第三方物流风险识别与规避

第三方物流,指的是由物流的供方、需方之外的企业提供物流服务的业务模式。随着现今电子商务的发展,对于第三方物流的需求也日益加大。虽然第三方物流为企业带来了相当丰厚的利润,但是其中所存在的风险也愈加明显。因此,对第三方物流的风险分析及防范,无论对于生产经营企业还是第三方物流企业来说都至关重要。     

基于BP神经网络的第三方物流资源整合风险预警模型

文章针对当前第三方物流企业资源整合风险预警定量方法的匮乏,将运输、仓储、信息化、人力资源、营销及财务指标等相结合,通过问卷调查、专家访谈、企业走访、数量模型等方法,遵循定性与定量相结合的原则,以3PL资源整合管理过程中的各种可能风险为研究对象,探讨了一种基于BP神经网络的评价模型;通过对样本的训练和验证,表明所建立的BP神经网络模型真实、可靠,在物流资源整合风险预警中具有较高的实用价值.     

保险保障基金对保险企业形式的影响

文章运用期权理论,通过对比保险保障基金设立前后不同组织形式的股东价值变化,得出:按照各保险公司保费规模的一定比例提取的保险保障基金,能够通过影响保险公司组织形式而为股东带来收益。与一家保险公司经营多种风险比较,采取集团化的组织形式,针对每一类风险,在集团旗下建立专业保险公司,可以使股东利益最大化。而且,保险消费者风险的差异性越大,为股东带来的价值越高。     

保险组合业务风险曲线的适用性研究

SB分布族在非比例分保定价中扮演着非常重要的角色.文章考虑了对于包含两个保险标的的保险组合保单,若每个标的的损失额分布相互独立且都属于SB分布族,则该组合保单的总损失额分布一定不属于SB分布族.     

中国第三方支付系统金融风险测量方法及实证分析

随着中国第三方支付体系的发展,对该行业系统金融风险的判断显得日益重要。为了弥补中国第三方支付实际金融风险量化测度体系的缺陷,从理论上对中国第三方支付行业特点进行梳理,并与传统支付行业进行对比。基于问题导向视角筛选基础指标,得到相关综合指标模型,使用综合测度模型对目前中国第三方支付体系的市场风险和制度风险进行实证分析。之后,对实证研究分析的结果进行了验证。结果表明:中国第三方支付体系的市场风险主要源自洗钱问题,交易规模是制度风险最主要的影响因素。该结论符合一般经济意义和中国现阶段的实际情况,适用于金融监管和实际运营部门分析该行业系统风险,并作为规避和防控风险的依据。在此基础上,提出相应的强化中国第三方支付金融风险防控的建议。     

基于质量的第三方回购闭环供应链激励机制研究

文章针对第三方回购的闭环供应链模式(MRCTM),考虑回收产品的质量不确定性,引入品牌折算因子,对制造商和第三方回购商之间的激励机制进行了优化设计;通过建立博弈模型分析了双方各自的最佳策略,并对品牌及质量等参数对合同变量设计的影响进行了讨论.     

台州路桥区第三次经济普查难点分析

本文从台州市路桥区经济特点出发,对其第三次经济普查中的难点进行分析,从而提出抓特色探索普查方法创新、抓重点夯实普查数据质量、抓素质落实普查三员选调等建议.     

公共财政制度空间的拓展--第三部门的视角

在社会主义市场经济条件下如何科学界定财政的职能范围,是公共财政要解决的基本理论问题之一.然而在现有的公共财政理论研究中,较普遍地存在着二元思维模式的缺陷,即认为市场经济的资源配置方式只有两种政府--市场.而事实上,根据社会学研究的基本成果,现代社会中在政府与市场之外,广泛地存在着第三部门并且发挥着巨大的作用.那么,在"政府--市场--第三部门"这一三维社会结构中重新审视财政职能问题将会是有重大意义的.     

第三部门运营评价体系的设计

第三部门运营评价是考察第三部门的重要手段.文章在分析了构建第三部门运营评价指标体系的难点后,依据构建原则和标准,结合现有指标体系存在的缺陷,提出了基于模糊综合法的四维三级指标体系,并设计了基于模糊综合法的评价模型,有效解决了评价中的模糊性和不确定性问题.     

数据挖掘在保险业中的应用

在现代保险业中,通过数据挖掘技术的应用,从大量纷繁复杂的保户资料中,分析保户特性,进行市场细分,甄别高风险理赔人群,为保险公司选择目标客户提供决策依据。以保险资料为基础,应用数据挖掘技术进行聚类、决策树分类、类神经网络建模以及Logistic回归,划分客户群体,分析高风险理赔保户群体特征,为保险公司规避理赔风险提供决策依据。     

电子商务客户网络购物行为挖掘

电子商务已经成为越来越多的消费者购物的一个重要途径，分析网络购物客户的个人特征及其购物行为，对商业的成功有着至关重要的作用。然而电子商务还是一个崭新的商业领域，很多的业界人士仍忙于技术方面的考虑，却很少分析客户的网络购买行为。而使用真实网络购物KDD Cup 2000数据，分析Gazelle．com公司客户的个人特征和网络购物行为，并应用数据挖掘的购物篮模型对各商品之间的关联性进行分析，才能更确切地预测模型预测客户的忠诚度。     

基于数据挖掘的客户资产测量研究

由于单个客户消费行为具有极大不确定性导致预测客户资产比较困难,提出一种以数据挖掘技术为基础,在客户分类的基础上测算客户资产的动态方法,该方法使客户资产的测量更加准确并具有可操作性。同时通过实证分析证实该方法可以为企业实现精确营销提供有力支持。     

数据挖掘中高维定性数据的粗糙集聚类

一、引言数据挖掘的重要任务之一就是发现大型数据中的积聚现象(clusteringphenomena),并加以定量化描述。由于其处理的数据对象的特点,从分析思路和方法设计上都要充分地考虑数据类型和数据规模,主要困难在于维数灾(curseof dimensionality)问题。若将观测数据作为高维空间中的点集,则维数越高,数据点将越趋向边界,任意两个观测间的距离也将趋于同一临界值。这就导致距离聚类方法的效力减弱。而针对定性数据聚类分析中的维数灾问题,在已有的研究成果中主要有两种思路:(1)构建新的相似度或相异度指标,减小运算量,例如可以采用信息熵[1]、相…     

基于数据挖掘的互联网众筹成功进度分位数回归模型

通过Python爬取众筹网平台成功结束项目3 941项,在描述性统计和相关性分析的基础上,建立分位数回归模型对影响项目成功进度的因素进行信息挖掘。研究发现,各影响因素在不同分位水平上的表现存在差异,根据图像大致可分为递减、递增和U型三类;目标金额的负向作用反映了投资者的损失厌恶;不同类型的项目存在着不同程度的羊群效应、挤出效应和截止日期效应。随着分位点的提高,各因素之间的权重排序发生变化,尤其是项目类型。此外,根据目标金额分层建模的结果显示,不同因素的影响在分层模型中存在较显著的差异,并影响投资者的行为。     

国外数据挖掘应用研究与发展分析

目前“数据挖掘(Data Mining,DM)”这一术语在学术界还没有一个公认的、权威的定义,但我们一般可以简单的认为数据挖掘是从海量数据中发现趋势或模式的过程。尽管有些人不愿承认数据挖掘与统计学的内在联系,但不可否认的是早期的数据挖掘的确脱胎于统计学,因此也可以说数据挖掘是利用统计学和机器学习技术创建预测行为的模型。需要强调的是数据挖掘的过程是一个“发现”的过程,而不是“发明”的过程。换句话说,数据挖掘所探寻的模式,是一种已有的、只是隐藏在数据中、暂时没有被发现的知识。世界上对数据挖掘的正式研究始于1989年8月举行…     

数据挖掘中关联规则算法的发展趋势

文章在对复杂数据组织形式的关联规则挖掘详细描述的基础上,探讨了其他学科领域对关联规则的理解及相应的研究方法,最后提出了关联规则的前沿研究问题和未来的发展趋势。     

数据挖掘中的关联规则

 数据挖掘是近些年企业界相当热门的话题，它利用统计与人工智能的算法，从庞大的企业；历史资料中，找出隐藏的规律并建立准确的模型，用以预测未来。其中关联规则的挖掘是数据挖掘中的一个重要问题。     

基于Pair-Copula的社保基金投资组合风险测度研究

社保基金是社会保障事业健康发展的基石,风险管理是社保基金保值增值的关键问题之一。提出pair—copula—GARCH—EVT模型以测度社保基金投资组合风险,与传统的n维。copula—GARCH—EVT模型相比,该模型不仅考虑了维数的影响,而且还能灵活地选择copula的类型。实证研究发现,基于pair—cOpula—GARCH--EVT模型测度社保基金投资组合风险的准确性要高于传统的copuIa--GARCH--EVT模型。     

流式数据挖掘的现状及统计的研究趋势

摘　　要:本文对近年来在国内外学术界涌现出的流式数据挖掘的研究成果进行剖析,分析了流式数据挖掘的研究现状。在此基础上,提出了统计学在流式数据挖掘研究中的发展趋势,以便更好地促进统计学和数据挖掘的结合,拓展统计学方法的研究思路。