《互联网金融-刘颖》互联网金融产品-刘颖201409.ppt

In keywords and searching amount acquiring, we use web spider and winpcap to crawl data in different network transmission levels. * After getting keywords’ searching amount, we need to make a filtering. There are four steps. * * * 属于票据的有：汇票、本票、支票、提单、存单、股票、债券等等。 * 属于票据的有：汇票、本票、支票、提单、存单、股票、债券等等。 * 属于票据的有：汇票、本票、支票、提单、存单、股票、债券等等。 * 属于票据的有：汇票、本票、支票、提单、存单、股票、债券等等。 * 属于票据的有：汇票、本票、支票、提单、存单、股票、债券等等。 * 减价拍卖”，它是指拍卖标的的竞价由高到低依次递减直到第一个竞买人应价（达到或超过底价） * * * * * * * * Page * * 把每个店铺在各自所属的类目和星级进行比对，从而得到为数众多的相对性指标,同时对自变量进行标准化，使之脱离量纲，变得可比 算得的销售额以及其PD来确定其授信额度及价格（PD越低额度越高，价格越低）； 对当前正处于用款高点的客户进行最多的营销动作，对于将处于用款高点的客户进行提前式低强度营销动作。所有营销的动作和反馈结果都记录在案，并在后期通过响应模型（Response Model）予以优化。 水文衍生：70个基础变量=30000个衍生变量 * * * * * * 关联性概念模型分为两个层面，第一层主要描述投资者交易过程中各行为阶段与交易结果之间的时滞关系，以及各行为阶段与网络搜索的对应关系；第二层是影响因素层，总结了可能影响投资者交易行为的各种因素，并在分析中详细阐述各因素对不同行为阶段的影响程度与效果 概念框架的基本思想是：投资者行为在股票市场和互联网上都有所反映，这种反映在股票市场上体现为交易量和价格的变化；而在互联网上则体现为网络搜索、浏览等指标的变化。由于两个市场上反映的时滞不同，因此二者之间存在一定的先行-滞后关系，识别并利用互联网上的先行指标就可以对股票市场趋势做出判断或预测。下面分别从这两个方面进行详细地分析： 网络搜索数据预处理过程，首先是选择与研究对象相关的关键词，然后进行关键词搜索数据的获取，经过数据过滤后，需要判定每个关键词与基准指标之间的时差（领先-滞后）关系及其稳定性，进而筛选出具有稳定领先特征的先行关键词序列，最后根据领先阶数和权重将先行词合成为先行指数，该指数可以作为基准指标预测的重要指示变量。 In our system, there are two main ways. Search engine recommendation and manual add. We mainly use SE Recommendation including Top Baidu and Google Adwords. They tell us 1200 the most hottest words in the field of stock and finance in a week. so, our keyword list could update automatically according to them. we also add some keywords manually based on experiences at the start .after that, manual add is not recommended, it is only open to advanced users. Because manual add is subjective and the words you select may not have any financial meaning and maybe result in over-fitting. At first, we wanna add some keywords through txt mining on financial forums and websites. But it is a pity that we need a ?third?-party?tool to make natural language processing so that we could not update the keywords Completely automatically. And this soft