一、分布式实时数据库在信用控制中的应用(论文文献综述)
章建赛[1](2021)在《基于区块链技术的信用治理研究》文中提出区块链被《经济学人》杂志定义为“信任的机器”,是由信息互联网转向价值互联网的关键核心技术,是数字经济时代能够改变生产关系的技术革命。在区块链技术条件下,合作秩序将由中心化到去中心化转变。信用是现代市场经济运作的核心生产关系之一,区块链技术将重塑人类社会的信用治理。本文在理论层面,系统梳理了信任、信用及区块链的学术谱系,拓展演化经济学分析方法,分析了区块链的共识机制及从区块链机器信任投射到人类社会信用治理的原理,应用博弈理论研究了去中心化的理性个体的信用特征,以及有限理性条件下产生信用合作的稳定性。并从个体行为和群体行为两个层面,分析了三类区块链所形成的社会网络的信用演化和变异规律。其中,在个体行为层面,构建微观经济学偏好分析模型,推导了公有链中Token(代币)经济的信用偏好承袭演化、信用合作的场域和市场均衡状态;在群体行为层面,引入病毒感染模型,推演了 DeFi(去中心化金融)在私有链随机网络、联盟链无标度网络环境下的信用变异特征。在应用层面,本文构建了个人信用评价、中小企业信用评价2个改进模型,并应用实践数据进行了实证研究。其中,在个人征信上引入区块链的“币天销毁”技术,构建“币天销毁”信用评价模型,应用机器学习算法进行了实证研究;在中小企业授信方面,将不可篡改的企业主特征信息变量加入传统的信用评价模型,构建区块链增强信息的企业信用评价模型,并采用Logistic回归算法进行实证研究。实证研究验证了基于区块链技术改进的个人和企业信用评价模型,在区分能力、识别能力等方面均优于传统信用评价模型,具有良好的应用前景。面向未来数字世界,区块链分布式账本体系将深化(而不是替代)传统的由中央银行创造、商业银行扩张的中心化的信用创造和治理体系,并从人类社会的信用治理延伸到物理世界的信用治理,深入到“云-管-端-边”的设备系统治理中,通过“+区块链”和“区块链+”实现从万物互联、万物智能到万物账本的“设备民主”和设备自治。区块链技术对信用要素之间的结构关系和运行方式的重构,对信用生成、发展、应用、拓展和监管等治理的变革,尚处于初期阶段,未来必将进一步深化。
徐源[2](2020)在《基于大数据的汽车销售供应链金融风险规避研究》文中研究指明随着新一代信息技术的快速发展,大数据应用技术已经成熟,人们开始进一步思考如何充分发挥大数据具有的价值,这也是目前信息技术领域的主要研究课题。在汽车销售供应链金融中会产生海量的数据,但是金融企业对这些海量数据的应用能力差,使其无法满足供应链金融风险规避要求。目前,金融机构与汽车经销商之间的关系仍然是点对点资金供需关系,金融机构对经销商业务认知不够,造成了资金风险高、风控成本高和效率低下等情况,而大数据的出现为金融机构面临的问题提供了新的解决方案。本文基于此背景,运用德尔菲法等相关理论,采用合作博弈的方法,探讨大数据在汽车销售企业与金融机构供应链金融系统管理中的应用的问题。本文主要分为以下六章:第一章,绪论。首先,介绍了整个文章相关的写作背景,意义,目的。总结现阶段在金融风险控制管理中关于大数据的应用情况,构建大数据在风险控制模型中的未来发展方向和着陆机制,说明研究的理论和现实意义。其次,介绍文章的写作思想,主要内容,创新之处。最后,以财务数据在汽车销售供应链中的大数据应用为例进行了说明。第二章,供应链金融的理论基础。结合文章的写作目的,简单描述了相关的概念,包括:供应链、供应商金融等,并且进一步概述了风险控制、供应链金融风险管理等术语的定义和方法。随后,介绍了大数据相关理论以及新兴供应链金融风险管理中使用stackberg博弈方法。第三章汽车销售供应链金融风险现状与规避方式的不足。分析风险危害与影响,以及产生的原因,从这一点出发,提出传统风控方式的不足,同时使用德尔菲法确认影响因素与权重,分析主要是汽车销售供应链主体商业银行与汽车经销商业务痛点,现有传统风控方式不能解决汽车供应链金融服务提供商的需要,基于此引出大数据技术在风控中作用。第四章汽车销售的供应链金融中风险规避方案的大数据应用研究。首先,应用大数据技术减少风控成本的角度提出解决方案,利用大数据技术将健康的汽车经销商画像建立新的征信系统来代替传统的征信系统,以节省贷前的的风控成本。利用大数据技术将供应链交易形式电子化,数字化,互联化。同时要求供应链上其他辅助企业的业务同样电子化,数据化。相对于原来的供应链金融的业务模式,成本更低,三流传递更加顺畅。其次,从应用大数据技术提升业务效率的解决方案,即构建新的基于大数据技术的风控方案,提出了风控数据库的建立,同时构建汽车行业的供应链交易业务平台。大数据技术应用获得针对融资企业全景式数据画像,运用全新评估指标体与评估方法,可以为放贷决策提供坚实的基础并降低放贷风险成本。再次利用博弈论分析了汽车供应链金融中金融机构与汽车经销商的风控成本与坏账可能,得到大数据应用的方案在规避风险过程中合理性与可靠性,并能提升风控效率的结论。第五章大数据的汽车销售供应金融风险规避方案评价——以Z公司为例。分别评价了从大数据角度提出两个解决方案,在业务实行的过程中是有效的。以z公司这个这个汽车行业第三方公司的业务流程角度,交易平台构建的,结果分析等再次说明。结论与展望。总结论文研究的大数据在汽车销售供应链金融风控过程中具体对策,提出汽车销售供应链风控管理、风险规避的改进策略,希望对汽车供应链发展有一定参考价值,参与汽车供应链金融的各个主体都能健康成长,推动汽车销售行业高速发展。也选择了汽车销售供应链风控未来研究方向。
赵思雅[3](2020)在《区块链在供应链金融风险控制中的应用研究》文中进行了进一步梳理融资难、融资贵一直是中小企业发展过程中面临的难题。可供抵押的资产不足、财务信息不透明、经营管理不完善等是限制其融资渠道、融资成本、融资规模的主要原因。作为解决中小企业融资困境的有效途径,供应链金融为其提供了重要的资金支持。线上供应链金融模式克服了传统线下流程繁琐、效率低下等缺陷,但供应链金融业务与银行传统的信贷业务相比,具有参与主体众多、业务流程复杂、专业化程度高等特点,容易引发信用风险、操作风险、道德风险等,从而导致银行面临着贷款无法收回、甚至于运营体系崩溃等风险。为此,首先在理论上对供应链金融业务中面临的各种风险进行梳理,并通过对目前商业银行对于供应链金融业务的风险控制措施进行分析发现,尽管依托―互联网+‖技术开展线上业务办理,但仍然主要依靠核心企业的信用背书和银行自身对整条供应链的资金限制与约束。多级供应商的信用不能传递,贸易融资自偿性优势没有得到充分利用,从而银行面临的风险依然存在。然后通过文献阅读与整理,对区块链技术的相关概念进行梳理发现,区块链技术凭借其去中心化、不可篡改、智能合约等特点,能够有效解决供应链金融实际应用中存在的风险问题,因此接下来对区块链技术应用于供应链金融风险控制的可行性与优化路径做了阐述,并对现有案例进行分析与总结,佐证了区块链技术应用于供应链金融业务的可行性,并对其优势进行阐述,通过对该平台的分析发现,目前区块链在供应链金融风险控制中仍然存在一些普遍的问题。最后,在总结全文的基础上,针对目前区块链在供应链金融风险控制中普遍存在的问题提出了相关发展建议,尽管区块链+供应链金融模式的融合具有广阔的发展前景,但区块链技术不是万能的,并且作为一项新兴技术,其开发与应用离不开人才与资金的支持。加强各参与方的协同作用、建立供应链金融专用数据库、借鉴国外先进经验等对该模式的发展、银行风控效果乃至实体经济的发展都有着重要的意义。
刘森,张书维,侯玉洁[4](2020)在《3D打印技术专业“三教”改革探索》文中研究指明根据国家对职业教育深化改革的最新要求,解读当前"三教"改革对于职教教育紧迫性和必要性,本文以3D打印技术专业为切入点,深层次分析3D打印技术专业在教师、教材、教法("三教")改革时所面临的实际问题,并对"三教"改革的一些具体方案可行性和实际效果进行了探讨。
罗颖达[5](2019)在《以YZ市人民银行为例的区块链技术对人民银行内部控制的影响研究》文中研究表明人民银行总行于2006年发布了《中国人民银行分支机构内部控制指引》,为人民银行及其分支机构构建起符合行业规范的内控体系,但人民银行自身在内控方面仍然面临诸多问题,例如重要风险事项的识别和评估不充分、关健控制制度执行不严格、会计处理不规范等。在此基础上,人民银行于2017年提出的“加快架构转型,打造数字央行”的信息技术建设新思路,将具有去中心化、公开透明和不可篡改等特点的区块链技术视为提升人民银行内控有效性、解决内部控制顽疾的一个新的思路。本文以YZ市人民银行为例,从内控环境、风险评估、内控措施、信息与沟通、监督检查五个方面对人民银行的内部控制框架进行了系统的梳理,研究了人民银行内部控制的现状,分析了人民银行内部控制面临的诸多问题。并以问题为导向,研究了基于区块链技术的人民银行内部控制优化:一是区块链的分布式账簿可以改进人民银行的内部控制风险评估工作,有助于重要风险事项的快速识别和充分评估,不仅能够保障信息数据、审计数据的安全性和可靠性,还能提升审计效率、降低审计成本,实现实时的风险评估;二是通过区块链系统的准入控制和智能合约对关健内控制度的执行进行系统约束;三是区块链技术使得会计信息的审核、记录、存储等操作均由众多节点协作完成,有效降低会计人员的主观性,间接保障了数据信息的客观准确,能够降低业务操作风险、规范会计信息处理。此外,本文还研究了区块链技术对人民银行内部控制环境和体系的影响。它不仅改变人民银行内部控制主体和会计人员工作职能,也影响了内审部门的审计监督、事后监督以及其他业务部门的内部控制方式。最后,论文还分析了当前区块链技术存在的不足,探讨了人民银行内部控制体系中应用的可能性。在现有研究的基础上,从加快信息化建设、完善人民银行内部控制制度、完善内部控制管理岗位的职能三个方面提出了基于区块链技术的人民银行内部控制转型升级举措和应对方案,以期能为人民银行的内部控制体系优化、解决上述内控问题提供可供参考的方案。
王馨漫[6](2019)在《基于大数据的商业银行信用风险管理系统构建研究》文中提出信用风险是商业银行面临的主要风险,能否有效对其进行管理关乎商业银行的经营业绩。信用风险管理的关键环节为信用风险计量,这一环节贯穿信用风险管理的全过程,计量结果影响着风险控制与业务控制,从而影响着商业银行的实际经营情况。目前,在国内外经济金融环境日趋复杂,各类协议指引对银行约束不断加强的情况下,我国各大商业银行大多已经完成信用风险管理系统的建设,系统的技术架构主要采纳与数据大集中相适应的数据仓库技术,计量模型构建所依赖的数据主要为商业银行历史积累的客户数据。随着互联网对经济社会的不断渗透,人们的很多信用行为数据驻留在了网络上。这些数据规模大、类型多、蕴含大量价值,若能被商业银行充分利用,可增强信用风险的预测能力,更好地辅助决策。但是现有的信用风险管理系统很难对急速增加的大规模数据进行存储和管理,也很难从与传统结构化数据不同的半结构化、非结构化数据中提取有效信息。大数据领域的分布式存储与计算、NoSQL数据库管理技术以及数据挖掘算法为这些难题提供了一种有效解决方案。本文通过对商业银行信用管理过程的梳理以及现有系统的分析,依据大数据技术、信息系统架构等理论,构建了基于大数据的商业银行信用风险管理系统。文章首先对基于大数据的商业银行信用风险管理系统相关概念、大数据技术、信息系统架构等理论进行了阐述。随后,从必要性、可行性、大数据需求多方面分析系统需求,确定系统目标,结合数据流图明确系统功能,并以需求为依据对系统进行总体设计,分层分模块进行论述,之后结合用例图对系统的参与者和主要应用流程进行了论述,提出了应用难点与对策。本文研究认为大数据技术能够扩大可分析数据的覆盖面,提升信用风险管理的效率,增强对信用风险的预测能力,基于大数据技术建立商业银行信用风险管理系统是有必要的。本文对基于大数据技术的商业银行信用风险管理系统进行了具体的架构与模块设计,主要包括数据采集与管理、计量模型管理、业务与风险控制等模块,在系统过渡、母子模型等方面还应进行进一步研究。
阎锦恒[7](2017)在《基于深度学习的互联网金融分布式风控系统设计》文中指出目前随着移动支付在我国的飞速发展很多以往的现金交易逐渐被其取代,不同金融机构数据连通和集成等因素为互联网金融的快速发展提供了条件,随着目标用户的不断增多数据量的不断增大,如何高效、准确的进行信用风险控制已经成为影响各大金融机构、互联网平台快速、健康发展的主要因素之一。此外电商平台的发展欺瞒经营、刷单等恶劣行为也影响信用风险评估的正常开展。而金融的本质就在于风控,移动支付的推广和普及为互联网金融提供了数据环境,同时也对互联网金融风控提出了新的场景与新的问题。故而本文在互联网环境下信用风险控制、评估中应用深度学习算法的可行性、实用性进行深入分析和研究并进行了实验验证。本文先从信用风险控制的背景、相关理论方法及其在互联网金融下的面对的新的问题和挑战的介绍开始。在介绍了解目前主要信用风控、评估的各类方法(包括传统基于业务经验的方法、基于统计的方法、基于金融衍生工具的方法以及基于机器学习的方法等)的基础上,进而详细介绍目前在其他一些领域已经展开应用良好效果的几种深度学习算法和框架。传统的控制方法比如专家制度法等需要依赖大量的人工以及行业经验,难以应用在互联网金融中大规模用户群体上。而传统基于统计的方法、衍生工具的方法,对于复杂的非线性问题表现不佳。目前对于机器学习在信用风险控制中也有很多研究和应用,但是对于深度学习在信用风险的研究与应用目前尚未有显着成果本文从介绍深度学习一些基本原理开始,设计基于分布式环境下深度学习实践应用。因此结合目前主流的互联网金融平台的分布式技术环境,对本文所设计系统一些分布式应用技术关键点(包括调用监控系统设计、底层存储以及分布式并行计算框架设计)进行了阐述和分析。基于理论、技术基础本文提出了一个以DBN模型为核心的信用风控原型系统模型设计并对应设计其中各个功能模块(包括数据预处理、特征衍生和选择、清洗与转换以及输出、监控模块和DBN并行计算设计等等)进行阐述和重点设计。最终本文基于国内某互联网金融平台的实际用户数据对本文所设计系统与传统基于规则的风控系统进行了实际对比验证,从而验证深度学习技术在信用风控、评估领域具有较高可行性和实用性。最后在本文所设计系统与比对验证实验效果的总结基础上对深度学习在信用风险控制、评估领域应用的未来以及一些问题进行了展望:比如DBN模型训练过程的一些不足、深度学习技术本身的部分局限性以及单个平台能获得的外部数据有限,各大平台数据的连通还有很长的路要走,打破“数据孤岛”对基于互联网大数据的信用体系构建也是一个至关重要的基础问题。
罗欣,陈祥[8](2000)在《分布式实时数据库在信用控制中的应用》文中研究说明
丁逸飞[9](2021)在《城市个人信用评价系统的设计与实现》文中研究指明随着国民经济的持续发展,信用经济市场也在不断发展,相关部门对社会信用体系建设工作逐步加强,城市个人信用评估体系对社会治理体系的作用越发凸显。尤其在大数据时代,用户行为等数据能更客观的反映当前社会的信用水平。本文结合实际应用场景和业务需求,在对国内外现有信用评估研究方法进行分析的基础上,将机器学习和大数据技术运用其中,提出信用评估模型,设计并实现信用评估系统,解决城市个人信用评估系统中的数据处理、特征提取、模型构建、动态数据采集、数据存储和计算加速等问题。针对“天一分”城市个人信用分的评估,本文提出了融合层次分析和线性回归的个人信用评估(AHLRPCE)模型,重点介绍了整体模型的构建,包括对原始标签数据进行数据脱敏、缺失值填充、异常值检验,对拟合逻辑回归的特征进行独立性检验,并对此部分数据经过woe编码、IV检验建立评分卡模型,对拟合层次分析法的数据进行权重计算,最后将两大模型融合建立城市个人信用分模型。整个系统包括静态分和动态分计算两大部分。在静态分模块实现了原始数据处理和数据计算相关功能,并使用Spark框架对初始分计算做加速。在动态分模块,本文使用Flume加Kafka的架构解决了现实应用场景中多部门数据采集和传输问题,并使用HBase做数据存储和日志备份。另外,本文使用传统MR计算框架并配合Redis数据库做缓存中间件,实现了数据的加速计算。最终测试和实验结果证明该系统能解决实际需求、并具有良好的性能。
周林彦[10](2021)在《面向全自动运行系统的列车实时调整与客流量控制联合优化方法研究》文中进行了进一步梳理近年来城市轨道交通飞速发展,已经成为现代大城市中最受欢迎的交通方式。列车运行调整对于保证地铁安全高效的运营具有重大意义。作为列车运行调整过程中最关键的因素之一,站台等待人数与列车动态运行之间存在着耦合关系。激增的客流使得地铁系统的发车间隔越来越小,从而导致列车运行极易受到外界的干扰,继而引发列车晚点,增加站台等待人数;而站台等待人数的增加则会延长列车的停站时间,加剧列车晚点。因此,对列车运行调整与客流量控制进行联合优化具有非常重要的意义。随着全自动运行(Fully automatic operation,FAO)系统的广泛应用,对列车实时调整与客流量控制的自动化程度提出了很高的要求。在列车实时调整优化算法上,现有的列车运行调整大多采用集中式优化算法,具有计算效率低和响应速度慢的缺点,不能满足列车调整实时性的需求。基于此,本文开展列车实时调整与客流量控制的联合优化研究,旨在提高列车到发的准点率、列车的运行水平和服务质量。本论文首先建立了列车实时调整、列车运行曲线动态生成和站台等待人数调整的联合动态模型;其次采用分布式优化算法提高了计算效率;最后利用C#编程设计并实现列车自动监控系统(Automatic Train Supervision,ATS)仿真验证平台,主要对运行图界面、数据库和列车自动排列进路进行设计,验证列车实时调整与客流量控制分布式优化算法在ATS仿真系统的有效性。本论文的研究内容和创新点主要在以下几个方面:(1)考虑列车动态运行和客流之间的耦合关系,建立列车实时调整、列车运行曲线动态生成和站台等待人数调整的联合动态模型;在此基础上,建立列车动态调整优化目标和运营约束条件,利用模型预测控制(Model Predictive Control,MPC)算法将联合动态模型转换为优化控制模型。(2)本文基于交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)设计列车实时调整与客流量控制分布式优化算法。该算法能够解决具有耦合约束的复杂优化模型,与集中式优化算法相比,有效提高计算效率,保证列车调整的实时性。(3)本文将列车实时调整与客流量控制分布式优化算法在ATS仿真系统中进行验证,实现ATS系统中基于改进A*算法的列车自动排列进路功能和基于ADMM分布式算法的列车实时调整功能。通过列车受到干扰后的实际运行图恢复为计划运行图的效果来验证列车实时调整与客流量控制分布式算法的有效性。
二、分布式实时数据库在信用控制中的应用(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、分布式实时数据库在信用控制中的应用(论文提纲范文)
(1)基于区块链技术的信用治理研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究的背景与意义 |
1.1.1 研究的背景 |
1.1.2 研究的意义 |
1.2 论文的主要研究内容与研究思路 |
1.2.1 论文的主要研究内容 |
1.2.2 论文的主要研究思路 |
1.3 论文的主要研究方法 |
1.4 论文的主要创新点 |
1.5 本章小结 |
第二章 文献综述与基本理论 |
2.1 信用基本理论研究 |
2.1.1 关于信用基础之信任的相关研究 |
2.1.2 关于信用的特征及与其它相关概念的辨析 |
2.2 信用治理的相关研究 |
2.2.1 信用治理的理论分析 |
2.2.2 信用治理的应用分析 |
2.3 区块链技术的研究 |
2.3.1 比特币与区块链的研究 |
2.3.2 区块链核心技术的研究 |
2.3.3 区块链技术应用的研究 |
2.4 区块链技术与信用治理结合的研究 |
2.4.1 区块链与信任体系 |
2.4.2 区块链与信用治理 |
2.5 本章小结 |
第三章 区块链技术条件下的信用治理原理 |
3.1 区块链技术架构与共识机制 |
3.1.1 区块链技术架构 |
3.1.2 区块链的类型及特点 |
3.1.3 区块链共识机制 |
3.2 从机器信任到社会信用 |
3.3 完全理性博弈下的区块链信用治理 |
3.3.1 个体理性、重复博弈与区块链信用合作的产生 |
3.3.2 集体理性、合作博弈与区块链信用合作的有效性 |
3.4 有限理性博弈下的区块链信用合作及稳定性 |
3.5 本章小结 |
第四章 基于区块链技术的个体信用治理分析 |
4.1 DAO、公有链与代币(Token) |
4.2 Token(代币)经济与金融监管 |
4.3 个体行为视角的公有链社会网络信用治理分析 |
4.3.1 预期效用建模 |
4.3.2 信用偏好的承袭分析 |
4.3.3 信用偏好的均衡调整 |
4.3.4 信用合作的场域 |
4.3.5 极端状况下的均衡 |
4.4 政策建议 |
4.5 本章小结 |
第五章 基于区块链技术的群体信用治理分析 |
5.1 DeFi与普惠金融 |
5.2 DeFi的信用特征 |
5.3 DeFi普惠金融的群体信用建模 |
5.4 基于私有链的群体信用治理分析 |
5.4.1 私有链与随机网络 |
5.4.2 随机网络的群体信用治理 |
5.5 基于联盟链的群体信用治理分析 |
5.5.1 联盟链与无标度网络 |
5.5.2 无标度网络的群体信用治理 |
5.6 政策建议 |
5.7 本章小结 |
第六章 基于区块链技术优化个人信用评价的实证研究 |
6.1 “币天销毁”与“币天销毁”信用评价模型 |
6.2 “币天销毁”信用评价模型的构建与指标选择 |
6.2.1 “币天销毁”信用评价模型的指标选取 |
6.2.2 “币天销毁”信用评价模型指标的时序拆解与重组 |
6.2.3 “币天销毁”信用评价模型指标数据的引入与生成 |
6.3 “币天销毁”信用评价模型的初始权重设计 |
6.3.1 对于筛选指标的逻辑回归模型设计 |
6.3.2 模型的初始权重设计 |
6.4 “币天销毁”信用评价模型的测试评价 |
6.5 “币天销毁”信用评价模型的训练 |
6.5.1 模型训练方法的选择 |
6.5.2 模型训练方法的机理 |
6.5.3 模型训练的流程 |
6.5.4 模型训练相关程序 |
6.6 “币天销毁”信用评价模型的训练结果 |
6.6.1 模型的最终参数结果 |
6.6.2 模型最终的权重结果 |
6.7 “币天销毁”信用评价模型与传统信用评价模型的结果比较 |
6.7.1 传统信用评价模型的构建过程 |
6.7.2 两种模型的结果比较 |
6.8 本章小结 |
第七章 基于区块链技术改善中小企业授信的实证研究 |
7.1 中小企业信用评价和融资授信的相关研究 |
7.2 区块链技术改善中小企业融资授信的路径 |
7.2.1 区块链技术赋能中小企业融资授信 |
7.2.2 基于区块链技术的企业融资授信的平台架构和数据原型 |
7.3 区块链技术改善中小企业融资授信:实证模型的构建 |
7.4 基于区块链增强信息的企业信用模型的测试与分析 |
7.4.1 数据标准与准备 |
7.4.2 特征变量选取 |
7.4.3 测试结果与分析 |
7.5 基于区块链技术的模型与传统模型的结果比较 |
7.6 本章小结 |
第八章 区块链技术在公共管理领域的信用治理应用研究 |
8.1 区块链技术对国家信用治理带来的影响分析 |
8.1.1 区块链技术对国家信用创造和监管带来冲击 |
8.1.2 区块链技术对商业银行信用管理带来变革与颠覆 |
8.2 数字法币的技术路径选择,及对信用创造的影响 |
8.2.1 数字法币的技术路径选择与分叉 |
8.2.2 数字法币对信用创造的影响分析 |
8.2.3 数字法币对货币乘数的影响: 一个概要测算 |
8.3 利用区块链技术深化我国的社会征信管理 |
8.3.1 面向全社会各行业的征信系统面临的技术挑战 |
8.3.2 区块链技术应用于征信系统的可行性分析 |
8.3.3 区块链技术在征信系统中的应用研究 |
8.4 本章小结 |
第九章 基于区块链技术的物理世界信用治理应用研究 |
9.1 从万物互联、万物智能到万物账本,信用治理拓展原理 |
9.1.1 万物互联: 生产工具的升级 |
9.1.2 万物智能: 生产资料的升级 |
9.1.3 万物账本: 生产关系的升级 |
9.2 从“+区块链”到“区块链+,区块链信用治理拓展的路径 |
9.2.1 “+区块链”: 从信息互联网到价值互联网 |
9.2.2 “区块链+”: 商业逻辑、组织范式的颠覆性解构与重组 |
9.3 云-管-端-边“设备民主”,区块链信用治理应用拓展的实现 |
9.3.1 信息技术架构与信息服务架构 |
9.3.2 基于区块链技术实现云-管-端-边的“设备民主” |
9.4 本章小结 |
第十章 结论与展望 |
10.1 本文研究的主要结论 |
10.2 研究局限及展望 |
参考文献 |
附录 |
致谢 |
攻读学位期间取得的研究成果 |
(2)基于大数据的汽车销售供应链金融风险规避研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 论文的研究背景、研究意义和研究目的 |
1.1.1 论文的研究背景 |
1.1.2 论文的研究目的和意义 |
1.2 国内外研究现状 |
1.2.1 国内研究现状与国外研究现状 |
1.3 论文的研究思路及框架 |
1.3.1 论文的研究思路 |
1.3.2 论文的技术路线 |
1.4 论文的主要研究内容及创新点 |
1.4.1 论文的研究内容 |
1.5 本章小结 |
第2章 相关理论基础 |
2.1 供应链概念 |
2.2 汽车供应链金融风险管理概念 |
2.2.1 供应链金融 |
2.2.2 供应链金融风险管理 |
2.3 博弈论 |
2.3.1 概念 |
2.3.2 不完全信息模型动态博弈的概念 |
2.4 大数据概念 |
2.4.1 大数据技术概念 |
2.4.2 大数据风控相关技术 |
2.5 本章小结 |
第3章 汽车销售供应链金融风险现状与规避方式的不足 |
3.1 汽车销售供应链金融风险特征 |
3.2 汽车供应链金融风险产生的原因 |
3.2.1 系统性风险与非系统风险的产生原因 |
3.2.2 供应链各主体风险产生的原因 |
3.2.3 各业务类型的风险产生的影响 |
3.3 现有汽车销售供应链风险规避模式与分析 |
3.3.1 汽车销售的供应链金融风险规避手段 |
3.3.2 基于德尔菲法确认传统风控因素与权重影响 |
3.4 本章小结 |
第4章 大数据在汽车销售供应链金融中风险规避方案的应用 |
4.1 基于大数据的成本控制类的风险规避方案建立 |
4.1.1 从大数据角度考虑征信体系的建立 |
4.1.2 汽车销售供应链金融的交易形式电子化 |
4.2 从效率提升类的风险规避方案建立 |
4.2.1 大数据条件下汽车销售供应链金融风控数据库的建立 |
4.2.2 大数据条件下汽车流通供应链业务平台的构建 |
4.3 博弈论对汽车供应链金融风险规避方式分析 |
4.3.1 金融机构与汽车经销商的供应链金融合作模式 |
4.3.2 大数据应用下汽车流通供应链主体博弈分析 |
4.3.3 大数据应用下降低风控成本,提升金融机构风控运营效率 |
4.4 本章小结 |
第5章 大数据应用在汽车销售供应链金融风险规避方案的评价—以z公司为例 |
5.1 基于成本控制的汽车供应链金融风险规避方案的优势 |
5.1.1 汽车经销商征信体系的优势 |
5.1.2 交易形式电子化优势 |
5.2 基于效率提升的汽车供应链金融风险规避方案的优势 |
5.2.1 风险控制数据库的创新应用 |
5.2.2 汽车销售交易平台搭建的应用创新 |
5.3 大数据技术在汽车供应链金融风险的适用范围 |
5.3.1 新技术的综合应用 |
5.3.2 新技术的发展趋势 |
5.4 本章小结 |
结论与展望 |
结论 |
展望 |
参考文献 |
致谢 |
(3)区块链在供应链金融风险控制中的应用研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景、目的及意义 |
1.1.1 研究背景 |
1.1.2 研究目的 |
1.1.3 研究意义 |
1.2 文献综述 |
1.2.1 供应链金融及其风险研究现状 |
1.2.2 区块链应用于供应链金融的研究现状 |
1.2.3 文献总结与评述 |
1.3 研究内容与方法 |
1.3.1 研究内容与技术路线 |
1.3.2 研究方法 |
1.4 创新之处 |
2 相关概念与理论基础 |
2.1 相关概念 |
2.1.1 供应链金融含义及业务种类 |
2.1.2 区块链概念及技术特点 |
2.2 理论基础 |
2.2.1 信息不对称理论 |
2.2.2 委托代理理论 |
2.2.3 交易成本理论 |
2.2.4 自偿性贸易融资理论 |
3 供应链金融及其风险现状 |
3.1 供应链金融发展现状 |
3.2 供应链金融的风险分析 |
3.2.1 信用风险 |
3.2.2 道德风险 |
3.2.3 操作风险 |
3.2.4 不同融资模式的风险点分析 |
3.3 供应链金融风险的传统控制措施 |
3.3.1 贷前风险控制 |
3.3.2 货后风险控制 |
3.4 传统风控措施的不足 |
3.4.1 链条式管理有待加强 |
3.4.2 缺乏对员工与岗位的监督 |
3.4.3 缺乏对第三方物流的监管 |
3.4.4 银企信息交流平台有待完善 |
4 基于区块链的供应链金融风险控制优化 |
4.1 区块链应用于供应链金融风险控制的可行性 |
4.2 区块链应用于供应链金融风险控制的应用现状 |
4.3 区块链优化供应链金融模式的风险控制的方式 |
4.3.1 去中心化、信息公开控制信用风险 |
4.3.2 不可篡改、自动执行控制道德风险 |
4.3.3 智能合约、可被追溯控制操作风险 |
5 区块链+供应链金融案例——壹诺供应链 |
5.1 壹诺供应链平台简介 |
5.2 壹诺供应链平台运营模式分析 |
5.2.1 服务对象 |
5.2.2 核心功能 |
5.3 壹诺供应链平台区块链+供应链金融模式优势分析 |
5.3.1 盘活企业资产,拓展客户资源 |
5.3.2 改善融资环境,降低融资成本 |
5.3.3 监管底层资产,降低管理成本 |
5.3.4 利用智能合约,杜绝违约风险 |
5.4 区块链+供应链金融风险控制中的问题 |
5.4.1 原始数据的真实性需要加强 |
5.4.2 与现有银行信息系统整合难度大 |
5.4.3 成熟应用尚且困难 |
6 区块链应用于供应链金融风险控制的对策建议 |
6.1 加强各参与方协同作用,保证原始数据真实性 |
6.2 建立供应链金融专用数据库,实现信息共享 |
6.3 参与银行业区块链联盟,借鉴国外先进经验 |
6.4 加强专业化人才建设,提高风险防范意识 |
结论 |
参考文献 |
作者简历 |
致谢 |
(4)3D打印技术专业“三教”改革探索(论文提纲范文)
引言 |
1 3D打印技术专业“三教”面临的突出问题 |
1.1 师资团队的教学素养相对偏差 |
1.2 3D打印技术专业教材不成体系,资源匮乏 |
1.3 教法难以提升学生参与的主动性 |
2 3D打印技术应用专业“三教”改革措施 |
2.1 通过“名师引领、双元结构、分工协作”的准则塑造团队 |
2.1.1 依托有较强影响力的带头人,有效开发名师所具备的引领示范效果 |
2.1.2 邀请大师授教,提升人才的技术与技能水准 |
2.2 推进“学生主体、育训结合、因材施教”的教材变革 |
2.2.1 设计活页式3D打印教材 |
2.2.2 灵活使用信息化技术,形成立体化的教学 |
2.3 创新推行“三个课堂”教学模式,推进教法改革 |
2.3.1 采取线上、线下的混合式教法 |
2.3.2 构建与推进更具创新性的“三个课堂”模式 |
(5)以YZ市人民银行为例的区块链技术对人民银行内部控制的影响研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 文献综述 |
1.2.1 国外研究方面 |
1.2.2 国内研究方面 |
1.3 研究内容与研究思路 |
1.3.1 研发基础 |
1.3.2 拟采用的研究方法 |
1.3.3 技术路线、实施方案 |
第2章 区块链技术的概述、研究现状以及应用情况 |
2.1 区块链技术的概述 |
2.1.1 定义 |
2.1.2 特点 |
2.1.3 安全技术的优势 |
2.2 区块链技术的发展历程与研究现状 |
2.2.1 发展历程 |
2.2.2 国内外研究现状 |
2.3 区块链技术的应用情况 |
2.3.1 在会计行业应用 |
2.3.2 海外区块链技术应用状况 |
2.3.3 国内区块链技术应用状况 |
2.4 本章小结 |
第3章 YZ市人民银行内部控制现状及问题 |
3.1 概念 |
3.2 人民银行内部控制主体、客体、目标和原则 |
3.2.1 主体 |
3.2.2 客体 |
3.2.3 原则 |
3.3 人民银行内部控制现状 |
3.3.1 环境 |
3.3.2 风险评估 |
3.3.3 内部控制活动 |
3.3.4 信息沟通与反馈机制 |
3.3.5 监督与传导 |
3.3.6 人民银行内部控制各要素之间的联系 |
3.4 人民银行内部控制面临的问题 |
3.4.1 重要风险事项的识别和评估不充分 |
3.4.2 关键控制制度执行不严格 |
3.4.3 会计处理不规范 |
3.5 本章小结 |
第4章 基于区块链技术的优化方案及对内部控制的影响 |
4.1 区块链平台模型 |
4.2 区块链平台对人民银行内部控制的优化 |
4.2.1 重要风险事项的快速识别和充分评估 |
4.2.2 对关健控制制度执行进行系统控制 |
4.2.3 规范会计处理 |
4.3 对内部控制环境的影响 |
4.3.1 内部控制主体发生变化 |
4.3.2 会计人员职能发生转变 |
4.3.3 管控效率得到提高 |
4.4 对内部控制监督体系的影响 |
4.4.1 对内部审计监督的影响 |
4.4.2 对事后监督的影响 |
4.4.3 对业务部门的内部控制的影响 |
4.5 本章小结 |
第5章 区块链技术的应用前景与人民银行的应对措施 |
5.1 区块链技术的应用前景 |
5.2 人民银行的应对措施 |
5.2.1 加快信息化建设 |
5.2.2 完善人民银行内部控制制度 |
5.2.3 完善内部控制管理岗位的职能 |
5.3 本章小结 |
结论 |
参考文献 |
致谢 |
(6)基于大数据的商业银行信用风险管理系统构建研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 文献综述 |
1.2.1 国外文献综述 |
1.2.2 国内文献综述 |
1.2.3 文献述评 |
1.3 研究思路、方法和内容 |
1.3.1 研究思路和方法 |
1.3.2 研究内容 |
1.4 创新和不足 |
1.4.1 创新 |
1.4.2 不足 |
2 概念界定和理论基础 |
2.1 概念界定 |
2.1.1 大数据技术 |
2.1.2 商业银行信用风险管理 |
2.1.3 商业银行信用风险管理系统 |
2.1.4 基于大数据的商业银行信用风险管理系统 |
2.2 理论基础 |
2.2.1 大数据技术理论 |
2.2.2 信息不对称理论 |
2.2.3 信息系统架构理论 |
3 基于大数据的商业银行信用风险管理系统需求分析 |
3.1 系统目标 |
3.2 必要性分析 |
3.2.1 海量数据管理推进风险决策模式转型 |
3.2.2 数据源扩充降低信息不对称 |
3.2.3 在线实时处理提高业务竞争力 |
3.2.4 分布计算与多样算法提升系统运行效率 |
3.3 可行性分析 |
3.3.1 规范的历史数据提供了数据基础 |
3.3.2 大数据技术的发展提供了技术基础 |
3.3.3 各类指引规范提供了政策基础 |
3.3.4 充分的人才储备提供了人才基础 |
3.4 大数据需求 |
3.4.1 数据特征 |
3.4.2 采集模式 |
3.4.3 处理要求 |
3.5 功能需求 |
3.5.1 系统业务范围与业务划分 |
3.5.2 数据采集和管理 |
3.5.3 计量模型管理 |
3.5.4 业务与风险控制 |
4 基于大数据的商业银行信用风险管理系统设计 |
4.1 系统设计原则 |
4.1.1 业务适配性 |
4.1.2 分层与模块化 |
4.1.3 数据可靠性 |
4.1.4 职责分离 |
4.2 系统架构设计 |
4.2.1 采集接口层 |
4.2.2 数据存储层 |
4.2.3 数据计算层 |
4.2.4 风险计量层 |
4.2.5 业务服务层 |
4.2.6 应用接口层 |
5 基于大数据的商业银行信用风险管理系统应用分析 |
5.1 应用目标 |
5.2 应用场景分析 |
5.2.1 系统参与者 |
5.2.2 用例分析 |
5.3 应用难点和对策 |
5.3.1 系统衔接问题 |
5.3.2 技术人员配备问题 |
5.3.3 数据安全问题 |
6 结论和展望 |
6.1 研究结论 |
6.2 研究展望 |
参考文献 |
后记 |
(7)基于深度学习的互联网金融分布式风控系统设计(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景 |
1.2 研究思路 |
1.3 创新点 |
2 信用风险控制研究综述 |
2.1 信用风险概述 |
2.2 信用风险控制 |
2.3 互联网金融业务场景和信用风控 |
2.4 信用风险控制方法研究现状 |
2.4.1 传统风险控制方法 |
2.4.2 基于统计方法的风险控制方法 |
2.4.3 基于衍生工具的风险控制方法 |
2.4.4 基于机器学习算法的风险控制方法 |
2.5 小结 |
3 深度学习 |
3.1 传统神经网络 |
3.1.1 神经元模型 |
3.1.2 传统神经网络模型 |
3.1.3 传统神经网络缺陷 |
3.2 深度学习神经网络 |
3.2.1 深度学习基本思想 |
3.2.2 深度学习的常用方法 |
3.2.3 深度学习算法优缺点 |
3.3 小结 |
4 深度学习信用风控系统分析 |
4.1 调用监控系统设计和实现 |
4.1.1 调用监控系统的作用 |
4.1.2 埋点子系统设计和实现 |
4.1.3 监控系统与数据积累和采集 |
4.2 业务数据存储设计和实现 |
4.2.1 应用无状态 |
4.2.2 有效使用缓存 |
4.2.3 应用拆分 |
4.2.4 基于分库分表的弹性伸缩能力 |
4.3 基于Spark的分布式并行计算框架 |
4.3.1 分布式存储HDFS |
4.3.2 分布式并行计算框架Spark |
4.4 原型系统结构设计 |
4.5 小结 |
5 深度学习信用风控系统实现 |
5.1 基于分布式的深度学习模块实现 |
5.1.1 基于HDFS的信用风险数据存储系统 |
5.1.2 基于Spark的深度置信网络并行实现 |
5.2 数据预处理模块 |
5.2.1 特征衍生和选择 |
5.2.2 数据清洗和转换模块 |
5.3 DBN训练模块 |
5.3.1 无监督学习 |
5.3.2 逻辑回归分类 |
5.3.3 反馈微调 |
5.4 输出子模块 |
5.5 监控子模块 |
5.6 系统验证和结果分析 |
5.6.1 实验环境 |
5.6.2 数据预处理 |
5.6.3 结果验证与分析 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
(9)城市个人信用评价系统的设计与实现(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景与意义 |
1.1.1 课题背景 |
1.1.2 课题意义 |
1.2 国内外研究现状 |
1.3 本文实现方法 |
1.4 文章结构安排 |
第2章 信用分评估系统相关技术 |
2.1 个人信用评估模型 |
2.1.1 信用评分 |
2.1.2 逻辑回归 |
2.1.3 层次分析法 |
2.1.4 模型融合 |
2.1.5 评估方法 |
2.2 系统相关技术介绍 |
2.2.1 分布式计算框架Spark |
2.2.2 HBase分布式数据库 |
2.2.3 Flume数据采集系统 |
2.2.4 Kafka消息队列 |
2.2.5 Redis缓存数据库 |
2.3 本章小结 |
第3章 系统需求 |
3.1 设计目标 |
3.2 模型设计需求 |
3.3 系统功能性需求 |
3.3.1 原始数据的导入及预处理 |
3.3.2 基础分计算 |
3.3.3 动态分数据采集和存储 |
3.3.4 动态分计算 |
3.3.5 并行化需求 |
3.4 系统非功能型需求 |
3.4.1 系统扩展性 |
3.4.2 系统易用性 |
3.4.3 系统可靠性 |
3.5 本章小结 |
第4章 融合层次分析和线性回归的个人信用模型(AHLRPCE) |
4.1 个人信用数据介绍 |
4.2 数据预处理 |
4.2.1 缺失值和异常值处理 |
4.2.2 特征共线性检测 |
4.3 模型构建 |
4.3.1 数据分箱 |
4.3.2 数据编码和检查 |
4.3.3 评分卡模型 |
4.3.4 层次分析法模型 |
4.3.5 动态分时间衰退函数 |
4.4 互认互通平台模型实现 |
4.4.1 经验分布函数 |
4.4.2 互通模型 |
4.5 对比实验分析 |
4.6 本章小结 |
第5章 系统总体设计及实现 |
5.1 系统总体架构 |
5.2 开发环境 |
5.3 静态分模块 |
5.3.1 数据清洗及编码模块 |
5.3.2 静态初始分计算模块 |
5.3.3 Oracle数据库表格设计 |
5.4 动态分模块 |
5.4.1 数据采集、传输和存储模块的设计和实现 |
5.4.2 动态分计算模块的设计和实现 |
5.5 本章小结 |
第6章 系统测试及实际应用展示 |
6.1 测试环境 |
6.2 静态初始分模块 |
6.2.1 数据清洗和导入 |
6.2.2 初始分计算模块 |
6.3 动态分计算模块 |
6.3.1 数据采集和存储 |
6.3.2 动态分计算模块测试及加速对比分析 |
6.3.3 数据持久化及互通互认等级计算 |
6.4 实际应用展示 |
6.5 系统对比分析 |
6.6 本章小结 |
第7章 总结与展望 |
7.1 本文工作总结 |
7.2 不足及展望 |
参考文献 |
作者简历 |
致谢 |
(10)面向全自动运行系统的列车实时调整与客流量控制联合优化方法研究(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 国内外研究现状 |
1.2.1 列车运行调整方法 |
1.2.2 列车运行调整求解算法 |
1.2.3 分布式优化算法 |
1.2.4 研究现状小结 |
1.3 论文主要内容和结构安排 |
2 面向FAO系统的列车运行调整与自动排列进路概述 |
2.1 全自动运行系统概述 |
2.2 列车运行调整概述 |
2.2.1 列车运行调整与客流量控制 |
2.2.2 列车运行曲线生成的方法概述 |
2.2.3 列车自动监控系统的功能与结构 |
2.3 列车自动排列进路搜索算法 |
2.3.1 路径搜索算法 |
2.3.2 A*算法 |
2.4 本章小结 |
3 列车实时调整与客流量控制的动态模型 |
3.1 列车外部干扰因素 |
3.2 列车实时调整与客流量控制模型 |
3.2.1 列车实时调整步骤 |
3.2.2 列车实时调整与列车运行曲线的动态生成 |
3.2.3 乘客客流量动态模型 |
3.3 目标函数和约束条件 |
3.3.1 目标函数的确立 |
3.3.2 列车运行的约束条件 |
3.4 模型预测控制算法 |
3.4.1 模型预测控制算法原理 |
3.4.2 基于MPC的列车实时调整算法设计 |
3.5 非线性模型转化为线性模型的解决方法 |
3.6 本章小结 |
4 列车实时调整与客流量控制的分布式优化算法 |
4.1 列车实时调整的分布式架构 |
4.2 分布式算法 |
4.2.1 对偶上升法 |
4.2.2 增广拉格朗日乘子法 |
4.2.3 交替方向乘子法 |
4.2.4 全局变量一致性优化 |
4.3 列车实时调整与客流量控制分布式模型 |
4.3.1 全局变量一致性优化模型 |
4.3.2 分布式优化算法设计 |
4.3.3 分布式优化算法的步骤 |
4.4 列车实时调整与客流量控制分布式模型的仿真与分析 |
4.4.1 求解环境 |
4.4.2 模型求解复杂度 |
4.4.3 分布式优化算法的仿真 |
4.5 本章小结 |
5 列车实时调整与客流量控制的分布式算法在ATS系统仿真与验证 |
5.1 开发环境介绍 |
5.2 列车运行图界面设计 |
5.3 数据库设计 |
5.3.1 MYSQL数据库 |
5.3.2 数据库编辑 |
5.4 ATS系统接口设计 |
5.4.1 CBTC系统接口通信 |
5.4.2 ATS-ATP接口设计 |
5.4.3 ATS-ATO接口设计 |
5.5 列车自动排列进路设计 |
5.5.1 改进的A*算法 |
5.5.2 列车自动排列进路的功能实现 |
5.6 ATS系统仿真与算法验证 |
5.7 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
附录 A |
图索引 |
表索引 |
作者简历及攻读硕士学位期间的主要研究成果 |
学位论文数据集 |
四、分布式实时数据库在信用控制中的应用(论文参考文献)
- [1]基于区块链技术的信用治理研究[D]. 章建赛. 北京邮电大学, 2021(01)
- [2]基于大数据的汽车销售供应链金融风险规避研究[D]. 徐源. 北京建筑大学, 2020(08)
- [3]区块链在供应链金融风险控制中的应用研究[D]. 赵思雅. 河北经贸大学, 2020(07)
- [4]3D打印技术专业“三教”改革探索[J]. 刘森,张书维,侯玉洁. 数码世界, 2020(04)
- [5]以YZ市人民银行为例的区块链技术对人民银行内部控制的影响研究[D]. 罗颖达. 湖南大学, 2019(02)
- [6]基于大数据的商业银行信用风险管理系统构建研究[D]. 王馨漫. 中国财政科学研究院, 2019(02)
- [7]基于深度学习的互联网金融分布式风控系统设计[D]. 阎锦恒. 南京大学, 2017(05)
- [8]分布式实时数据库在信用控制中的应用[J]. 罗欣,陈祥. 通信世界, 2000(S5)
- [9]城市个人信用评价系统的设计与实现[D]. 丁逸飞. 浙江大学, 2021(02)
- [10]面向全自动运行系统的列车实时调整与客流量控制联合优化方法研究[D]. 周林彦. 北京交通大学, 2021