<small id="loa3x"></small>

<mark id="loa3x"><u id="loa3x"></u></mark>
    <small id="loa3x"><delect id="loa3x"></delect></small>
  • 第八期“數據庫與教學軟件”論壇:商學院數據案例項目分享會(二)

    發布者:實驗教學中心     時間:2020-09-30     閱讀次數:496


    主題:商學院數據案例項目分享會

    會議時間:2020年10月10日下午14:00開始

    會議地點:主會場 徐匯校區商學院大樓401

                     分會場 奉賢校區圖文中心715

    面向人群:全體師生

    報名鏈接:https://jinshuju.net/f/bN7UmQ

     

    案例簡介:

    案例一:電子商務購物藍挖掘-基于R平臺的關聯分析實現

    項目負責人:劉璇

    在電子商務背景下,數據量急劇增加,如何從海量購物籃數據中挖掘出商品間共有的重要關聯,具有重要的實際意義,且在貨架擺放和促銷方面發揮重要的商業價值。

    本數據案例通過R平臺實現電子商務購物籃的關聯分析挖掘,幫助我們掌握關聯規則挖掘基本原理,利用R軟件實現啤酒與尿布實驗的數據輸入、數據預處理、關聯規則挖掘過程。通過案例學習,鍛煉實踐動手能力。

     

    案例二:在線約會網站中用戶的偏好性分析

    項目負責人:胡海波

    為了揭示在線約會網站中男女雙方在擇偶策略上的區別以及影響擇偶的因素,本案例分析了中國大型在線約會網站的用戶行為數據。利用用戶發送站內信的數據研究用戶偏好,基于logistic回歸分析影響用戶發信的因素,使用集成學習分類方法對影響發信的因素的重要性進行排序,利用相關性分析研究男性和女性在發送信息時表現出的策略行為。

     

    案例三:金融資產高頻波動率的點預測和密度預測

    項目負責人:許海川

    精確的波動率預測將有助于資產組合的構建和期權對沖交易機會的發掘。本數據案例將系統地比較GARCH、GARCH-RV、HAR-RV、SV、RS-SV和MIDAS-SV等預測模型在高頻金融數據中的預測效果,并給出最優的波動率預測。進而,借助貝葉斯、模型結合等方法探索波動率的密度預測,并分析其預測效果。

     

    案例四:基于R語言的企業債券評級調整對債券信用風險的影響研究

    項目負責人:劉桂榮

    企業債券是中國資本市場交易的重要金融產品,近幾年,債券違約數量和比例有所上升,加大了債券投資者的市場風險。本案例從Wind數據庫獲取中國已發行的企業債券原始數據,利用R語言,編制程序,借用Cox比率風險率模型,實證分析企業債券跟蹤評級的調整對債券信用風險的影響。

     

    案例五:取消化石能源補貼的影響研究——基于能源-經濟-環境的CGE模型

    項目負責人:蔣竺均

    化石能源補貼的規模巨大,能源補貼改革對提高經濟效率和減少二氧化碳排放有重要作用。但中國的化石能源補貼問題長期未被重視,相關的研究很少。本案例在基于價差法模型估算中國化石能源補貼規模的基礎上,構建能源-經濟-環境可計算一般均衡模型定量研究取消化石能源補貼對經濟和節能減排的影響。

    ×請先登錄

    賬  號

    密  碼

    捕鱼游戏赢钱的