| 摘要 | 第5-8页 |
| ABSTRACT | 第8-11页 |
| 第1章 绪论 | 第22-30页 |
| 1.1 研究背景和意义 | 第22-24页 |
| 1.2 国内外研究现状 | 第24-25页 |
| 1.3 研究内容 | 第25-28页 |
| 1.4 组织结构 | 第28-30页 |
| 第2章 互联网金融现状调研综述 | 第30-40页 |
| 2.1 引言 | 第30-31页 |
| 2.2 互联网金融平台 | 第31-37页 |
| 2.2.1 主流平台 | 第31-35页 |
| 2.2.2 工作机制 | 第35-37页 |
| 2.3 相关研究进展 | 第37-39页 |
| 2.4 数据收集和概览 | 第39-40页 |
| 第3章 基于风险管理的投资推荐方法 | 第40-54页 |
| 3.1 引言 | 第40-41页 |
| 3.2 相关工作 | 第41-42页 |
| 3.3 产品和投资者画像 | 第42-44页 |
| 3.3.1 投资关系二部图 | 第42页 |
| 3.3.2 产品画像 | 第42-43页 |
| 3.3.3 投资者画像 | 第43-44页 |
| 3.4 生成个性化投资候选推荐 | 第44-45页 |
| 3.4.1 通过经验邻居生成候选推荐 | 第44-45页 |
| 3.4.2 通过群组关系推荐新发布的产品 | 第45页 |
| 3.5 情境感知的投资优化 | 第45-47页 |
| 3.5.1 情境表示 | 第46页 |
| 3.5.2 情境感知的组合优化 | 第46-47页 |
| 3.6 实验分析 | 第47-52页 |
| 3.6.1 数据概览 | 第47-48页 |
| 3.6.2 画像建模 | 第48页 |
| 3.6.3 对比方法 | 第48-49页 |
| 3.6.4 评价指标 | 第49-50页 |
| 3.6.5 实验结果 | 第50-52页 |
| 3.7 本章小结 | 第52-54页 |
| 第4章 基于多目标优化的投资组合选择方法 | 第54-78页 |
| 4.1 引言 | 第54-56页 |
| 4.2 相关工作 | 第56-57页 |
| 4.3 预备知识和产品多目标评估 | 第57-63页 |
| 4.3.1 预备知识 | 第57-58页 |
| 4.3.2 活跃出借者及其利率偏好 | 第58-59页 |
| 4.3.3 借贷产品的多目标评估 | 第59-63页 |
| 4.4 组合选择 | 第63-70页 |
| 4.4.1 加权目标策略 | 第64-66页 |
| 4.4.2 多目标优化策略 | 第66-70页 |
| 4.5 实验分析 | 第70-77页 |
| 4.5.1 实验数据与分析 | 第70-72页 |
| 4.5.2 借款产品评估结果 | 第72-73页 |
| 4.5.3 组合选择结果 | 第73-77页 |
| 4.6 本章小结 | 第77-78页 |
| 第5章 面向融资动态的层次时间序列预测方法 | 第78-99页 |
| 5.1 引言 | 第78-80页 |
| 5.2 相关工作 | 第80-81页 |
| 5.2.1 众筹相关研究 | 第80页 |
| 5.2.2 时间序列分析 | 第80-81页 |
| 5.3 预备知识 | 第81-84页 |
| 5.3.1 Indiegogo和数据集 | 第81-82页 |
| 5.3.2 特征构造 | 第82-84页 |
| 5.4 问题形式化和方法概览 | 第84-85页 |
| 5.4.1 问题描述 | 第84-85页 |
| 5.4.2 方法概览 | 第85页 |
| 5.5 初步预测模型结构 | 第85-90页 |
| 5.5.1 单回归模型,f~p(.),f~c(.) | 第86-89页 |
| 5.5.2 转换回归模型 | 第89-90页 |
| 5.6 模型学习和最终预测 | 第90-92页 |
| 5.6.1 SWR中初步预测模型学习 | 第90-91页 |
| 5.6.2 最优组合矫正预测 | 第91-92页 |
| 5.7 实验分析 | 第92-95页 |
| 5.7.1 实验设置 | 第92-93页 |
| 5.7.2 实验结果 | 第93-95页 |
| 5.8 本章小结 | 第95-96页 |
| 5.9 附录 | 第96-99页 |
| 5.9.1 附录: 概率密度函数推导 | 第96页 |
| 5.9.2 附录: f_j~p(.)参数的梯度计算公式 | 第96-99页 |
| 第6章 基于贝叶斯隐马尔可夫的市场状态建模方法 | 第99-122页 |
| 6.1 引言 | 第99-100页 |
| 6.2 相关工作 | 第100页 |
| 6.3 预备知识 | 第100-105页 |
| 6.3.1 问题描述 | 第101-102页 |
| 6.3.2 构造观察量 | 第102-105页 |
| 6.4 市场状态建模 | 第105-111页 |
| 6.4.1 L-BHMM模型 | 第105-108页 |
| 6.4.2 LM-BHMM模型 | 第108-110页 |
| 6.4.3 相关应用 | 第110-111页 |
| 6.5 实验分析 | 第111-121页 |
| 6.5.1 实验数据 | 第111-112页 |
| 6.5.2 实验设置 | 第112-113页 |
| 6.5.3 实验结果 | 第113-121页 |
| 6.6 本章小节 | 第121-122页 |
| 第7章 面向捐赠行为和用户流失的联合生存分析方法 | 第122-144页 |
| 7.1 引言 | 第122-123页 |
| 7.2 相关工作 | 第123-125页 |
| 7.2.1 众筹研究 | 第124页 |
| 7.2.2 生存分析 | 第124-125页 |
| 7.3 预备知识 | 第125-127页 |
| 7.3.1 Kiva机制 | 第125-126页 |
| 7.3.2 数据描述 | 第126-127页 |
| 7.4 方法设计 | 第127-134页 |
| 7.4.1 问题形式化 | 第127-129页 |
| 7.4.2 JDS模型框架 | 第129-132页 |
| 7.4.3 优化策略 | 第132-134页 |
| 7.5 实验分析 | 第134-142页 |
| 7.5.1 实验数据探索 | 第135-136页 |
| 7.5.2 实验设置 | 第136-140页 |
| 7.5.3 实验结果 | 第140-142页 |
| 7.6 本章小结 | 第142-144页 |
| 第8章 总结与展望 | 第144-147页 |
| 8.1 工作总结 | 第144-145页 |
| 8.2 未来研究展望 | 第145-147页 |
| 参考文献 | 第147-161页 |
| 致谢 | 第161-164页 |
| 在读期间发表的学术论文与取得的研究成果 | 第164-168页 |