数据挖掘技术在团体医疗保险中的应用

将数据挖掘中的决策树技术应用于团体医疗保险理赔数据库中，提出了基于Clementine数据挖掘平台的理赔风险解决方案，为保险公司团体医疗保险理赔风险规则的提取和费率厘定提供决策依据，以提高团体医疗保险管理的科学性．     

数学建模教育与金融学科人才培养

数学建模在科技与教育发展中具有重要作用，能深化教学改革和提高教育教学质量。将数学建模教育模式应用到金融学科人才培养过程中，为金融学科人才的培养提供了一种有效的途径。     

C&R Tree算法在车险费率厘定中的应用

提出基于C&R Tree算法的车险理赔风险模型。现有研究方法对变量多、数据类型复杂和数据量大的数据不能准确进行分析,导致对车险客户的理赔风险出现误判,从而不能准确制定车险费率,为了解决上述问题,提出C&R Tree算法。C&R Tree算法通过检测输入字段,通过度量各个划分产生的异质性的减少程度,找到最佳的一个划分,将C&R Tree算法应用到车险理赔数据中,实验证明:所得理赔风险模型不依赖于经验知识,其模型易于理解,且具有较高的准确率,能够满足评价的要求。     

关联规则挖掘算法综述

介绍了关联规则挖掘算法的基本原理，并按照挖掘中涉及到的变量数目（维数）、数据的抽象层次和处理变量的类别（布尔型和数值型），依次对关联规则挖掘算法的研究进行综述，并对一些典型的算法进行分析和比较，最后展望了关联规则挖掘算法的研究方向。     

基于Kaplan-Meier算法的上证指数涨跌天数研究

运用Kaplan-Meier算法对上证指数连续上涨和下跌天数进行研究,研究了在不同的市场交易制度(即T+0,T+1和涨停板制度)对上证指数涨跌天数的影响,其结果表明Kaplan-Meier算法对于分析股市的变动是有效的.     

基于合作式学习的《利息理论》课程教学探析

合作式学习是一种旨在促进学生在异质小组中互相合作，实现共同的学习目标，并以小组的总体成绩为奖励依据的教学策略体系。文章介绍了合作式学习理论，分析了“利息理论”课程传统教学方法的缺陷，提出一种基于合作式学习理论、优化整合课程内容、采用多元化评价的新型教学方式。