简介:摘要:棉花作为重要的战略物资,其价格是影响棉农的种棉积极性和纺织企业生产的重要因素。本文利用Python获取棉花价格历史数据并对数据的时间序列特征进行分析。建立了基于LSTM网络的棉花价格预测模型并与BP神经网络模型的预测结果进行对比分析,验证了LSTM棉花价格预测模型的实用性和精确度。
简介:摘要 :借助空间统计模型的引入,可以从空间角度和可视化的方向认识并解决区域经济发展问题。空间统计分析方法在国外社会和行为科学的研究中应用广泛,常用作探索社会现象的空间模式和异常分布。空间自相关(Spati M Autocorrelation)是空间统计学研究中的一个重要方法,是在所研究的空间中,在某区域和周围区域之间,就某种特征值,通过统计分析方法,进行空间自相关程度的计算。本篇文章旨在基于Arcgis软件分析2009-2018年甘肃省县域人均GDP的空间关联性。
简介:摘要:中国传统节日是维系国家统一、民族团结和社会和谐的重要精神纽带。然而,传统节日文化却在现代生活中面临着日趋边缘化的问题。结合文化体验馆可以加强客户对文化及相关文化产品的认知度和认同感,本文前瞻性提出节日体验馆,基于技术接受模型(TAM),构建客户对节日体验馆消费意愿模型。根据假设及模型研究结果,节日体验馆的付费价格、客户的感知易用都会对客户的付费意愿产生正向影响。我们提出的建议是在政府保护非遗节日文化的政策支持下,创立节日体验馆,为民俗活动项目设定合理价格和付费模式。宣传倡导过佳节、体民俗的社会风气,进而实现非遗传统节日文化的活态传承。
简介:摘要:金融市场之间的相关性一直以来是学者们关注的热点,随着全球经济一体化进程加快,金融市场间的相关性愈来愈强,同时相关结构也会变得更加复杂,传统的Copula模型已经无法精确地描述错综复杂的金融市场相关性,因此构建能够精准刻画金融市场相依性的Copula模型是众多学者研究的焦点。本文通过阅读国内外学者关于研究金融市场相关性的学术著作,从静态Copula模型出发,进一步探讨动态Copula模型,进而总结出当前Copula模型的不足,最后列出Copula模型在研究金融市场相关性方面未来可能的发展方向。
简介:摘要:随着绿色低碳技术的研发和推广应用,新能源已成为全球低碳经济增长的支柱。在大力发展新能源汽车的背景下,我国乃至全球动力电池市场出货量保持着较高的增长水平,取得了很好的成绩。如何对新能源企业的价值进行准确评估,对投资者和企业管理者都有着十分重要的作用。因此本文基于EVA 模型,对宁德时代的企业价值进行分析,希望能对相关领域提供参考。
简介:摘要:过往研究中发现,深度学习方法中的LSTM模型在预测金融时间序列时表现良好。本文基于LSTM模型,对模型的层数、结构、激活函数等进行优化,并将优化后的模型用于对上证50ETF收盘价的预测,结果发现:①模型的层数会影响预测结果,过浅或过深的模型层数都会降低模型的预测能力,两层的LSTM模型对上证50ETF收盘价的预测能力最佳;②引入非线性激活函数的全连接层作为隐藏层可以提升模型的预测能力,exponential激活函数的表现最佳;③对特定隐藏层使用Xavier权重初始化方法可以提升模型预测能力。优化后的LSTM模型预测能力明显提升,该优化方法为LSTM模型构造提供了新的思路。
简介:摘要:在现代金融体系中,信贷风险评估是确保金融机构稳定与安全运营的关键环节。随着大数据技术的发展,传统的信贷风险评估方法逐渐被数据驱动的评估模型所取代。大数据不仅能提供更为全面和精准的客户信息,还能通过挖掘隐藏在海量数据中的模式,提升风险预测的准确性和效率。本文旨在探讨以大数据为基础的信贷风险评估模型的构建与应用,通过分析大数据的特点和在信贷风险管理中的实际应用,揭示其对金融行业的重要意义。同时,本文将结合具体案例,阐述大数据驱动的信贷风险评估模型在实际应用中的效果与挑战,并展望未来的发展趋势。通过这一研究,希望能为金融机构提供新的思路和方法,以应对日益复杂的信贷风险管理挑战。