CN117971817A - 一种具有筛选有效数据功能的金融数据处理系统 - Google Patents
一种具有筛选有效数据功能的金融数据处理系统 Download PDFInfo
- Publication number
- CN117971817A CN117971817A CN202410356743.6A CN202410356743A CN117971817A CN 117971817 A CN117971817 A CN 117971817A CN 202410356743 A CN202410356743 A CN 202410356743A CN 117971817 A CN117971817 A CN 117971817A
- Authority
- CN
- China
- Prior art keywords
- data
- financial
- user
- processing
- processing system
- 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
Links
- 238000012545 processing Methods 0.000 title claims abstract description 61
- 238000012216 screening Methods 0.000 title claims abstract description 22
- 238000004140 cleaning Methods 0.000 claims abstract description 27
- 238000007619 statistical method Methods 0.000 claims abstract description 12
- 238000013500 data storage Methods 0.000 claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims abstract description 7
- 238000013480 data collection Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 23
- 238000011156 evaluation Methods 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 13
- 238000010586 diagram Methods 0.000 claims description 9
- 238000013523 data management Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000013079 data visualisation Methods 0.000 claims description 3
- 238000013439 planning Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000013499 data model Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种具有筛选有效数据功能的金融数据处理系统,具体涉及金融数据处理技术领域包括数据采集、数据清洗、数据存储、数据分类、和数据报告和预测,其特征在于:所述数据采集与数据清洗相连,且数据清洗与缺失值处理、异常值处理、重复数据标记处理、格式标准化和数据存储相连,所述数据分类与数据统计分析相连,且数据统计分析与金融模型建立相连,所述数据采集包括产品信息采集模块和用户信息采集模块,所述数据分类分别包括金融产品分级模块和用户信息分类模块。该具有筛选有效数据功能的金融数据处理系统,能对金融数据进行有效的清洗并结合处配值合理选取对应的数据处理终端处理,提高数据处理效率,具有更加良好的适配性。
Description
技术领域
本发明涉及金融数据处理技术领域,具体为一种具有筛选有效数据功能的金融数据处理系统。
背景技术
金融产品是指资金融通过程中的各种载体,其包括货币、黄金、外汇、 基金、股票、期货及期权等等;随着经济及社会的不断发展,各类金融产品 的交易量呈现不断增长的趋势;金融数据处理系统是一个面向金融行业管理 部门的综合辅助决策平台, 金融产品供应方能够通过金融数据处理系统分析投资人的交易情况,为公司的扩大和经营提供有效的帮助,比如:公告号为CN117006368A提供了一种金融数据处理系统, 包括装置支架, 装置支架上固定连接有多个收纳部件,收纳部件内收纳有信息采集终端,装 置支架的左右两侧均设置有关节部件,两个关节部件上均连接有移动部件, 装置支架上设置有用于将信息采集终端存入或者取出收纳部件的取放部件; 收纳部件包括固定支架和收纳支架,固定支架和收纳支架均固定连接在装置 支架上, 固定支架上固定连接有四个带传动机构,收纳支架上滑动连接有四 个弧形压板I,弧形压板I和收纳支架之间固定连接有压缩弹簧;收纳支架上 固定连接有传感器I,信息采集终端能够和传感器I接触; 可以对多种金融数据进行采集。
上述中现有技术方案存在以下缺陷: 目前的金融数据处理系统存在不能对金融数据进行有效的清洗并结合处配值合理选取对应的数据处理终端处理,导致数据处理效率低,因此, 本发明提供一种具有筛选有效数据功能的金融数据处理系统,以解决上述提出的问题。
发明内容
本发明的目的在于提供一种具有筛选有效数据功能的金融数据处理系统,以解决上述背景技术中提出的存在不能对金融数据进行有效的清洗并结合处配值合理选取对应的数据处理终端处理, 导致数据处理效率低的问题。
为实现上述目的,本发明提供如下技术方案:一种具有筛选有效数据功 能的金融数据处理系统,包括数据采集、数据清洗、数据存储、数据分类、 和数据报告和预测,所述数据采集与数据清洗相连,且数据清洗与缺失值处 理、异常值处理、重复数据标记处理、格式标准化和数据存储相连,所述数 据分类与数据统计分析相连,且数据统计分析与金融模型建立相连,所述金融模型建立与数据报告预测相连。
优选的,所述数据采集包括产品信息采集模块和用户信息采集模块,且数据采集需要通过直接采集、网络爬虫采集和数据接口采集等方式。
优选的, 所述数据清洗使用 python 技术、 r 语言等数据清洗框架进行计划性工作。
优选的, 所述数据清洗包含以此步骤:
步骤 1:数据清洗计划制定, 明确清洗的目标、范围和规则, 确保清洗过程有组织、有计划;
步骤 2:数据导入与检查, 将数据导入适当的数据库或数据仓库,检查数据的完整性、异常值和缺失值;
步骤 3:缺失值处理,根据数据的性质和业务需求, 选择合适的策略处理缺失值,如填充缺失值、删除含有缺失值的记录或使用插值方法;
步骤 4:异常值处理,识别并处理异常值, 可以使用统计学方法、业务规则或机器学习方法;
步骤 5:重复数据标记处理处理, 识别并删除重复记录,确保每条记录的
唯一性;
步骤 6:格式标准化,将数据格式统一,如日期格式、货币符号等,且根据业务需求,将数据转换为适当的数据类型, 如将文本字段转换为数;
步骤 7:数据存储,将清洗后的数据存储在适当位置,并建立数据管理规则,保证数据的安全性和可访问型。
优选的, 所述数据分类分别包括金融产品分级模块和用户信息分类模块。
优选的, 所述用户信息分类包涵以下步骤:
步骤 1:通过获取用户的性别、年龄、学历、职业等个人属性和月收入、 财务状态和消费能力等价值属性以及所属行业、岗位层级等社会属性等用户
基本属性数据进行等级评估;
步骤 2:进一步的对用户时间偏好、渠道偏好和兴趣偏好进行标签分类;
步骤 3:通过步骤 1 的等级评估对用户进行浅层画像绘制;
步骤 4:结合用户标签和浅层画像进一步刻画用户深层画像;
步骤 5:将深层用户画像与对应等级金额产品数据进行归纳。
优选的,所述金融模型建立需要结合深层用户画像和金额产品数据进行数据可视化建立。
优选的,所述数据报告预测结合可视化用户信息散点图和金融信息散点图进行初步信息均衡评估, 且需要结构金融风险评估进行最后的评分和预测。与现有技术相比,本发明的有益效果是:该具有筛选有效数据功能的金 融数据处理系统,能对金融数据进行有效的清洗并结合处配值合理选取对应 的数据处理终端处理,提高数据处理效率,具有更加良好的适配性, 具体如以下内容所示:
1、通过数据采集和数据清洗在大量的驳杂数据中挑选出金融有效数据, 数据的安全性和可访问型, 以此完成对于有效金融数据的筛选工作,使得系 统数据处理的能力更加高效和便捷,有效避免劣质数据对系统评估此时的影响;
2、通过数据分类和数据统计分析完成对于用户信息的归纳和分类, 使得系统对于用户和金融产品的匹配系数提高,更加精准的完成用户和产品的结合工作;
3、通过金融模型建立和数据1报告和预测使得企业和个人更加直观的了解市场,更好地服务于金融市场和投资决策。
附图说明
图 1 为本发明整体工作流程图;
图 2 为本发明数据采集工作流程图;
图 3 为本发明用户信息分类模块工作流程图;
图 4 为本发明金融模型建立工作流程图;
图 5 为发明数据报告和预测工作流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行 清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而 不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图 1-图 5,本发明提供一种技术方案: 一种具有筛选有效数据功 能的金融数据处理系统,包括数据采集、数据清洗、数据存储、数据分类、 和数据报告和预测,数据采集与数据清洗相连,且数据清洗与缺失值处理、 异常值处理、重复数据标记处理、格式标准化和数据存储相连,数据分类与 数据统计分析相连,且数据统计分析与金融模型建立相连,金融模型建立与数据报告预测相连。
如图 1 和图 2 所示,数据采集包括产品信息采集模块和用户信息采集模块,且数据采集需要通过直接采集、网络爬虫采集和数据接口采集等方式, 其中还可以通过公开数据源,包括各类证券交易所、政府机构、行业协会等 提供的公开数据,这些数据通常可以通过其官方网站或 API 接口获取和商业数据提供商,如彭博、路透等,他们提供专业的金融数据服务,覆盖全球市场,数据内容丰富和第三方数据源: 包括研究机构、咨询公司等提供的金融 数据服务,这些数据可能更加细分或特定领域的数据以及网络抓取:通过编写程序自动抓取网络上的金融数据, 这种方法需要处理大量的数据,可能存在数据质量不高等问题。
如图 1 所示,数据清洗使用 python 技术、 r 语言、等数据清洗框架进行 计划性工作,首先是需要数据清洗计划制定, 明确清洗的目标、范围和规则, 确保清洗过程有组织、有计划;同时将数据导入适当的数据库或数据仓库, 检查数据的完整性、异常值和缺失值;进一步根据数据的性质和业务需求, 选择合适的策略处理缺失值,如填充缺失值、删除含有缺失值的记录或使用 插值方法;同时识别并处理异常值, 可以使用统计学方法、业务规则或机器学习方法;然后识别并删除重复记录,确保每条记录的唯一性;并且将数据格式统一,如日期格式、货币符号等,且根据业务需求,将数据转换为适当 的数据类型, 如将文本字段转换为数;最后将清洗后的数据存储在适当位置,并建立数据管理规则,保证数据的安全性和可访问型, 以此完成对于有效金融数据的筛选工作,使得系统数据处理的能力更加高效和便捷,有效避免劣质数据对系统评估此时的影响。
如图 1 和图 3 所示,数据分类分别包括金融产品分级模块和用户信息分类模块,用户信息分类包涵以下步骤:通过获取用户的性别、年龄、学历、 职业等个人属性和月收入、财务状态和消费能力等价值属性以及所属行业、岗位层级等社会属性等用户基本属性数据进行等级评估;进一步的对用户时 间偏好、渠道偏好和兴趣偏好进行标签分类;同时通过等级评估对用户进行 浅层画像绘制;此时结合用户标签和浅层画像进一步刻画用户深层画像; 最后将深层用户画像与对应等级金额产品数据进行归纳, 以此完成对于用户信息的归纳和分类,使得系统对于用户和金融产品的匹配系数提高,更加精准的完成用户和产品的结合工作。
如图 1 和图 4 所示,金融模型建立需要结合深层用户画像和金额产品数据进行数据可视化建立,在模型建立之前需要对数据特征进行提取,特征提 取是从原始数据中提取与预测目标相关的特征, 以便后续的模型训练和预测, 在金融领域,常见的特征包括价格、交易量、市盈率、市净率等,特征提取 需要根据具体的预测目标进行选择, 并考虑特征的多样性和可解释性,在特征提取之后,需要选择适合的模型进行训练和预测,常见的金融数据模型包 括线性回归模型、支持向量机模型、神经网络模型等,选择模型时需要考虑数据的性质和规模,以及模型的预测精度和稳定性,在选择模型时,可以通过交又验证等方法来评估模型的性能,以便选择最优的模型。
如图 1 和图 5 所示,数据报告预测结合可视化用户信息散点图和金融信息散点图进行初步信息均衡评估,且需要结构金融风险评估进行最后的评分 和预测,需要在模型训练完成后,需要对模型进行评估,以确定模型的性能 和预测能力,常见的评估指标包括准确率、召回率、 F1 分数、 AUC-ROC 等, 通过这些指标可以对模型的预测精度、稳定性和可靠性等方面进行评价, 此外,还需要对模型的解释性和可解释性进行评估,以便更好地理解模型的预 测结果和应用价值,在实际应用中, 可以根据具体的需求和场景选择合适的评估指标和方法金融数据模型的建立是一个复杂的过程,需要综合考虑数据 的收集、清洗、特征提取、模型选择和评估等多个方面,随着大数据和机器 学习技术的发展, 金融数据模型的建立方法和性能也在不断提高,在实际应用中,需要根据具体的需求和场景选择合适的建立方法和评估指标,以提高模型的预测精度和稳定性, 更好地服务于金融市场和投资决策。
工作原理:在使用该具有筛选有效数据功能的金融数据处理系统时,首 先需要对各类基础信息进行采集,数据采集包括产品信息采集模块和用户信 息采集模块,且数据采集需要通过直接采集、网络爬虫采集和数据接口采集等方式;
完成大量信息的采集工作后,此时就需要对驳杂的数据进行清洗,而数 据清洗使用 python 技术、 r 语言、等数据清洗框架进行计划性工作,首先是 需要明确清洗的目标、范围和规则, 确保清洗过程有组织、有计划;同时将数据导入适当的数据库或数据仓库, 检查数据的完整性、异常值和缺失值;进一步根据数据的性质和业务需求, 选择合适的策略处理缺失值;同时识别 并处理异常值;然后识别并删除重复记录,确保每条记录的唯一性;并且将 数据格式统一,将数据转换为适当的数据类型,如将文本字段转换为数;最后将清洗后的数据存储在适当位置, 并建立数据管理规则,保证数据的安全性和可访问型,以此完成对于有效金融数据的筛选工作,使得系统数据处理的能力更加高效和便捷,有效避免劣质数据对系统评估此时的影响;
此时需要的有效的数据进行分类,数据分类分别包括金融产品分级模块 和用户信息分类模块,用户信息分类包涵以下步骤:通过获取用户的个人属 性和月收入、财务状态和价值属性以及社会属性等用户基本属性数据进行等 级评估;进一步的对用户时间偏好、渠道偏好和兴趣偏好进行标签分类;同时通过等级评估对用户进行浅层画像绘制;此时结合用户标签和浅层画像进 一步刻画用户深层画像;最后将深层用户画像与对应等级金额产品数据进行 归纳,以此完成对于用户信息的归纳和分类,使得系统对于用户和金融产品的匹配系数提高,更加精准的完成用户和产品的结合工;
最后将分类的数据进行可视化金融模型的构建,金融模型建立需要结合 深层用户画像和金额产品数据进行数据可视化建立,在模型建立之前需要对 数据特征进行提取,特征提取需要根据具体的预测目标进行选择,并考虑特 征的多样性和可解释性,在特征提取之后,需要选择适合的模型进行训练和 预测,选择模型时需要考虑数据的性质和规模,以及模型的预测精度和稳定 性,以便选择最优的模型,后配合风险评估进行最后的报告和预测,数据报告预测结合可视化用户信息散点图和金融信息散点图进行初步信息均衡评估,且需要结构金融风险评估进行最后的评分和预测, 需要在模型训练完成 后,需要对模型进行评估,以确定模型的性能和预测能力,还需要对模型的 解释性和可解释性进行评估,以便更好地理解模型的预测结果和应用价值,在实际应用中, 可以根据具体的需求和场景选择合适的评估指标和方法;
金融数据模型的建立是一个复杂的过程,随着大数据和机器学习技术的 发展,金融数据模型的建立方法和性能也在不断提高, 在实际应用中,需要 根据具体的需求和场景选择合适的建立方法和评估指标,以提高模型的预测 精度和稳定性,更好地服务于金融市场和投资决策, 这就是该具有筛选有效数据功能的金融数据处理系统的使用方法。
本发明使用到的标准零件均可以从市场上购买,异形件根据说明书的和 附图的记载均可以进行订制,各个零件的具体连接方式均采用现有技术中成 熟的螺栓、铆钉、焊接等常规手段, 机械、零件和设备均采用现有技术中, 常规的型号, 加上电路连接采用现有技术中常规的连接方式, 在此不再详述,本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人 员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其 中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等, 均应包含在本发明的保护范围之内。
Claims (8)
1.一种具有筛选有效数据功能的金融数据处理系统,包括数据采集、数据清洗、数据存储、数据分类、和数据报告和预测,其特征在于:所述数据采集与数据清洗相连,且数据清洗与缺失值处理、异常值处理、重复数据标记处理、格式标准化和数据存储相连,所述数据分类与数据统计分析相连,且数据统计分析与金融模型建立相连,所述金融模型建立与数据报告预测相连。
2.根据权利要求1所述的一种具有筛选有效数据功能的金融数据处理系统,其特征在于:所述数据采集包括产品信息采集模块和用户信息采集模块,且数据采集需要通过直接采集、网络爬虫采集和数据接口采集等方式。
3.根据权利要求1所述的一种具有筛选有效数据功能的金融数据处理系统,其特征在于:所述数据清洗使用python技术、r语言等数据清洗框架进行计划性工作。
4.根据权利要求1所述的一种具有筛选有效数据功能的金融数据处理系统,其特征在于:所述数据清洗包含以此步骤:
步骤1:数据清洗计划制定,明确清洗的目标、范围和规则,确保清洗过程有组织、有计划;
步骤2:数据导入与检查,将数据导入适当的数据库或数据仓库,检查数据的完整性、异常值和缺失值;
步骤3:缺失值处理,根据数据的性质和业务需求,选择合适的策略处理缺失值,如填充缺失值、删除含有缺失值的记录或使用插值方法;
步骤4:异常值处理,识别并处理异常值,可以使用统计学方法、业务规则或机器学习方法;
步骤5:重复数据标记处理处理,识别并删除重复记录,确保每条记录的唯一性;
步骤6:格式标准化,将数据格式统一,如日期格式、货币符号等,且根据业务需求,将数据转换为适当的数据类型,如将文本字段转换为数;
步骤7:数据存储,将清洗后的数据存储在适当位置,并建立数据管理规则,保证数据的安全性和可访问型。
5.根据权利要求1所述的一种具有筛选有效数据功能的金融数据处理系统,其特征在于:所述数据分类分别包括金融产品分级模块和用户信息分类模块。
6.根据权利要求5所述的一种具有筛选有效数据功能的金融数据处理系统,其特征在于:所述用户信息分类包涵以下步骤:
步骤1:通过获取用户的性别、年龄、学历、职业等个人属性和月收入、财务状态和消费能力等价值属性以及所属行业、岗位层级等社会属性等用户基本属性数据进行等级评估;
步骤2:进一步的对用户时间偏好、渠道偏好和兴趣偏好进行标签分类;
步骤3:通过步骤1的等级评估对用户进行浅层画像绘制;
步骤4:结合用户标签和浅层画像进一步刻画用户深层画像;
步骤5:将深层用户画像与对应等级金额产品数据进行归纳。
7.根据权利要求1所述的一种具有筛选有效数据功能的金融数据处理系统,其特征在于:所述金融模型建立需要结合深层用户画像和金额产品数据进行数据可视化建立。
8.根据权利要求1所述的一种具有筛选有效数据功能的金融数据处理系统,其特征在于:所述数据报告预测结合可视化用户信息散点图和金融信息散点图进行初步信息均衡评估,且需要结构金融风险评估进行最后的评分和预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410356743.6A CN117971817A (zh) | 2024-03-27 | 2024-03-27 | 一种具有筛选有效数据功能的金融数据处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410356743.6A CN117971817A (zh) | 2024-03-27 | 2024-03-27 | 一种具有筛选有效数据功能的金融数据处理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117971817A true CN117971817A (zh) | 2024-05-03 |
Family
ID=90857915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410356743.6A Pending CN117971817A (zh) | 2024-03-27 | 2024-03-27 | 一种具有筛选有效数据功能的金融数据处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117971817A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472646A (zh) * | 2018-11-16 | 2019-03-15 | 广发证券股份有限公司 | 一种金融产品推荐方法及装置 |
CN112668859A (zh) * | 2020-12-23 | 2021-04-16 | 平安普惠企业管理有限公司 | 基于大数据的客户风险评级方法、装置、设备及存储介质 |
CN114996331A (zh) * | 2022-06-10 | 2022-09-02 | 北京柏睿数据技术股份有限公司 | 一种数据挖掘控制方法和系统 |
CN115269997A (zh) * | 2022-08-18 | 2022-11-01 | 中国银行股份有限公司 | 一种金融产品推荐方法及装置 |
CN117217568A (zh) * | 2023-07-24 | 2023-12-12 | 广东省投资和信用中心(广东省发展和改革事务中心) | 一种基于市场主体信息资源库的经济监测方法及系统 |
CN117333012A (zh) * | 2023-10-08 | 2024-01-02 | 湖南工商大学 | 基于数据挖掘的金融风险跟踪管理系统、装置和存储介质 |
CN117520645A (zh) * | 2023-11-07 | 2024-02-06 | 中国工商银行股份有限公司 | 基于金融产品的用户确定方法、装置以及电子设备 |
-
2024
- 2024-03-27 CN CN202410356743.6A patent/CN117971817A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472646A (zh) * | 2018-11-16 | 2019-03-15 | 广发证券股份有限公司 | 一种金融产品推荐方法及装置 |
CN112668859A (zh) * | 2020-12-23 | 2021-04-16 | 平安普惠企业管理有限公司 | 基于大数据的客户风险评级方法、装置、设备及存储介质 |
CN114996331A (zh) * | 2022-06-10 | 2022-09-02 | 北京柏睿数据技术股份有限公司 | 一种数据挖掘控制方法和系统 |
CN115269997A (zh) * | 2022-08-18 | 2022-11-01 | 中国银行股份有限公司 | 一种金融产品推荐方法及装置 |
CN117217568A (zh) * | 2023-07-24 | 2023-12-12 | 广东省投资和信用中心(广东省发展和改革事务中心) | 一种基于市场主体信息资源库的经济监测方法及系统 |
CN117333012A (zh) * | 2023-10-08 | 2024-01-02 | 湖南工商大学 | 基于数据挖掘的金融风险跟踪管理系统、装置和存储介质 |
CN117520645A (zh) * | 2023-11-07 | 2024-02-06 | 中国工商银行股份有限公司 | 基于金融产品的用户确定方法、装置以及电子设备 |
Non-Patent Citations (2)
Title |
---|
张烨平: "人身保险大数据精准营销的前景展望", 《中国保险》, 31 July 2018 (2018-07-31) * |
用友平台与数据智能团队: "《一本书讲透数据治理:战略、方法、工具与实践》", 30 November 2021, 北京机械工业出版社, pages: 236 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11928697B2 (en) | Methods and systems for using multiple data sets to analyze performance metrics of targeted companies | |
CN108648074B (zh) | 基于支持向量机的贷款评估方法、装置及设备 | |
CN108416669A (zh) | 用户行为数据处理方法、装置、电子设备及计算机可读介质 | |
CN114066242A (zh) | 一种企业风险的预警方法及装置 | |
CN109146611B (zh) | 一种电商产品质量评价方法及系统 | |
CN114048436A (zh) | 一种预测企业财务数据模型构建方法及构建装置 | |
CN111047193A (zh) | 一种基于信用大数据标签的企业信用评分模型生成算法 | |
Fan et al. | Improved ML‐based technique for credit card scoring in Internet financial risk control | |
CN112396437A (zh) | 一种基于知识图谱的贸易合同验证方法及装置 | |
CN113159796A (zh) | 一种贸易合同验证方法及装置 | |
CN112419030A (zh) | 财务舞弊风险评估的方法、系统及设备 | |
CN111951093A (zh) | 一种个人信用分评分方法 | |
CN115456745A (zh) | 小微企业画像构建方法及装置 | |
Okazaki et al. | Nowcasting of Corporate Research and Development trends through news article analysis by BERTopic: The case of Japanese electric company | |
CN112949963A (zh) | 员工服务质量的评估方法、装置、存储介质和智能设备 | |
CN116228403A (zh) | 一种基于机器学习算法的个人不良资产估值方法和系统 | |
CN117971817A (zh) | 一种具有筛选有效数据功能的金融数据处理系统 | |
KR20160094157A (ko) | 기업 연쇄부도위험 관리 시스템 및 이를 이용한 연쇄부도위험 관리 방법 | |
CN112102069A (zh) | 一种个人房产按揭贷款信息录入分析系统 | |
CN113506174A (zh) | 中小企业风险预警模型训练方法、装置和设备 | |
CN112767002A (zh) | 一种基于区块链的旅游营商环境和旅游区评价方法及装置 | |
CN110992076A (zh) | 商家质量评价方法、装置、电子设备及可读存储介质 | |
CN115187387B (zh) | 一种风险商家的识别方法及设备 | |
CN116308158B (zh) | 一种国有资产监督管理系统 | |
CN116976187A (zh) | 建模变量确定方法、异常数据预测模型构建方法和装置 |
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 |