您的位置： 专家智库 > >

钱国骐

作品数：6 被引量：30H指数：4
供职机构：墨尔本大学更多>>
发文基金：国家自然科学基金中央高校基本科研业务费专项资金教育部“新世纪优秀人才支持计划”更多>>
相关领域：理学经济管理更多>>

合作作者

文献类型

  • 5篇中文期刊文章

领域

  • 4篇理学
  • 3篇经济管理

主题

  • 3篇搜索
  • 3篇搜索算法
  • 3篇随机搜索
  • 3篇随机搜索算法
  • 3篇大数据
  • 2篇特征提取
  • 1篇业绩
  • 1篇生成器
  • 1篇组合预测
  • 1篇舞弊
  • 1篇舞弊三角理论
  • 1篇向量自回归
  • 1篇金融
  • 1篇金融科技
  • 1篇基金
  • 1篇基金业
  • 1篇基金业绩
  • 1篇关联方
  • 1篇ARMA
  • 1篇伯斯

机构

  • 4篇墨尔本大学
  • 3篇成都大学
  • 3篇成都数联铭品...
  • 2篇华侨大学
  • 2篇西南财经大学
  • 2篇中山大学
  • 2篇重庆理工大学
  • 1篇广西大学
  • 1篇华东理工大学
  • 1篇山东大学
  • 1篇苏州大学
  • 1篇中南大学
  • 1篇澳大利亚墨尔...
  • 1篇上海立信会计...
  • 1篇清华大学深圳...

作者

  • 5篇钱国骐
  • 2篇赵昕东
  • 1篇汪冬华
  • 1篇郭铁信
  • 1篇韦立坚
  • 1篇王帆

传媒

  • 2篇中国管理科学
  • 1篇统计研究
  • 1篇管理科学
  • 1篇安徽工程大学...

年份

  • 1篇2022
  • 2篇2020
  • 1篇2011
  • 1篇2008
共 6 条 记 录，以下是 1-5
全选 清除 导出
排序方式：
在金融科技中基于人工智能算法的风险特征因子筛选框架的建立和在期货价格趋势预测相关的特征因子刻画的应用被引量：3
2020年
研究的目的是建立对影响大宗商品期货价格变化趋势的关联风险特征因子的提取框架和配套的推断逻辑原理。具体来讲,以金融科技中大数据概念为出发点,利用人工智能中的吉布斯随机搜索(Gibbs Sampling)算法为工具,全面地陈述如何提取高度关联大宗商品期货价格变化的风险特征因子的流程和配套的逻辑原理,即采用(在马尔科夫链蒙特卡洛(MCMC)框架下)人工智能中的吉布斯随机抽样算法,结合OR值(Odds Ratio)作为关联分类和验证标准,实现从大量风险因子的数据中提取与大宗商品期货(铜)价格趋势变化相关的特征因子并进行分类,从而可用于构建支持期货价格趋势变化分析的特征指标。实证分析结果表明,该特征提取方法能够比较有效地刻画大宗商品期货(铜)价格的趋势变化,为业界进行大宗期货交易和风险对冲的管理提供了一种新的分析维度。另外,从影响价格趋势变化的特征因子中筛选出高度关联的特征指标的大数据分析方法,是与过去文献中对价格趋势分析的不同之处和创新点。
袁先智周云鹏刘海洋严诚幸钱国骐钱晓松汪冬华李志勇李祥林林健武沈思丞曾途
关键词：大数据关联方
基于Kullback-Leibler信息量的最优ARMA模型组选择与组合预测研究被引量：5
2011年
ARMA模型在管理科学领域有着广泛的应用,组合预测可以提高ARMA模型的预测效果,但是如何选择最优模型组是十分重要但尚未解决的问题。本文提出了一个基于Kullback-Leibler信息量(简称K-L信息量)的最优模型组选择方法确定那些与最优模型无显著差异的模型形成最优模型组。最后,本文通过模拟数据比较了基于最优模型组的组合预测与根据AIC准则确定的单个最优模型的预测效果,组合预测效果要优于单模型预测。
赵昕东钱国骐
关键词：组合预测
基于吉伯斯样本生成器的向量自回归模型选择被引量：6
2008年
向量自回归模型是多元时间序列分析中最常用的方法之一。在建立模型的过程中模型选择是非常重要的一个环节,如果候选模型不是很多时,可以通过比较每个模型的准则值如AIC、AICc、BIC或HQ进行模型选择。可是,当存在大量候选模型时,无法一一比较每个模型的准则值。为了解决这个问题,本文提出一个基于吉伯斯样本生成器的向量自回归模型选择方法,结果表明应用该方法能够从大量候选模型中准确、高效地确认准则值最小的模型。
赵昕东钱国骐
财务欺诈风险特征筛选框架的建立和应用被引量：12
2022年
本文从金融科技大数据出发,以人工智能的吉布斯随机搜索(Gibbs Sampling)算法为工具,在大数据框架下建立了针对公司财务欺诈风险的特征因子筛选的一般处理方法与特征提取推断原理,并结合上市公司的财务报表数据进行实证分析,结合从2017年1月到2018年12月证监会对上市公司财务报表信息披露违规的数据样本,筛选出刻画财务欺诈的特征因子并进行了验证测试,支持财务欺诈的识别。本文提出的框架和模型方法可以加强和提升对上市公司财务欺诈风险的识别能力,并实现对公司财务在欺诈方面的探测与预测(Detecting and Predicting)功能。
袁先智周云鹏严诚幸刘海洋钱国骐王帆韦立坚李志勇李波李祥林曾途
关键词：大数据随机搜索算法舞弊三角理论
基金关联特征提取的大数据随机搜索算法及应用被引量：6
2020年
随着金融科技对数据分析和解读的不断加深,数据有效性变得尤为重要。在信息时代,数据随时间快速增长,为数据处理带来了诸多困难,维数灾难直接影响对数据的分析和解读。因此,在人工智能框架下,实现对基金业绩关联特征的提取和应用,为有效挖掘高维度特征提供一种新的方法和思路具有重要的现实意义。使用马尔科夫链蒙特卡洛框架下的吉布斯抽样算法,以比值比作为分类标准,实现从多维数据中提取与基金业绩相关的结构化和非结构化特征因子。以2018年中国较规范的701个债券型基金作为样本,从基金自身、基金管理人和基金关联实体3个维度出发,建立初始特征池,利用吉布斯抽样方法选出关联特征;以比值比指标作为分类标准,对特征进行与基金业绩强相关、一般相关和弱相关的分类,并通过基金业绩预测模型验证分类效果。研究结果表明,基于AIC方法和BIC方法的随机搜索方法均对指标起较好的筛选作用,即利用特征筛选后的指标建立的模型能较好地预测未来基金的业绩表现。除基金规模、历史投资业绩和声誉等信息是直接刻画基金投资管理能力的强关联风险特征指标外,基金管理团队能力和基金公司的经营状况也是描述基金投资管理能力的强关联特征指标。研究结果为金融科技领域处理海量的非结构化信息、实现有效的特征提取提供了一种思路和框架,特别是在面临海量高维度数据时,为如何有效地从低密度信息中提取特征指标并形成支持实践的运用提供了一个完整的案例。
袁先智刘海洋周云鹏严诚幸冯驰李欣鹏李波郭铁信钱国骐曾途
关键词：大数据基金业绩随机搜索算法特征提取
全选 清除 导出
共1页<1>
聚类工具0