一种基于整数小波变换的数字水印算法

本文提出了一种基于整数小波变换的数字水印算法。该算法采用分块选择的方法将子块分为平滑和纹理块，自适应嵌入不同强度的水印，提高了水印的不可见性；水印分别嵌入彩色图像的RGB分量，提高了算法的鲁棒性；采用队列变换的方法对水印图像进行置乱，增加了水印嵌入的安全性。大量仿真结果证明了使用该算法嵌入的数字水印既有很好的隐蔽性，又有很理想的鲁棒性。     

几种典型的隐秘信息检测算法

随着信息隐藏技术的发展和应用,信息隐藏分析技术也日益成为一个十分重要的话题。本文总结了现有几种典型的隐秘信息检测算法,并进行了算法分析和比较。     

一种新的图像半脆弱水印算法的探讨

本文在对水印抗攻击能力的分析的基础上提出了一种嵌入双水印以起到半脆弱水印作用的算法.详细介绍了算法的具体模型及实现办法,并就算法的抗攻击性进行了分析与论证,最后通过仿真实验验证了该算法的有效性和可行性.     

利用数字水印在互联网传送隐秘信息

数字水印技术是从信息隐藏技术发展而来的,是数字信号处理、图像处理、密码学应用、算法设计等学科的交叉领域,为互联网传输信息领域提供了一种非加密算法的解决方案。人们在日常工作中难免要和有业务往来的机构传送一些信息,对于一些密级较高的信息有专门的方式传输,但一些普通数据有时则直接通过互联网明文传送,其机密性则有待加强。通过简单的数字水印技术可以轻松地掩盖明文,从而达到加密效果。本文简单论述了数字水印的原理及算法,为互联网信息传送提供一种简单的非加密的信息隐藏手段。     

深度学习在证券开户身份证实时质检中的研究与应用

近年来,随着数据的积累和硬件性能的突破,深度学习开始表现出比传统机器学习算法更佳的效果,引领着业界再次开始了对深度学习及其应用的研究。深度学习在图像领域的成功应用使人们看到通过深度学习技术实现开户材料智能审核的可能。本文提出了一种基于深度学习的身份证质检模型,运用计算机快速判断身份证图像是否反光、模糊以反馈图像不合格信息,将合格图像供给身份证识别、公安校验、身份证图像存档等开户步骤,降低开户业务的复杂度并提高处理效率,减少开户流失率。     

基于指令流毒性指标的量化交易监管实证研究——以“光大乌龙指”事件为例

为验证指令流毒性指标对我国量化交易中所存在的风险具有有效性和准确性的预警作用,本文基于信息不对称条件下的指令流毒性检验的算法模型VPIN的基础上,优化模型参数的评价过程,提高算法执行速度,并对关键参数设定添加了动态调整的过程,以"光大乌龙指"事件为研究案例,选取2013年5月至12月的市场逐笔交易数据,对我国沪深300指数期货和股票市场进行细致的实证分析。通过对沪深300指数期货市场计算出的29734个VPIN值做描述性统计、频度统计和波动性分析,结果表明:VPIN序列具有右偏、后尾的特征,同时市场大部分时间整体波动在合理范围内,而异常波动只占到了很小的部分,但是这小部分的异常波动处于了流毒性指标的高位值,这意味着市场极有可能会发生巨幅异常波动,流毒性指标在"乌龙指事件"发生之前就给出提醒指示,具有预警性。本文为我国量化交易市场的风险监管有着重要的参考价值,提出了准确、及时的风险预警值。     

论金融市场的相对有效性

金融市场上各种异常现象的累积以及行为金融学的发展,引发了关于市场有效性问题的争论。本文基于噪声理论对投资者的分类,应用博弈矩阵模型对投资者的投资行为进行分析,认为理性交易者与噪声交易者可以相互转化,理性是相对的;正是由于投资者之间的理性博弈,导致市场在相对有效与相对无效之间上下波动,表现出市场的相对有效性。     

基于多源数据融合的汽车金融贷后风险管理

为了降低汽车金融公司发放贷后的信用风险,文章提出了一种融合客户静态信息和动态驾驶行为的风险管理模型。该模型的目标是通过预测客户逾期天数来实现对客户的分类分级管理,重点设计了基于GPS轨迹的特征挖掘和变量衍生,并通过转移矩阵完成了客户标签定义,最后通过XGBoost算法构建模型。实验结果表明,文章提出的贷后风险管理模型能够取得良好的预测效果。     

视频智能监控检测道路拥挤度方法

近年来，视频监控系统已经广泛应用于道路交通管控中。本文通过检测移动物体的图像序列估算交通拥挤度。该算法是通过拥挤度估算模型计算单位时间内检测移动物体数量，得到实时的交通信息。本文应用MATLAB实现了这一估算方法，并在实际道路测试验证了该计算方法的可靠性。     

中国股市中板块间动态关联效应及组合在险价值的测度——以地产板块为例

首先,本文采用多元GARCH模型,对中国股票市场上与房地产行业板块相关联的三个板块收益率的统计特征进行研究,然后应用DCC-MVGARCH模型计算房地产板块与其他三个板块的相关系数.最后构造了房地产扳块和建筑板块的一个投资组合,比较在不同信息影响下,由动态相关系散和常相关系数所估算出的投资组合的VaR值的大小,并由此得出结论：与常相关系数下的VaR相比,动态相关系数下的VaR能更好地描述实际风险,特别是在市场波动剧烈时期.     

多模态数据在金融风控领域的应用

随着金融科技的不断进步,人工智能算法在金融风控领域的应用也逐渐深化。信用评分模型作为一种应用最广泛的风险评估模型,主要使用个人信息、征信等结构化数据进行模型构建,对图像、文本、语音等非结构化数据的利用存在局限性。为了有效利用各种形态的数据,文章研究提出一种利用多模态数据的框架,融合结构化数据和非结构化数据中的有效信息,进而提升模型的风险识别能力。该算法可应用于其他涉及非结构化数据的领域中,算法组件可以根据实际业务数据进行任意替换。实验证明,与只使用结构化数据的基线模型对比,非结构化数据特征能够有效提升模型的风险识别能力,其中AUC提升4%,KS提升6%,模型稳定性指标PSI稳定在0.01。     

金融合约设计的因素分析

通过一个模型说明,隐藏信息、隐藏行动、逆向选择和风险态度是影响金融合约设计的4个主要因素,但这是在要素市场上的局部均衡分析,在此之上加入产品市场作了一般均衡分析,得出市场结构也是影响金融合约设计的因素。隐藏信息和隐藏行动的存在激励参与方签订债务合约;对于具有项目风险的逆向选择情况来说,参与方倾向于签订股权合约。     

基于统计回归方法的交通运输产业值预测

交通运输产业是国民经济的重要支柱,预测交通运输产业值可以为相关部门制定发展规划提供理论依据。应用统计回归方法,根据某省以往的工农业总产值、固定资产投资与交通运输产业值,建立统计回归模型,并应用MATLAB软件求解,根据结果分析对模型进行改进,为交通运输产业值的预测提供一种可行的方法。     

数据挖掘在信用卡经营管理中的实际应用

数据挖掘是20世纪末期诞生的信息处理技术，是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，抽取隐含在其中的有用信息的方法和过程，其最终目的是发现和推导出有价值的信息，包括概念、规则、模式和模型等，为管理和决策提供参考和支持。目前，数据挖掘技术在很多领域中得到了很好的应用。[第一段]     

有噪复杂度寻踪的新算法

复杂度寻踪是投影寻踪向时间序列数据,即具有时间结构信号的扩展.该方法是和具有时间依赖特性的源信号的盲分离和独立成分分析紧密联系的.在源信号是具有时间依赖特性和存在高斯噪声的情况下,现有的有噪复杂度寻踪算法没有给出自回归系数的估计方法,影响了算法的实际应用,提出了有噪复杂度寻踪的新算法,该算法给出了自回归系数的估计方法.对自然图像和人工信号的仿真表明了提出算法的有效性,和现有的肓源分离算法相比较,提出算法具有好的信号分离性能.     

车联网的安全与隐私保护

车联网正在成为智慧交通的重要组成部分,同时车联网中的安全与隐私也日益受到各方面的关注.车联网的安全性目标包括机密性(非授权用户不能得到有效信息),认证性(信息的发送者、接收者是合法主体),完整性(数据不能被篡改),需要使用好的密码算法保障信息不被非法获取、不被篡改、不被假冒,以及抵抗其他攻击,等等.从本质上来说,车联网环境的要求与其他信息系统的要求是一样的,对于高速行驶的车辆还会额外要求运行的算法是高效的、轻量级的,否则车辆开出去很远了,认证算法还没有执行完毕,系统还没有提供通信服务,是会出问题的,这就不仅是信息安全(Information Security),而是驾驶安全(Driving Safety)了.     

基于机器学习算法的个体索赔准备金评估模型

非寿险赔款准备金对保险公司的风险管理和财务决策具有重要影响。传统的准备金评估方法通常基于汇总的流量三角形数据进行建模,没有充分利用个体索赔案件的信息,且存在参数过度化、难以处理大额赔款和负增量赔款等问题。本文基于每份保单的个体索赔信息,使用随机森林和XGBoost等机器学习算法对案件的赔付状态、赔付金额分别建立了预测模型,改进了传统准备金评估模型的预测效果。实证研究结果表明,影响赔付状态的因素主要是结案状态、报案延迟等跟案件相关的信息,而影响赔付金额的因素则主要是历史赔付金额等反映出险事故严重程度的信息。本文最后还给出了RBNS准备金的预测分布,其结果更加接近准备金的真实值且方差更小,表明在非寿险RBNS准备金评估中,基于机器学习算法的个体索赔准备金评估模型优于传统的准备金评估模型。     

基于信息不对称测度模型的投资者关注与股价崩盘风险

选取2011—2019年沪深A股上市公司为研究样本，利用双边随机前沿模型构建出信息不对称测度模型，在信息不对称测度模型的基础上研究投资者关注与股价崩盘风险的关系。研究结果表明：投资者关注能够显著降低企业股价崩盘风险；投资者更偏向关注国有上市公司，国有上市公司股价崩盘风险更低；此外，投资者关注后所获得的信息相比于管理层隐藏的负面信息，前者对股价崩盘风险的抑制作用更强。     

金融认证对我国城投债发行利率的影响分析

作为一种市场信号,金融认证机制可以为市场提供更多有关发行人的私人信息,有助于缓解债券投资者与发行人之间的信息不对称。本文采用多元线性回归模型,从信用评级认证、承销商认证和第三方担保认证三个角度分析了金融认证对城投债发行利率的影响,研究发现:第一,信用评级认证、承销商认证和第三方担保认证效果良好,能够降低城投债的发行利率;第二,城投债行政级别越高,金融认证效果越好;城投债行政级别越低,银行主承的效果越好;发行期限越长,信用评级认证效果越好。     

私有信息影响我国股票市场价格波动的实证研究

本文针对中国股票市场的特殊情况,改进了波动性模型和隐藏性假说模型,利用中国股票市场的日内交易高频数据实证检验了私有信息对股票市场价格波动的影响。研究发现:私有信息确实存在并对我国股票市场日内交易价格收益率的波动产生了显著性的影响,主要表现为知情交易者为了获得最大的收益,采用了特定的交易类型来避免信息的过快泄露,从而使得市场中的价格变动比率与成交量占比不成比例。