![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
金融模型
文章平均质量分 93
Magic Ktwc37
自古人生最忌满,半贫半富半自安。
半命半天半机遇,半取半舍半行善;
半聋半哑半糊涂,半智半愚半圣贤;
半人半我半自在,半醉半醒半神仙;
半亲半爱半痛苦,半俗半禅半随缘;
人生一半在于我,另外一半听自然。
半生风雨半身寒,一杯浊酒敬流年,
回首过往半生路,红尘之中苦又甜。
展开
-
时序分析 45 -- 时序数据转为空间数据 (四) 格拉姆角场 python 实践 (下)
时序转化为图像数据后,采用卷积神经网络进行训练并验证预测结果。原创 2022-09-24 18:50:54 · 2469 阅读 · 0 评论 -
时序分析 44 -- 时序数据转为空间数据 (三) 格拉姆角场 python 实践 (上)
python实践金融时序预测原创 2022-09-24 13:23:58 · 4341 阅读 · 1 评论 -
时序分析 30 金融资产预测 - 蒙特卡洛模拟
金融资产预测蒙特卡洛模拟 商业经营活动中经常需要预测其收入、成本和利润。企业中的金融团队很可能会被要求构建金融模型进行场景分析,例如在不同的假设的情况下分析最好的情况、正常情况和最差的情况。这样做的目的主要是为管理层提供在不同的市场情况下公司的业务的营收情况的预览。但是构建类似模型的一个显著问题就是我们通常难以估算各种场景出现的概率。本文中,我们探讨使用Python语言应用蒙特卡洛模拟来缓解前面所说的问题,并且提供公司到达其目标的似然估计。蒙特卡洛模拟简介原创 2022-05-05 20:05:40 · 3029 阅读 · 0 评论 -
时序分析 29 - 时序预测 - 格兰杰因果关系(下) python实践2
时序分析 29 Granger-Cause 实践2金融时序数据分析 本文主要搭建经济模型,从而分析和预测金融时序数据,重点关注黄金和原油价格。这两种金融资产对全球经济影响较大,我们将使用格兰杰因果检验来测试多个变量之间的关系,然后会使用VAR(Vector Auto Regression)通过历史数据来尝试预测黄金和原油的未来价格。我们使用的数据包括黄金、白银、原油、股票指数、利率和美元。流程总结 下图大致概括了上一篇博文和本篇博文两次时间的基本流程。#mermaid-svg-kcHMWjZe原创 2022-04-09 14:01:49 · 7184 阅读 · 3 评论 -
时序分析28 - 时序预测 格兰杰因果关系(中) python实践1
时序分析28 - 时序预测 - 格兰杰因果关系(中)Python 实践 1上一篇文章我们介绍了格兰杰因果关系的基本概念、背景以及相关统计检验法。本篇文章我们使用Python编程实践一下。实践1:股票价格数据之间的格兰杰因果关系问题:苹果公司今天的股价是否可以用来预测明天的特斯拉的股价? 数据:来自雅虎财经import matplotlib.pyplot as pltimport seaborn as snsimport numpy as npimport pandas as pd读入数据原创 2022-04-09 13:45:55 · 7040 阅读 · 4 评论 -
KYC (Know Your Customer) 综述篇
KYC (Know Your Customer) 综述篇一. 定义 KYC是一种指导方案,是指在金融服务中,通常需要验证客户的身份、适合性、和与该客户维持商业关系所带来的风险。这个概念通常与银行合规、反洗钱(AML)这些名词相关。大大小小的企业经常采用KYC过程以求保证其潜在客户、代理商、咨询方、和发布商符合反贿赂条例,且确实如他们生成的那样。银行、保险、信贷和其他金融机构需要其客户提供更细致的尽职调研信息,这个情况正在呈现增长的趋势。原创 2020-07-24 21:37:07 · 7790 阅读 · 0 评论 -
数据驱动分析实践九 - A/B测试设计和实施
数据驱动分析实践(九)A/B测试设计和实施 作为一个数据驱动增长的实施者,一个最主要的责任就是实践新的想法和持续学习。实践是检验机器学习模型的最有力的手段,新方法改善旧方法,举例来看: 如果你有一个具有95%正确率的留存模型,从中获得最可能流失的客户,并给这些客户一个诱人的优惠政策。你认为这些客户的10%会留下来,且每人每月为你带来20元的收入。这里有很多假设,让我们来详细讨论一下:模型的正确率为95%,原创 2022-02-05 12:06:15 · 677 阅读 · 0 评论 -
数据驱动分析实践八 - 提升模型
数据驱动分析实践八提升模型 当我们在处理增长相关的问题时,一个非常重要的关键因素就是效率。第一,我们需要提高时间效率,这意味着快速的构思、实践、学习和迭代;第二就是成本,在同样的预算、时间和付出下获得做大收益。 用户分段可以帮助提升转化率和降低成本。但是想想一下假如需要推行一个营销活动,你也确定了目标用户分段,你是否需要把优惠给其中的每一个客户? 一般情况下,答案原创 2022-02-04 12:34:13 · 1070 阅读 · 0 评论 -
数据驱动分析实践七 - 市场响应模型
数据驱动分析实践七市场响应模型 通过使用前面文章所建立的模型,我们可以进行客户分段、预测LTV等。我们也知道了我们的销量的大体情况。但是我们该如何使我们的销量增长呢?如果我们今天打折,我们期望的交易增长会有多少? 客户分段和A/B测试可以使我们尝试多个不同策略来产生销售增长。这是Growth Hacking的必要组件之一。你需要有想法并进行多次实验来挖掘增长机会。  原创 2022-02-04 12:16:19 · 1253 阅读 · 0 评论 -
数据驱动分析实践六- 预测销量
数据驱动分析实践六预测销量 在本篇文章之前,我们所有的预测模型都是面对客户的,例如流失率、下一个购买日等。现在我们可以看看宏观层面的事情,看看客户级别的问题是如何影响销量的。 时序预测是机器学习技术的重要组成部分,例如ARIMA(Autoregressive Integrated Moving Average)、SARIMA(Seasonal Autoregressive Integrated Moving-A原创 2022-02-03 12:30:45 · 2772 阅读 · 2 评论 -
数据驱动实践五 - 预测客户的下一个购买日
数据驱动实践五预测客户的下一个购买日本系列文章中所采用的大部分行为和分析都是基于一个同样的思想方法:以客户所值得的方式对待他们,要早于他们的预期(例如,LTV);在不好的事情发生之前采取行动(例如,流失)。在这方面预测性分析可以提供许多帮助,其中一个重要的分析就是预测客户的下一个购买日。想象一下,如果你提前预测到客户会在下一个星期之内再次购买,你会采取什么主动措施吗?本文中我们将使用在线零售数据集,且采用如下步骤:数据清洗和整理特征工程选择一个机器学习模型多分类模型超参数调优数据清洗原创 2022-02-03 11:59:05 · 1525 阅读 · 0 评论 -
数据驱动分析实践四 客户留存分析
数据驱动分析实践四 客户留存分析 在本系列前三篇文章中,我们已经定义了我们的指标、进行了客户分段并且建立机器学习模型来预测客户的LTV。由于我们通过客户分段和LTV预测知道了谁是我们最好的客户,我们应该尽力去留住这些客户。在这种情况下,客户留存率就成为了一个非常重要的指标值得我们去深入研究和分析。 留存率(Retention Ratio)指示了产品的市场适合度(Product Market Fit, PMF)。原创 2022-01-31 16:55:15 · 1550 阅读 · 0 评论 -
数据驱动分析实践三 Customer Lifetime Value
数据驱动分析三Customer Lifetime Value 上一篇我们探讨了如何进行客户分段,并介绍了RFM方法。本篇我们进入了本系列最重要的主题,如何估算CLV(Customer Lifetime Value)。关于CLV的基本概念和理论,读者可参见本人的另外系列文章用户存续期价值评估 事实上,我们经常在客户上投入以获得收入及利润,例如获客成本、线下广告、宣传活动和折扣等。这些活动自然而然地会产生价值非常高原创 2022-01-31 16:09:32 · 1640 阅读 · 0 评论 -
数据驱动分析实践二 客户分段
python实践数据驱动分析,进行客户分段。原创 2022-01-30 20:15:56 · 822 阅读 · 2 评论 -
数据驱动分析实践一 了解数据,定义指标
Python实践数据驱动分析以实现商业增长。原创 2022-01-30 19:02:33 · 2437 阅读 · 0 评论 -
KYC (Know Your Customer) 详述篇 下
KYC (Know Your Customer) 详述篇 下…续1980年代,洗钱控制法案和反毒品滥用法案出台 在这个年代,以哥伦比亚臭名昭著的大毒枭Pablo Escobar为代表的毒品非法买卖者大肆贩卖可卡因以满足当时的市场需求。Escobar 每月大概会把70-80吨的可卡因卖到美国,从而导致了数十亿美元流出美国。在这个背景下,反洗钱控制法案和反毒品滥用法案出台以打击毒品和洗钱犯罪;同时,第一个FATF(Financial Action Ta原创 2020-10-10 16:59:37 · 1461 阅读 · 0 评论 -
KYC (Know Your Customer) 详述篇(上)
KYC (Know Your Customer) 详述篇 上 在上篇KYC综述中,笔者摘要介绍了KYC的基本定义和相关概念。为了帮助读者深一步理解KYC的作用和所涉及的范围,作为KYC系列二,本篇主要介绍KYC的产生和发展历史,以及相关的最重要的分支。KYC的主要历史变革 实际上,KYC的产生主要是因为合规和监管需要,其背后的核心驱动力是洗钱、逃税和资助恐怖主义。  原创 2020-07-28 18:02:05 · 1887 阅读 · 0 评论 -
用户存续期价值评估CLV(四)--python 实现
Python for NB/BGD 在本系列的第四部分,我们将使用Python来实现这个模型。输入数据采用开放数据集Online Retail Datasetimport pandas as pdimport numpy as npimport matplotlib.pyplot as plt%matplotlib inline数据清洗data = pd.read_excel('Online Retail.xlsx')data.info()原创 2020-06-07 09:27:04 · 2407 阅读 · 0 评论 -
用户存续期价值评估CLV(三) Gamma-Gamma模型 Python模拟
Gamma-Gamma模型前面已经提到过,Pareto/NBD和BG/NBD模型只对客户存续时间和交易次数进行建模,并不涉及客户未来交易所带来的现金价值。Gamma-Gamma模型就是对这个问题的一个扩展解决方案。Gamma-Gamma模型做了如下假设:从客户角度上来说,交易金额在每个客户的平均交易价值上随机波动。(这一点并不是很有说服力)所观察到的交易价值均值是隐含价值均值 ????(????) 的非完美计量交易价值均值在客户中是变化的,即使这个值是稳定的(这个假设非常大)在客户中的平原创 2020-05-21 20:55:53 · 3274 阅读 · 0 评论 -
用户存续期价值评估CLV(二) BG/NBD Model python模拟
BG/NBD Model…继续想象每一个客户有两个硬币,一个“Buy Coin"控制客户购买的概率;一个"Die Coin"控制客户流失、不再购买的概率。前面假设了客户的交易次数服从泊松过程:在一年中的每个月,客户都以抛硬币的方式来决定是否购买。我们所观察到的购买次数取决与泊松分布的参数 ????。%matplotlib inlineimport numpy as npimpor...原创 2020-05-07 21:24:51 · 2798 阅读 · 2 评论 -
用户存续期价值评估(CLV) 一
用户存续期价值评估(CLV) 1一. 定义 用户存续期价值(Customer Lifetime Value),也可称为CLTV、LCV或者LTV,是企业对未来一个客户与其的关系所带来的净收益的预测。这个预测模型可以有不同水平的复杂度和精确度,从一个直观感觉到使用复杂的预测技术。CLV可以被简单理解为客户关系的价值,也就是未来由于与客户的关系所带...原创 2020-04-23 12:16:06 · 6887 阅读 · 0 评论 -
客户分段模型(Customer Segmentation Models)
Customer Segmentation Models客户分段模型一. 定义 客户分段(Customer Segementation),是指把客户分到不同的组中,每组的客户具备一些类似的属性。这些属性可以基于人口统计学属性,例如年龄、性别、受教育程度等。企业可以通过这种方法来针对性的对特定的组中的客户采取不同的服务策略和营销手段。 &n...原创 2019-11-18 15:51:11 · 3903 阅读 · 0 评论 -
价格弹性模型探索
价格弹性探索思路问题描述希望通过探索理财产品的价格弹性来最大化收益。假设输入数据包括: 主要数据:全维度理财产品的客户购买数据。 辅助数据:无风险利率/长期和短期利率差/宏观经济指标/股票指数/债卷指数建模探索问题分析首先,理财产品的价格与一般产品不同,我们可以理解为客户购买该理财产品的价格为其所承担的风险,定义为:Cik=rf+liqik...原创 2019-11-10 10:11:49 · 1852 阅读 · 0 评论 -
FIBO 介绍
FIBO 简介内容什么是FIBO。什么是本体。FIBO的主要结构和层次模型FIBO提供了什么?什么是FIBO?FIBO(Financial Industry Business Ontology)即金融行业业务本体 ,是定义和描述金融服务行业的业务和商务概念的一个工业参考标准。FIBO是由EDMC(Enterprise Data Management Council)开发和维护...原创 2019-11-09 22:47:59 · 2839 阅读 · 1 评论 -
Market Risk Modeling
Market Risk ModelingMarket Riskinterest-rate risksequity risksexchange rate riskscommodity risksTraditional risk mesurement toolsGap analysisIdeas of interest-rate risk exposureΔNII=(GAP)...原创 2019-11-09 22:44:58 · 525 阅读 · 0 评论 -
Credit Risk Modeling
Credit Risk ModelingWhat the motivation to develop credit risk model?需要量化地估算能够抵抗银行所可能遭遇的信用风险的经济资本(又称为风险资本,Economic Capital).巴塞尔国际标准开发了关于最小资本需求的一系列规范。What is the core princinple of Basel about minim...原创 2019-11-09 22:28:00 · 1809 阅读 · 0 评论