微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 融360大数据分析金融消费趋势 研究结果免费开放

融360大数据分析金融消费趋势 研究结果免费开放

2015-01-14 17:36
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-01-14 17:36 CNET科技资讯网

每个月对各类金融产品的5000万次用户搜索,2014年过万亿人民币的贷款在线申请,从平台用户日渐繁忙的搜索、比价和申请行为中,是否能够描绘出更清晰的互联网金融面貌?

这就是在线金融搜索平台融360在2014年从事的工作之一:实时监测和分析这些海量数据,每月定期发表数个涉及房贷、无抵押贷款、信用卡、理财和P2P等的分析报告。

日前融360正式宣布成立“融360大数据研究院”,基础数据来自于平台上每月活跃的用户搜索和申请行为、以及对全国上万家金融机构、近十万种金融产品的实时监控、包括对银行人员服务水平打分的评价数据。

融360联合创始人兼CEO叶大清介绍说,这是国内第一个由互联网金融企业自行组织的研究机构,但并不为学术研究,所有的研究报告全部开放给个人消费者、小微企业、学术研究机构、金融机构、政府单位和媒体。“所有人可以在融360网站上免费获取,这是大数据时代的一种互联网开放精神。我们希望服务于老百姓和小微企业的金融生活,让他们能够对所有的金融产品最新的趋势有很真实和深入的了解。”

目前融360研究院已经有近15位专职研究分析人员,由资深信贷专家徐瑾带队。去年这个团队持续出版了将近30个各类完整的研究报告,平均每月2到3个,覆盖房贷、车贷、无抵押信用贷、小微企业经营贷、信用卡、银行理财产品、宝宝理财、p2p网贷理财等大众金融产品。

融360方面指出,研究院遵循的是客观、开放、免费三大原则。研究部门与商务部门之间有防火墙,数据研究结果不受商业合作关系影响。同时研究院的各种月报、周报、日报完全是公益性质的知识分享,不以营利为目的,开放给各类需要的人群。徐瑾同时强调,由于面向的主要人群为有金融需求的老百姓和小微企业,因此所有报告追求内容通俗易懂和响应速度快捷。

研究院成立后,数据报告体系会更丰富更专业,会追求研究的独特性和实用性。比如融360很快将推出P2P网贷评级报告,以及有关金融消费的金融315报告。“还是基于‘让金融更简单’的公司理念,帮助老百姓和小微企业采取行动,服务于百姓的金融生活。”

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-