实效策略对消费者购物行为影响的对比研究

消费者对商品购物需求的飞速发展刺激了购物场所的急速增长,实效策略是各类零售业企业经常使用的促销策略,研究以问卷调查的统计结果为依据,首次尝试设置性别、消费者的购买行为类别、实效策略三维变量,通过方差分析对比影响消费者购物行为的实效策略优劣,为经营者有针对性地选择实效策略提供建议与指导。     

基于计算实验金融方法的决策偏好比较研究

风险决策偏好表征着个体在面对不确定条件或具有风险时的决策态度,不同的偏好特征以效用函数为载体,外在地表现为个体具体所运用的投资策略。风险决策机制的深入理解以及基于不同决策偏好的策略比较分析对投资者的投资决策具有重要意义。通过运用计算实验金融方法对传统决策偏好以及前景理论进行多角度的比较分析,研究发现基于前景理论构造的投资策略相比传统决策偏好具有较大的优势,对于投资者本身来说是一个最佳的策略选择。     

基于信息粒化和支持向量机的股票价格预测

信息粒化是进行海量数据挖掘和模糊信息处理的有效工具。本文提出了一种基于信息粒化和支持向量机的股票价格预测方法。利用长安汽车的股票数据,建立股票开盘价回归预测模型,该模型克服了传统时间序列模型仅局限于线性系统的情况。应用实例表明:该方法能有效地预测股票价格的变化范围。     

基于网络视觉营销下的消费者购买行为分析

网络视觉营销是当前网络购物盛行背景下的一种重要的营销方式,基于网络视觉营销下的消费者购买行为有多种,研究这些不同的消费者购买行为对促进网络视觉营销的发展以及引导消费者理智购物具有十分深刻的现实意义.     

论电子商务购买行为与信用关系

电子商务购买行为是网上购物的一种更专业的说法,是网络营销的重要内容。当然电子商务不仅仅包括网上购物还包括更多的内容,本文将研究电子商务购买行为与信用的关系。通过对消费者购买行为、网络信用、信用对购买行为的影响的分析,指出改善电子商务信用环境、建立电子商务交易信用体系是促进电子商务发展的关键。     

养老金融产品购买意愿与行为及其悖离的影响因素研究——来自武汉市的调查

随着我国老龄化程度进一步加深,基本养老保险难以满足养老需求,养老金融产品成为居民养老投资的一个重要选择。本文基于武汉市的调查数据,实证考察了居民养老金融产品购买意愿与行为及其悖离的影响因素。结果显示：养老金融产品购买意愿和行为存在明显的悖离;人口统计特征、金融素养和风险偏好等主观因素和产品认知因素会影响购买意愿与行为及其悖离;运用解释结构模型（ISM）分析发现,感知风险性和感知有用性是表层直接因素,产品了解、金融知识和风险偏好是中间层因素,婚姻状况和健康状况是深层次因素。因此,必须加强对居民金融素养的教育和养老金融产品的宣传与推广,让居民充分知晓养老金融产品的有用性,强化产品保值增值特性,促进购买意愿转化为购买行为。     

基于聚类的Markov预测模型的改进

传统的Markov链模型是一种简单而有效的预测模型,该模型存在着预测准确率低,存储复杂度高等缺点.改进的基于聚类的Markov链预测模型,利用用户访问特征和人们浏览网页与时间高度相关的思想来改善模型,建立了基于用户访问特征和时间段聚类的Markov预测模型并进行了模拟实验和结果分析.     

中信银行信用卡中心“用户行为天眼系统”建设实践及应用成效

<正>在全面数字化转型的背景下，金融行业面临着一个重要的战略课题和挑战，即如何将互联网平台亿级用户所产生的海量数据转化为标准化高可用的数据资产，并提取有价值的信息支持经营决策，实现业务效能提升和成本降低。基于信息安全等综合考量，中信银行信用卡中心自主研发了“用户行为天眼系统”（以下简称“天眼”）。作为一个覆盖互联网平台全渠道的用户流量监控、预警、分析的智能营销平台，“天眼”以用户多维度数据为基础，具有快速数据采集、高效存储、灵活分析、     

基于Fisher判别法的P2P网络借贷平台信誉等级评价模型

P2P网络借贷是一种新兴的互联网金融,平台的信誉是影响投资者选择平台的主要影响因素之一。选取成交积分、人气积分、营收积分、分散积分、杠杆积分、透明度、品牌、流动性、收益积分9个影响因素作为判别平台等级预测的评价指标,同时对这9个评价指标做主成分分析,提取出3个主要成分,用Fisher判别法进行训练预测,建立了基于主成分分析的网络借贷平台信誉等级预测的Fisher判别模型。通过对“网贷之家”公布的37组平台数据作为训练样本数据集进行模型的训练,12组数据作为该预测模型的测试数据,进行网络借贷平台信誉等级的预测,同时通过其他预测模型预测结果的对比,验证了Fisher判别法在网络借贷平台信誉等级的预测中具有较低的误判率,其误判率仅为1/12。     

基于机器学习的互联网金融机构信用风险识别

相比传统金融行业,由于网络空间的复杂性,互联网金融的信用风险往往更为显著,因此,预测信贷违约成为控制信用风险、保证相关金融业务或借贷平台正常运行的重要条件。本文基于互联网金融上市公司拍拍贷的大量真实交易数据,经过数据清洗和特征工程,对多种机器学习算法建立融合模型,提升了信用风险预测的准确性。同时,基于人工特征筛选和树模型信息增益的特性,发现用户网络行为特征相比个人信息特征在信用风险的识别中更为有效。最后,本文还针对互联网金融行业的信用风险提出了应对措施与建议。     

影响网络购物交易规模因素计量分析

与传统贸易方式相比,网络购物近年来因其具有商品广泛,价格便宜,购买方便等优点而迅速在市场上占据举足轻重的地位,受到越来越多人的青睐。本文选取2005年至2012年相关数据通过建立一个计量模型对影响网络购物交易规模的因素进行分析,进而从宏观的角度解释网络购物交易规模的影响因素并提出适当建议。     

异质偏好对企业投资策略的影响

如果投资者具有异质偏好,那么他们的投资策略是否会有所不同?该问题对于分析投资者行为和理解金融市场波动具有重要意义、但目前该问题的相关研究还很不够,理论和实证上都亟待加强。本文基于常相对风险厌恶效用函数(CRRA),采用乘数偏好和预期效用偏好,对比研究异质偏好对企业投资决策产生的影响。在纯交换经济条件下,本文推导出了两种偏好所决定的企业投资策略,并进行了实证分析。分析结果表明,异质偏好对投资决策有实质性影响。这一研究方法对于异质偏好及其效应的研究,具有较为普遍的借鉴意义。     

信用卡欺诈风险的类别

信用卡已经从跑马圈地时代进入成长成熟期,随着信用卡使用的普及,越来越多的欺诈行为出现了。本文将这些欺诈行为分为身份信息被盗、伪造卡、卡未达、卡不在场欺诈、商户欺诈、ATM欺诈、短信欺诈七大类别并进行了相应阐述。     

基于非线性组合模型的P2P网贷平台危机预警研究

针对P2P网贷平台现金流较大、利润率较低和财务数据获取困难的特点,构建基于平台交易真实数据的危机预警评价指标体系和组合预测模型.将传统的财务评价指标转换成网贷平台交易数据指标,运用邻域粗糙集属性约简的方法对采集的数据指标进行降噪和约减处理,再基于机器学习理论引入神经网络、支持向量机和Logit回归等模型对数据进行训练.通过分组进行单模型和组合模拟预测,提高了新的破产指标下各模型预测的准确率.     

全球商业革命:网络销售+大数据

近几年来,互联网零售迅猛发展,可谓一日千里,而传统零售商日益陷入窘境.全球互联网信息服务提供商ComScore 2012年度研究报告显示,40％的调查者表示喜欢在线下商店查看商品,购买则计划在网上进行.中国网络零售市场呈现高速发展,预计2013年,中国网络零售市场交易规模将达15 688.9亿元,增长率达32.5％.预计线上购物在2015年将至少达到25 510亿元人民币,占社会消费品零售总额的8.6％. 越来越多的消费者通过网络购物,给网络销售平台获取海量信息,进而对消费者进行个性化消费习惯分析创造了条件,造就了大数据成为网络销售新的利器.以阿里巴巴为例,坐拥"支付宝"、"淘宝"两大利器,自然成为了大数据的试水者.目前来自商家的80％以上数据需求是对消费者购买行为的分析,比如点击量、跨店铺点击、订单流转量,甚至旺旺聊天信息的收集和分析等都将成为商家关心的数据.京东、当当等网络零售商也开展了自己的大数据分析.     

信用卡欺诈风险的类别

信用卡已经从跑马圈地时代进入成长成熟期,随着信用卡使用的普及,越来越多的欺诈行为出现了.本文将这些欺诈行为分为身份信息被盗、伪造卡、卡未达、卡不在场欺诈、商户欺诈、ATM欺诈、短信欺诈七大类别并进行了相应阐述.     

我国信息技术企业信用评级研究——基于违约鉴别和特征选择视角

从违约鉴别和特征选择视角出发,采用机器学习算法,对我国信息技术企业信用评级问题进行了研究。研究表明,通过SMOTE方法对非均衡样本数据进行处理,解决了样本数据类别不平衡导致预测模型存在类别偏好问题;通过Logistic-Lasso方法进行指标筛选和计算企业违约概率,并根据违约概率进行信用分级,保证了信用评级模型的精简和违约预测可靠性,改善了信用评级与违约概率不匹配问题。构建的信用评级模型采用39个指标,总体鉴别精度在98%以上,模型的可靠性和实用性优于其他常见的机器学习模型。此外,根据企业信用级别情况,分别从企业自身、投资者和监管部门角度,提出了控制风险的相应对策。     

基于自编码器的半监督学习方法

传统的银行风控建模方法通常使用有监督学习方法,通过对有标签的历史数据进行建模来预测用户是否为合法用户.然而带有标签的历史数据非常有限,基于这些有限数据难以得到较好和较稳定的模型效果,同时,数据库中往往有大量无标签的数据并没有被利用.本文介绍一种基于自编码器的半监督学习方法,通过对无标签的原始特征构造自编码器,并将其中的编码器部分应用于有标签数据进行降维,将降维后的特征作为自变量、将其标签作为因变量进行逻辑回归建模,从而实现更优的建模效果.     

影响网络购物交易规模因素计量分析

与传统贸易方式相比,网络购物近年来因其具有商品广泛,价格便宜,购买方便等优点而迅速在市场上占据举足轻重的地位,受到越来越多人的青睐。本文选取2005年至2012年相关数据通过建立一个计量模型对影响网络购物交易规模的因素进行分析,进而从宏观的角度解释网络购物交易规模的影响因素并提出适当建议。     

遗传神经网络在股票市场预测中的应用

本文针对经典的BP神经网络所存在的缺陷,将其与遗传算法相结合,提出了基于实数编码的GA-BP神经网络模型。实验表明,该预测模型具有很强的学习能力和自适应性,其预测结果优于一般BP模型,而且具有良好的泛化性。