CN115511569A - 一种金融风险监控装置和方法 - Google Patents

一种金融风险监控装置和方法 Download PDF

Info

Publication number
CN115511569A
CN115511569A CN202211226238.7A CN202211226238A CN115511569A CN 115511569 A CN115511569 A CN 115511569A CN 202211226238 A CN202211226238 A CN 202211226238A CN 115511569 A CN115511569 A CN 115511569A
Authority
CN
China
Prior art keywords
financial
income
user
time
product
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211226238.7A
Other languages
English (en)
Inventor
张敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan University of Technology
Original Assignee
Hunan University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hunan University of Technology filed Critical Hunan University of Technology
Priority to CN202211226238.7A priority Critical patent/CN115511569A/zh
Publication of CN115511569A publication Critical patent/CN115511569A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • Operations Research (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明涉及经济监测设备领域，具体公开了一种金融风险监控装置和方法，通过监控用户的理财操作，得到用户在过去设定的一段时间内的理财收益和理财产品；通过监控用户与银行的业务，得到用户在所述的过去设定的一段时间内的财富收入；将所述理财收益、所述理财产品以及所述财富收入分别转化为设定的格式；将转化后的所述理财收益、所述理财产品以及所述财富收入分别输入到训练好的神经网络模型中，得到模型输出；将所述模型输出转化为推荐产品，并将所述推荐产品输出给用户。本发明根据客户的以往理财的情况，对客户进行风险的设定和理财的推荐，使得客户在理财的时候更加的轻松。

Description

一种金融风险监控装置和方法
技术领域
本发明涉及经济监测设备领域，特别涉及一种金融风险监控装置和方法。
背景技术
随着经济财富水平的提升，人们都希望自己的财富稳健的增长，因此，也就有越来越多的人们开始进行理财。目前的理财根据其规则可以分为多种多样的形式，例如基金、债券、股票等，均是理财的一种形式。人们在进行管理自己的财富的时候，同时会将上述的一种或者多种形式的理财进行组合，从而实现财富增长的最大化，同时也实现稳定的财富增长。
理财活动是一项专业的工作，需要专业的金融人员根据金融的过去情况进行分析，并结合当时的时事进行判断，才能保证收益的最大化。而对于一般的非金融工作人员，对于金融知识掌握的不多，并且对于金融的决策也没有明确的认知，只是单纯的根据自己的经验对财富进行操作，这样往往会造成极大程度的亏损，因此，目前银行会根据客户的实际承受情况，对客户进行理财形式的限制，对于一些高风险的理财，不会允许承受情况较低的客户选择。
这样的方式虽然可以极大程度的避免客户由于投资理财不当而造成不必要的损失。但是这样的方式也存在着极大的不足，首先就是不够智能，这样的方式需要根据客户的实际情况，对客户定期地进行风险的测试，操作非常的繁琐，其次就是这样的方式无法得到客户的金融专业程度，也无法对客户进行合适的理财推荐。由此可见，客户在进行理财的时候，只能根据自己的经验和所能够承受的风险进行判断，需要投入大量的时间和精力去学习和研究，才能进行合理的理财，客户的理财过程非常的不轻松。
发明内容
本发明的目的是克服上述现有技术中存在的问题，提供一种金融风险监控装置和方法，根据客户的以往理财的情况，对客户进行风险的设定和理财的推荐，使得客户在理财的时候更加的轻松。
为此，本发明提供一种金融风险监控方法，包括如下步骤：
通过监控用户的理财操作，得到用户在过去设定的一段时间内的理财收益和理财产品；
通过监控用户与银行的业务，得到用户在所述的过去设定的一段时间内的财富收入；
将所述理财收益、所述理财产品以及所述财富收入分别转化为设定的格式；
将转化后的所述理财收益、所述理财产品以及所述财富收入分别输入到训练好的神经网络模型中，得到模型输出；
将所述模型输出转化为推荐产品，并将所述推荐产品输出给用户。
进一步，将所述理财收益、所述理财产品以及所述财富收入分别转化为数字格式。
更进一步，所述理财收益转化为数字格式的方式，包括如下步骤：
将所述理财收益根据收益的时间进行分割，得到多个理财净收入以及对应的时间；
将每一个所述理财净收入根据收入的档次依次进行标记；
将每一个所述理财收益对应的档次、时间以及净收入依次转化为数值并按照时间顺序排列；
输出排列好的数字串，得到所述理财收益的数字格式。
更进一步，所述时间使用数值表示的时候，使用设定的时间格式表示。
更进一步，所述理财产品转化为数字格式的方式，包括如下步骤：
将用户所购买的理财产品按照产生所述理财收益的时间顺序依次排列；
分别获取每一个所述理财产品所对应的产品编号；
将每一个所述理财产品所对应的产品编号按照所述理财产品的排列顺序依次排列；
输出排列好的数字串，得到所述理财产品的数字格式。
更进一步，每一个所述理财产品所对应的产品编号的数值个数相同。
更进一步，所述财富收入转化为数字格式的方式，包括如下步骤：
将用户每个月的收支进行计算，得到用户的月净收入；
将每一个月的月净收入与其对应的时间进行组合，得到每一个月的财富收入数组；
将每一个月的财富收入数组按照时间先后顺序依次排列，得到财富收入矩阵；
输出所述财富收入矩阵，得到所述财富收入的数字格式。
进一步，所述模型输出与所述推荐产品一一对应，所述模型输出与其对应的所述推荐产品分别存储在数据库中。
相对于上述提出的一种金融风险监控方法，本发明基于上述的一种金融风险监控方法，还提出了一种金融风险监控装置，其包括处理单元，所述处理单元上运行有处理程序，所述处理程序能够实现上述的一种金融风险监控方法。
本发明提供的一种金融风险监控装置和方法，具有如下有益效果：
本发明通过检测客户以往的理财收益状况，得到客户的理财经验，同时根据客户的收支情况得到客户的风险承受能力，最后根据这两方面的情况，综合的对客户进行理财的推荐，使得客户在理财的时候，所需要的与所推荐的相一致，达到客户轻松理财，稳健收益的效果；
本发明通过将理财的收益和客户的收支进行量化，同时将对应的理财形式也进行数据的量化，通过将客户的情况量化和理财形式的量化进行对比，得到其之间的对应关系，并根据这个对应关系进行理财的推荐，因此，本发明相对于现有的技术，对于理财的推荐由于量化的因素会更加的准确。
附图说明
图1为本发明的方法整体流程示意框图；
图2为本发明的理财收益转化为数字格式的流程示意框图；
图3为本发明的理财产品转化为数字格式的流程示意框图；
图4为本发明的财富收入转化为数字格式的流程示意框图。
具体实施方式
下面结合附图，对本发明的一个具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
在本申请文件中，未经明确的部件型号以及结构，均为本领域技术人员所公知的现有技术，本领域技术人员均可根据实际情况的需要进行设定，在本申请文件的实施例中不做具体的限定。
具体的，如图1-4所示，本发明实施例提供了一种金融风险监控方法，包括如下步骤：
(一)通过监控用户的理财操作，得到用户在过去设定的一段时间内的理财收益和理财产品；
(二)通过监控用户与银行的业务，得到用户在所述的过去设定的一段时间内的财富收入；
(三)将所述理财收益、所述理财产品以及所述财富收入分别转化为设定的格式；
(四)将转化后的所述理财收益、所述理财产品以及所述财富收入分别输入到训练好的神经网络模型中，得到模型输出；
(五)将所述模型输出转化为推荐产品，并将所述推荐产品输出给用户。
上述技术方案中，步骤(一)到步骤(五)按照逻辑顺序依次进行，将用户在进行本次操作的过去一段时间内(例如过去的一年的时间内)，分别得到用户对于财富的各项指标，这些指标分别是理财收益和理财产品，这个可以体现出用户的理财情况，同时通过与银行的业务，可以展示出用户的收入情况，也就是说用户的经济实力，再根据用户的经济实力和用户的理财情况，在保证用户收益最大化的基础上，为用户推荐合适的理财产品，这些理财产品作为上述的推荐产品输出给用户。
同时，在本发明中，神经网络模型是根据每一个理财的银行所特有的，根据对应的银行的理财业务进行训练而得到的。
上述的技术方案中，本发明通过检测客户以往的理财收益状况，得到客户的理财经验，同时根据客户的收支情况得到客户的风险承受能力，最后根据这两方面的情况，综合地对客户进行理财的推荐，使得客户在理财的时候，所需要的与所推荐的相一致，达到客户轻松理财，稳健收益的效果。
在本发明中，将所述理财收益、所述理财产品以及所述财富收入分别转化为数字格式。通过数字的格式不但可以使用后续的神经网络模型，还可以通过量化的方式对这些数据进行表示，还可以通过数据的方式表示清楚的表示出不同情况下的用户情况，可以有效的扩大接收的接收面，可以达到用户接收数量的最大化程度。
下面，我们分别接收每一个所述理财收益、所述理财产品以及所述财富收入分别转化为数字格式的过程。在数据分割的过程中，就充分的考虑了参数的变动过程，将时间节点考虑进去，使得通过波动的数组的方式对这些参数进行表示，所得到的表示方式也更加的真实。
本发明通过将理财的收益和客户的收支进行量化，同时将对应的理财形式也进行数据的量化，通过将客户的情况量化和理财形式的量化进行对比，得到其之间的对应关系，并根据这个对应关系进行理财的推荐，因此，本发明相对于现有的技术，对于理财的推荐由于量化的因素会更加的准确。
基于上述技术方案的描述，所述理财收益转化为数字格式的方式，包括如下步骤：
(1)将所述理财收益根据收益的时间进行分割，得到多个理财净收入以及对应的时间；
(2)将每一个所述理财净收入根据收入的档次依次进行标记；
(3)将每一个所述理财收益对应的档次、时间以及净收入依次转化为数值并按照时间顺序排列；
(4)输出排列好的数字串，得到所述理财收益的数字格式。
上述技术方案中，步骤(1)到步骤(4)按照逻辑顺序依次进行，通过将每一个时间节点将收益的时间进行分割，得到的就是各个时间段，各个时间段分别具有其在该时间段的理财收益，将这些理财收益进行细化，理财的收益是多个理财产品的组合，将各个理财产品的理财对应的档次以及净收入进行数字化的表示(一般会使用对于各个理财产品根据其档次对其对应的净收入进行加权计算得到)，然后将这些计算都的数值根据时间顺序排列，因此可以得到各个时间顺序上各个时间段的理财收益情况，也就是理财收益的数字格式。
由此，本发明通过数字量化的方式，直观的表示理财收益的参数指标，所起到的效果不但可以更加的真实表示过去的一端时间的收益情况，也可以在技术上起到通过将输入转化为数组的方式加快神经网络模型运算的作用。
作为上述技术方案的优选，所述时间使用数值表示的时候，使用设定的时间格式表示。一般的，使用的是多位数的方式进行表示，只表示到日期即可。例如2022年9月1日表示为20220901。
同时，上述技术方案中，所述理财产品转化为数字格式的方式，包括如下步骤：
<一>将用户所购买的理财产品按照产生所述理财收益的时间顺序依次排列；
<二>分别获取每一个所述理财产品所对应的产品编号；
<三>将每一个所述理财产品所对应的产品编号按照所述理财产品的排列顺序依次排列；
<四>输出排列好的数字串，得到所述理财产品的数字格式。
上述技术方案中，步骤<一>到步骤<四>按照逻辑顺序依次进行，将对应的各个理财产品的产品编号依次排列，就可以知道对应的时间段所使用的理财产品，从而与上述的理财产品的收益进行对应，这样可以使得神经网络模型结合理财产品和其收益进行处理，通过将时间节点的引入，得到各个时间段内的理财产品的准确表示。
作为上述技术方案的优选，每一个所述理财产品所对应的产品编号的数值个数相同。相同的数值个数就可以使得数据在排列的时候，更加的规范。在将个数调整至相同的时候，对于缺位可以使用0进行补位。
同时，上述技术方案中，所述财富收入转化为数字格式的方式，包括如下步骤：
<1>将用户每个月的收支进行计算，得到用户的月净收入；
<2>将每一个月的月净收入与其对应的时间进行组合，得到每一个月的财富收入数组；
<3>将每一个月的财富收入数组按照时间先后顺序依次排列，得到财富收入矩阵；
<4>输出所述财富收入矩阵，得到所述财富收入的数字格式。
上述技术方案中，步骤<1>到步骤<4>按照逻辑顺序依次进行，通过将每一个时间节点进行分割，在本发明中时间节点一般采用月末，这样就可以将每一个月作为一个周期单元，也方便得到对于用户的财富收入的转化，这里的财富收入一般指的是通过工资等劳动形式获取的非被动收入。因此，该矩阵表示和每个月的财富收入，也就是用户的经济实力，输出的财富收入矩阵，即是用户的财富参数这项指标的数字格式。
另外，在本发明中，所述模型输出与所述推荐产品一一对应，所述模型输出与其对应的所述推荐产品分别存储在数据库中。在本发明中，推荐产品就是推荐给用户的理财产品，方便用户进行理财时候的选择，另外，将这些全部存储在数据库中，不但可以方便快速的调用，还可以使得数据和模型的存储位置单一。同时，数据库的存储方式可以使用云端存储的方式，这样不但可以存储海量的数据，还可以不占用本地空间，不会拖慢本地的调用效率。
相对于上述提出的一种金融风险监控方法，本发明基于上述的一种金融风险监控方法，还提出了一种金融风险监控装置，其包括处理单元，所述处理单元上运行有处理程序，所述处理程序能够实现上述的一种金融风险监控方法。该装置可以是单独的终端，也可以是嵌入在其他终端的一部分，用于实现上述方法的即可。
以上公开的仅为本发明的几个具体实施例，但是，本发明实施例并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (9)

1.一种金融风险监控方法，其特征在于，包括如下步骤：
通过监控用户的理财操作，得到用户在过去设定的一段时间内的理财收益和理财产品；
通过监控用户与银行的业务，得到用户在所述的过去设定的一段时间内的财富收入；
将所述理财收益、所述理财产品以及所述财富收入分别转化为设定的格式；
将转化后的所述理财收益、所述理财产品以及所述财富收入分别输入到训练好的神经网络模型中，得到模型输出；
将所述模型输出转化为推荐产品，并将所述推荐产品输出给用户。
2.如权利要求1所述的一种金融风险监控方法，其特征在于，将所述理财收益、所述理财产品以及所述财富收入分别转化为数字格式。
3.如权利要求2所述的一种金融风险监控方法，其特征在于，所述理财收益转化为数字格式的方式，包括如下步骤：
将所述理财收益根据收益的时间进行分割，得到多个理财净收入以及对应的时间；
将每一个所述理财净收入根据收入的档次依次进行标记；
将每一个所述理财收益对应的档次、时间以及净收入依次转化为数值并按照时间顺序排列；
输出排列好的数字串，得到所述理财收益的数字格式。
4.如权利要求3所述的一种金融风险监控方法，其特征在于，所述时间使用数值表示的时候，使用设定的时间格式表示。
5.如权利要求2所述的一种金融风险监控方法，其特征在于，所述理财产品转化为数字格式的方式，包括如下步骤：
将用户所购买的理财产品按照产生所述理财收益的时间顺序依次排列；
分别获取每一个所述理财产品所对应的产品编号；
将每一个所述理财产品所对应的产品编号按照所述理财产品的排列顺序依次排列；
输出排列好的数字串，得到所述理财产品的数字格式。
6.如权利要求5所述的一种金融风险监控方法，其特征在于，每一个所述理财产品所对应的产品编号的数值个数相同。
7.如权利要求2所述的一种金融风险监控方法，其特征在于，所述财富收入转化为数字格式的方式，包括如下步骤：
将用户每个月的收支进行计算，得到用户的月净收入；
将每一个月的月净收入与其对应的时间进行组合，得到每一个月的财富收入数组；
将每一个月的财富收入数组按照时间先后顺序依次排列，得到财富收入矩阵；
输出所述财富收入矩阵，得到所述财富收入的数字格式。
8.如权利要求1所述的一种金融风险监控方法，其特征在于，所述模型输出与所述推荐产品一一对应，所述模型输出与其对应的所述推荐产品分别存储在数据库中。
9.一种金融风险监控装置，其特征在于，包括处理单元，所述处理单元上运行有处理程序，所述处理程序能够实现如权利要求1-8中任一项所述的一种金融风险监控方法。
CN202211226238.7A 2022-10-09 2022-10-09 一种金融风险监控装置和方法 Pending CN115511569A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211226238.7A CN115511569A (zh) 2022-10-09 2022-10-09 一种金融风险监控装置和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211226238.7A CN115511569A (zh) 2022-10-09 2022-10-09 一种金融风险监控装置和方法

Publications (1)

Publication Number Publication Date
CN115511569A true CN115511569A (zh) 2022-12-23

Family

ID=84507589

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211226238.7A Pending CN115511569A (zh) 2022-10-09 2022-10-09 一种金融风险监控装置和方法

Country Status (1)

Country Link
CN (1) CN115511569A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109359812A (zh) * 2018-09-04 2019-02-19 深圳壹账通智能科技有限公司 理财产品推荐方法、服务器及计算机可读存储介质
CN109727136A (zh) * 2018-04-12 2019-05-07 平安证券股份有限公司 金融资产的配置方法及装置
CN110135942A (zh) * 2019-04-12 2019-08-16 深圳壹账通智能科技有限公司 产品推荐方法、装置及计算机可读存储介质
WO2020070463A1 (en) * 2018-10-03 2020-04-09 Standard Life Employee Services Limited System for modelling financial information
CN113762392A (zh) * 2021-09-08 2021-12-07 平安普惠企业管理有限公司 基于人工智能的理财产品推荐方法、装置、设备及介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109727136A (zh) * 2018-04-12 2019-05-07 平安证券股份有限公司 金融资产的配置方法及装置
CN109359812A (zh) * 2018-09-04 2019-02-19 深圳壹账通智能科技有限公司 理财产品推荐方法、服务器及计算机可读存储介质
WO2020070463A1 (en) * 2018-10-03 2020-04-09 Standard Life Employee Services Limited System for modelling financial information
CN110135942A (zh) * 2019-04-12 2019-08-16 深圳壹账通智能科技有限公司 产品推荐方法、装置及计算机可读存储介质
CN113762392A (zh) * 2021-09-08 2021-12-07 平安普惠企业管理有限公司 基于人工智能的理财产品推荐方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN109829631B (zh) 一种基于记忆网络的企业风险预警分析方法及***
CN109300039A (zh) 基于人工智能和大数据进行智能产品推荐的方法及***
CN106910017A (zh) 一种基于用户行为数据挖掘的电能体验分析方法和***
CN114048436A (zh) 一种预测企业财务数据模型构建方法及构建装置
CN107818386A (zh) 电网企业经营利润预测方法
CN112614011A (zh) 电力配网物资需求预测方法和装置、存储介质及电子设备
CN113642923A (zh) 基于历史催收数据的不良资产包价值评估方法
CN112396252A (zh) 电力物联网双创园区建设成效评估值的获取方法
CN109492863A (zh) 金融单证的自动生成方法及装置
Ma et al. A novel prediction based portfolio optimization model using deep learning
CN114202174A (zh) 一种电价风险等级预警方法、装置及存储介质
CN114372848A (zh) 一种基于机器学习的烟草行业智能营销***
Aritonang et al. An application of backpropagation neural network for sales forecasting rice miling unit
CN113205271A (zh) 一种基于机器学习对企业所得税风险评估的方法
CN116776006A (zh) 用于企业融资的客户画像构建方法及***
CN115511569A (zh) 一种金融风险监控装置和方法
CN110738565A (zh) 基于数据集合的房产金融人工智能复合风控模型
CN116227958A (zh) 一种基于持仓与净值动态量化评价偏债型基金经理的方法与***
CN111091410B (zh) 一种结合节点嵌入和用户行为特征的网点销量预测方法
CN114626940A (zh) 数据分析方法、装置及电子设备
Wijaya et al. Empowering traditional farmers in escalating farming towards Industry 4.0-ready
CN111753992A (zh) 筛选方法和筛选***
Ladhar et al. AI-based Market Intelligence Systems for Farmer Collectives: A Case Study from India
Cheng A Hybrid Predicting Stock Return Model Based on Bayesian Network and Decision Tree
Marutani The effect of site quality on economically optimal stand management

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination