开发和监督下Robo-Advisors数字金融包容复杂的系统

文摘

随着市场经济的快速发展,越来越多的项目在金融行业,和他们的复杂性和技术要求越来越高。计算机技术的发展促进了机器人诞生的顾问,和具有重要意义使用机器人顾问来管理和监督金融行业的项目。为了进一步分析的发展和监督robo-advisors数字包容性的金融体系下,本文使用复杂系统和聚类算法作为技术支持进行研究。首先,传统的k - means算法用于选择初始聚类中心,改善噪声和异常处理能力,构建一个基于改进算法的数据挖掘系统。然后,robo-advisors产品设计模型构建和robo-advisors的风险从三个方面进行了分析:技术、市场和法律。分析改进的k - means算法的性能,实验操作的数据集B, 6次迭代后的聚类结果的准确性达到97.08%,这表明该算法具有良好的性能。数据挖掘系统的试运营期间,金融机构的四种类型的客户准确的集群,并得出结论:顾客带来好处的主要类型金融机构高收入客户占10.75%。Robo-advisory产品模型是用于构建五个风险等级,val行为投资组合和风险。除了经济增长和收入投资组合,其他组合一贯表现性能基准分析时间期间。本文的研究系统运行在一个金融机构,比较手术前后的资本预算,发现系统可以提高预算的准确性和减少的robo-advisor金融机构的风险。

1。介绍

1.1。背景意义

在金融活动的操作,有许多项目和任务并行,这带来了很大的影响,传统的财务管理的概念。作为一种重要的金融技术应用领域的财富管理、智能投资顾问的模式更为复杂。在大数据的时代,有许多聪明的投资顾问的发展和监督中存在的问题(1]。复杂系统可以说是遍布日常生活的各个角落。复杂性科学是一个新兴的研究形式,揭示复杂系统的操作法则(2]。在数字时代的发展和监督robo-advisors也是一个极其复杂的研究对象。因此,它是一个独特的和有意义的新概念来研究数字包容性的发展和监督金融和robo-advisors从复杂系统的角度。

1.2。相关工作

复杂系统已经成为各领域的重点研究由于其复杂性和广泛性。Lehuta等人专注于处理不确定性优化模型复杂性增加信心的管理目标和技术问题复杂的系统模型。他们回顾了复杂系统模型如何适应现有的制度和法律环境当前欧洲渔业的决策框架(3]。虽然他们的研究具有参考意义,其研究方法缺乏创新。包容性金融中扮演一个重要的角色在改善收入差距和提高穷人和弱势群体的生活水平,这是重点研究的对象。燕等人研究了数字金融包容的影响(DFI)在中国家庭消费的稳定。他们使用的数据“中国家庭论坛”的两项研究从2010年持续至2016年。他们家庭收入冲击分为永久和临时部件和评估数字金融包容能否帮助家庭抵制收入冲击(4]。他们的研究数据非常代表,但是缺乏一定的精度处理数据。的风险分析robo-advisors一直在金融领域关注的焦点。荣格等人决定robo-advisors的需要,设计原则,通过算法和评估它的迭代控制实验室研究[5]。他们的研究给了我们更深入地理解robo-advisors,但是他们并没有提出了建设性的建议改进的监控系统。

1.3。本文创新点

为了建立一个更完整的robo-advisory监督系统,减少风险,并改善数字包容性的金融水平,本文研究的发展和监督robo-advisors基于复杂系统和聚类算法。本研究的创新如下。(1)改善传统的k - means算法,优化初始聚类中心的选择,降低噪声的影响,提高处理孤立点的能力。(2)一个数据挖掘系统构建了基于改进算法。系统的功能包括打开文件,导入数据,数据预处理,数据聚类,结果查询。(3)本文构造智能投资顾问的产品设计模型,并使用该模型来构造val五风险水平的投资组合风险。分析智能的风险投资顾问从三个方面的技术,市场,和法律的监督,并提出建议以提高智能投资顾问。

2。复杂系统和技术相关的数字包容性金融

2.1。复杂的系统

2.1.1。复杂系统的特点

复杂系统存在于人类生活的每一个角落。生态系统、人口系统、和全球经济系统属于复杂系统的类别。他们都有相同的特征复杂的系统。复杂系统是系统的第一,这不是简单的叠加系统和组织。因此,它是不可能去研究复杂系统与传统的系统分析方法(6,7]。一个复杂的系统是一个非线性的元素之间的关系。简单的局部堆积不能代表整个。当地的法律是不一样的总体规律。因此,一个新的系统理论是需要考虑复杂系统之间的逻辑关系。

复杂系统层次和互动。复杂系统的分级特性主要体现在不同层次的嵌套关系的互联性(8]。因此,在复杂系统的研究中,有必要更新传统的概念层次结构和分析水平的复杂系统理论的研究对象。复杂系统和外部环境总是相互作用。不同复杂系统一起构成一个更大、更复杂的系统。学习时一个复杂的系统,我们必须充分考虑内部环境和外部环境,研究它们之间的信息交换,并考虑复杂的自动调节系统在复杂的外部环境。

复杂系统的产生和发展。复杂系统是由各种子系统和当地的子系统组成的各种组合和相关性。如果格式和子系统和当地子系统的功能结构是不同的,复杂的系统将不再是子系统功能的总和(9]。复杂系统可能有各种各样的新特性,研究复杂系统时,我们必须考虑原来的功能和可能出现的各种新功能。复杂系统的self-renewability主要体现在系统的不断发展,也是生物进化的根本原因和人类社会的发展。由于内部层次复杂系统变得智能化,系统和外部互动,和出现,所以他们可以适应需求和环境的变化。

2.1.2。代理复杂系统

复杂自适应系统是基于复杂系统的特点,并进一步发展代理理论。代理是一个独立的个体在一个复杂的系统或子系统,生命周期,可以感知和适应环境,环境中的自主运行,甚至改变环境。代理的结构一般包括环境感知、推理、控制决策、知识基础和通信(10]。

经纪人自治的特点,社交能力,主动性,学习和适应能力11]。代理可以使用自己的国家独立决策和知识,不依靠外界的帮助。代理可以实现一定程度的沟通、洽谈合作解决冲突,完成复杂的任务。代理可以判断自己的情况根据外部环境和积极做出选择有利于自己在正确的时间。代理也可以继续学习,调整自己的状态和行为,和适应不断变化的外部环境。

单个代理具有自主能力在某种程度上,但一个代理不能完成在复杂多变的环境中工作。多重代理系统出现了历史性的时刻,每个代理都可以相互通信。有两个或多个代理在多重代理系统中,每个都有自主权,但有限的功能(12]。没有完整的全球控制多重代理系统。一个单一的代理都有自己的判断和地位。整个系统的计算是异步的,并发或平行。代理多重代理系统之间的协调方法是分类如下。

如图1,可替换主体系统的协调方法可以分为两类:显性协调和隐性协调。明确的协调包括完整的集中协调、完整的分布式协调,和集中式和分布式相结合的协调,内隐协调包括社会规则和过滤策略。

2.1.3。复杂系统的演化动力学

有一些常见的复杂系统演化的动态行为。在动力的作用下,复杂的系统可以不断演变和发展。也是可行的使用个人的动态行为来说明整个复杂系统的演化。基于单独的动态流程通常定义为战略更新规则。战略更新规则是基于环境和信息更新等因素,选择游戏策略的基准系统中采用的个人。

复杂系统的进化策略更新规则可以分为两类:模仿学习策略更新规则。在这个过程中,只有最初的策略是模仿没有创新;最优反应过程的策略更新规则包括最优反应过程生成的新战略。在进化的过程中,个人可以使用不同类型的策略更新规则或使用相同的策略更新规则(13]。有两种类型的更新方法:同步和异步更新更新。同步更新是指同步更新整个总人口在每个时间步。异步更新批量更新在一个特定的顺序。

在一个复杂的系统,个人使用一系列不同的动态行为在开发过程中根据不同的战略更新规则,这样复杂的系统的发展显示了一系列的复杂系统的共同特点。特定的复杂系统的动态行为和动态因素进化也参与其中。他们中的大多数从博弈论的角度出发,分析复杂系统的演化由个体竞争,合作,学习在复杂的交互系统。

2.2。数字包容性金融

2.2.1。内容框架的包容性的金融体系

包容性金融的内涵体现公平、全面性、和盈利能力,所以包容性金融包容性和可持续发展的特点14]。包容性的金融体系的完整框架认为,传统金融机构大规模群体排除在外的想获得金融服务和受益于他们。金融服务必须集成到客户、微观、中观和宏观层次的金融体系。包容性的金融体系的框架如下。

如图2,客户层面指的是包容性的金融的主要服务目标,包括正规金融弱势群体排除在外。微观层面上是指金融服务的提供者,包括正式和非正式的金融机构,以及其他类型的金融机构在中间。内消旋水平指的是金融基础设施和相关服务,包括基本的金融设施,一系列的辅助服务,扩大服务范围,降低成本,促进透明度(15]。宏观层面是指相应的开发环境,包括宏观经济环境、制度环境、监督管理环境。

供应的包容性的金融体系是由商业、政策,和合作金融机构处于成熟阶段,其结构如下。

如图3、商业、政策和合作金融机构共同构成的三元供应结构包容性的金融体系在成熟阶段(16]。他们是相辅相成的。政策金融机构提供政策指导和商业金融机构提供资本流动。合作金融机构提供必要的补贴。

2.2.2。数字包容性金融的发展阶段

数字包容性金融延伸和扩大金融服务的意义通过使用数字技术,如互联网和大数据,扩展了其服务的覆盖范围,降低了金融服务的门槛和成本(17]。此外,数字金融包容能促进信息共享,减少信息不对称的程度。数字金融包容性的发展阶段如下。

如图4,数字金融包容性的发展经历了四个阶段。小额信贷的最初形式很简单,然后新的商业模式如个体农民家庭贷款和分期付款系统出现了。虽然克服了信息不对称带来的道德危机在某种程度上,范围是有限的。,其资金来源主要是政府提供的外国援助基金,国际援助和非营利组织。一旦外国援助资金减少,它将不可能继续贷款,和可持续发展将面临挑战18]。小额信贷的发展更可持续和多样化。可持续性反映在其业务的扩张到存款、财富管理、等领域,不依靠政府的财政支持,其他组织和个人和财务可持续性。多样性体现在机构的多元化,企业和服务目标。包容性金融不仅提供金融产品和服务对穷人和弱势群体还承诺满足多样化的金融需求的所有类和群体社会的广泛参与,鼓励各金融机构的社会。电子金融是一个新的金融模式,不仅降低了交易成本和信息不对称,也扩展了一系列的交易的可能性。

2.2.3。阈值机制发展的包容性金融

包容性发展的金融需要面对其阈值机制。为了保证利润,金融机构将阈值对抵押贷款和其他服务。只有当客户支付金融服务可以享受的服务。在金融发展的成熟阶段,低收入群体最初排除在金融服务体系逐渐积累财富享受金融服务,这将缩小不同群体之间的投资收入差距(19]。可以建立一个理论分析框架的金融发展对收入差距的影响的角度两个家庭的生产周期。

假设有富人和穷人家庭,两个家庭的生产周期是相同的,和金融服务贷款阈值是相同的;我们可以推断出的财富积累过程的上下文中两个家庭借贷阈值约束。一个贫穷的家庭只能保存价值维持简单再生产。最初的财富家族的如下:

其中,指的是家庭的外部捐赠t期间,指的是比例的家庭目前的财富留给下一代在每个时期的财富分配,剩下的目前消费的财富的一部分 。 是初始财富的家族继承上一代。保存后的利率和储蓄 ,家庭的财富t如下:

其中,指的是继承上一代的家庭,所以家庭的遗产留给下一代如下:

从公式(1)- (3),贫困家庭的财富的收敛值可以推导出:

从公式可以看出(4贫困家庭),因为它是难以越过借贷门槛,他们很容易陷入“贫困陷阱”没有外部力量的介入。富裕家庭,他们最初的财富相对比较丰富,他们可以穿过借贷门槛和获得信贷支持。因此,家庭的财富t如下:

其中,大量的信贷支持,是每个时期的收入在信贷支持投资项目,然后呢是借款人进入金融市场的成本。此外,投资项目的回报必须大于贷款的成本。

根据公式(6),我们可以计算出下一代富裕家庭的遗产:

富裕的家庭的财富的收敛值可以推导出根据公式(5)- (7):

从公式(8),可以看出,遗产留给下一代的比例增加和减少的成本进入金融市场可以增加富裕家庭的财富。

2.3。金融数据挖掘相关技术

2.3.1。数据挖掘技术和数据存储技术

数据是数据挖掘的基础,和各种算法是数据挖掘的方法。数据挖掘的最终目标是获取知识中所包含的数据帮助分析和决策(20.]。财务数据的挖掘是促进金融经济的发展。数据挖掘包括的内容和维度,分布和关系,描述和预测,现象和知识(21]。数据挖掘的主要技术包括预测、聚类、关联规则和时序分析。

MySQL是一个关系数据库管理系统。关系数据库使用结构化查询语言SQL作为最常用的标准语言各表来存储数据和访问(22]。可以用它作为单独的应用程序客户机和服务器的网络环境。它也可以被纳入其他软件作为图书馆提供多语言支持。MySQL数据库具有良好的通用性和可以提高存储效率。

Memcached是一个高性能的分布式内存对象缓存系统,这可以减少数据库的负载,减少数据库访问的频率,增加动态的高负载和数据驱动的网站(23]。Memcached有一个简单的协议和内置存储器的方法。之间的数据管理访问数据层和服务层可以应对高并发访问的出现和高并发查询场景。

2.3.2。贝叶斯分类器

贝叶斯原理描述事件的概率当事件发生。贝叶斯公式如下:

为了适应公式(9整个样本空间),有必要获得的总概率公式条件概率的基础上。假设样本空间剩下的样本空间,除了事件的一部分是 ,全概率公式是条件概率公式总结在这个样本空间。

我们可以推导出公式(12从公式()10)和(11)。这是总概率公式。先验概率,后验概率, 似然函数。

2.3.3。k - means聚类算法

k - means聚类算法是很常见的数据挖掘领域的。在该算法中,K聚类中心是用来描述聚类结果。聚类目标函数已知时,可以通过迭代更新进行聚类分析得到的聚类结果(24]。k - means聚类算法过程的示意图如图5:

k - means聚类算法表达不同集群对象和数据之间的相似性测量距离。的性能评价方法的聚类结果这个算法通常是均方误差的平方(25]。迭代计算后,算法的目标函数值将降低,算法的操作是一个连续的迭代过程。

k - means聚类算法可以处理图像和文本功能和具有较高的稳定性和可扩展性。聚类效果好,结果是更直观和容易理解。当使用一种近似算法处理数据集,只要目标数据集是相互独立的,没有必要限制数据集的范围。然而,K - means聚类算法在实际应用的局限性,和K值将直接影响聚类的效果。很容易被打扰当地噪声在迭代过程中,这使得结果偏差。

3所示。实验对算法优化和Robo-Advisor开发和监督

3.1。改进的k - means聚类算法和数据挖掘系统的建设

3.1.1。提高初始聚类中心的选择

改进k - means聚类算法的关键技术包括集群信息资源共享技术基于元模型的互操作性框架和基于multiengine融合集群自动检测技术。平方误差和基准函数可以用来实现数据集的聚类分析和形状之间存在较大的差异。最方便的方法是随机选择多个不同的初始值来执行算法来减少依赖的k - means聚类算法。根据代表点的处理方法,获得理想的聚类结果是通过选择全球最佳解决方案的聚类结果。在选择初始聚类算法的聚类中心,有必要提高初始聚类中心的选择。

为了提高稳定性的k - means聚类算法的结果,有必要选择样本数据根据数据分布的特点。确定初始聚类中心的过程中,它可以反映初始数据的特点,和采样后的数据将不会被扭曲。

3.1.2。改善噪声和异常处理能力

执行聚类根据传统的k - means聚类算法的步骤,删除离群值,并获得一个新的数据集。选择对应的数据对象的最小密度值集作为初始聚类中心。当每个点和数据之间的距离和剩下的点之间的距离之和大于数据对象和所有的点,这个点被视为一个孤立点。

为了减少干扰的影响,k - means聚类算法的聚类效果,有必要计算每个点之间的距离的总和和数据和剩下的点和数据对象之间的距离和所有点。

其中,样本数据和数据维度,分别;都是点集;和是一个常数。

3.1.3。数据挖掘系统建设

有五个功能的数据挖掘系统,文件打开、数据导入、数据预处理、数据聚类,结果查询。整个系统的程序流程如下。

如图6存储的数据文件,用户可以指定根据指令然后预处理数据流。后的数据存储在数据库中,用户可以选择是否生成数据和可以查询数据。

3.2。Robo-Advisor产品设计模型

假设资产的投资组合包含选定的投资者不同资产的目标,投资资本的重量 - - - - - -th资产是 ,和投资组合的预期收益率的计算方法下列公式所示:

投资组合的方差计算返回以下公式所示:

对于每个资产的目标,是一个diversible风险,但是一个nondispersible整体市场风险。然后,当目标投资组合的预期回报率确定,最低的投资组合风险最大的回报率。表达式如下公式所示:

其中,是投资组合的预期回报率目标和的组合权重资产和资产之间的协方差矩阵的目标。

3.3。风险分析的Robo-Advisor

robo-advisors的风险分析可以从三个方面进行:技术、市场和法律。技术风险可以分为内部和外部。外部网络风险,内部算法缺陷和操作风险。市场风险的投资效应robo-advisors市场需要测试。robo-advisory算法的同质性日益加剧可能影响市场共振,从而加剧了顺周期循环的投资行为。robo-advisor业务成正比的复杂性之间的关联机构。法律风险包括作战情报之间的矛盾和受托义务和算法的专业性和监管之间的矛盾的方法。

4所示。讨论Robo-Advisor发展和监管问题

4.1。算法性能和系统操作的影响

以下4.4.1。算法的性能

为了验证改进的k - means聚类算法的有效性,三个数据集(A、B和C)在UCI数据库是随机作为实验数据集。传统的k - means聚类算法、克拉拉算法和改进算法的研究用于比较分析。实验数据集的细节如下。

如表所示1,样品的三个数据集的总数变化,和属性的数量也是不同的。有三个集群中心数据集数据集B和C和四个数据集传统的k - means聚类算法,克拉拉算法,改进算法的研究运行10次比较聚类的准确性。结果如下。

如图7,三个数据集的聚类结果的准确性传统k - means聚类算法低于克拉拉算法和改进算法。本文改进算法的精度高于传统的k - means聚类算法和克拉拉的算法。其中,在数据集B,改进算法的精度最高,达到97.08%。在数据集C,传统的k - means聚类算法精度最低,低至62.17%。这表明本文改进算法有更好的性能在聚类结果的准确性。

然后,比较三种算法的迭代次数在聚类过程中分析算法的稳定性。迭代次数的结果比较如下。

如图8,本文改进的聚类算法和传统的k - means聚类算法有4和7迭代次数据集,6和11个迭代B数据集,数据集和11个迭代和18 C,分别。这表明本文改进算法的初始聚类中心的选择具有较强的稳定性。

4.1.2。系统操作的影响

运行一个数据挖掘系统改进的k - means聚类算法的基础上,本文分析数字金融机构的1804名客户。使用该系统将客户分为四类:高收入客户,低收入的客户,客户开发,客户和消费者。划分客户的标准如下。

如表所示2之间的年龄差异不大,四种类型的客户,主要是中年人。高收入客户的显著特征是,他们的年收入超过100000,存款超过一百万欧元。低收入客户的显著特征是,年收入不到40000,存款低于500000。客户开发的显著特点是他们有存款超过500000,但他们没有被用于财务管理或贷款。消费者客户的显著特征是,他们的年收入和存款是相对较高的,用于财务管理量高于年度收入,贷款金额超过200000。

客户分类标准建立之后,1804客户的类型分布进行了分析,结果如下。

如图9,在数字包容性的金融机构的1804名客户,开发客户的数量是最大的,占总数的46.12%,和高收入客户的数量最少,占总数的10.75%。主要类型的顾客造福金融机构高收入客户最小的比例。他们经常购买理财产品和善于合理利用包容性的金融体系产生收入。

4.2。评估和风险,val Robo-Advisor产品模型

使用val分析比较robo-advisor产品投资组合绩效基准的性能和评价产品质量设计基于各种指标的计算。五个风险水平投资组合资本保值集团收入组、增长和收入群体,发展集团和资本增值。比较五个组合的性能从2月1日到10和相应的性能基准。结果如下。

如图10,选择人民币七天通知存款利率,银行定期存款利率,五年的总和的一半CSI一体化的证券债券指数和在中国,在中国证券指数的70%,和30%的债券在中国证券。呵呵,中国证券增长指数作为五个风险水平的性能基准。从图可以看出,收入增长和投资组合的性能略低于性能基准2月9日,2月10日,比其余的时间的性能基准。其他组合一贯表现绩效基准分析时间。

的val分析五大风险水平投资组合和val结果如下。

如表所示3,增长和收入的组合的收益递减区间,和其他组合都处于增加状态在收益和波动的范围。这表明五个风险水平的建设投资组合是合理的。

4.3。效果和Robo-Advisor监督的建议

4.3.1。Robo-Advisor监督效果

分析包容性金融机构的基金预算之前和之后使用数据挖掘系统的研究。收入的6项、退税、销售成本、工资、差旅费用,和金融成本(项目数字是H1, H2, H3, H4, H5,和类推)预算与实际相比,结果如下。

如表所示4,在使用系统之前,有一个很大的区别金融机构的资本预算和实际。其中,销售成本的差异是最大的,与230000年不同,紧随其后的是工资和收入,分别为140000和120000的区别。该系统投入使用后,比较这六个项目的资金预算和实际,结果如下。

如图11系统投入使用后,金融机构的资本预算之间的差异和实际数量已经缩小很多。退税的预算,差旅费用和财务成本与实际数量一致。销售成本,以前最大的不同,是控制在40000元后所使用的系统。这表明系统的使用极大地帮助金融机构的资本预算和可以提高预算的准确性。

4.3.2。Robo-Advisors的监督的建议

基于上述分析结果,提高robo-advisory监管体系必须创新管理方法,促进金融飞行员、使用监管技术,有效防止风险带来的机遇,必须依赖现有金融监管体系和法律法规的监督。之间的自我监管组织协同产业必须发挥。金融机构必须建立和完善解决纠纷和损失补偿机制和信息披露制度。

5。结论

复杂性科学是一个新兴的研究,揭示了复杂系统的操作规程。复杂的系统可以在生活的每一个角落。数字包容性金融的发展经历了四个阶段的小额贷款,小额贷款,包括财政、金融和数字。基于复杂系统的数据挖掘系统和聚类算法可以有效地集群,帮助金融机构分析客户信息、提高资本预算的准确性,减少对金融机构的风险。

它是高收入顾客造福包容性的金融机构,因为他们经常购买金融产品和善于合理利用包容性的金融体系产生收入。摘要建设五个风险水平组合是非常合理的。val风险后,我们发现,除了收入增长和投资组合,其他投资组合比性能的性能基准,和间隔返回和区间波动正在增加。

我们必须创新管理方法,促进金融飞行员、使用监管技术,有效防止风险带来的机遇,必须依赖现有金融监管体系和法律法规的监督。之间的自我监管组织协同产业必须发挥。金融机构应当建立和完善解决纠纷和损失补偿机制和信息披露体系。只有这样才能robo-advisors的监督出现的问题得到改善,和robo-advisor系统可以改善。

数据可用性

没有数据被用来支持本研究。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作得到了北京社会科学基金会Co-Construction项目“金融支持体系研究战略性新兴产业的协调发展京津冀地区。”

引用

1. l .郭”,调节投资在中国robo-advisors:问题和前景,”欧洲商业组织法律评论,21卷,不。1,第99 - 69页,2020。视图:出版商的网站|谷歌学术搜索
2. m . Mompean a诺加利斯,d . v . laurent”复杂系统组装构成的双层模型高度离域电子,”《物理化学快报》杂志上,7卷,不。10日,1859 - 1864年,2016页。视图:出版商的网站|谷歌学术搜索
3. 美国Lehuta、s . r . Mahevas和y Vermard,“协调复杂的系统模型和渔业的建议:实际例子和领导,”水生生物资源卷,29号2,p。208年,2016年。视图:出版商的网站|谷歌学术搜索
4. i . k . m .严x,和h·张,“数字在中国金融包容性和消费平滑,”中国与世界经济,28卷,不。1,第93 - 64页,2020。视图:谷歌学术搜索
5. 和h d·荣格c v杜诺Pusmaz,“设计一个robo-advisor规避风险,低成本的消费者,”电子市场,28卷,不。3、367 - 380年,2018页。视图:出版商的网站|谷歌学术搜索
6. d . g . Dessavre j . e . Ramirez-Marquez和k·巴克,“多维复杂系统的弹性分析方法,”可靠性工程?系统安全,卷149,不。5月,34-43,2016页。视图:谷歌学术搜索
7. c·b·基廷和p . f . Katina复杂的系统治理:概念、公用事业和挑战,”系统研究和行为科学,36卷,不。5,687 - 705年,2019页。视图:出版商的网站|谷歌学术搜索
8. s . h . Bae j . r .赵和w·b·宋,“自由和瞬态响应的线性复刚度系统通过希尔伯特变换和卷积积分,“智能结构和系统,17卷,不。5,753 - 771年,2016页。视图:出版商的网站|谷歌学术搜索
9. l . Yu和w·王”,一种改进的建设和优化高校健美操教学的复杂系统模型,”Boletin Tecnico /技术通报,55卷,不。15日,第165 - 159页,2017年。视图:谷歌学术搜索
10. s, s·h·王张x, y,“选择性维修决策方法研究复杂系统考虑不完善的维护,“Binggong学报/ Acta Armamentarii,39卷,不。6,1215 - 1224年,2018页。视图:谷歌学术搜索
11. n d·s·迪亚斯诉Meyer, d . Mamedio”护理实践和学习在一个复杂的系统,”欧洲社会科学杂志》上卷,56号2、149 - 159年,2018页。视图:谷歌学术搜索
12. l . d .波波和a . s .种族,种族作为一个复杂的自适应系统,“杜波依斯评论:社会科学研究竞赛,15卷,不。02年,211 - 215年,2019页。视图:出版商的网站|谷歌学术搜索
13. p . f . Katina c·b·基廷和j·m·布拉德利j . c . Pyne“系统性干预方法支持复杂的系统治理行动,”国际期刊系统的系统工程,8卷,不。3,p。285年,2018年。视图:出版商的网站|谷歌学术搜索
14. g . o . c . Bongomin p Yourougou, j . c . Munene”数字在二十一世纪的金融创新:交易免税促进移动货币服务为发展中国家的金融包容吗?”经济和行政ence杂志》上,36卷,不。3、185 - 203年,2019页。视图:谷歌学术搜索
15. 据Traynor p·j·k·巴特勒,b . Reaves”FinTechSec:解决数字金融服务的安全挑战,”IEEE安全与隐私,15卷,不。5,85 - 89年,2017页。视图:出版商的网站|谷歌学术搜索
16. a . Aarti“Madhurima因素影响采用手机银行:金融包容、理解品牌印度的潜力”亚洲商业研究杂志》上,11卷,不。1,西贡苑,2017页。视图:谷歌学术搜索
17. s . Naumenkova d s Mishchenko, d . Dorofeiev“数字金融包容性:证据来自乌克兰,”投资管理和金融创新,16卷,不。3、194 - 205年,2019页。视图:出版商的网站|谷歌学术搜索
18. s . d .之一Meena m·斯和n .《“数字金融包容是一个小时的需要:一个调查在银行账户持有人Vellore泰米尔纳德邦,印度,”国际应用商业和经济研究杂志》上,15卷,不。21日,1 - 6,2017页。视图:谷歌学术搜索
19. n。他,”在印度金融包容性:回顾”,国际应用工程研究杂志》上,11卷,不。3、1575 - 1578年,2016页。视图:谷歌学术搜索
20. w·安·h·s·李,h .着你和k . j .哦,“资产配置模型robo-advisor使用金融市场不稳定指数和遗传算法,”可持续性,12卷,不。3,p。849年,2020年。视图:出版商的网站|谷歌学术搜索
21. f . x Cheng郭,j . Chen k . Li y,和p高,“探索robo-advisor服务的信任的影响机制:一个混合方法的方法,”可持续性,11卷,不。18,4917年,页2019。视图:出版商的网站|谷歌学术搜索
22. 4.0 d高,"贝莱德robo-advisor:当人工智能代替人类的自由裁量权,”战略变化,27卷,不。4、285 - 290年,2018页。视图:出版商的网站|谷歌学术搜索
23. g . Kpf“奥地利第一储蓄erfahrungen麻省理工学院robo-advisorn-eine vergleichende分析,“德意志Molker Ztung,卷139,不。19日,39-41,2018页。视图:谷歌学术搜索
24. d·荣格和s . Morana f . v .杜诺”Robo-advisory”,业务和信息系统工程,60卷,不。1,第86 - 81页,2018。视图:出版商的网站|谷歌学术搜索
25. z . w .燕”、关键部件和监管建议robo-advisor在金融服务行业,“金融,09年卷,不。6,557 - 563年,2019页。视图:谷歌学术搜索

版权

版权©2021分析师Wensheng戴。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。