一、有向树在投资分析中的运用（论文文献综述）
霍圣录[1]（2021）在《省级体育彩票公益金使用绩效评价研究》文中研究表明发行体育彩票是我国基于经济与社会全面发展的战略高度所采取的一项重大举措。1994至今,中国体育彩票已历经了27年。据统计,我国体育彩票销售量总计达到了2.15万亿元,筹集体育彩票公益金超过5600亿元,为公益事业、养老事业、民政事业和体育事业的发展作出了重大的贡献,有效地促进了健康中国和体育强国的建设。随着体育彩票公益金募集大幅增长、公民参政议政意识的不断提升、绩效评价理论的发展及广泛应用以及体育彩票公益金使用存在乱象等新形势,加强体育彩票公益金的管理迫在眉睫。因此,进行体育彩票公益金绩效评价就显得尤为必要。开展体育彩票公益金使用的绩效评价可以促进体育彩票公益金管理部门更好地履行职责,促进体育彩票公益金更好地规范管理,促进体育事业更好地健康发展。相关研究有利于丰富体育彩票公益金使用绩效评价的理论体系,有利于建立体育彩票公益金使用绩效评价的指标体系的理论意义,有利于强化绩效的理念,有利于建立绩效评价制度,有利于提高体育彩票公益金的配置效率,有利于提高体育彩票公益金的使用效率等实践意义。本研究以体育彩票公益金使用的绩效为研究对象,采用文献调查与社会调查相结合、定性分析与定量分析相结合、规范分析与实证分析相结合、比较分析与层次分析相结合的方法,确定了研究思路和技术路线。主要研究结论包括:（1）梳理了体育彩票公益金管理与使用现状。运用文献综述法和对比分析法,从我国体育彩票公益金的管理体系、我国体育彩票公益金筹集情况、我国体育彩票公益金分配情况、我国体育彩票公益金使用情况、我国体育彩票公益金的使用成效评析等五个方面进行一一分析。自1994年体育彩票发行以来,主要贡献体现在服务经济社会发展、保障体育事业发展、助推公益事业发展等三个方面。体育彩票公益金的使用范围呈现出以下的特点:全民健身全面化、公共服务体系化、赛事活动多元化、体育扶贫常态化。（2）规划了体育彩票公益金使用绩效评价体系的系统构建。围绕绩效评价体系的框架结构、构建的指导原则、绩效评价体系的目标、绩效评价体系的制度体系、方法体系、组织体系、标准体系及其结果应用分析了体育彩票公益金使用绩效评价的系统构建。遵循整体性与系统性相结合、可行性与可比性相结合、定性分析与定量分析相结合的原则,从目标的含义、重要性、目标管理的意义进行目标的设置,将体育彩票公益金使用分为四个层级,界定了主客体、工作范围及工作程序,通过建立标准体系,选择了德尔菲法、文本分析法、系统综述法、模糊综合评价法、机器学习法进行本文体育彩票公益金使用绩效评价体系的系统构建。（3）构建了体育彩票公益金使用绩效评价指标体系。采用文本分析法,通过对相关政策、报告和文献的分析,归纳了体育彩票公益金使用绩效评价预评价指标表。在此框架基础上,根据指标相关绩效评价理论、评估目的与原则,通过两轮专家咨询评议,利用德尔菲法构建了省级体育彩票公益金使用绩效评估的综合评价层次模型并计算了每个指标相应的权重。构建的体育彩票公益金使用绩效评估指标体系共包括4个一级指标（投入指标、过程指标、产出指标、影响指标）;17个二级指标、33个三级指标。（4）确定了体育彩票公益金使用绩效评价各级指标权重。研究发现省级体育彩票公益金使用绩效评价体系中的四项一级指标的权重系数较为均衡,其中,产出指标的权重系数最高（0.2611）,过程指标和投入指标次之,分别为0.2512和0.2497,影响指标最低,为0.2380。为此,在针对我国体育彩票公益金绩效的实际评估中,需更加重视产出方面的几个因素及相应的评估结果。（5）评估了省级体育彩票公益金使用绩效。在采集数据的基础上,根据建立的体育彩票公益金绩效评价指标体系进行了实证研究。使用全国和江浙沪皖的体育事业年鉴的公开统计数据,对省级体育彩票公益金使用绩效进行的实证评价研究验证了本研究构建。的指标体系是可行的,指标数据采集方式是合理的,具有实际可操作性和推广性。首先,对全国31个省区市2014-2017年四年体育彩票公益金使用的部分指标进行了绩效评价。其次,对数据较为全面的长三角地区江、浙、沪、皖四个省市2018年体育彩票公益金的使用进行了全指标体系的绩效评价,排名依次为江苏、浙江、上海和安徽。（6）探索了基于机器学习的科学评价延展性。运用机器学习中的经典模型进行了验证和探索分析。首先,使用了非监督学习情形下的k均值聚类算法模型,对全国31个省区市2014-2017四年使用情况数据进行了建模分析,得出分类结果。其次,监督学习下的经典回归分析模型运用了线性岭回归模型、支持向量机回归模型和随机森林算法的决策树回归模型,进行了建模分析,得出各模型的20018年预测结果。其中,随机森林算法回归模型取得了较好的学习效果。通过该模型预测的结果与2018年长三角地区江浙沪皖三省一市的全指标评价结果进行比对,结果完全一致,验证了本研究构建的指标体系的可行性和有效性。最后,研究提出了五个对策与建议:一是政策制度层面:完善顶层设计、形成法制体系。在国家层面立法:健全宏观层面顶层法律法规。在部级层面立规:订立中观层面部局管理规定。在省级层面立制:建立微观层面省级实操制度。二是意识认识层面:加大宣传力度、形成共同认识。在社会层面:建立社会公益的意识。在管理层面:树立绩效管理的意识。三是资金管理层面:明确责权分工、形成科学机制。工作机制上:建立沟通协调机制。预算管理上:实施预算管理制度。过程管理上:加强经费使用监管。审计管理上:开展事后经费审计。四是资金分配层面:合理使用资金、科学分配方式。在领域分配要统筹兼顾、合理分配。项目分配要优化分配、引入竞争。平衡分配要注重绩效、奖罚分明。五是绩效评价层面:健全评价体系、完善指标体系。系统构建绩效评价体系、完善绩效评价指标体系、发布公益金绩效评价报告、合理运用绩效评价结果、寻求智力支持数据支撑。
陈鸿彬[2]（2021）在《汉语句法分析中数据增强方法研究》文中研究指明句法分析是自然语言处理中的一项基础核心技术,其目标是根据给定的语法理论,自动识别分析句子中各种成分之间的关系,最终得到句法树,在机器翻译等自然语言处理任务中有着广泛的应用。当前主流的神经网络句法分析模型依赖大规模标注数据,但是由于汉语不像英语有丰富的词性变化等表层信息来表示句法结构,导致汉语树库规模较小,人工标注成本高,短期内难以扩大。因此,如何利用现有的标注树库自动进行数据增强成为研究的焦点。在汉语句法分析的数据增强任务中,对于给定的标注树库,要求数据增强所生成的句子满足如下条件:第一,要求生成句具有多样化的句法结构,并保证其句法树结构的完整性;第二,要求生成句具有正确的句法结构标注;第三,生成句的语义要合理,即保证生成句符合语言表达的习惯。针对汉语句法分析中数据增强的这三个需求,本文工作和贡献总结如下:（1）提出基于词汇化树邻接语法的数据增强方法。词汇化树邻接语法是计算语言学中的一种重要形式语法,基于该语法可以在句法树之间进行“接插”和“替换”的操作,从而推导生成新的句法树,并且有语言学的知识保证其生成的句法树符合语法规则且具有正确的句法结构标注,能够很好地满足句法分析中数据增强的前两个需求。因此我们基于词汇化树邻接语法,设计实现词汇化树抽取算法与句法树合成算法。同时,我们分析总结汉语树库中相对英文树库所特有的一些表达方式和句法标注体系,在算法层面对词汇化树邻接语法进行“剪枝”优化,避免生成句引入过多的噪声。我们基于公开的数据集CTB5.1进行数据增强,并通过该方法基于原训练集的18k数据构建了338k的增强数据,最后进行小样本和鲁棒性的实验。在小样本的数据增强实验中,使用该方法得到的增强数据使依存句法分析模型和成分句法分析模型的精度分别提高1.4%和2.12%。在鲁棒性的实验中,我们人工挑选出86个生成句构建扩展测试集并进行实验。实验结果显示,使用数据增强后,依存句法分析模型和成分句法分析模型的精度分别提高1.02%和0.38%,说明该数据增强方法能够有效提高句法分析模型的鲁棒性。（2）提出基于语言模型的语义合理性评估方法。语言模型是一种基于概率的判别模型,即通过概率判断一个句子的语义合理性。因此针对句法分析中数据增强的第三个需求,本文提出利用语言模型对生成句进行语义合理性评估,从而筛选出语义合理的句子作为最终的增强数据。本文分别设计实现了n-gram语言模型与RNN神经网络语言模型,将词汇化树邻接语法所获得的338k个生成句筛选为105k和94k的数据规模,最后进行小样本和鲁棒性的实验。在小样本实验中,使用该方法得到的增强数据使依存句法分析模型和成分句法分析模型的精度提高1.6%和2.14%。同时,在鲁棒性实验中,依存句法分析模型和成分句法分析模型在扩展测试集中的精度分别提高1.43%和0.44%,表现出更好的鲁棒性。综上所述,针对当前汉语标注树库不足的现状和句法分析中数据增强的需求,我们提出基于词汇化树邻接语法的数据增强方法,并结合语言模型,基于当前18k的训练集分别构建了338k、105k和94k的增强数据,最后在公开的数据集上进行实验对比分析,实验结果表明,该方法能够有效提高当前神经网络汉语句法分析模型的性能和鲁棒性。
赵欣瑶[3]（2021）在《基于拓扑结构的全球股市联动与系统性金融风险研究》文中研究指明近年来,全球经济一体化进程不断加快,金融市场尤其是股票市场的同质性和联动日益增强。二十一世纪以来,世界上爆发了很多次重大的金融动荡,其中,2007-2008年美国次贷危机、2010-2011年欧洲债务危机以及2015-2016年股灾,这些危机都是由金融体系内部的风险造成的;而2019年底爆发的COVID-19是来自金融体系外部的风险,它对国际金融市场产生了重大影响。“灰犀牛”的提出者米歇尔渥克称新冠肺炎疫情是反复出现的“灰犀牛”,是经常被提示却没有得到充分重视的大概率风险事件。COVID-19的爆发范围和规模比SARS更大,而与2008年的金融危机相比,它对市场的影响更快、更深,至今仍在蔓延。金融危机会给经济社会带来毁灭性的破坏,因此,研究股票市场的联动以及系统性金融风险具有重大现实意义。本文主要研究了自2001年以来几次金融危机或风险期间全球股市的联动,并重点关注了COVID-19时期的情况。首先,介绍了本文的研究背景与研究意义,以方法为导向,从基于传统方法的系统性金融风险或金融危机早期预警研究,基于复杂网络的股市联动与系统性金融风险研究,以及拓扑数据分析在金融领域的应用三个方面梳理了国内外的相关文献,并对本文的研究方法、思路与创新点展开论述。其次,介绍了股市联动和系统性金融风险的基本理论,以及拓扑数据分析和复杂网络的理论基础与方法。第三,在全球范围内选择了45个国家/地区,从每个国家/地区选取一只指数,基于日对数收益率,运用滑动窗口法计算每两只指数之间的相关系数和距离。第四,基于持久同调理论,在滑动窗口下对45只股指构成的点云数据基于股指间的距离值构建复形,并主要通过展示复形每日变化的持久landscapes及其Lp范数进行拓扑数据分析。随后建立了一个基于持久landscapes的关键日期检测系统,并通过构建子组验证该系统的稳健性。最后,基于检测出的关键日期分别构建了阈值网络和最小生成树,展示相关的拓扑特征并与关键日期前的网络的拓扑特征进行比较,验证了关键日期检测系统的有效性。根据实证结果,本文得到以下结论:第一,上述金融动荡事件都引发了全球股市的系统性金融风险。综合各项拓扑度量,这几次系统性金融风险根据其严重程度按年份从高到低依次为2020年、2007年、2011年和2015年。第二,在金融危机前后,全球股指的联动性变得更强。尤其是在2020年2月下旬至3月,即COVID-19在全球范围内扩散时,股指间的联系明显比以往更加密切。第三,不同的股票市场,其联系形式通常是不同的。发达国家的指数在危机过渡时期从“正常联系”变为“密切联系”。新兴国家受危机的影响更大,在正常时期,它们的股指与其他股指的联系较少;而当危机到来时,它们开始快速跟踪发达国家的股指,因此与其他股市的联系变得更加紧密。第四,全球主要股指之间存在着明显的地理集聚现象。同一地区的国家/地区,其股市之间的联动很强。欧洲国家的股指之间比其他地区的股指间有着更紧密、更稳定的联系,它们是其他国家股市联系的桥梁。本文通过研究风险的传导机制,找到了系统的重要性节点,对研究股市联动提供了很大帮助,为防范和化解系统性金融风险提供了指导。
陈瑾[4]（2021）在《能源市场波动溢出的网络效应测度、情景演化与节点管理》文中研究表明随着全球化发展,由诸多能源市场间的关联影响与关键因素相互交叉而导致的波动溢出现象日趋明显,并进一步表现为网络扩散现象,即波动溢出网络效应。若无法及时有效并全面测度和应对这类因市场间或市场外扰动所产生的波动溢出及其延续的网络扩散现象,将可能引发系统性金融或经济风险甚至是危机。尽管已有文献详细探讨了能源市场两两波动溢出效应,但立足网络视角对能源市场波动溢出进行全面测度、识别和管理的系统研究尚少。另外,考虑到国际经济环境的复杂性、多变性和一体化性等特征,故从单一趋势对能源市场之间的联动效应进行分析可能存在一定片面性。鉴于此,文章将分别从整体趋势、极端趋势以及动态趋势三个视角出发,系统研究能源市场波动溢出的网络效应、情景演化与节点管理。尝试从多维度出发,探讨能源市场价格波动溢出及其衍生的网络效应,进而展示不同能源市场的波动溢出现象与市场联动反应,进而帮助政策制定者识别和监管相关市场。此外,为了深入了解市场风险传染机制,文章还将研究能源市场价格波动溢出的网络动态演化,并通过实证捕获溢出关键路径和中心节点,以便开展最终的多层次节点管理研究。整体而言,全文研究有助于决策者识别风险传染、预测风险传染、降低风险传染,并进行有效风险管理。具体而言,相关研究主要如下:整体趋势下,文章在对不同能源市场波动溢出效应识别和测度的基础上构建了波动溢出网络,对市场之间溢出效应进行系列对比,从而了解了各市场间溢出关系,识别了关键市场。上述研究更趋向于横向地比较各市场间的波动溢出,而基于所构建的波动溢出网络,进一步分析溢出网络的情景演化则倾向于纵向比较不同能源市场在各时期的变化趋势,这种趋势也揭示了能源市场间长期发展的相互作用机制,有助于政策制定者和管理者明晰整体趋势下能源市场的长期变化趋势,对其有效控制波动溢出效应所带来的系统性风险起重要作用。研究还发现,能源市场波动溢出网络现象在近3年来相互作用日趋明显。政策制定者应特别关注石油、风能和水能市场,以有效应对系统性风险。更重要的是,研究还揭示了由多派系向单派系的转变现象,反映了近10年来同质化的网络演化趋势,该同质化网络演化趋势也表明能源市场间联系越来越密切,而具有重要影响的能源市场间波动溢出效应可能会迅速蔓延,并对整个波动溢出网络产生影响。尽管发生概率低,能源市场间极端波动溢出则更有可能导致系统性金融风险。对此,文章在识别和测度关键能源市场极端波动溢出的基础上,详细分析了各能源市场的尾部相依关系。在此基础上,应用派系分析法对极端风险扩散进行了多视角研究。而考虑到2019年年底爆发的公共卫生事件“新冠肺炎”,文章还集中探讨了从2019年至2020年能源市场间的极端波动溢出网络效应。需要注意的是,由于新冠疫情冲击,包括能源行业在内的众多行业都一度陷入停滞状态,所以,文中着重分析了能源市场下尾部极端波动溢出网络效应。研究发现,可再生能源市场的极端波动溢出网络效应更强,特别是市场繁荣期,这也反映了能源市场极端波动溢出网络效应的不对称性特征。在极端波动的溢出网络中,水能市场具有较大影响力。基于此,各国都在疫情期间采取措施,维持能源市场的稳定,以防止溢出风险所带来的严重经济损失。事物的存在是不断发展变化的,尤其是在全球一体化趋势下,不同的市场、国家和经济体在改变和发展的同时,易对相关联的对象产生波动影响和传导,而这类现象又具体表现为经济个体间的动态波动溢出效应。因此,文章需要考虑的不仅是能源市场间固定不变的波动溢出,还需要补充研究能源市场间存在的较为明显的动态波动溢出。鉴于此,文章立足时变Copula对9个国际能源市场间的动态波动溢出进行了识别和测度,立足所得出的动态波动溢出系数构建了动态波动溢出网络。通过动态波动溢出网络,分别基于人工识别和曼-肯德尔识别,挖掘了动态波动溢出的趋势点。基于上述趋势点,进一步在凝聚子网分析的基础上总结了能源市场近十年的波动溢出情景演化趋势。研究发现,非可再生能源的动态波动溢出在十年间相对可再生能源的波动溢出网络效应较弱,原油、煤炭和天然气能源市场不易受其它市场的价格波动而发生较大幅度的波动趋势。而可再生能源如水能和太阳能市场的动态波动溢出网络效应明显强于非可再生能源。另外,水能市场在十年间的影响力较强,而煤炭和天然气能源市场则不易受其它市场波动而发生巨大变化。可再生能源之间呈现较强波动溢出网络效应,这也表明其联系更为紧密,也容易受市场冲击引发系统性风险。根据上述不同趋势下对国际能源市场波动溢出的网络效应测度和情景演化分析,并结合所得结论,文章最后分别从政府、企业和个人角度提出了节点管理具体对策与其它建议。例如,政府应从宏观调控的方面推行有效的政策机制,在不同趋势下灵活抑制关键能源市场的波动溢出与网络影响,防止其进一步发展所带来的市场风险甚至是经济危机。另外,鼓励能源企业的科技创新也是实现其能源效率提升的有效途径。能源企业应关注市场供需关系的变化,适时调整能源产量和价格,并有效控制能源生产、储存和运输成本。从个人的角度而言,应关注不同趋势下能源市场的变化,灵活制定投资策略。同时关注不同派系下的能源市场,以分散投资风险。文章研究的内容具备数据、实证和结果支撑,更加具备可信性。通过本文从三个角度对能源市场波动溢出网络效应的系统研究,能为政策制定者、企业管理者和能源投资者在能源行业的相关经济管理和参与行为提供参考和借鉴,具有较大的理论价值和实际意义。
王甜[5]（2021）在《我国新能源汽车产业链股票价格波动传导时序网络研究》文中提出新能源汽车产业链是由许多不同的部分组成的复杂系统。新能源汽车产业链股票市场能反映该产业链上各上市公司的内在价值和在产业链上所处地位。本文选取万德数据库新能源汽车产业链上、中、下游包含的76支股票2008年至2019年日收盘价时间序列为研究对象,分别以月度和季度为时间尺度将数据进行分割,形成各个子模块,各子模块以格兰杰因果关系检验结果矩阵为基础,以每支股票作为节点,若两支股票价格之间存在因果关系则存在一条边,且格兰杰因指向格兰杰果,构建每月、每季度新能源汽车产业链股票价格格兰杰因果关系复杂网络。在复杂网络的基础上,提取复杂网络的入度值、出度值、中介中心性、接近中心性、聚类系数等指标分别构建各个指标对应的月度和季度时序网络,并分析网络中重要节点随时间波动的地位演变规律。这项研究不仅能够明确随时间变化新能源汽车产业链上、中、下游股票地位的演变,也能为该产业链股票市场参与者提供参考依据。结果表明,随时间变化,新能源汽车产业链各支股票价格波动关系变得更加紧密,中游股票价格主导着新能源汽车产业链股票价格的波动,上游股票在整个新能源汽车产业链中的地位逐渐提升,下游股票在2019年度影响力逐渐增大;季度新能源汽车产业链股票价格时序网络更能体现产业链总体变化趋势;重要节点（股票）的影响力演变存在波动性。对于新能源汽车产业链股票投资者而言,在进行投资时应着重关注中游股票价格的波动,若要对新能源汽车产业链股票进行长期投资,则需要将研究尺度放宽到季度以上为宜,且投资者在对新能源汽车产业链股票进行投资时,可以考虑进行组合投资,降低投资风险。
王飞[6]（2020）在《基于深度森林的P2P网络借贷违约风险评估》文中提出P2P网络借贷作为“互联网+金融”模式的代表,为借款方和投资方打通了一条便捷的融资渠道,但伴随P2P网络借贷行业的迅速发展,P2P网络借贷违约事件频繁出现,导致大量P2P网络借贷平台破产倒闭。这不仅损害了投资方的合法权益,同时也危害了互联网金融行业的安全与社会的稳定。针对现有的机器学习算法在违约风险评估中的预测准确率、F1值和AUC值不高的问题,本文使用深度森林算法构建P2P网络借贷违约风险评估模型。论文主要工作如下:（1）数据预处理与特征选择。本文以Lending Club平台的历史借贷交易数据集为研究对象,首先对原始数据集进行清洗,然后确定数据集的目标变量和特征变量,将目标变量分为违约类和履约类。其次将特征变量分为连续型特征变量和离散型特征变量,对连续型特征变量进行了归一化处理,对离散型特征变量分为有序离散型特征变量和无序离散型特征变量,对有序离散型特征变量进行自然数编码和归一化,对无序离散型特征变量进行独热编码。最后使用了方差和互信息指标进行特征选择。（2）建立基于深度森林的P2P网络借贷违约风险评估模型。本文选取了梯度提升决策树、随机森林、极端梯度提升决策树和极端随机森林作为学习器构建深度森林,每一层的学习器接收原始特征信息和上一层输出的特征信息,并将处理结果输出到下一层。模型的输入是数据预处理和特征选择后的P2P网络借贷数据,输出是借款人为违约类的概率。（3）风险评估模型的对比与分析。本文选取了逻辑回归、线性判别分析、决策树、K近邻、朴素贝叶斯、BP神经网络和Adaboost集成决策树与深度森林进行模型对比实验。实验结果显示,深度森林模型的F1值为0.6790、准确率为0.6824和AUC值为0.7579,相比逻辑回归、线性判别分析、决策树、K近邻、朴素贝叶斯、BP神经网络和Adaboost集成决策树,深度森林模型在P2P网络借贷违约风险评估中具有更好的预测性能。
魏洪森[7]（2020）在《基于故障指示器的架空线路故障定位研究》文中研究说明进入21世纪以来,特别是近几年随着“十三五”规划的实行,国家电网公司加快推进配电网基础建设和配电网自动化建设进程,投资逐年增大,电网网架结构经过近几年的建设逐步得到完善,用户停电次数也在逐年减少。与此同时,供电可靠性这一指标所反映的用户停电次数和时长也引起了人们的重视,对停电的忍耐性越来越低。电网供电可靠性在电网建设中的地位显的越来越高,供电质量对国民经济的重要性也越来越突出。因此如何应对突发的故障停电,在故障发生时,怎样快速定位故障区域,使得抢修人员不再需要费时间巡线,达到快速到达故障区域,对故障进行抢修的目的。上述的一系列具体要求怎么去实现越来越值得让人们深究。巨野县配电网在农村区域,主要还是10kV架空线路,部分线路过长且线型老旧,线路上没有或很少有配电自动化设备,日常故障率高,因此故障停电时间长,无法满足电力用户的需求,同时由于传统配电自动化的相关设备较为昂贵,对于广大的农村电网线路来说,投资巨大,很难实现。因此本文通过采用相对廉价的故障指示器作为故障定位方法的主要对象,从它的故障电流检测能力入手,通过可远程通信的特点,对通过加装故障指示器来进行故障定位分方法进行研究。本文的主要研究内容有:（1）首先对配电网中性点的各种接地方式进行了简单介绍,每种接地方式的适应范围也做了区分,另外介绍了故障指示器的工作流程,总结了应用于故障指示器的几种常用的故障检测技术。（2）通过对图论中有向图和树的研究,设计了一种改进的有向图配电网故障定位方法。该方法通过架空线路的复杂拓扑结构和故障指示器的安装位置,将架空线路进行分段分区域,并构造关联矩阵;然后在发生突发故障时,通过调控中心接收故障指示器发送的故障告警信息,构建线路电流向量,与关联矩阵进行乘法运算,得到故障电流向量,通过向量元素与分段的对应关系,快速确定故障区域。（3）针对线路正常检修过程中,常常进行的联络线路负荷转供。在联络转供时的线路通道上使用了不同的故障指示器,这种特殊的设备能够识别线路故障电流的方向,根据不同的方向给调度中心上报不同的信息,在联络转供时不需要改变线路的关联矩阵,解决了频繁负荷转供造成的故障定位困难的问题。（4）对配电网的正常和故障情况下的故障指示器上报异常进行了分析。利用初步故障定位的结果,与各种可能存在的故障状况进行对比,然后经过向量元素进行的逆运算,得到每种故障情况的原始电流向量,再与调控中心接收到的故障告警信息进行异或运算,得到差异度指标,根据差异度指标高低,精确定位故障区段。本文所研究方法理论完善,流程简单,不需要对相关矩阵进行统一化处理,只需要进行简单的矩阵乘法运算和逆运算,运算不涉及大数据,可实现对单电源供电和联络线路多电源供电情况下的单故障、多故障定位分析。建立的纠错机制对故障指示器误动与拒动情况具备较强的判断纠正能力,对现场实际的故障区域有准确的判断能力,能够帮助检修人员快速定位故障区域,同时能够使调控人员进行故障隔离有了实际依据,具有很好的实用性和应用前景。
杨明钰[8]（2020）在《基于随机森林的N分行中小企业信贷风险分类优化研究》文中认为贷款质量管理是贷后管理工作的重要内容,信贷风险分类既是贷后管理的环节,又是贷款质量管理的基础,承担着事前风险预警和事后贷款质量监控的双重责任,因此,做好信贷风险分类工作对于银行信贷风险管理来说有着重要的意义。随着商业银行日益重视中小企业信贷业务的拓展,基于中小企业规模较小、管理制度不完善、经营不稳定的特性,商业银行中小企业信贷业务的风险相对更加显着,成为商业银行不良类贷款增量的重要来源,加强中小企业信贷业务的风险管理是我国大多数商业银行必须面临的比较突出的问题。N分行是一家全国性股份制银行的南宁分行,基于实习观察发现其在信贷风险分类工作上存在着效率低下、与前置贷后管理流程脱节、分类方法不科学、分类效果不好的问题,中小企业信贷业务的不良贷款率日益上升。从学术角度对其中小企业信贷风险分类进行系统性思考与探索,或能优化改进其中小企业信贷风险管理状况。对N分行中小企业信贷风险分类优化问题的研究,遵循了理论梳理-现实状况考察-优化路径选择的分析逻辑。首先,本文梳理了商业银行中小企业信贷风险分类的理论基础,阐述理论的主要内容,并提炼理论对于信贷风险分类的指导意义;然后,通过考察N分行中小企业信贷业务状况和信贷风险分类状况,分析N分行现行信贷风险分类方法存在的问题,提出了基于随机森林的中小企业信贷风险分类优化路径;接着,通过实证对比分析,论证了随机森林模型用于N分行信贷风险分类优化的适宜性。实证结果显示,净现金流量、借款利率、销售利润率和筹资活动净现金流四个特征属性对N分行中小企业信贷风险分类结果影响较大;根据随机森林中决策树的结构图,可进一步归纳出三点适用于N分行中小企业信贷风险分类的规则。最后,从随机森林应用于中小企业信贷风险分类的实践和提升分类模型准确度的视角,提出了N分行中小企业信贷风险分类优化的对策建议。
王峰[9]（2020）在《车务段行车组织工作安全风险建模及评估分析》文中认为近年来,随着一系列市场化改革相关的重大举措出台,我国铁路行业持续吸引着来自资本市场、社会舆论、监管部门以及民众的目光。铁路行车组织工作的安全性也将越发突出,而车务段是铁路行车组织工作的核心组成部门之一。因此,采取科学的理论和方法对车务段行车组织工作进行安全风险识别和评估,具有十分重要的现实意义和较高的学术价值。本文综合运用数理统计分析、模糊数学、解释结构模型、DS证据理论以及贝叶斯网络等方法,对中国铁路南昌局集团公司直属的A车务段进行了行车组织工作的安全风险评估建模研究。首先,通过统计分析A车务段安全风险管理信息库的年度数据,对行车安全风险因素进行了识别。在此基础上,将模糊数学理论和解释结构模型结合,建立各风险因素间相互影响关系的模糊解释结构模型（FISM）并对模型进行计算求解,得到A车务段行车安全状况的多级递阶结构,并输出为贝叶斯网络模型的结构学习结果。其次,利用DS证据理论对多位专家的意见信息进行融合处理,将融合结果输出为贝叶斯网络模型的参数学习结果,通过上述结构学习和参数学习,完成贝叶斯网络模型的建模过程。最后,利用Netica软件对模型进行推理计算,完成对A车务段行车组织工作安全风险的评估和关键风险因素的诊断识别,最终的计算结果与实际情况基本符合,验证了本文方法的可行性和有效性。本文为车务段行车工作的安全风险管理提供了理论依据和辅助决策;为车务段行车风险评估研究提供了一种新思路;在大数据背景下,也是对铁路车务系统安全风险信息库数据挖掘分析的一次新的尝试。
刘冠东[10]（2020）在《基于文本挖掘的主题投资探索性研究》文中提出随着互联网及社交媒体的蓬勃发展,社交平台的文本信息潜移默化地影响着投资者的投资行为,市场舆情直接影响到投资者心理和行为,因此,投资主题风格轮动是市场驱动的重要因素。运用投资者产生的海量互联网文本信息数据,准确地给出主题相关概念股的投资建议,对投资者的投资分析模式理论探索和实践操作均将有极大现实意义。本文通过对股吧文本进行深入分析挖掘,首次在量化投资领域构建了一种基于主题挖掘及情感分析相结合的投资策略模式。方法主要基于隐狄利克雷分布（LDA）算法模型,对东方财富网财经评论吧的文本进行主题挖掘,实现了股市每日舆论热点监测;接着为改进主题挖掘结果的独特性,设计了信息熵指标进一步过滤主题干扰词,该方法有效地降低了主题的困惑度及提升了主题间的差异性;针对主题模型挖掘出的主题是随机的,与金融市场认可的主题不匹配的问题,本文以市场已有概念——新能源汽车主题为例,利用已调优的主题模型抽取该主题的关键词建立主题词库,设计了“主题得分”指标进而实现从股吧舆情中提取出该主题的热度并实施每天自动监测,完成了主题热度的量化工作。接下来本文基于此构建了量化投资策略并进行实证分析:首先针对2019/01/01-2020/02/29期间的股吧舆情挖掘提取出新能源汽车主题得分,将其与新能源汽车指数超额收益波动做了相关性检验,选择了与主题得分显着相关的主题关联股票作为投资股票池。就此对股池的个股爬取同时期的股吧评论,运用文本分类算法进行情感分析后构造了“看涨”情绪指标以辅助策略择时信号的生成;最后利用“主题得分”+“看涨指标”结合均线策略,建立了一种基于股吧文本的“主题+情感”的量化投资新策略模式,在聚宽平台进行历史回测后证实策略有效且表现良好,从而为投资者提供了一种新的投资策略模式参考,同时也证明了股吧文本中的确蕴含对于主题投资决策有价值的信息。
二、有向树在投资分析中的运用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、有向树在投资分析中的运用（论文提纲范文）
（1）省级体育彩票公益金使用绩效评价研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 导论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究的意义 |
| 1.2 研究目的与研究方法 |
| 1.2.1 研究目的 |
| 1.2.2 研究对象 |
| 1.2.3 研究方法 |
| 1.3 研究内容与研究思路 |
| 1.3.1 研究内容 |
| 1.3.2 研究思路 |
| 1.3.3 研究技术路线图 |
| 2 文献综述 |
| 2.1 关于绩效管理与绩效评价的研究 |
| 2.1.1 关于绩效管理的研究 |
| 2.1.2 关于绩效评价的研究 |
| 2.2 关于绩效评价体系与方法的研究 |
| 2.2.1 关于绩效评价体系的研究 |
| 2.2.2 关于绩效评价方法的研究 |
| 2.3 关于绩效评价指标体系的研究 |
| 2.3.1 关于评价指标选取原则的研究 |
| 2.3.2 关于评价指标体系方法的研究 |
| 2.4 关于彩票公益金的研究 |
| 2.4.1 关于彩票公益金管理的研究 |
| 2.4.2 关于彩票公益金制度的研究 |
| 2.4.3 关于彩票公益金使用的研究 |
| 2.4.4 关于彩票公益金审计的研究 |
| 2.4.5 关于彩票公益金绩效评价的研究 |
| 2.5 本章小结 |
| 3 体育彩票公益金使用绩效评价的理论基础 |
| 3.1 相关概念界定 |
| 3.1.1 绩效管理与绩效评价的一般分析 |
| 3.1.2 体育彩票公益金使用绩效评价的一般分析 |
| 3.2 研究的理论基础 |
| 3.2.1 新公共管理理论 |
| 3.2.2 公共财政绩效管理理论 |
| 3.2.3 “5E”理论 |
| 3.2.4 成本效益分析理论 |
| 3.2.5 程序理论评价 |
| 3.3 本章小结 |
| 4 我国体育彩票公益金管理与使用现状 |
| 4.1 我国体育彩票公益金管理体系 |
| 4.1.1 管理政策 |
| 4.1.2 管理体制 |
| 4.2 我国体育彩票公益金筹集情况 |
| 4.2.1 销售情况 |
| 4.2.2 筹集情况 |
| 4.3 我国体育彩票公益金分配情况 |
| 4.3.1 分配政策 |
| 4.3.2 中央分配 |
| 4.3.3 地方分配 |
| 4.4 我国体育彩票公益金使用情况 |
| 4.4.1 中央集中使用 |
| 4.4.2 体育总局使用 |
| 4.4.3 地方部门使用 |
| 4.5 我国体育彩票公益金的使用成效评析 |
| 4.5.1 体育彩票公益金使用的贡献 |
| 4.5.2 体育彩票公益金使用的特点 |
| 4.5.3 体育彩票公益金使用存在的问题 |
| 4.6 本章小结 |
| 5 体育彩票公益金使用绩效评价的系统构建 |
| 5.1 绩效评价体系的框架结构 |
| 5.1.1 绩效评价体系的系统分析 |
| 5.1.2 绩效评价体系的总体框架 |
| 5.2 绩效评价体系构建的指导原则 |
| 5.3 绩效评价体系的目标 |
| 5.3.1 目标的含义 |
| 5.3.2 目标的重要性 |
| 5.3.3 目标管理的意义 |
| 5.4 绩效评价体系的层次结构 |
| 5.5 绩效评价体系的制度体系 |
| 5.5.1 绩效评价的法律规范 |
| 5.5.2 绩效评价的制度规范 |
| 5.6 绩效评价体系的组织体系 |
| 5.6.1 绩效评价的主客体界定 |
| 5.6.2 绩效评价的工作范围 |
| 5.6.3 绩效评价的工作程序 |
| 5.7 绩效评价体系的标准体系 |
| 5.7.1 评价标准分类 |
| 5.7.2 评价等级划分 |
| 5.8 绩效评价体系的方法体系 |
| 5.8.1 绩效评价方法概述 |
| 5.8.2 德尔菲法 |
| 5.8.3 文本分析法 |
| 5.8.4 系统综述法 |
| 5.8.5 模糊综合评价法 |
| 5.8.6 机器学习法 |
| 5.9 绩效评价结果的应用 |
| 5.10 本章小结 |
| 6 体育彩票公益金使用绩效评价指标体系的构建 |
| 6.1 预选评价指标集的构建 |
| 6.1.1 文本的纳入 |
| 6.1.2 文本分析步骤 |
| 6.1.3 结果分析 |
| 6.2 第一轮专家调研 |
| 6.2.1 调查问卷形成 |
| 6.2.2 专家团队选择 |
| 6.2.3 专家咨询结果 |
| 6.2.4 专家意见汇总 |
| 6.3 第二轮专家调研 |
| 6.3.1 调查问卷修改 |
| 6.3.2 专家咨询结果 |
| 6.3.3 专家积极系数和权威系数 |
| 6.4 指标权重确认 |
| 6.5 本章小结 |
| 7 体育彩票公益金使用绩效评价实证研究 |
| 7.1 省级体育彩票公益金使用绩效评价实证研究 |
| 7.2 长三角体育彩票公益金使用绩效评价实证研究 |
| 7.3 本章小结 |
| 8 基于机器学习模型的实证分析 |
| 8.1 机器学习概述及使用意义 |
| 8.2 实证数据概览 |
| 8.3 非监督学习下的聚类算法及实证分析 |
| 8.4 监督学习下相关回归模型与实证分析 |
| 8.4.1 线性岭回归模型 |
| 8.4.2 支持向量机回归模型 |
| 8.4.3 决策树回归及树相关的模型 |
| 8.5 本章小结 |
| 9 结论与建议 |
| 9.1 论文主要结论 |
| 9.1.1 梳理了体育彩票公益金管理与使用现状 |
| 9.1.2 规划了体育彩票公益金使用绩效评价的系统构建 |
| 9.1.3 构建了体育彩票公益金使用绩效评价指标体系 |
| 9.1.4 确定了体育彩票公益金使用绩效评价各级指标权重 |
| 9.1.5 评估了省级体育彩票公益金使用绩效 |
| 9.1.6 探索了基于机器学习的科学评价延展性 |
| 9.2 对策与建议 |
| 9.2.1 政策制度层面:完善顶层设计、形成法制体系 |
| 9.2.2 意识认识层面:加大宣传力度、形成共同认识 |
| 9.2.3 资金管理层面:明确责权分工、形成科学机制 |
| 9.2.4 资金分配层面:合理使用资金、科学分配方式 |
| 9.2.5 绩效评价层面:健全评价体系、完善指标体系 |
| 10 创新、局限与展望 |
| 10.1 创新之处 |
| 10.1.1 研究选题与视角的创新 |
| 10.1.2 框架系统和指标体系的创新 |
| 10.1.3 发展预测的创新 |
| 10.2 研究的局限性 |
| 10.2.1 绩效评价指标体系的实践性 |
| 10.2.2 绩效评价数据获取的全面性 |
| 10.3 进一步研究的展望 |
| 致谢 |
| 参考文献 |
| 附件1:专家咨询评议表(第一轮) |
| 附件2:专家咨询评议表(第二轮) |
| 附件3:专家访谈提纲 |
| 附件4:机器学习与建模相关代码 |
| 附件5:学习经历与科研经历 |
（2）汉语句法分析中数据增强方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外相关研究 |
| 1.2.1 依存句法分析研究现状 |
| 1.2.2 成分句法分析研究现状 |
| 1.2.3 自然语言处理数据增强研究现状 |
| 1.3 研究内容和论文结构安排 |
| 2 相关理论与技术 |
| 2.1 句法分析概述 |
| 2.1.1 依存句法分析理论及评测方法 |
| 2.1.2 成分句法分析理论及评测方法 |
| 2.2 自然语言处理数据增强概述 |
| 2.3 基于编码-解码框架的神经网络模型概述 |
| 2.4 词汇化树邻接语法概述 |
| 2.5 本章小结 |
| 3 基于词汇化树邻接语法的数据增强方法 |
| 3.1 基于词汇化树邻接语法数据增强框架 |
| 3.2 词汇化树抽取算法 |
| 3.3 句法树合成算法 |
| 3.4 汉语词汇化树邻接语法优化 |
| 3.5 实验设计与设置 |
| 3.5.1 实验设计 |
| 3.5.2 实验数据 |
| 3.5.3 评测指标 |
| 3.5.4 模型训练细节 |
| 3.6 实验结果与分析 |
| 3.6.1 依存句法分析评测实验与结果分析 |
| 3.6.2 成分句法分析评测实验与结果分析 |
| 3.7 本章小结 |
| 4 基于语言模型的语义合理性评估方法 |
| 4.1 结合语言模型的数据增强方法 |
| 4.2 语言模型和评估指标 |
| 4.2.1 n-gram语言模型 |
| 4.2.2 RNN语言模型 |
| 4.2.3 语义合理性评估的指标 |
| 4.2.4 语义合理性评估方法 |
| 4.3 实验结果与分析 |
| 4.3.1 依存句法分析评测实验与结果分析 |
| 4.3.2 成分句法分析评测实验与结果分析 |
| 4.3.3 不同数据增强方法实验对比结果与分析 |
| 4.4 本章小结 |
| 5 结论与展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）基于拓扑结构的全球股市联动与系统性金融风险研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 理论及现实意义 |
| 1.2 国内外文献综述 |
| 1.2.1 基于传统方法的系统性金融风险或金融危机早期预警研究 |
| 1.2.2 基于复杂网络的股市联动与系统性金融风险研究 |
| 1.2.3 拓扑数据分析在金融领域的应用研究 |
| 1.2.4 总体评价 |
| 1.3 研究思路与研究方法 |
| 1.3.1 研究思路 |
| 1.3.2 研究方法 |
| 1.3.3 论文框架及技术路线 |
| 1.4 论文的创新与不足 |
| 1.4.1 创新点 |
| 1.4.2 不足之处 |
| 第2章 股市联动与系统性金融风险的相关理论及研究方法 |
| 2.1 股票市场联动与系统性金融风险 |
| 2.1.1 股票市场联动的内涵 |
| 2.1.2 系统性金融风险 |
| 2.2 相关系数和距离 |
| 2.3 拓扑数据分析的理论基础 |
| 2.3.1 拓扑数据分析的内涵与应用前景 |
| 2.3.2 持久同调 |
| 2.3.3 复形 |
| 2.3.4 持久条形码、持久图和持久landscapes |
| 2.3.5 L~p范数 |
| 2.3.6 拓扑数据分析的思路总结 |
| 2.4 复杂网络的理论与方法 |
| 2.4.1 阈值网络及其拓扑度量 |
| 2.4.2 最小生成树及其拓扑度量 |
| 2.5 本章小结 |
| 第3章 全球股市联动与系统性金融风险的拓扑数据分析 |
| 3.1 数据的选取与处理 |
| 3.1.1 数据选取 |
| 3.1.2 数据处理与描述性统计 |
| 3.1.3 滑动窗口法 |
| 3.2 基于全球45只主要股指的拓扑数据分析 |
| 3.2.1 点云数据的构建及L~p范数 |
| 3.2.2 金融危机关键日期检测系统的构建 |
| 3.2.3 关键日期的获取 |
| 3.3 稳健性检验 |
| 3.4 本章小结 |
| 第4章 全球股市联动与系统性金融风险的网络分析 |
| 4.1 阈值网络及其拓扑度量 |
| 4.1.1 阈值网络的构建 |
| 4.1.2 阈值网络的拓扑度量 |
| 4.2 最小生成树及其拓扑度量 |
| 4.2.1 最小生成树的构建 |
| 4.2.2 最小生成树的拓扑度量 |
| 4.3 本章小结 |
| 第5章 研究结论与展望 |
| 5.1 研究结论 |
| 5.2 展望 |
| 5.2.1 地理集聚现象 |
| 5.2.2 聚类分析 |
| 5.2.3 关键日期检测系统的改进 |
| 5.2.4 其他构建复杂网络的方法 |
| 参考文献 |
| 攻读学位期间取得的学术成果 |
| 致谢 |
（4）能源市场波动溢出的网络效应测度、情景演化与节点管理（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 波动溢出现实背景 |
| 1.1.2 国际能源市场背景 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 现实意义 |
| 1.3 主要内容与技术路线 |
| 1.3.1 主要内容 |
| 1.3.2 技术路线 |
| 1.4 研究方法与创新点 |
| 1.4.1 研究方法 |
| 1.4.2 创新点 |
| 1.5 本章小结 |
| 第2章 相关理论综述 |
| 2.1 研究趋势分析 |
| 2.2 相关研究综述 |
| 2.1.1 市场波动溢出的相关研究 |
| 2.1.2 尾部风险的识别与测度 |
| 2.1.3 能源市场风险与波动溢出概述 |
| 2.1.4 网络分析方法与情景演化视角的相关研究 |
| 2.3 文献评述 |
| 2.4 本章小结 |
| 第3章 整体趋势下能源市场波动溢出的网络效应测度与情景演化 |
| 3.1 概念界定和理论解释 |
| 3.1.1 研究对象与基本概念界定 |
| 3.1.2 能源市场波动与波动溢出分析 |
| 3.1.3 能源市场波动溢出的网络性与演化性分析 |
| 3.2 整体趋势下市场波动溢出网络效应的一般测度方法 |
| 3.2.1 市场波动建模及其溢出测度 |
| 3.2.2 整体趋势下波动溢出网络效应测度模型及其性质 |
| 3.2.3 基于溢出网络的情景演化分析 |
| 3.3 实证背景及数据选取 |
| 3.3.1 整体趋势下能源市场波动溢出现象分析 |
| 3.3.2 样本选取与基本数据分析 |
| 3.4 实证分析 |
| 3.4.1 波动溢出测度与溢出网络构建 |
| 3.4.2 溢出网络分析和关键市场识别 |
| 3.4.3 整体趋势下的波动溢出网络效应分析 |
| 3.4.4 立足情景演化的波动溢出网络效应分析 |
| 3.5 本章小结 |
| 第4章 极端趋势下能源市场波动溢出的网络效应测度与情景演化 |
| 4.1 概念界定和相关理论 |
| 4.1.1 相关概念界定 |
| 4.1.2 极端趋势下波动溢出特征及其网络现象分析 |
| 4.2 极端趋势下能源市场波动溢出测度与网络效应分析 |
| 4.2.1 极端趋势分析模型与波动溢出效应测度 |
| 4.2.2 基于藤Copula模型的极端波动溢出网络构建与情景演化 |
| 4.3 实证背景及数据选取 |
| 4.3.1 极端趋势下能源市场波动溢出现象分析 |
| 4.3.2 样本选取与基本数据分析 |
| 4.4 实证分析 |
| 4.4.1 国际能源市场价格波动的尾部分析 |
| 4.4.2 尾部分析下的极端波动溢出网络效应 |
| 4.4.3 新冠冲击与国际能源市场极端波动溢出 |
| 4.5 本章小结 |
| 第5章 动态趋势下能源市场波动溢出的网络效应测度与情景演化 |
| 5.1 概念界定和相关理论 |
| 5.1.1 相关概念界定 |
| 5.1.2 动态趋势下波动溢出的系列特征分析 |
| 5.2 动态趋势下能源市场波动溢出测度与网络效应分析 |
| 5.2.1 时变Copula模型及其动态波动溢出测度与分析 |
| 5.2.2 动态波动溢出网络构建与网络分析 |
| 5.2.3 趋势点识别下波动溢出网络的演化分析 |
| 5.3 实证背景及数据选取 |
| 5.3.1 国际能源市场的动态变化格局和网络溢出效应 |
| 5.3.2 样本选取与基本数据分析 |
| 5.4 实证分析 |
| 5.4.1 国际能源市场价格波动态溢出测度 |
| 5.4.2 国际能源市场动态波动溢出网络分析 |
| 5.4.3 人工趋势点识别及其波动溢出的情景演化分析 |
| 5.4.4 曼-肯德尔法趋势点识别及其波动溢出的情景演化分析 |
| 5.5 本章小结 |
| 第6章 基于测度与演化分析的能源市场节点管理 |
| 6.1 整体趋势下能源市场的节点管理 |
| 6.2 极端趋势下能源市场的节点管理 |
| 6.3 动态趋势下能源市场的节点管理 |
| 6.4 本章小结 |
| 第7章 结论与展望 |
| 7.1 研究结论 |
| 7.2 未来展望 |
| 参考文献 |
| 致谢 |
| 作者在读期间完成的研究成果 |
（5）我国新能源汽车产业链股票价格波动传导时序网络研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 新能源汽车国内外研究动态 |
| 1.2.2 产业链视角研究股票市场国内外研究动态 |
| 1.2.3 复杂网络方法在股票市场应用国内外研究动态 |
| 1.3 研究内容和研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 本文创新点 |
| 第二章 相关理论基础阐述 |
| 2.1 股票价格波动规律研究方法 |
| 2.1.1 时间序列分析 |
| 2.1.2 灰色关联预测分析 |
| 2.1.3 人工智能分析 |
| 2.2 格兰杰因果关系检验 |
| 2.2.1 格兰杰因果关系 |
| 2.2.2 格兰杰因果关系检验 |
| 2.3 复杂网络 |
| 2.3.1 复杂网络的含义 |
| 2.3.2 复杂网络的网络指标 |
| 2.4 时序网络 |
| 2.5 本章小结 |
| 第三章 新能源汽车产业链股票复杂网络的构建 |
| 3.1 产业链各股票价格间格兰杰因果检验 |
| 3.1.1 各股票所处位置划分及时间序列数据分段 |
| 3.1.2 月度产业链各股票价格间格兰杰因果检验 |
| 3.1.3 季度产业链各股票价格间格兰杰因果检验 |
| 3.2 复杂网络构建 |
| 3.2.1 月度格兰杰因果矩阵复杂网络 |
| 3.2.2 季度格兰杰因果矩阵复杂网络 |
| 3.3 本章小结 |
| 第四章 新能源汽车产业链股票时序网络的构建 |
| 4.1 数据处理 |
| 4.2 月度格兰杰因果矩阵时序网络 |
| 4.2.1 月度格兰杰因果矩阵入度时序网络 |
| 4.2.2 月度格兰杰因果矩阵出度时序网络 |
| 4.2.3 月度格兰杰因果矩阵中介中心性时序网络 |
| 4.2.4 月度格兰杰因果矩阵接近中心性时序网络 |
| 4.2.5 月度格兰杰因果矩阵聚类系数时序网络 |
| 4.3 季度格兰杰因果矩阵时序网络 |
| 4.3.1 季度格兰杰因果矩阵入度时序网络 |
| 4.3.2 季度格兰杰因果矩阵出度时序网络 |
| 4.3.3 季度格兰杰因果矩阵中介中心性时序网络 |
| 4.3.4 季度格兰杰因果矩阵中介中心性时序网络 |
| 4.3.5 季度格兰杰因果矩阵聚类系数时序网络 |
| 4.4 本章小结 |
| 第五章 新能源汽车产业链股票影响力演变分析 |
| 5.1 月度新能源汽车产业链股票上、中、下游地位分析 |
| 5.1.1 月度新能源汽车产业链股票上、中、下游地位总体分析 |
| 5.1.2 月度新能源汽车产业链股票上、中、下游地位具体分析 |
| 5.1.3 月度新能源汽车产业链股票价格时序网络上、中、下游地位分析 |
| 5.2 季度新能源汽车产业链股票上、中、下游地位分析 |
| 5.2.1 季度新能源汽车产业链股票上、中、下游地位总体分析 |
| 5.2.2 季度新能源汽车产业链股票上、中、下游地位具体分析 |
| 5.2.3 季度新能源汽车产业链股票价格时序网络上、中、下游地位分析 |
| 5.3 新能源汽车产业链股票重要股票地位演变分析 |
| 5.3.1 上游重要股票地位演变分析 |
| 5.3.2 中游重要股票地位演变分析 |
| 5.3.3 下游重要股票地位演变分析 |
| 5.4 本章小结 |
| 第六章 结论与建议 |
| 6.1 研究结论 |
| 6.2 建议 |
| 6.3 不足与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 攻读硕士学位期间发表的论文和科研成果 |
（6）基于深度森林的P2P网络借贷违约风险评估（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 文献述评 |
| 1.3 主要研究内容 |
| 1.4 论文的组织结构 |
| 2 相关研究理论基础 |
| 2.1 P2P网络借贷违约风险 |
| 2.2 深度森林及其相关理论 |
| 2.2.1 决策树 |
| 2.2.2 集成学习概述 |
| 2.2.3 深度森林算法 |
| 2.3 本章小结 |
| 3 数据的预处理与特征选择 |
| 3.1 数据说明与清洗 |
| 3.1.1 数据说明 |
| 3.1.2 数据清洗 |
| 3.2 特征变量衍生与处理 |
| 3.2.1 特征变量衍生 |
| 3.2.2 特征变量处理 |
| 3.3 特征选择 |
| 3.3.1 基于方差的特征选择 |
| 3.3.2 基于互信息的特征选择 |
| 3.4 本章小结 |
| 4 基于深度森林的P2P网络借贷违约风险评估模型 |
| 4.1 深度森林模型的建立 |
| 4.2 模型评价指标 |
| 4.2.1 准确率 |
| 4.2.2 查准率、查全率和F1值 |
| 4.2.3 ROC曲线与AUC |
| 4.3 风险评估模型对比分析 |
| 4.3.1 实验流程 |
| 4.3.2 实验数据说明 |
| 4.3.3 实验环境 |
| 4.3.4 实验结果与分析 |
| 4.4 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（7）基于故障指示器的架空线路故障定位研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 研究现状 |
| 1.3 论文主要工作 |
| 第2章 架空线路故障指示器工作原理 |
| 2.1 架空线路常见故障 |
| 2.1.1 架空线路相间短路故障 |
| 2.1.2 架空线路单相接地故障 |
| 2.2 故障指示器介绍 |
| 2.3 故障指示器检测原理 |
| 2.3.1 相间短路故障检测原理 |
| 2.3.2 单相接地故障检测原理 |
| 2.4 本章小结 |
| 第3章 基于故障指示器的故障定位研究 |
| 3.1 故障定位方法 |
| 3.2 有向图简介 |
| 3.3 故障指示器的故障定位原理 |
| 3.4 基于有向图原理的故障定位方法 |
| 3.4.1 单故障定位 |
| 3.4.2 多重故障定位 |
| 3.4.3 配电网联络线路的故障定位 |
| 3.5 本章小结 |
| 第4章 故障定位方法的纠错能力 |
| 4.1 配电网架空线路的故障定位纠错分析 |
| 4.1.1 配电网发生故障时故障指示器拒动作分析 |
| 4.1.2 配电网常规状态下故障指示器误动作分析 |
| 4.2 故障定位流程 |
| 4.3 本章小结 |
| 第5章 故障定位仿真验证与现场应用分析 |
| 5.1 10 千伏单条架空线路故障定位仿真验证 |
| 5.1.1 单故障时的故障定位研究 |
| 5.1.2 多故障时的故障定位研究 |
| 5.1.3 多故障时的设备拒动误动故障定位研究 |
| 5.1.4 正常运行状态下设备误动故障定位研究 |
| 5.2 10千伏联络架空线路故障定位仿真验证 |
| 5.2.1 联络线路单故障时的故障定位研究 |
| 5.2.2 联络线路多故障时的故障定位研究 |
| 5.2.3 联络线路设备拒动误动故障定位研究 |
| 5.2.4 分段线路转供多故障时的故障定位研究 |
| 5.3 现场应用情况 |
| 5.3.1 故障指示器现场安装情况 |
| 5.3.2 故障指示器日常运行监测 |
| 5.3.3 故障指示器故障监测 |
| 5.3.4 效益分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（8）基于随机森林的N分行中小企业信贷风险分类优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景和研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究综述 |
| 1.2.1 国外研究综述 |
| 1.2.2 国内研究综述 |
| 1.2.3 对既有研究的评述 |
| 1.3 研究思路、框架、方法 |
| 1.3.1 研究思路 |
| 1.3.2 研究框架 |
| 1.3.3 研究方法 |
| 1.4 创新与不足 |
| 1.4.1 创新之处 |
| 1.4.2 存在的不足 |
| 第二章 商业银行中小企业信贷风险分类的理论基础 |
| 2.1 商业银行信贷风险度量的理论 |
| 2.1.1 传统信用风险评价方法 |
| 2.1.2 现代信用风险度量模型 |
| 2.2 商业银行信贷风险分类影响因素的理论 |
| 2.2.1 预期收入理论 |
| 2.2.2 财务综合分析理论 |
| 2.2.3 内部评级法 |
| 2.3 分类算法相关理论 |
| 2.3.1 分类问题 |
| 2.3.2 算法原理 |
| 2.3.3 分类算法用于中小企业信贷风险分类的适宜性分析 |
| 2.4 本章小结 |
| 第三章 N分行中小企业信贷风险分类状况分析 |
| 3.1 N分行中小企业信贷业务状况 |
| 3.1.1 N分行中小企业信贷业务的规模状况 |
| 3.1.2 N分行中小企业信贷业务的结构状况 |
| 3.2 N分行中小企业信贷风险分类状况 |
| 3.2.1 N分行中小企业信贷风险分类方法 |
| 3.2.2 N分行中小企业信贷风险分类状况 |
| 3.3 N分行中小企业信贷风险分类存在的问题分析 |
| 3.3.1 N分行中小企业信贷风险分类存在的问题 |
| 3.3.2 N分行中小企业信贷风险分类的优化路径 |
| 3.4 本章小结 |
| 第四章 基于随机森林的N分行中小企业信贷风险分类优化 |
| 4.1 实证设计 |
| 4.2 数据预处理 |
| 4.2.1 数据来源 |
| 4.2.2 数据预处理 |
| 4.2.3 构建样本数据 |
| 4.3 模型建立和测试 |
| 4.3.1 模型评价工具说明 |
| 4.3.2 KNN模型测试 |
| 4.3.3 SVM模型测试 |
| 4.3.4 决策树模型测试 |
| 4.3.5 随机森林模型测试 |
| 4.4 实证结果分析 |
| 4.4.1 各分类模型效果的对比 |
| 4.4.2 基于实证结果的启示 |
| 4.5 本章小结 |
| 第五章 结论和建议 |
| 5.1 研究结论 |
| 5.2 政策建议 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表论文情况 |
（9）车务段行车组织工作安全风险建模及评估分析（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景、目的和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的 |
| 1.1.3 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 车务段行车组织安全风险管理研究现状 |
| 1.2.2 国外铁路行车组织安全研究现状 |
| 1.2.3 国内铁路行车组织安全研究现状 |
| 1.2.4 模糊解释结构模型研究现状 |
| 1.2.5 DS证据理论和贝叶斯网络研究现状 |
| 1.2.6 研究现状小结 |
| 1.3 研究内容、主要创新点及技术路线图 |
| 1.3.1 研究内容 |
| 1.3.2 主要创新点 |
| 1.3.3 研究技术路线图 |
| 第二章 车务段行车组织工作安全风险因素识别 |
| 2.1 车务段行车组织工作现状 |
| 2.2 车务段行车组织工作安全风险因素识别 |
| 2.2.1 行车安全问题的月度统计分析 |
| 2.2.2 行车组织工作安全风险因素的识别 |
| 2.2.3 行车组织工作安全风险因素的相关性分析 |
| 2.3 本章小结 |
| 第三章 基于FISM的车务段行车组织工作安全风险因素分析 |
| 3.1 相关理论知识介绍 |
| 3.1.1 解释结构模型 |
| 3.1.2 模糊数学理论 |
| 3.2 对行车组织工作安全风险因素的FISM建模分析 |
| 3.2.1 建立专家语言变量的三角模糊矩阵 |
| 3.2.2 建立模糊邻接矩阵 |
| 3.2.3 截距阵和可达矩阵的获取 |
| 3.2.4 行车安全风险因素的层级划分 |
| 3.3 行车安全风险因素的FISM结果分析 |
| 3.4 本章小结 |
| 第四章 车务段行车组织工作安全风险评估方法 |
| 4.1 安全风险评估方法的对比分析 |
| 4.2 相关理论基础 |
| 4.2.1 证据理论 |
| 4.2.2 贝叶斯网络 |
| 4.3 基于FISM、BN、DS证据理论的车务段行车组织工作安全风险评估方法 |
| 4.3.1 基于FISM的 BN结构学习 |
| 4.3.2 基于DS证据理论的BN参数学习 |
| 4.3.3 基于BN推理分析的车务段行组织工作车安全风险预测 |
| 4.3.4 基于BN推理分析的车务段行车组织工作安全风险诊断 |
| 4.4 本章小结 |
| 第五章 车务段行车组织工作安全风险评估实证与分析 |
| 5.1 实证背景和数据来源和处理 |
| 5.1.1 实证背景 |
| 5.1.2 数据来源和处理 |
| 5.2 车务段行车组织工作安全风险评估模型应用 |
| 5.2.1 基于FISM和专家知识融合的贝叶斯网络学习 |
| 5.2.2 A车务段行车组织工作安全风险BN模型推理分析 |
| 5.2.3 A车务段行车组织工作安全风险因素敏感性分析 |
| 5.3 A车务段行车组织工作安全风险因素的评估结果分析 |
| 5.4 对A车务段行车组织工作安全风险控制措施的对策和建议 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 参考文献 |
| 个人简历科研成果 |
| 致谢 |
（10）基于文本挖掘的主题投资探索性研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 文本挖掘相关研究 |
| 1.2.2 主题模型相关研究 |
| 1.2.3 文本挖掘在股市中的应用研究 |
| 1.2.4 主题投资量化策略研究综述 |
| 1.3 本文主要工作和研究亮点 |
| 1.3.1 研究内容 |
| 1.3.2 本文亮点 |
| 1.3.3 章节安排 |
| 1.4 本章小结 |
| 第二章 预备知识 |
| 2.1 主题挖掘相关理论 |
| 2.1.1 获取文本数据 |
| 2.1.2 文本预处理 |
| 2.1.3 主题挖掘 |
| 2.2 情感分析相关理论 |
| 2.2.1 基于情感词典的方法 |
| 2.2.2 基于机器学习的方法 |
| 2.2.3 基于深度学习的方法 |
| 2.2.4 情感分类算法 |
| 2.2.5 分类评估 |
| 2.3 量化投资相关知识 |
| 2.3.1 均线策略简介 |
| 2.3.2 投资策略评价指标 |
| 2.4 本章小结 |
| 第三章 基于股吧文本的主题挖掘 |
| 3.1 股吧文本数据获取 |
| 3.1.1 金融文本数据源选择 |
| 3.1.2 文本数据爬取 |
| 3.1.3 数据保存 |
| 3.2 数据预处理 |
| 3.2.1 中文分词 |
| 3.2.2 过滤停用词 |
| 3.2.3 特征提取 |
| 3.3 主题挖掘 |
| 3.3.1 LDA主题模型训练与调参 |
| 3.3.2 文本聚类算法 |
| 3.3.3 基于信息熵的主题挖掘结果优化 |
| 3.4 本章小结 |
| 第四章 主题投资策略构建 |
| 4.1 主题得分的构建 |
| 4.1.1 主题词库的建立 |
| 4.1.2 主题得分的计算 |
| 4.2 主题得分与指数的相关性检验 |
| 4.2.1 主题关联指数的超额收益波动的计算 |
| 4.2.2 主题得分与指数超额收益波动的相关性检验 |
| 4.3 情感分析 |
| 4.3.1 股评情感分析 |
| 4.3.2 构造情绪指标 |
| 4.4 基于主题演化过程中的情感分析构建策略 |
| 4.4.1 止损 |
| 4.4.2 策略构建 |
| 4.4.3 添加主题得分前后策略效果对比 |
| 4.5 本章小结 |
| 第五章 策略实证分析 |
| 5.1 主题得分的构建 |
| 5.1.1 文本数据获取 |
| 5.1.2 数据预处理 |
| 5.1.3 主题挖掘 |
| 5.1.4 建立主题词库 |
| 5.1.5 利用主题词库生成主题得分 |
| 5.2 主题得分与指数相关性检验 |
| 5.2.1 主题关联指数相对大盘指数的超额收益波动 |
| 5.2.2 主题得分与指数超额收益波动的相关性检验 |
| 5.3 个股情感分析并构造情绪指数 |
| 5.3.1 股评情感分析 |
| 5.3.2 构造看涨指标 |
| 5.4 策略历史回测及对比分析结果 |
| 5.4.1 交易规则假设: |
| 5.4.2 交易策略收益统计对比 |
| 5.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
四、有向树在投资分析中的运用（论文参考文献）
- [1]省级体育彩票公益金使用绩效评价研究[D]. 霍圣录. 上海体育学院, 2021(09)
- [2]汉语句法分析中数据增强方法研究[D]. 陈鸿彬. 北京交通大学, 2021(02)
- [3]基于拓扑结构的全球股市联动与系统性金融风险研究[D]. 赵欣瑶. 山东财经大学, 2021(12)
- [4]能源市场波动溢出的网络效应测度、情景演化与节点管理[D]. 陈瑾. 云南财经大学, 2021(09)
- [5]我国新能源汽车产业链股票价格波动传导时序网络研究[D]. 王甜. 河北地质大学, 2021(06)
- [6]基于深度森林的P2P网络借贷违约风险评估[D]. 王飞. 大连海事大学, 2020(04)
- [7]基于故障指示器的架空线路故障定位研究[D]. 魏洪森. 山东大学, 2020(04)
- [8]基于随机森林的N分行中小企业信贷风险分类优化研究[D]. 杨明钰. 广西大学, 2020(07)
- [9]车务段行车组织工作安全风险建模及评估分析[D]. 王峰. 华东交通大学, 2020(06)
- [10]基于文本挖掘的主题投资探索性研究[D]. 刘冠东. 华南理工大学, 2020(02)