-
题名后疫情时期线上健身发展PEST分析及促进策略
被引量：14
- 1
-
-
作者
田懿
-
机构
伦敦大学国王学院国王商学院
-
出处
《体育文化导刊》
CSSCI
北大核心
2022年第9期59-66,共8页
-
文摘
运用文献资料、逻辑分析等方法,采用PEST分析后疫情时期线上健身的发展态势,并提出促进策略。后疫情时期线上健身呈现用户量持续暴涨和形式多样、选择范围广的发展态势。通过PEST分析提出:国家大力扶持,政策法规体系有待完善;经济形势稳中有升,盈利模式仍需探究;全民健身意识转变,复合型人才欠缺;新兴科技迅猛发展,智能健身亟须普及。提出促进策略:完善相关政策法规体系;推动线上线下深度融合发展;加强复合型人才培养力度;加强科技赋能,普及智能健身设备。
-
关键词
群众体育
体育产业
线上健身
PEST分析
-
Keywords
mass sports
sports industry
online fi tness
PEST analysis
-
分类号
G806
[文化科学—运动人体科学]
-
-
题名机器学习解构区域金融风险防控研究进展
被引量：4
- 2
-
-
作者
张立华
张顺顺
-
机构
温州商学院金融贸易学院
伦敦大学国王学院国王商学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2022年第9期1969-1989,共21页
-
基金
国家社会科学基金重大项目(18ZDA093)。
-
文摘
区域金融风险防控(RFRP)无论在管理区域传统金融风险(TFR)还是坚守不发生区域金融系统风险(FSR)中都是不可或缺的。随着大数据规模的持续增长,金融风险形态变化的不确定性,传统计量方法模拟金融风险防控的效率、精度、应用等方面都面临着无法克服的困境。当下,越来越多的机器学习(ML)模拟RFRP防控的新方法和新技术受到研究者的重视。首先提出了RFRP防控新的科学分类和ML观念基础;其次总结了区域TFR防控的ML理论方法和应用技术,对各类代表性研究所论述区域TFR防控的关键逻辑、模型算法、学习效果进行了比对解析,对ML不同方法的优点、局限和传统场景进行了归类分析;然后梳理了区域FSR防控的ML理论方法和应用研究,对各类典型文献所解析区域FSR防控的关键脉络、ML算法、学习效果进行了对比研究,对ML不同模型的优势、缺陷和金融风险场景进行了阐述研究;最后提出了六个ML模拟RFRP防控的前景技术和新兴方向。
-
关键词
机器学习(ML)
区域金融风险防控(RFRP)
传统金融风险(TFR)
金融系统风险(FSR)
-
Keywords
machine learning(ML)
regional financial risk prevention(RFRP)
traditional financial risk(TFR)
financial systemic risk(FSR)
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
F83
[经济管理—金融学]
-
