为解决棉花期货价格预测面临的多源异构数据融合与特征提取效率低的问题,提出了特征协同筛选驱动的双向长短期记忆网络(bidirectional long short-term memory,BLSTM)的多模态数据融合预测框架;整合了期货市场指标、遥感影像特征和投资...为解决棉花期货价格预测面临的多源异构数据融合与特征提取效率低的问题,提出了特征协同筛选驱动的双向长短期记忆网络(bidirectional long short-term memory,BLSTM)的多模态数据融合预测框架;整合了期货市场指标、遥感影像特征和投资者情绪文本等多源信息;通过特征协同筛选机制和BLSTM分别实现了特征层次化降维,并捕捉到时序数据的非线性动态特征;验证了多源数据融合在揭示价格波动复杂驱动因素中的有效性.试验结果表明,相较未融合数据的BLSTM,本文方法的均方根、平均绝对、平均绝对百分比和标准化均方根等误差分别降低了49.11%、56.16%、11.21%和14.47%,显著提升了预测精度.特征分析结果显示,期货历史价格、市场情绪指数及遥感植被特征对预测结果均有贡献.通过本研究,以期为农产品金融衍生品分析提供新思路,为多模态数据在金融建模中的应用提供实证参考.展开更多
消费者体验需求的提升促使零售商不断探索新渠道模式,以提高原有实体店效益的同时优化线上经营策略。本文分别考虑传统BORO(buy online and return online)和开通BOPS(buy online and pickup in store)两种渠道情形,构建零售商针对消费...消费者体验需求的提升促使零售商不断探索新渠道模式,以提高原有实体店效益的同时优化线上经营策略。本文分别考虑传统BORO(buy online and return online)和开通BOPS(buy online and pickup in store)两种渠道情形,构建零售商针对消费者线上购买并在线上或线下退款的差异化退货策略利润模型,分析两种渠道情形下的最优定价和最优退货策略,进而考虑BOPS渠道的溢出效应,分析零售商在相同退货策略下是否应该开通BOPS渠道。结果表明:(1)在两种情形下,随着线下商店数量的增多,零售商均会倾向于在低开店成本下选择全额退款策略,倾向于在高开店成本下选择部分退款策略;(2)在同渠道情形下,全额退款策略的定价始终低于部分退款策略。在同退货策略下,BOPS情形下的定价始终低于BORO情形;(3)高溢出效应和多商店数量都促使零售商选择开通BOPS渠道,但商店数量决定了BOPS线下麻烦成本规模因子对零售商开通BOPS渠道起推动还是抑制作用。本文为既定商店数量下多渠道零售商退货策略与渠道选择提供了决策支持。展开更多
文摘为解决棉花期货价格预测面临的多源异构数据融合与特征提取效率低的问题,提出了特征协同筛选驱动的双向长短期记忆网络(bidirectional long short-term memory,BLSTM)的多模态数据融合预测框架;整合了期货市场指标、遥感影像特征和投资者情绪文本等多源信息;通过特征协同筛选机制和BLSTM分别实现了特征层次化降维,并捕捉到时序数据的非线性动态特征;验证了多源数据融合在揭示价格波动复杂驱动因素中的有效性.试验结果表明,相较未融合数据的BLSTM,本文方法的均方根、平均绝对、平均绝对百分比和标准化均方根等误差分别降低了49.11%、56.16%、11.21%和14.47%,显著提升了预测精度.特征分析结果显示,期货历史价格、市场情绪指数及遥感植被特征对预测结果均有贡献.通过本研究,以期为农产品金融衍生品分析提供新思路,为多模态数据在金融建模中的应用提供实证参考.
文摘消费者体验需求的提升促使零售商不断探索新渠道模式,以提高原有实体店效益的同时优化线上经营策略。本文分别考虑传统BORO(buy online and return online)和开通BOPS(buy online and pickup in store)两种渠道情形,构建零售商针对消费者线上购买并在线上或线下退款的差异化退货策略利润模型,分析两种渠道情形下的最优定价和最优退货策略,进而考虑BOPS渠道的溢出效应,分析零售商在相同退货策略下是否应该开通BOPS渠道。结果表明:(1)在两种情形下,随着线下商店数量的增多,零售商均会倾向于在低开店成本下选择全额退款策略,倾向于在高开店成本下选择部分退款策略;(2)在同渠道情形下,全额退款策略的定价始终低于部分退款策略。在同退货策略下,BOPS情形下的定价始终低于BORO情形;(3)高溢出效应和多商店数量都促使零售商选择开通BOPS渠道,但商店数量决定了BOPS线下麻烦成本规模因子对零售商开通BOPS渠道起推动还是抑制作用。本文为既定商店数量下多渠道零售商退货策略与渠道选择提供了决策支持。
