数据挖掘方法及其在我国财政管理领域的应用

以数据挖掘方法的基本概念和挖掘过程为基础,探讨数据挖掘方法在财政管理中的应用。主要内容有：（1）数据预处理,是指在对数据进行数据挖掘之前,先对原始数据进行必要的清洗、集成、转换、离散和规约等一系列的处理工作,使之符合挖掘算法进行知识获取研究所要求的最低标准;（2）分类挖掘法,包括贝叶斯算法、决策树算法、遗传算法、k－近邻算法和人工神经网络;（3）关联挖掘法,挖掘探索出隐藏在数据间的相关关系;（4）聚类挖掘法,按照样本在性质上的亲疏远近进行分类。通过对财政管理中的财政收入进行挖掘,得出结论：企业所得税虽然在数值上往往比营业税或者增值税高,但通过决策树算法进行挖掘,可以看到在财政收入中企业所得税与税收占比极可能具有更强的关联性。     

恶意干扰下基于斯坦伯格博弈的无人机动态频谱分配

针对恶意干扰场景下无人机群动态频谱分配问题,构建了基于斯坦伯格博弈的动态频谱分配模型,干扰机为斯坦伯格博弈的领导者,无人机群为斯坦伯格博弈的跟随者,设计了不同博弈参与者的效益函数,并证明了该博弈存在稳定的斯坦伯格均衡解。在此基础上设计了一种分层动态频谱分配算法,针对领导者采用Q学习选择干扰信道的场景下,跟随者采用随机学习自动机来确定信道分配策略。仿真结果表明,所提算法能够得到无人机用户的最优信道分配策略,有效提升无人机用户的总吞吐量性能,实现效益最大化。     

基于随机占优的投资组合保险策略参数设计

固定比例组合保险(CPPI)策略是机构投资者广泛使用的一种动态资产配置策略.而如何设置策略中的参数是策略运作的重点和难点.本文在介绍了CPPI策略及参数设计的基本原理之后,通过比较不同参教设置下策略的绩效来确定参数.在评估策略绩效时,考虑到组合保险能对下侧风险进行保护同时又能获得向上潜在收益,对该策略的评价应当考虑收益的分布状况而不仅仅是收益的某些统计特征.本文引入随机占优理论,利用近十年来上证综指的数据信息,结合块自助法技术,对不同参数设置下CPPI策略的绩效以及策略之问的随机占优关系进行实证分析,从而通过占优策略确定最优的参数设置.     

基于数据挖掘的会计舞弊识别问题研究综述

本文检索了近年来基于数据挖掘的会计舞弊识别方面的文献,归类比较挖掘数据、算法以及分类器评价方法和分类效果,为投资者、监管部门和审计师在舞弊识别中选用适当数据和挖掘技术及优化模型提供借鉴。现有研究多对舞弊和配对非舞弊样本进行有标签挖掘,特征值涵盖审计师数据、公司治理数据、财务报表数据、行业和交易数据多个类别。当前研究以反映舞弊三角的综合数据为主,比率数据比账户数据更有效,主要算法包括统计检验、回归分析、神经网络、决策树、贝叶斯网络、堆栈变量法等。其中,回归分析应用最为普遍,神经网络在识别效果和准确性方面总体上优于回归模型,模型辅助检测优于审计师无辅助检测。现有文献还缺乏无标签挖掘和时序数据挖掘研究。     

模拟退火算法和应用

模拟退火算法．算法是基于Mente arlo迭代求解策略的一种随机寻优算法,其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。模拟退火算法在某一初温下,伴随温度参数的不断下降,结合概率突跳特性在解空间中随机寻找目标函数的全局最优解,即在局部优解能概率性地跳出并最终趋于全局最优。模拟退火算法是一种通用的优化算法。     

注册会计师利用KDD技术加强审计抽样风险控制

KDD是指数据库中的知识发现(Knowledge Discovery Database),也称为数据挖掘技术,是一种特定应用的数据分析过程,它可以从包含大量冗余信息的数据中提取尽可能多的隐藏知识,从而为做出正确的判断提供基础。KDD的定义简单地说, 数据挖掘是从大量数据中提取或“挖掘”知识。也有许多学者将数据库中的知识发现或KDD视为数据挖掘的同义词,还有许多类似的术语,如知识提取、数据模式分析、数据捞取等。[1]本文采     

注册会计师利用KDD技术加强审计抽样风险控制

KDD是指数据库中的知识发现(Knowledge Discovery Database),也称为数据挖掘技术,是一种特定应用的数据分析过程,它可以从包含大量冗余信息的数据中提取尽可能多的隐藏知识,从而为做出正确的判断提供基础.KDD的定义简单地说,数据挖掘是从大量数据中提取或"挖掘"知识.也有许多学者将数据库中的知识发现或KDD视为数据挖掘的同义词,还有许多类似的术语,如知识提取、数据模式分析、数据捞取等.     

晋江地区农户借贷行为的实证分析

农户的借贷行为是农村金融市场的最基本的数据,本文以在晋江四个样本村实地发放并回收的256份调查问卷为基础,从农户角度出发多方面分析和挖掘农户借贷行为背后隐藏的经济学含义.     

数据库技术中的决策树ID3的改进算法分析

决策树是建立在信息论基础之上,对数据进行分类挖掘的一种方法。决策树方法精确度比较高,结果容易理解,效率也比较高,因而比较常用。至今已经提出了决策树的很多算法,通过分析己知的分类信息得到一个预测模型。本文介绍了经典ID3算法,并在指出传统ID3算法的弊端的基础上,提出了结合ID3算法的优化算法。     

可疑金融交易识别中的约束关联规则算法研究

在挖掘可疑金融数据中,提出一种快速的基于FP-tree的约束最大频繁项目集挖掘算法,把发现约束频繁项目集的问题转化为发现约束最大频繁项目集的问题。算法可以根据用户的需要,随时减少不满足约束条件的候选项目集的个数,提高运行效率,同时可确定挖掘主属性,确定生成的关联规则范围,为有效开展可疑金融交易识别提供了有益的参考。     

数字经济中竞争性垄断与算法合谋的治理困境

在数字经济的治理结构中,传统政府治理范式与数字经济特征的不相匹配诱发诸多治理困境与挑战.对数字经济治理困境进行学理性解释,应在适应经济发展形势变化的基础上,完善数字经济治理理论基础,探索反垄断规制具体治理举措.本文对数字经济的考察以竞争性垄断市场结构中算法合谋现象作为出发点,挖掘数字经济中竞争性垄断市场产生的原因及算法合谋的治理困境.首先,基于数字经济的资源特点和技术特征,分析了数字经济中市场结构变化与算法合谋形成的本质内涵和机理;其次,对比传统经济,分析得出竞争性垄断市场结构是数字经济中技术竞争、创新以及标准化约束的必然结果;再次,基于算法合谋的高隐蔽性以及数字经济中出现的竞争性垄断市场的特点,分析了国家反垄断规制中数据市场边界与数据纠纷、市场支配地位认定、算法卡特尔与垄断协议模糊等问题;最后,提出在竞争性垄断市场中算法合谋治理应实现监管机构、平台、用户三方共治的应对策略.     

基于关联规则的数据挖掘

挖掘关联规则就是发现大量数据中项集之间相关联系的过程。它在数据挖掘中是一个重要的课题,最近几年已被业界公开研究,成为一个热点。本文对关联规则下的数据挖掘Apriori算法进行了分析和研究。     

深入挖掘闪存盘的隐藏潜能

相信目前闪盘的“身影”已经变得随处可见了，不过许多人只知道使用闪盘来保存普通的数据文件，其实闪盘的作用并不仅仅是保存数据那么简单，它还有许多不为人所知道的潜能，将它的隐藏潜能全部挖掘出来后。一定会让各位眼前一亮!     

融合发展下物流与制造业绿色技术创新的随机演化分析

物流与制造业作为碳排放最大的两个行业,两业融合发展下的绿色技术创新是实现可持续发展的重要行动。论文考虑内外部随机干扰引入高斯白噪声,构建由地方政府、制造商与物流企业构成的三方随机演化博弈模型,讨论随机博弈系统稳定性并求得参数数值边界,结合数值仿真方法对影响两业协同绿色技术创新的因素做敏感性分析。分析表明：奖惩措施能够有效促进两业进行绿色技术创新,经济利益不是地方政府首要考虑的问题,推行低碳生产运输获得社会公信力是地方政府看重的要点。在“风险共担”与“利益共享”下,物流企业是愿意承担更多绿色创新成本的一方。高强度的信息披露与自查力度是推进两业协同绿色创新的有效手段。随机干扰强度与主体策略选择波动成正比,地方政府展示出了最高的稳定性,制造商表现出最大的波动性,政府与物流企业需要重点关注制造商的消极创新行为并对合作契约进行优化。     

制造业企业合作创新知识共享策略研究

合作创新是制造业企业整合资源、分担创新风险以及提升创新效率的一种有效形式，但其另一方面也加剧了核心知识泄露、核心竞争力丧失等风险。为探究制造业企业合作创新过程中的知识共享策略，基于制造业企业合作创新中的开放策略、半开放策略、不开放策略，构建制造业企业合作创新知识共享策略选择博弈模型，运用MATLAB软件，通过数值模拟演示不同决策参数变化对策略选择的影响。结果表明：在有限理性下，制造业企业会选择半开放策略，决策受企业自身知识泄露风险系数、知识成本、知识隐藏系数、合作伙伴知识吸收能力、违约金的影响。据此，提出相关建议。     

大数据监管背景下评标专家是否选择隐藏道德行为？——基于演化博弈的视角

在线评审模式的大数据监管在改变传统评标管理方式的同时也使评标监管智慧化、精细化。评审模式的转变将引起评标专家隐藏道德行为的变化。在有限理性的前提下,构建了评标专家隐藏道德行为演化博弈模型,通过Matlab数值仿真模拟的方式对比了有无大数据监管的评标专家行为。研究表明,传统的面对面评标模式评标专家最终会演化为隐藏道德行为,而大数据监管有效地规治了这一行为,但当隐藏道德的额外收益过高时,评标专家仍会选择隐藏道德行为实现自身的利益最大化。因此,应改变传统的面对面评标模式,采用线上评标的方式;充分发挥大数据监管的优势;建立健全多方位监管机制;建立激励约束机制。     

计算机前沿技术在科技管理领域的应用研究

数据挖掘，在科研领域也称为数据库中的知识发现，是一个利用各种分析工具在海量数据中发现模型和数据间关系的技术。Web挖掘是数据挖掘技术在Web上的应用。Web挖掘处理的对象主要是半结构化的数据，这是它最主要的特点。目前我们的研究工作正是利用该项技术来实现科技信息的网络动态监测和信息的自动获取。自然语言处理技术，是指利用特定的算法使计算机系统能够理解和生成自然语言。它是人工智能活跃的研究领域之一，是人文科学和自然科学的交叉性学科．     

浅析企业调节利润的途径

目前企业在会计信息披露方面做的欠佳,部分企业披露了真实的会计信息,但是在结合企业实际经营环境后再仔细分析会计报告中的数据,却值得商榷.数据虽然有理可依,但并非反映了企业真实的情况,有的企业利润高,实际上在行业中的竞争力却在下降,有的企业利润有所降低,却很有可能是管理者为达到既定目标而采取的战略.本文通过研究上市公司企业财务报表中可能隐藏利润的账户及企业实际经营环境,来得出企业隐藏或虚增利润的途径,供财务报告使用者参考.     

开放式基金绩效实证分析——St0NED与DEA方法的比较

随机非参数数据包络（StoNED）方法作为SFA与DEA方法的结合,成为随机前沿分析的一种新方法。而同为非参数数据包络方法,StoNED相对于DEA方法的优势何在？本文采用相同的数据而使用不同的方法,来说明StoNED方法在实证中的优缺点。     

开放式基金绩效实证分析--StoNED与DEA方法的比较

随机非参数数据包络（StoNED）方法作为SFA与DEA方法的结合,成为随机前沿分析的一种新方法。而同为非参数数据包络方法,StoNED相对于DEA方法的优势何在？本文采用相同的数据而使用不同的方法,来说明StoNED方法在实证中的优缺点。