超高效液相色谱-四级杆-飞行时间串联质谱法同时快速鉴定复方延寄参胶囊的化学成分

目的采用超高效液相色谱-四级杆-飞行时间串联质谱(UPLC-Q-TOF-MS)法在负离子模式下对复方延寄参胶囊甲醇提取物的主要化学成分进行快速鉴定。方法超声提取法制备复方延寄参胶囊甲醇提取物,采用ACQUITY UPLCTM BEH C18(100mm×2.1mm,1.7μm)色谱柱为分析柱,以乙腈-1mL·L-1甲酸水为流动相,进行梯度洗脱分离各主要成分;质谱采用电喷雾离子源,负离子模式下扫描采集数据,对各主要色谱峰进行归属。结果复方延寄参胶囊甲醇提取物中共定性鉴别出以下成分:人参皂苷类化学成分10种,包括三七皂苷R1、人参皂苷Re、人参皂苷Rf、人参皂苷Rg1、人参皂苷Rb1、人参皂苷Rd、人参皂苷Ro、人参皂苷Rb2、人参皂苷Ra1和人参皂苷Rg3;黄酮类化学成分3种,包括新北美圣草苷、柚皮素和柚皮苷;酚酸类化学成分3种,包括富马酸、原儿茶酸和咖啡酸。结论采用UPLC-Q-TOF-MS法在同一条件下共定性鉴别出16种化合物,该方法分辨率高、高效、便捷,可快速准确地鉴别复方延寄参胶囊的化学成分。

基于机器学习的个人贷款违约预测模型的应用研究

针对贷款违约给商业银行带来的信用风险损失,本文基于Kaggle平台的Loan Defaulter数据集,通过建立机器学习模型预测客户违约情况,以降低信贷风险。本文根据贷款数据类别不平衡和特征维度高的特点,对其进行数据处理以及探索性数据分析,得出与贷款违约高度相关的重要特征,包括性别、家庭人数以及借款人所在城市、住房类型、总收入、所属行业、职业类型、工作年限、受教育程度、消费贷款额度、贷款金额、贷款年金等。在比较各类模型的基础上,本文选择表现较好的随机森林,XGBoost以及K近邻组合为Stacking集成模型。实验表明,与单一算法相比,该模型的集成算法具有更高的精确度和预测效果,其中Stacking模型能够融合其他基础模型的优点,取得最好的预测效果。本文主要创新点有二:一是梳理信用评估模型中集成模型的基本特征,基于不同模型的优势,引入Stacking模型组合建模,融合四组机器学习模型并建立双层学习器,提高了信用风险评估效果;二是基于普惠金融发展,将研究对象具体化为个人信贷,应用场景更加细化,并得出影响贷款违约的重要特征。

企业总部的空间布局及其对生产力发展的影响——来自中国上市公司的经验证据

分析企业总部迁移行为及其对生产力规模和结构的影响,研究发现:公司总部驻地的高级要素交易效率状况对公司总部迁移决策有重要影响,驻地高级要素交易效率越低,公司总部迁移的可能性越高,对规模小、成长速度快的公司尤为明显。公司总部迁移的经济后果与迁移类型密切相关,总部跨省市迁移显著提升了公司生产力规模、提高了财务绩效,对创新贡献不大;与之相比,同市跨区县迁移,公司生产力规模扩展不明显、财务绩效提升较小,但创新投入增加较大。研究表明,企业迁移总部是突破外部环境约束的一种策略,企业迁移总部后受益于新驻地高效的交易效率,实现了生产力规模的扩大,还通过科技创新推动了企业生产力结构的升级。