互联网金融的信用风险评估与预警研究

随着互联网金融的蓬勃发展，用户对消费金融的需求也越来越丰富多样。满足用户的多样化需求与建立健全风险监管体系成为互联网金融发展的重中之重。如何实现数据驱动服务升级、技术辅助市场监管成为研究的热点问题。本文通过数据处理与特征工程实现用户认证信息、金融信息、行为信息的融合，利用深度森林算法建立模型进行信用风险评估。结果表明，该方法能有效挖掘数据潜在价值，提高信用风险评估与预警效果。最后，本文针对互联网金融的信用风险预警与市场监管提出了建议。     

组态视角下国产品牌“野性消费”现象生成路径研究——基于模糊集（fsQCA）定性比较分析

近年来，众多国产品牌出现销量暴增的“野性消费”现象成为消费市场新热点。运用模糊集（fsQCA）定性比较分析方法对淘宝平台23个国产品牌案例进行研究，探索“野性消费”中各要素联动机制及其复杂性因果作用机制。研究发现： “野性消费”存在三条驱动路径，单一条件要素并不构成“野性消费”出现的必要条件；国家意识感作为核心条件均出现在三条“野性消费”驱动路径中，说明国家意识感是导致销量暴增的最大动能。