论计算机人工智能在统计行业分类编码中的实现

本文通过分析传统统计行业分类编码工作的流程、方法,指出其中隐含的诸多弊端,并以计算机人工智能技术与统计工作的跨领域结合为设计思路,研究提出一种智能行业编码的算法及其实现过程,推动编码工作迈向自动化。

企业向高“上游度”行业转型:进击或退却?——基于上市公司行业分类代码变动的实证研究

企业向高"上游度"行业转型,能否实现产业提升,走向价值链的高端?为解答这一问题,本文首先对A股市场所有行业进行"上游度"测算,选择2012-2016年行业分类代码发生变动的上市公司作为"转型"样本公司,运用多元回归方法进行分析。研究发现:1)制造业、零售业和房地产是净转出行业,信息技术、公益事业、金融、商业服务等为净转入行业。以跨行业为主,且进入"上游度"较高行业的占43.71%;2)行业地位正在提升、供应链中居强势地位的企业,更有可能向"上游度"较低的行业转型;3)研发投入和营销能力偏弱的企业,更有可能向"上游度"较高的行业转型。这一结果的启示是,向高"上游度"行业转型的企业可能会滑向价值链低端,也即"退却",而非"进击"。

商业银行集团授信客户行业分散风险研究

集团授信客户对一个国家的国民经济和银行经营具有双重重要意义,它们面临的行业分散风险已经成为其出现经营危机的主要诱因。本文以《国民经济行业分类与代码(GB/T 4754-2002)2002》为基础,建立了包括集团行业集中度、行业分散相对风险度和综合行业分散风险度在内的集团授信客户行业风险指标体系,并据此构建集团授信客户定性评级分类矩阵,对集团授信客户的行业分散风险进行全方位、多维度的有效识别、计量、监测和控制。银行可以充分利用灵活的贷款定价策略和拨备政策控制和缓释集团授信客户的行业分散风险,对不同评级的客户采取不同的经营策略。