的Tr-K方法,目的是提高文本主题特征的质量与代表性;另一方面是基于bootstrap抽样时遗留的1/3袋外数据提出的验证机制。文中采用的是20 Newsgroups数据集和来自于搜狗实验室提供的中文分类语料库,中英文两种数据集充分考虑了该模型的泛化性,并在实验中验证了不同数据集下较传统随机森林算法拥有更优秀的分类能力。Python环境下的实验数据表明,该方法在文本分类中相对于C4.5、KNN、SVM、原始随机森林算法可以取得更好的结果。

基于逻辑回归的金融风投评分卡模型实现

文以当前银行信贷业务中客户违约问题为出发点,将客户违约率和信贷评分卡分值的关系合理映射。运用逻辑回归建立评分卡预测模型,使用梯度下降算法来实现银行风险投资中客户评分卡的构建。首先加载数据并对数据进行分析,接着划分数据集,并使用跨时间验证集作为模型最后的验证。最后使用KS值和AOC曲线双向评价模型的稳定性。实验证明,采用所提方法构建的评分卡模型具有较好的稳定性。

基于改进的协同过滤推荐算法在精准营销中的应用研究

由于现在互联网的快速发展,各行各业面临着巨大的挑战。如何在互联网的巨大冲击下还能吸引更多的客户是企业最需要考虑的问题。本文主要讨论在大数据的大环境下,银行业是如何利用各种手段收集数据,建立自己的用户画像从而调整自己的营销策略。本文提供了一个改进的协同过滤算法——与时间相关的最近兴趣相似度计算方法,通过这个改进的协同过滤算法可以给银行的精准营销提供一个新的参考。

基于协同过滤算法的图书出版选题系统的设计与实现

针对目前图书出版选题策划可能会出现依靠主观经验的问题,以及图书选题不能很好地符合当下热点词汇这一潜在问题,通过对图书销售市场的调查研究,本着服务图书出版行业的目的,运用了协同过滤的算法设计了基于数据挖掘的商业智能出版选题系统。首先,对网上图书信息的抓取放入数据库中;其次,过滤得到我们想要的完整的数据;最后,将得到的数据进行协同过滤算法分析。由此可以个性化推荐出版社所需要的关键词以及选题方向,减少出版社工作人员的负担,方便了出版社选题工作的开展。通过图书出版选题预测可以及时了解市场规律,迎合客户的消费观念,提高了出版社的选题效率,减少了人力、财力和物力的消耗。

我国资产的通胀保护策略实证研究

本文研究了行业股票,房地产,大宗商品期货以及黄金类资产的通胀保护能力,通过构建测度资产通货膨胀保护功能的理论模型并进行实证检验,揭示不同类别的资产所具有的不同的风险特质,为研究各类资产的收益率与宏观经济因素之间的关系提供新的研究线索。同时我们还给出了如何构造具有通货膨胀保护功能的投资组合的分析方法,研究结果可为实际投资者提供科学的决策参考。