营销决策 知而后行百度探索科学营销高效解决方案

2009年至今，百度与“美银美林”合作“百度通胀指数”，百度数据呈现的CPI数据趋势与政府官方发布的基本一致，并且还可以看到搜索用户对“通胀”的态度、影响因素等其他细节。最近，百度对国内旱情的分析报告，通过数据还原了各地区、行业受旱强度、受旱因素以及急需解决的问题等，为相关决策者提供了直观、直效的帮助。     

基于自适应LASSO变量选择的Logistic信用评分模型研究

本文研究将变量的信息价值作为自适应LASSO变量选择中惩罚项的权重,对考虑了供应链融资相关变量的信用评分变量集合进行变量选择,建立logistic信用评分模型。通过ROC曲线和KS值等指标对比逐步回归和LASSO变量选择建立的模型,得到了基于自适应LASSO变量选择的Logistic信用评分模型具有更好的风险区分能力以及预测的准确性的结论。     

百度的高效营销解决方案

2009年至今,百度与“美银一美林”合作“百度通胀指数”,百度数据呈现的CPI数据趋势与政府官方发布的基本一致,并且还可以看到搜索用户对“通胀”的态度、影响因素等其他细节。最近,百度对国内旱情的分析报告,通过数据还原了各地区、行业受旱强度、受旱因素以及急需解决的问题等,为相关决策者提供了直观、直效的帮助。     

基于百度搜索量数据的消费者信心指数相关性研究

消费者信心指数作为反映消费者信心强弱的重要指标在预测经济发展和消费趋势、监测经济形势和市场趋势方面发挥着不可缺少的作用。在当今大数据时代,网络搜索数据可以即时获取,更新较快,本文利用百度搜索量数据通过因子分析构造网络消费者信心指数并且构建线性回归模型来研究消费者信心指数对于相关经济指标影响。     

大数据时代房地产价格预测模型的研究

大数据时代推动了房地产市场思维方式、管理方式和商业模式的变革。本文利用百度搜索数据,以江苏省南京市为例建立了新建住宅销售价格指数的多元线性回归、完全二次多项式回归和逐步回归模型,仿真结果表明,逐步回归模型预测精度高,稳定性好。     

股市投资者情绪指数构建及其有效性研究——基于东方财富股吧帖文的情感分析

从大数据视角构建高效的投资者情绪指数是行为金融投资研究的热点。本文运用文本大数据获取与情感分析技术构建股票投资者情绪指数,并从金融计量与股价预测角度检验其有效性。首先,利用网络爬虫技术抓取东方财富网的上证指数股吧实时帖文大数据,并基于文本语义情感分析构建股票投资者情绪指数;其次,对该情绪指数进行关于投资者情绪经典代理变量的回归分析,从金融计量视角分析该指数作为投资者情绪测度指标的有效性;然后,按照是否包含情绪指数因子的对比预测方式分别进行建模,利用CEEMDAN-LSTM方法对上证指数序列进行“分解—重组—预测”,进而结合预测结果深入分析不同时间尺度下情绪指数对上证指数的预测能力,从股价预测视角检验情绪指数的有效性。最后,从金融计量与股市指数预测双重视角实证检验投资者情绪指数的有效性,并证实了在不同时间尺度下该指数均可有效反映投资者对股市发展趋势预期的情绪信息。     

投资者关注与白银价格、股票市场相关性

随着我国金融市场的不断地进步和发展,人们的投资选择越来越多,其中股票和贵金属成为投资者的首要选择,二者的相关性也是学者们的研究重点。互联网的快速发展使得搜索引擎成为投资者获得信息的主要来源,百度搜索是投资者使用频率最高的搜索引擎。因此,基于百度指数运用ADCC-GARCH模型来分析研究白银搜索量和白银现货价格、股票市场之间的多元动态相关关系。结果表明:百度指数数据能够对白银的价格产生影响,并能够预测白银的价格。而白银价格在一定程度上又与股市有着负相关,所以百度指数会对股市的价格有一定的影响。     

基于趋势外推法的B2C总体发展趋势预测

统计数据表明B2C近6年的销售额符合趋势外推法的基本假设,文章对指数曲线模型进行变换得到直线模型,利用B2C2008年至1012年每个季度的销售额数据计算出模型系数,结合百度搜索指数,具体预测了京东商城2013年1季度的销售收入。文章的创新之处在于引入了搜索量概念,意义在于对B2C企业制定发展规划有一定的参考价值。     

改进萤火虫算法在Okumura-Hata模型修正中的应用

针对Okumura-Hata模型在不同区域对电波传播衰减的预测与实测难以匹配的问题，提出了一种Okumura-Hata模型修正方法。提取Okumura-Hata模型的各参数作为带约束条件的优化变量，以预测值与实测值的均方根误差和平均误差的加权和构造适应度函数，运用萤火虫算法进行优化实现Okumura-Hata模型在西安市区的本地化。在萤火虫算法中引入了“基因突变”和“优胜劣汰”操作，形成了一种改进型算法。基于大量实测数据的模型修正结果表明，所提方法可使电波损耗的预测值与实测值的均方根误差达到理论最小值9.585 9 dB，具有可行性。与基本萤火虫算法相比，改进的算法全局搜索能力更强，收敛速度更快。     

基于季节ARIMA模型的安徽省CPI预测

以安徽省CPI月度数据为样本数据,利用Eviews6.0软件,建立乘积季节预测模型,并用该模型预测安徽省未来三个月的CPI指数,结果比较真实、能准确地反映安徽省CPI变化趋势。     

精准营销和社群营销将是互联网营销的主流——访百度广告部总监李峰

百度还是那个百度，凭借他我们可以在网络资讯的海洋里直接命中目标，且无孔不入；百度已经不是那个百度，搜索大鳄百度的角色开始多元化，已经超越了单纯的搜索引擎网站。百度正在积极架构搜索社区，将未来发展方向定到了“社区生活”。最新的相关数据也表明百度的努力已经初见成效。百度是如何挖掘社区的商业价值的？精准营销如何实现？为此我们特意采访了百度广告部总监李峰先生。[编者按]     

采用改进全卷积网络的“高分一号”影像居民地提取

针对现有的高分辨率遥感图像居民地信息提取精度和效率不够高的问题，提出了一种基于改进全卷积网络的“高分一号”（GF-1）遥感影像居民地提取方法。首先，通过专业的目视解译制备大量居民地训练样本；然后，将预训练过的深度卷积神经网络进行全卷积网络的改造，并以具有多尺度卷积核的Inception模块代替由全连接层改造的卷积层，达到减小网络模型参数量、增加特征表达能力的目的；最后，用制作好的高分辨率遥感图像居民地数据集进行训练和验证，生成可直接进行居民地信息提取的全卷积网络。实验结果表明，基于改进全卷积网络的方法可以实现精确有效的居民地信息提取，Kappa系数超过94%。     

百度遭遇竞价排名危机

百度近来是非多。 自从“三鹿奶粉”事件中曝出一些问题奶制品企业出巨资要百度消除负面信息，百度竞价排名搜索固有的花钱可以改变搜索结果的弊端就已经显现。     

基于因子分析的套利定价模型及实证研究

众所周知,建立套利定价模型的关键在于因素的筛选,计算量很大。而因子分析能将为数众多的原始指标变量经过分析综合为少数几个公共因子变量,从而大大减少计算的复杂度。本文利用因子分析的方法对11个因素进行筛选,确定四个能够很好地反映所有因素包含的信息但又互不相关的公共因子变量,并建立套利定价模型,实证检验说明,通过该方法进行因素筛选建立的套利定价模型具有较好的定价效果。     

基于Kalman—EMD技术的变形量信息提取模型

本文结合Kalman滤波白噪声去噪能力和EMD较强的趋势项提取功能,提出Kalman滤波降噪-EMD瞬时变形量信息提取模型。通过对模拟数据与GPS实测数据的处理分析认为,该方法克服了直接运用EMD分解中由于大量噪声带来的不必要的干扰,减少了EMD分解层数以及累积边界效应对信号提取的影响,提高了瞬时移动量的提取精度;利用Kalman滤波降噪-EMD瞬时变形量信息提取模型处理GPS变形监测数据,可以获得高精度的变形量信息,动态变形监测垂直方向的精度可以达到mm精度。     

IT业：百度和GOOGLE的较量刚刚开始

提到搜索引擎，不得不提的就是两大巨头google和百度。百度，人们习惯给它贴上“中国Google”的标签；Google，被认为是搜索最全面的工具。其实，无论是“中国的Google”，还是“Google中国”，都无法掩盖他们搜索之争的实质。[编者按]     

基于马田系统的金融危机预警指标选择研究

金融危机产生的严重后果及其深远影响已为世人所知。美国次贷危机的爆发使人们对金融危机的研究再次成为热点。预警模型是金融危机预测的主要方法，而变量的选择是模型构造的关键。因此，选择合理的经济变量作为预警指标，对于金融危机的有效预测具有重要的现实意义。本文以51个国家数据作为样本，选取了代表宏观经济不同侧面的12个经济指标，利用多元变量系统诊断技术对马田系统进行分析，在保持或不降低预警模型预测能力的情况下，有效地减少了预测指标的数量，这对提高模型的预测水平和减轻前期数据收集工作具有重要意义。     

消费者信心指数与CPI分类指数的关联分析

消费者信心指数(CCI)作为预测经济走势和消费趋向的先行指标,对居民消费价格指数(CPI)具有一定的预测能力。本文运用协整分析、Granger因果检验及脉冲响应函数等方法,实证分析了CCI与CPI之间的相关关系。实证结果表明,CCI和CPI及各CPI分类指数之间存在长期一致的均衡关系。因此,在测定CCI对价格的预测能力时,不仅应针对CPI指数,更应该针对具体的CPI分类指数,以便更好地发挥CCI预测经济走势和消费趋向的功能。     

每天都是社交季

点击百度，搜索“企业家圈子”；你会发现相关信息多达214万条。“物以类聚，人以群分”，“圈子”对商人尤为重要。但，“圈子”有时会像一座城堡；外人渴望知道城堡里的生活，而那些进入城堡的人；又想进入其他的，更大的城堡……圈里圈外，到底是怎样的利益交换？怎样的一种生活？     

期货对现货价格预测的作用——基于ARIMA模型的实证探讨

本文通过建立ARIMA模型和ARIMAX模型,以我国HS300指数为研究对象。在准确识别的基础上,实证检验了我国hs300指数的日内指数现货价格序列。通过ARIMAX模型的输入变量包含了IF8888指数期货价格序列,将指数期货价格信息反映到现货价格的预测过程中,同时与ARIMA模型作比较。研究发现,带指数期货价格序列输入变量的ARIMAX模型与不存在其他输入变量的ARIMA模型在相同的参数条件下,前者的拟合误差下降,预测精度显著提高。说明期货价格信息可以更好地预测现货指数价格。同时为了说明预测的可信性,本文选取期货交易所的官方数据。在数据的平稳性检验部分用了ADF检验来进行平稳性的检验和对d值的确定,在对p值和q值的确定上,使用了枚举法来进行最佳组合的选取,这些都保证了预测的精确性和可信性。