Python贷款违约预测:Logistic、Xgboost、Lightgbm、贝叶斯调参/GridSearchCV调参
WeChat Tencent QQ email print 由Linseng Bo撰写 解决方案 任务/目标
WeChat Tencent QQ email print 由Linseng Bo撰写 解决方案 任务/目标
随着农业和农村经济的快速发展,各地区之间的经济差异日益显著。
自组织地图(SOM)是一种强大的无监督数据可视化工具,它通过降维技术,在较低(通常二维)的空间中有效地展示高维数据集的内在结构和特征。
汇率和股价指数之间的联系是许多经济学家和投资者关注的重要议题。
本文旨在利用神经网络模型来帮助客户预测上证指数的收盘价,通过分析不同历史数据作为输入,建立模型并进行预测。
数据读取和处理是金融分析中非常重要的一步。
本文主要介绍了如何帮助客户通过读取数据、查看部分数据、转换数据为因子并将数值变量归一化、进行描述性分析、建立knn模型等步骤对数据进行分析。
主要思路为了准确的估计股票价格,了解股票的一般规律,更好的为资本市场提供参考意见和帮助股民进行投资股票作出正确
2023年,中国经济从高速向高质量转型,众多保险公司将队伍转型视为寿险行业供给侧改革的关键。
为了解某市规模以上工业企业创新情况,对该市企业的创新活动进行调查,分别得出三组数据testl(企业财务情况
金融市场的波动性一直是投资者和决策者关注的焦点之一。
客户流失是一个存在于各个行业的严重问题,这一问题也同样受到众多电信服务提供商的关注——因为获得一个新客户的成本远远超过保留一个老客户的成本。
蒙特卡罗方法的常见用途是对可能难以通过解析积分的函数执行数值积分。
如何精准定位目标客户,准确量化客户需求来开发新的产品组合,并预测其可能的市场份额。
数据显示2019年全国城镇私营单位就业人员年平均工资为53604元,比上年增长8.1%。
信用风险建模是金融领域的重要课题,通过建立合理的信用风险模型,可以帮助金融机构更好地评估借款人的信用状况,从而有效降低信贷风险。
随着互联网、5G时代到来,大数据横空出世,数据变得越来越重要,如何针对业务问题和需求 ,提取有效特征数据并对问题进行深入分析,最终得到可靠的结论是数据分析最核心的环节,只有得出正确的结论才能对症下药,提出正确的方案,为产品运营提供有力支撑;
数据变得越来越重要,其核心应用“预测”也成为各个行业以及产业变革的重要力量。
众自20世纪80年代至今,随着改革开放的深入以及中国最终加入WTO,我国的对外贸易实现了跨越式的发展,中国已经成为世界第一大出口国和第二大进口国,中国经济对世界经济做出了重大贡献。
虽然中国股票市场日益完善,但还不完全是弱有效市场,因此中国股票市场存在比较明显的通过技术分析达到的套利机会。
追求信贷规模的扩张,往往会导致贷款逾期率的不断增加,如何在当今社会运用数据识别用户特征进行风险管控成为了银行放贷的重点依据。
WeChat Tencent QQ email print 由Kaizong Ye,Sherry Deng撰写
本报告合集探讨了汽车再制造产业与车险行业的合作前景,提出了一些关键建议,以促进两个领域的融合发展。
传统时间序列模型允许包含过去观察到的系列信息,但不允许客户包含其他可能相关的信息。
随机波动模型(Stochastic volatility models)经常被客户用来对股票价格随时间的变动性进行建模。
在这里,我们将帮助客户将 PyMC3 用于两个贝叶斯推理案例研究:抛硬币和保险索赔发生。
金融市场的股票价格时间序列分析一直以来都是投资者和研究者关注的主题之一。
自我国提出双碳目标以来,可持续金融市场发展迅速,呈现蓬勃发展的态势。
随着经济的快速发展和城市化进程的不断推进,土地资源的利用和管理成为了一项极为重要的任务。
影响股票收益的因子一直是研究者与投资者关注的问题。
股票市场波动性模型一直是金融领域研究的热点之一。
本文的研究目的是基于R语言的k-prototype算法,帮助客户对新能源汽车行业上市公司进行混合型数据集的聚类分析。
随着我国经济的快速发展,上市公司的经营绩效成为了一个备受关注的话题。
在金融市场中,债券的流动性风险一直是一个备受关注的问题。
WeChat Tencent QQ email print 由Li Yu撰写 进而起到降维的目的,还可检验变量
研究黄金价格的动态演变过程至关重要。
时间序列模型的理论已经非常丰富,模型的应用也相当广泛。 WeChat Tencent QQ email pri
大量数据中具有”相似”特征的数据点或样本划分为一个类别。
对于影响北京市GDP 因素分析常用的方法是最小二乘回归。【1】
本文深入分析了国内外关于股权结构与公司绩效的影响因素
凯恩斯相关理论主要是美国20世纪30年代的经济危机而提出的,主张政府干预经济,实行宏观调控。
多元时间序列建模一直是吸引了来自经济,金融和交通等各个领域的研究人员的主题。
单位根的随机性趋势与协整关系对实证分析中时间序列的影响是不容小觑的。
2015年以来,通货膨胀越来越成为我国的重要经济现象。
本文以多因素模型在股票交易中的应用为背景,帮助客户针对Logistic选股模型的理论基础以及模型原理方面分析Logistic选股模型的可行性与稳定性。为保证模型的可靠和稳定,使用过去五年的历史数据来检测模型。
股指期货的套利交易有助于股指期货实现其价格发现以及风险规避的功能。
投资者最关心的两个问题就是收益率和股息,两者作为公司经营状况的两个重要方面,往往同时出现在投资报告中,二者之间具有较强的关联性。
Copula方法是测度金融市场间尾部相关性比较有效的方法,而且可用于研究非正态、非线性以及尾部非对称等较复杂的相依特征关系。
随着金融市场全球化的发展,金融产品逐渐受到越来越多的关注,而金融产品的风险度量成为投资者最关心的问题。
情感分析,就是根据一段文本,分析其表达情感的技术。
基于当前统计的股票数据选择最优的选股方案和投资组合方案,以及预测股票价格未来一段时间的走向趋势以及波动程度,具有很大的实用价值
普通的模型对于两个序列的波动分析一般是静态的,但是dcc-garch模型可以实现他们之间动态相关的波动分析
以全国31个省、市、自治区的城镇居民家庭平均每人全年消费性支出的食品、衣着、居住、家庭设备用品及服务、医疗保健、交通与通讯、娱乐教育文化服务、其它商品和服务等 8 个指标数据为依据
摘要:此报告首先将dataset进行数据清洗,得到dataset_new。
本文做SV模型,选取马尔可夫蒙特卡罗法(MCMC)、正则化广义矩估计法和准最大似然估计法估计。
让个人购买人员了解美国国债期货的特性,以便于进行个人投资及管理。
作为衡量通货膨胀的基本指标,消费者价格指数CPI和生产者价格指数PPI的作用关系与传导机制一直是宏观经济研究的核心问题。
我们和一位客户讨论过如何在R软件中实现稀疏主成分分析。
我们和一位客户讨论如何在R软件中处理GARCH族模型。
Limit Order Book Pricer
在信用卡分析时,我们向客户演示了用SQL Server的数据挖掘算法可以提供的内容。
从Engle在1982发表自回归条件异方差(ARCH)模型的论文以来,金融时间序列数据的波动性就倍受关注。
最近我们被客户要求撰写关于投资组合的研究报告,引入Copula来描述多只股票间的非线性相关性,构建多元GARCH-EVT-Copula模型来度量开放式基金的风险,并与其他VaR估计方法的预测结果进行比较。
本文基于 CPV 模型, 对房地产信贷风险进行了度量与预测。
在应用的设置中,我们经常遇到分类数据类型和连续数据类型的组合。
我们将利用每日数据制定简单的交易策略 我们将涵盖以下内容。
案例数据集是在线零售业务的交易数据,采用Python为编程语言,采用Hadoop存储数据,采用Spark对数据进行处理分析,并使用Echarts做数据可视化。
永远不要错过任何见解。当新文章发表时,我们会通过微信公众号向您推送。
技术干货
最新洞察
This will close in 0 seconds