CN111507639B - 理财风险分析方法及装置 - Google Patents
理财风险分析方法及装置 Download PDFInfo
- Publication number
- CN111507639B CN111507639B CN202010333383.XA CN202010333383A CN111507639B CN 111507639 B CN111507639 B CN 111507639B CN 202010333383 A CN202010333383 A CN 202010333383A CN 111507639 B CN111507639 B CN 111507639B
- Authority
- CN
- China
- Prior art keywords
- client
- risk
- bearing capacity
- capacity value
- test
- 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.)
- Active
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种理财风险分析方法及装置,该方法包括:获取上次客户的风险承受能力值,所述风险承受能力值用于描述客户承受风险的程度;根据上次客户的风险承受能力值,确定本次客户对应的测试题;根据上次客户的风险承受能力值和客户对本次客户对应的测试题的作答结果,确定本次客户的风险承受能力值;将本次客户的风险承受能力值替换上次客户的风险承受能力值,重复执行以上步骤,直至满足测试结束条件;根据满足测试结束条件时的客户的风险承受能力值,获得客户的风险分析结果。本发明可以对客户进行理财风险分析,准确度高。
Description
技术领域
本发明涉及风险分析领域,尤其涉及一种理财风险分析方法及装置。
背景技术
各大银行在客户选购理财产品前需要对客户做理财风险分析评估,目前往往采用固定的测试问卷,简单地将客户分几个类型,使得理财风险分析往往流于形式,未能起到很好的测评效果。
发明内容
本发明实施例提出一种理财风险分析方法,用以对客户进行理财风险分析,准确度高,该方法包括:
获取上次客户的风险承受能力值,所述风险承受能力值用于描述客户承受风险的程度;
根据上次客户的风险承受能力值,确定本次客户对应的测试题;
根据上次客户的风险承受能力值和客户对本次客户对应的测试题的作答结果,确定本次客户的风险承受能力值;
将本次客户的风险承受能力值替换上次客户的风险承受能力值,重复执行以上步骤,直至满足测试结束条件;
根据满足测试结束条件时的客户的风险承受能力值,获得客户的风险分析结果。
本发明实施例提出一种理财风险分析装置,用以对客户进行理财风险分析,准确度高,该装置包括:
上次能力值获取模块,用于获取上次客户的风险承受能力值,所述风险承受能力值用于描述客户承受风险的程度;
测试题确定模块,用于根据上次客户的风险承受能力值,确定本次客户对应的测试题;
本次能力值获得模块,用于根据上次客户的风险承受能力值和客户对本次客户对应的测试题的作答结果,确定本次客户的风险承受能力值;
重复模块,用于将本次客户的风险承受能力值替换上次客户的风险承受能力值,重复执行以上步骤,直至满足测试结束条件;
风险分析结果获得模块,用于根据满足测试结束条件时的客户的风险承受能力值,获得客户的风险分析结果。
本发明实施例还提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述理财风险分析方法。
本发明实施例还提出了一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述理财风险分析方法的计算机程序。
在本发明实施例中,获取上次客户的风险承受能力值,所述风险承受能力值用于描述客户承受风险的程度;根据上次客户的风险承受能力值,确定本次客户对应的测试题;根据上次客户的风险承受能力值和客户对本次客户对应的测试题的作答结果,确定本次客户的风险承受能力值;将本次客户的风险承受能力值替换上次客户的风险承受能力值,重复执行以上步骤,直至满足测试结束条件;根据满足测试结束条件时的客户的风险承受能力值,获得客户的风险分析结果。在上述过程中,由于测试中不断根据上次客户的风险承受能力值,确定本次客户对应的测试题,即每次客户对应的测试题都有针对性,使得最后获得的满足测试结束条件时的客户的风险承受能力值更准确,从而使得客户的风险分析结果更准确。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本发明实施例中理财风险分析方法的流程图;
图2为本发明实施例理财风险分析方法的详细流程图;
图3为本发明实施例中理财风险分析装置的示意图;
图4为本发明实施例中计算机设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
在本说明书的描述中,所使用的“包含”、“包括”、“具有”、“含有”等,均为开放性的用语,即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施,其中的步骤顺序不作限定,可根据需要作适当调整。
首先,对本发明实施例涉及到的术语进行说明。
计算机自适应测试(CAT):用项目反应理论建立题库,并由计算机根据被试能力水平自动选择测题,最终对被试能力作出估计的一种新型测验。
项目反应理论(IRT):是一系列心理统计学模型的总称,用来分析考试成绩或者问卷调查数据的数学模型。IRT根据受测者回答问题的情况,通过对题目特征函数的运算,来推测受测者的能力。
项目信息函数(IIF):项目信息函数是IRT的核心概念,这个基础性的概念对测验的应用领域起了诸多影响。项目信息函数值越大,这种估计就越精确。项目信息函数反映了不同特性(参数)的项目在评价不同被试特质水平时的信息贡献关系。
最大似然估计(MLE):最大似然估计是一种统计方法,它用来求一个样本集的相关概率密度函数的参数。本发明中结合IRT用来计算客户的理财风险承受能力值。
1PL模型:一维参数模型,IRT模型中的一种,三参数逻辑斯蒂模型的特殊情况。
图1为本发明实施例中理财风险分析方法的流程图,如图1所示,该方法包括:
步骤101,获取上次客户的风险承受能力值,所述风险承受能力值用于描述客户承受风险的程度;
步骤102,根据上次客户的风险承受能力值,确定本次客户对应的测试题;
步骤103,根据上次客户的风险承受能力值和客户对本次客户对应的测试题的作答结果,确定本次客户的风险承受能力值;
步骤104,将本次客户的风险承受能力值替换上次客户的风险承受能力值,重复执行以上步骤,直至满足测试结束条件;
步骤105,根据满足测试结束条件时的客户的风险承受能力值,获得客户的风险分析结果。
在本发明实施例中,由于测试中不断根据上次客户的风险承受能力值,确定本次客户对应的测试题,即每次客户对应的测试题都有针对性,使得最后获得的满足测试结束条件时的客户的风险承受能力值更准确,从而使得客户的风险分析结果更准确。
具体实施时,在步骤101中,采用计算机自适应测试的理论,来确定客户的风险承受能力值。若客户为首次进入理财风险风险评估,之前未作答过测试题,则可以设置客户的风险承受能力为大量历史数据的中位数或平均值,若之前作答过测试题,则客户的风险承受能力值为上次客户的风险承受能力值。
在一实施例中,根据上次客户的风险承受能力值,确定本次客户对应的测试题,包括:
根据上次客户的风险承受能力值,计算题库中客户对每道测试题的信息量;
确定信息量最大的测试题为本次客户对应的测试题。
在上述实施例中,利用的是项目信息函数的思想,来计算题库中客户对每道测试题的信息量,从而可准确定地确定本次客户对应的测试题。且下面本发明实施例中还提出具体的公式以提供精确地计算题库中每道测试题的信息量的方法。
在一实施例中,根据上次客户的风险承受能力值,计算题库中每道测试题的信息量,包括:
Ii(θs)=Pi(θs)·Qi(θs)=Pi(θs)·(1-Pi(θs))
其中,Ii(θs)为题库中客户针对第i道测试题的信息量;Pi(θs)是客户给出第一作答结果的概率,Qi(θs)是客户给出第二作答结果的概率;θs为上次客户的风险承受能力值;b为风险系数,取值范围为(-2,2)。
在上述公式中,第一作答结果和第二作答结果可以根据实际情况来定,例如,第一作答结果可以是“是”,第二作答结果可以是“否”。
在步骤103中,根据上次客户的风险承受能力值和客户对本次客户对应的测试题的作答结果,确定本次客户的风险承受能力值,而为了更准确地确定本次客户的风险承受能力值,本发明实施例采用最大似然估计的思想,在一实施例中,采用如下公式,根据上次客户的风险承受能力值和客户对本次客户对应的测试题的作答结果,确定本次客户的风险承受能力值:
其中,θs+1为本次客户的风险承受能力值;θs为上次客户的风险承受能力值;N为测试题的总数;Pi(θs)为针对第i道测试题,客户给出第一作答结果的概率,在客户给出第一作答结果时,ui=1,在客户给出第二作答结果时,ui=0;Ii(θs)为题库中客户针对第i道测试题的信息量。
在上述公式中,还充分利用了题库中客户针对第i道测试题的信息量,提高了风险承受能力值的准确度。
在步骤104中,将本次客户的风险承受能力值替换上次客户的风险承受能力值,重复执行以上步骤,直至满足测试结束条件,在一实施例中,测试结束条件包括达到最大测试题数或达到测量精度。
在上述实施例中,测量精度可以采用均方差来判断,公式如下:
通过上述公式,可以在测量精度小于预设精度值时满足测试结束条件。
在步骤105中,根据满足测试结束条件时的客户的风险承受能力值,获得客户的风险分析结果,风险分析结果可以是客户类型分类结果,例如,根据满足测试结束条件时的客户的风险承受能力值,可将客户分为保守型、稳健型、平衡型、进取型以及激进型等几种类型。当然,还可以进行其他分析,相关变化例均应落入本发明的保护范围。
基于上述实施例,本发明提出如下一个实施例来说明理财风险分析方法的详细流程,图2为本发明实施例理财风险分析方法的详细流程图,如图2所示,包括:
步骤201,获取上次客户的风险承受能力值,所述风险承受能力值用于描述客户承受风险的程度;
步骤202,根据上次客户的风险承受能力值,计算题库中客户对每道测试题的信息量;
步骤203,确定信息量最大的测试题为本次客户对应的测试题;
步骤204,根据上次客户的风险承受能力值和客户对本次客户对应的测试题的作答结果,确定本次客户的风险承受能力值;
步骤205,判断是否满足测试结束条件,若是,进入步骤206;否则转至步骤201;
步骤206,根据满足测试结束条件时的客户的风险承受能力值,获得客户的风险分析结果。
当然,可以理解的是,上述详细流程还可以有其他变化例,相关变化例均应落入本发明的保护范围。
综上所述,在本发明实施例中,获取上次客户的风险承受能力值,所述风险承受能力值用于描述客户承受风险的程度;根据上次客户的风险承受能力值,确定本次客户对应的测试题;根据上次客户的风险承受能力值和客户对本次客户对应的测试题的作答结果,确定本次客户的风险承受能力值;将本次客户的风险承受能力值替换上次客户的风险承受能力值,重复执行以上步骤,直至满足测试结束条件;根据满足测试结束条件时的客户的风险承受能力值,获得客户的风险分析结果。在上述过程中,由于测试中不断根据上次客户的风险承受能力值,确定本次客户对应的测试题,即每次客户对应的测试题都有针对性,使得最后获得的满足测试结束条件时的客户的风险承受能力值更准确,从而使得客户的风险分析结果更准确。使客户更清晰的了解自己的风险承受能力,并能帮助银行给予更精确地理财建议。
本发明实施例还提出一种理财风险分析装置,其原理与理财风险分析方法类似,这里不再赘述,图3为本发明实施例中理财风险分析装置的示意图,如图3所示,该装置包括:
上次能力值获取模块301,用于获取上次客户的风险承受能力值,所述风险承受能力值用于描述客户承受风险的程度;
测试题确定模块302,用于根据上次客户的风险承受能力值,确定本次客户对应的测试题;
本次能力值获得模块303,用于根据上次客户的风险承受能力值和客户对本次客户对应的测试题的作答结果,确定本次客户的风险承受能力值;
重复模块304,用于将本次客户的风险承受能力值替换上次客户的风险承受能力值,重复执行以上步骤,直至满足测试结束条件;
风险分析结果获得模块305,用于根据满足测试结束条件时的客户的风险承受能力值,获得客户的风险分析结果。
在一实施例中,测试题确定模块302具体用于:
根据上次客户的风险承受能力值,计算题库中客户对每道测试题的信息量;
确定信息量最大的测试题为本次客户对应的测试题。
在一实施例中,测试结束条件包括达到最大测试题数或达到测量精度。
在一实施例中,测试题确定模块302具体用于:采用如下公式,根据上次客户的风险承受能力值,计算题库中每道测试题的信息量,包括:
Ii(θs)=Pi(θs)·Qi(θs)=Pi(θs)·(1-Pi(θs))
其中,Ii(θs)为题库中客户针对第i道测试题的信息量;Pi(θs)是客户给出第一作答结果的概率,Qi(θs)是客户给出第二作答结果的概率;θs为上次客户的风险承受能力值;b为风险系数,取值范围为(-2,2)。
在一实施例中,本次能力值获得模块303具体用于:采用如下公式,根据上次客户的风险承受能力值和客户对本次客户对应的测试题的作答结果,确定本次客户的风险承受能力值:
其中,θs+1为本次客户的风险承受能力值;θs为上次客户的风险承受能力值;N为测试题的总数;Pi(θs)为针对第i道测试题,客户给出第一作答结果的概率,在客户给出第一作答结果时,ui=1,在客户给出第二作答结果时,ui=0;Ii(θs)为题库中客户针对第i道测试题的信息量。
综上所述,在本发明实施例提出的装置中,获取上次客户的风险承受能力值,所述风险承受能力值用于描述客户承受风险的程度;根据上次客户的风险承受能力值,确定本次客户对应的测试题;根据上次客户的风险承受能力值和客户对本次客户对应的测试题的作答结果,确定本次客户的风险承受能力值;将本次客户的风险承受能力值替换上次客户的风险承受能力值,重复执行以上步骤,直至满足测试结束条件;根据满足测试结束条件时的客户的风险承受能力值,获得客户的风险分析结果。在上述过程中,由于测试中不断根据上次客户的风险承受能力值,确定本次客户对应的测试题,即每次客户对应的测试题都有针对性,使得最后获得的满足测试结束条件时的客户的风险承受能力值更准确,从而使得客户的风险分析结果更准确。使客户更清晰的了解自己的风险承受能力,并能帮助银行给予更精确地理财建议。
本申请的实施例还提供一种计算机设备,图4为本发明实施例中计算机设备的示意图,该计算机设备能够实现上述实施例中的理财风险分析方法中全部步骤,所述电子设备具体包括如下内容:
处理器(processor)401、存储器(memory)402、通信接口(CommunicationsInterface)403和总线404;
其中,所述处理器401、存储器402、通信接口403通过所述总线404完成相互间的通信;所述通信接口403用于实现服务器端设备、检测设备以及用户端设备等相关设备之间的信息传输;
所述处理器401用于调用所述存储器402中的计算机程序,所述处理器执行所述计算机程序时实现上述实施例中的理财风险分析方法中的全部步骤。
本申请的实施例还提供一种计算机可读存储介质,能够实现上述实施例中的理财风险分析方法中全部步骤,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的理财风险分析方法的全部步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种理财风险分析方法,其特征在于,包括:
获取上次客户的风险承受能力值,所述风险承受能力值用于描述客户承受风险的程度;
根据上次客户的风险承受能力值,确定本次客户对应的测试题;
根据上次客户的风险承受能力值和客户对本次客户对应的测试题的作答结果,确定本次客户的风险承受能力值;
将本次客户的风险承受能力值替换上次客户的风险承受能力值,重复执行以上步骤,直至满足测试结束条件;
根据满足测试结束条件时的客户的风险承受能力值,获得客户的风险分析结果;
根据上次客户的风险承受能力值,确定本次客户对应的测试题,包括:根据上次客户的风险承受能力值,计算题库中客户对每道测试题的信息量;确定信息量最大的测试题为本次客户对应的测试题;
采用如下公式,根据上次客户的风险承受能力值,计算题库中每道测试题的信息量,包括:
Ii(θs)=Pi(θs)·Qi(θs)=Pi(θs)·(1-Pi(θs))
其中,Ii(θs)为题库中客户针对第i道测试题的信息量;Pi(θs)是客户给出第一作答结果的概率,Qi(θs)是客户给出第二作答结果的概率;θs为上次客户的风险承受能力值;b为风险系数,取值范围为(-2,2)。
2.如权利要求1所述的理财风险分析方法,其特征在于,测试结束条件包括达到最大测试题数或达到测量精度。
4.一种理财风险分析装置,其特征在于,包括:
上次能力值获取模块,用于获取上次客户的风险承受能力值,所述风险承受能力值用于描述客户承受风险的程度;
测试题确定模块,用于根据上次客户的风险承受能力值,确定本次客户对应的测试题;
本次能力值获得模块,用于根据上次客户的风险承受能力值和客户对本次客户对应的测试题的作答结果,确定本次客户的风险承受能力值;
重复模块,用于将本次客户的风险承受能力值替换上次客户的风险承受能力值,重复执行以上步骤,直至满足测试结束条件;
风险分析结果获得模块,用于根据满足测试结束条件时的客户的风险承受能力值,获得客户的风险分析结果;
测试题确定模块具体用于:根据上次客户的风险承受能力值,计算题库中客户对每道测试题的信息量;确定信息量最大的测试题为本次客户对应的测试题;
测试题确定模块具体用于:采用如下公式,根据上次客户的风险承受能力值,计算题库中每道测试题的信息量,包括:
Ii(θs)=Pi(θs)·Qi(θs)=Pi(θs)·(1-Pi(θs))
其中,Ii(θs)为题库中客户针对第i道测试题的信息量;Pi(θs)是客户给出第一作答结果的概率,Qi(θs)是客户给出第二作答结果的概率;θs为上次客户的风险承受能力值;b为风险系数,取值范围为(-2,2)。
5.如权利要求4所述的理财风险分析装置,其特征在于,测试结束条件包括达到最大测试题数或达到测量精度。
7.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至3任一项所述方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至3任一项所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010333383.XA CN111507639B (zh) | 2020-04-24 | 2020-04-24 | 理财风险分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010333383.XA CN111507639B (zh) | 2020-04-24 | 2020-04-24 | 理财风险分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111507639A CN111507639A (zh) | 2020-08-07 |
CN111507639B true CN111507639B (zh) | 2022-04-12 |
Family
ID=71876746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010333383.XA Active CN111507639B (zh) | 2020-04-24 | 2020-04-24 | 理财风险分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111507639B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108346030A (zh) * | 2017-12-29 | 2018-07-31 | 北京北森云计算股份有限公司 | 计算机自适应能力测验方法及装置 |
CN109559013A (zh) * | 2018-10-18 | 2019-04-02 | 深圳壹账通智能科技有限公司 | 基于小游戏的风险测试方法及装置、电子设备及可读存储介质 |
CA3026907A1 (en) * | 2017-12-10 | 2019-06-10 | tuliptree systems, LLC | Computer-implemented sysyem and method for implementing evidence-based practices for social resource planning, allocation and management |
-
2020
- 2020-04-24 CN CN202010333383.XA patent/CN111507639B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3026907A1 (en) * | 2017-12-10 | 2019-06-10 | tuliptree systems, LLC | Computer-implemented sysyem and method for implementing evidence-based practices for social resource planning, allocation and management |
CN108346030A (zh) * | 2017-12-29 | 2018-07-31 | 北京北森云计算股份有限公司 | 计算机自适应能力测验方法及装置 |
CN109559013A (zh) * | 2018-10-18 | 2019-04-02 | 深圳壹账通智能科技有限公司 | 基于小游戏的风险测试方法及装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111507639A (zh) | 2020-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mitchell et al. | Bayesian model selection with BAMM: effects of the model prior on the inferred number of diversification shifts | |
US11288690B1 (en) | Method for determining house price indices | |
Radanovic et al. | Incentive schemes for participatory sensing | |
US8170894B2 (en) | Method of identifying innovations possessing business disrupting properties | |
White et al. | Methodological tools | |
US20210232957A1 (en) | Relationship analysis device, relationship analysis method, and recording medium | |
CN111639798A (zh) | 智能的预测模型选择方法及装置 | |
CN111311055A (zh) | 一种用户能力的评估方法、装置及存储介质 | |
CN115841046A (zh) | 基于维纳过程的加速退化试验数据处理方法和装置 | |
CN110348215B (zh) | 异常对象识别方法、装置、电子设备及介质 | |
CN116306806A (zh) | 故障诊断模型确定方法、装置及非易失性存储介质 | |
US20210224664A1 (en) | Relationship analysis device, relationship analysis method, and recording medium | |
CN114817034A (zh) | 一种测试质量的分析方法、装置及电子设备 | |
CN111507639B (zh) | 理财风险分析方法及装置 | |
CN113393023B (zh) | 模具质量评估方法、装置、设备及存储介质 | |
CN115878986A (zh) | 一种变工况轴承的退化趋势评估方法 | |
CN114490412A (zh) | 基于自减逆向云发生器的三维cad软件性能度量方法及装置 | |
KR20130086083A (ko) | 리스크-프로파일 생성 장치 | |
CN114092216A (zh) | 企业信贷评级方法、装置、计算机设备和存储介质 | |
JP2011141674A (ja) | ソフトウェア品質指標値管理システム、ソフトウェア品質指標値の真値を推定する推定方法及び推定プログラム | |
US20050130109A1 (en) | Training case selection | |
CN109614328B (zh) | 用于处理测试数据的方法和装置 | |
CN116307184B (zh) | 一种基于因果关系的空气污染治理效果评估方法 | |
CN116780524B (zh) | 一种基于lstm深度学习的工业企业短期负荷预测方法 | |
CN117555812B (zh) | 一种云平台自动化测试方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |