国债期货量化交易市场深度分析报告

国债期货量化交易市场深度分析报告

目录

第一节国债期货市场概况 (4)

一、基础概念 (4)

1、品种介绍 (4)

2、交割规则 (5)

3、国债期货市场的发展和作用 (7)

二、流动性分析 (7)

第二节国债期货常见量化交易策略原理 (10)

一、日间趋势策略 (10)

二、日内趋势策略 (11)

三、跨品种套利策略 (12)

四、期现套利策略 (12)

五、信用利差交易策略 (13)

第三节量化交易策略实证分析 (14)

一、日间趋势策略实证 (14)

1、数据选取 (14)

2、模拟交易情景 (14)

3、样本内参数优化 (14)

4、样本外回测 (16)

5、全样本表现 (17)

6、策略总结 (19)

二、日内趋势策略实证 (20)

三、跨品种套利策略实证 (26)

四、期现套利实证分析 (30)

五、信用利差交易策略实证分析 (34)

第四节总结 (38)

图表目录

图表1：2015年国债期货成交量 (7)

图表2：2015年国债期货持仓量 (8)

图表3：日间趋势策略样本内最优5个参数对累积收益率曲线 (15)

图表4：2015年7月7日至2015年7月9日国债期货TF1509价格和成交量趋势 (16)

图表5：日间趋势策略样本内最优5个参数组合在全样本上的结果 (17)

图表6：日间趋势策略样本内最优5个参数组合在全样本上的累积收益率曲线 (18)

图表7：日间趋势策略全样本最优5个参数组合累积收益率曲线 (19)

图表8：日内趋势策略样本内最优5个参数组合累积收益率曲线 (20)

图表9：日内趋势策略样本内优化目标关于波动区间比例参数f分布 (21)

图表10：日内趋势策略样本内优化目标关于止损参数r分布 (21)

图表11：日内趋势策略样本内最优5个参数组合样本外累积收益率曲线 (22)

图表12：日内趋势策略样本内最优5个参数组合在全样本上的累积收益率曲线 (23)

图表13：日内趋势策略全样本最优5个参数组合累积收益率曲线 (24)

图表14：日内趋势策略全样本优化目标关于波动区间比例参数f分布 (25)

图表15：日内趋势策略全样本优化目标关于止损参数r分布 (25)

图表16：5年期国债期货、10年期国债期货价格曲线 (26)

图表17：跨品种套利策略全样本累积收益率曲线 (27)

图表18：跨品种套利策略8月份以来的累积收益率曲线 (29)

图表19：5年期国债期货、10年期国债期货主力合约成交量曲线 (29)

图表20：TF1603交易日内可交割券IRR、资金成本及套利收益曲线 (31)

图表21：15年滚动国债期货CTD券对应IRR曲线 (31)

图表22：期现套利策略每日浮盈亏累计收益曲线 (32)

图表23：国债（5年期）与企业债（5年期）在全样本内信用利差曲线 (35)

图表24：2014年3月以来信用利差表现 (36)

表格目录

表格1：日间趋势策略样本内最优5个参数组合结果 (14)

表格2：日间趋势策略样本内最优5个参数组合在样本外回测的结果 (16)

表格3：日间趋势策略全样本最优5个参数组合结果 (18)

表格4：日内趋势策略样本内最优5个参数组合结果 (20)

表格5：日内趋势策略样本内最优5个参数组合在样本外回测的结果 (22)

表格6：日内趋势策略样本内最优5个参数组合在全样本上的结果 (23)

表格7：日内趋势策略全样本最优5个参数组合结果 (24)

表格8：跨品种套利策略全样本表现 (27)

表格9：跨品种套利策略8月份以来表现 (28)

表格10：期现套利策略2015年表现 (32)

表格11：TF1603临近交割5个月内保证金变动 (33)

表格12：信用利差交易全样本表现 (35)

表格13：国债期货量化策略整理 (38)

第一节国债期货市场概况

一、基础概念

自从2015年9月份中金所出台对于股指期货的管控措施以来，期指市场成交明显萎缩，流动性大大降低。此后几个月，股指期货月成交额相对管控前减少超过95%。相比之下，国债期货市场日益火爆，第四季度国债期货成交额达到金融期货总成交额的60.55%，凸显了其在金融期货市场中的重要地位。

我国最早推出国债期货是在1992年，但由于“327”事件以及“319”事件的发生，最终导致国债期货在1995年被证监会叫停。2013年9月，中金所重新开始国债期货交易，国债期货重返中国金融市场舞台。目前，国债期货市场有两个可交易标的：5年期国债期货，2013年9月6日上市，交易代码TF；以及10年期国债期货，2015年3月20日上市，交易代码T。

1、品种介绍

标的：国债期货的标的为面值为100万元人民币、票面利率为3%的名义中期/长期国债。

交割方式：到期交割方式为实物交割（实际交割的是一篮子债券中对于期货空方最有利的券种）。

交易方式和交易时间：在交易上，国债期货合约采用集合竞价和连续竞价两种

交易方式。集合竞价时间为每个交易日9：10-9：15，其中9：10-9：14为指令申报时间，9：14-9：15为指令撮合时间。连续竞价时间为每个交易日9：15-11：30（第一节）和13：00-15：15（第二节），最后交易日连续竞价时间为9：15-11：30。

手续费：每手不高于5元。

保证金：为降低交割月合约持仓量，国债期货合约临近交割时将分阶段提高该合约的最低保证金水平。因此，5年期国债期货合约的最低交易保证金为合约价值的1%（最低保证金）或1.5%（临近交割月份）、2%（交割月份）；涨跌停板为上一交易日结算价的1.2%。10年期国债期货合约的最低交易保证金为合约价值的2%（最低保证金）或3%（临近交割月份）、4%（交割月份）；涨跌停板为上一交易日结算价的2%。

2015年7月10日以来，中金所在5年期和10年期国债期货上引入了跨品种单向大边保证金制度，交易所可以按照交易保证金单边较大者收取交易保证金。

C16088量化投资下篇课后测试

一、单项选择题 1. 下列哪项不是程序化交易的特点？（） A. 规避交易员的主观情绪 B. 提高交易速度 C. 降低人力成本 D. 发挥交易员的主观判断优势 描述：程序化交易的特点 您的答案：D 题目分数：10 此题得分：10.0 2. 下列哪项不属于套利交易？（） A. 股指期货期现套利 B. 国债期货套利 C. ETF套利 D. 股指期货投机交易 描述：套利交易的定义 您的答案：D 题目分数：10 此题得分：10.0 二、判断题 3. 在做市商市场中，做市商不断向公众投资者进行双向报价，并 在该价位上接受公众投资者买卖要求，以其自有资金和证券完成交易，为市场提高流动性，同时赚取价差收入。（） 描述：做市商市场 您的答案：正确 题目分数：10 此题得分：10.0 4. TWAP策略会根据市场的成交情况动态调整每个时间段内的策略 成交数量。（） 描述：TWAP算法策略 您的答案：错误 题目分数：10

此题得分：10.0 5. 程序化交易往往没有明确的交易规则，较为依赖交易员的历史经验 描述：程序化交易的特点 您的答案：错误 题目分数：10 此题得分：10.0 6. 套利交易使得市场中不合理定价快速消失。（） 描述：程序化交易的影响 您的答案：正确 题目分数：10 此题得分：10.0 7. 算法交易是指使用计算机来确定订单最佳的执行路径、执行时间、执行价格及执行数量的交易方法。（） 描述：算法交易的定义 您的答案：正确 题目分数：10 此题得分：10.0 8. 程序化交易的广泛应用加重了交易所系统的负载。（） 描述：程序化交易的风险 您的答案：正确 题目分数：10 此题得分：10.0 9. 高频交易利用超级计算机以极快的速度处理市场上最新出现的快速传递的信息流（包括行情信息、公布经济数据、政策发布等），并进行买卖交易。（） 描述：高频交易定义 您的答案：正确 题目分数：10 此题得分：10.0 10. TWAP策略在每个时间段内成交的数量是相同的。（） 描述：TWAP算法策略

商务智能开题报告

本科毕业论文（设计）开题报告 2011年12月与本课题有关的国内研究情况、课题研究的主要内容和意义： 一、国内发展情况 商务智能起源于上世纪90年代末，并在本世纪之初的几年之间得到蓬勃发展。由于企业对商务智能需求的不断变化和信息技术的日新月异，商务智能也随之持续、快速地变化发展着，目前呈现出新的特点和发展趋势，如：商务智能被整合进企业门户，商务智能和无线技术相结合形成无线商务智能，商务智能逐步形成跨越不同领域、厂商和技术的通用语言即分析型可扩展标记语言（XMLA），商务智能的直接支持范围从单个企业扩展到企业所在价值链中的所有企业并支持这些企业协作式地互动，商务智能利用高级视觉技术如三维技术、INTERNET技术、GPS技术等为用户提供更精细、更灵活、更专业化的视图、报告、图表和基于情景的解释、解决方法；商务智能更加安全以保护商业机密。 二、研究的主要内容 从企业内部来看，在实施电商务智能的过程中，企业的销售、市场营销、财务、制造、运营等部门由于历史原因或技术发展快速，其采用的软硬件平台容易出现互不兼容、无法相互连通的问题。这一方面导致电子商务企业拥有大量数据金矿；另一方面，这些异构数据常常又无法很好地整合利用，从而形成信息孤岛。这就造成信息无法在企业内部流通、共享，更谈不上增值。 从企业外部来看，一方面，很难期待与产业链级相关的客户、供应商、分销商、合作伙伴等和使用该企业相同的数据库；另一方面，即使它们使用了相同的数据库，其使用的数据结构也可能大相径庭，从而也无法实现它们之间的数据交换。这就使得企业的投入还停留在数据负债阶段或信息阶段。处于这一阶段的企业无法享受到信息给企业带来的价值。这是因为信息的价值与能够获取、分析该信息的用户

环保产业细分行业深度分析报告

环保子行业及细分行业（不含环境咨询业）

附件........环保子行业及细分行业资料整理一、环保产业分类 二、环保子行业之大气污染治理 大气污染物来源及主要治理技术：

1、环保细分行业 - 大气污染治理之脱硫 1.1 现状 我国电力行业脱硫发展的高峰期已过，2008年我国电力SO2排放绩效已经超过美国。截止2010年底，火电脱硫装机容量占火电装机容量的比例已达81%，未来电力脱硫市场主要在新建火电机组和现有火电机组的改造。脱硫行业已经进入平稳发展的时代，未来脱硫市场拓展的领域主要在钢厂脱硫。 历年中美电力SO2 排放绩效情况（克/千瓦时） 1.2、火电脱硫 我国脱硫行业的发展起步较晚，2003-2004 年才进入快速发展期，技术基本依靠从国外引进，现有十多种脱硫工艺，包括石灰石-石膏湿法、循环流化床干法烟气脱硫、海水法烟气脱硫、湿式氨法烟气脱硫等等，其中石灰石-石膏湿法以运行成本优势，占据了火电脱硫市场90%以上的市场份额。 脱硫技术介绍

全国已投运烟气脱硫机组脱硫方法分布情况 1.3、钢铁行业脱硫 1.3.1 钢铁烧结机烟气脱硫难度高于火电行业脱硫 钢铁烧结项目的脱硫和火电行业的脱硫在处理的烟气成分及烟气量波动等方面有较大的不同，具有以下特点：一是烟气量大，一吨烧结矿产生烟气在4,000－6,000m3；二是二氧化硫浓度变化大，范围在400－5,000mg/Nm3之间；三是温度变化大，一般为80℃到180℃；四是流量变化大，变化幅度高达40%以上；五是水分含量大且不稳定，一般为10－13%；六是含氧量高，一般为15-18%；七是含有多种污染成份，除含有二氧化硫、粉尘外，还含有重金属、二噁英类、氮氧化物等。这些特点都在一定程度上增加了钢铁烧结烟气二氧化硫治理的难度，对脱硫技术和工艺提出了更高的要求。因此，烧结机得延期脱硫、净化工艺的设施，必须针对烧结机的上述运行特点来进行选择和设计，具体要求有：（1）必须有处理大烟气量得能力；(2)为降低脱硫成本而进行选择性脱硫时，其脱硫效率必须达90%以上；（3）必须能适应烟气量、SO2浓度的大幅度变化和波动；（4）脱硫设施必须具有高的可靠性以适应烧结机长期连续运行。 1.3.2、钢铁烧结机脱硫方法 已投入运行的烧结烟气脱硫装置采用的工艺主要有石灰石——石膏湿法、循环流化床法、氨——硫铵法、密相干塔法、吸附法等。这些工艺在我国处于研发和试用阶段，主流工艺尚未形成。

国债期货量化交易市场深度分析报告

国债期货量化交易市场深度分析报告

目录 第一节国债期货市场概况 (4) 一、基础概念 (4) 1、品种介绍 (4) 2、交割规则 (5) 3、国债期货市场的发展和作用 (7) 二、流动性分析 (7) 第二节国债期货常见量化交易策略原理 (10) 一、日间趋势策略 (10) 二、日内趋势策略 (11) 三、跨品种套利策略 (12) 四、期现套利策略 (12) 五、信用利差交易策略 (13) 第三节量化交易策略实证分析 (14) 一、日间趋势策略实证 (14) 1、数据选取 (14) 2、模拟交易情景 (14) 3、样本内参数优化 (14) 4、样本外回测 (16) 5、全样本表现 (17) 6、策略总结 (19) 二、日内趋势策略实证 (20) 三、跨品种套利策略实证 (26) 四、期现套利实证分析 (30) 五、信用利差交易策略实证分析 (34) 第四节总结 (38)

图表目录 图表1：2015年国债期货成交量 (7) 图表2：2015年国债期货持仓量 (8) 图表3：日间趋势策略样本内最优5个参数对累积收益率曲线 (15) 图表4：2015年7月7日至2015年7月9日国债期货TF1509价格和成交量趋势 (16) 图表5：日间趋势策略样本内最优5个参数组合在全样本上的结果 (17) 图表6：日间趋势策略样本内最优5个参数组合在全样本上的累积收益率曲线 (18) 图表7：日间趋势策略全样本最优5个参数组合累积收益率曲线 (19) 图表8：日内趋势策略样本内最优5个参数组合累积收益率曲线 (20) 图表9：日内趋势策略样本内优化目标关于波动区间比例参数f分布 (21) 图表10：日内趋势策略样本内优化目标关于止损参数r分布 (21) 图表11：日内趋势策略样本内最优5个参数组合样本外累积收益率曲线 (22) 图表12：日内趋势策略样本内最优5个参数组合在全样本上的累积收益率曲线 (23) 图表13：日内趋势策略全样本最优5个参数组合累积收益率曲线 (24) 图表14：日内趋势策略全样本优化目标关于波动区间比例参数f分布 (25) 图表15：日内趋势策略全样本优化目标关于止损参数r分布 (25) 图表16：5年期国债期货、10年期国债期货价格曲线 (26) 图表17：跨品种套利策略全样本累积收益率曲线 (27) 图表18：跨品种套利策略8月份以来的累积收益率曲线 (29) 图表19：5年期国债期货、10年期国债期货主力合约成交量曲线 (29) 图表20：TF1603交易日内可交割券IRR、资金成本及套利收益曲线 (31) 图表21：15年滚动国债期货CTD券对应IRR曲线 (31) 图表22：期现套利策略每日浮盈亏累计收益曲线 (32) 图表23：国债（5年期）与企业债（5年期）在全样本内信用利差曲线 (35) 图表24：2014年3月以来信用利差表现 (36) 表格目录 表格1：日间趋势策略样本内最优5个参数组合结果 (14) 表格2：日间趋势策略样本内最优5个参数组合在样本外回测的结果 (16) 表格3：日间趋势策略全样本最优5个参数组合结果 (18) 表格4：日内趋势策略样本内最优5个参数组合结果 (20) 表格5：日内趋势策略样本内最优5个参数组合在样本外回测的结果 (22) 表格6：日内趋势策略样本内最优5个参数组合在全样本上的结果 (23) 表格7：日内趋势策略全样本最优5个参数组合结果 (24) 表格8：跨品种套利策略全样本表现 (27) 表格9：跨品种套利策略8月份以来表现 (28) 表格10：期现套利策略2015年表现 (32) 表格11：TF1603临近交割5个月内保证金变动 (33) 表格12：信用利差交易全样本表现 (35) 表格13：国债期货量化策略整理 (38)

全球和中国云计算市场分析报告

全球和中国云计算市场分析报告 分析爱好者 百家号18-12-0813:31 一直对云计算市场比较感兴趣，正好有时间从网上搜集了一些资料，整理成一份PPT，内容主要包含：云计算发展史，全球和中国云计算市场规模与分类，公有云分析——IaaS、PaaS、SaaS与细分行业。对于厂家的分析略显薄弱，后续有时间会重点把每个厂家的优劣势对比出来。 云计算(cloud computing)是一种按是使用量付费的模式，这种模式是可用的、便捷的、按需的网络访问，进入可配置的计算机资源共享池（资源包括网络，服务器，存储，应用软件，服务），这些资源能够被快速提供，只需要投入很少的管理工作，或与服务供应商进行很少的交互。 —————美国国家标准与技术研究院 云计算是一种基于互联网的计算方式，通过这种方式，共享的软硬件资源和信息可以按需求提供给计算机和其它设备。云计算依赖资源的共享以达成规模经济，类似基础设施（如电力站网）。 ——————维基百科

根据美国权威调研机构Gartner发布的云计算市场份额报告，2017年全球云计算市场达到2,602亿美金，其中公有云市场1,535亿美金，占比59%；预计2018年突破3,000亿达到3,058亿美金，其中共有云市场达1,864亿美金，占比61%。

根据中国信通院发布的《2018年云计算白皮书》，2018年中国云计算市场预计达到907亿人民币，其中公有云市场规模383亿人民币，占比42%，预计2021年云计算市场将达到1,858亿人民币，公有云903亿人民币占比49%，公有云三年复合增长率33%。 IDC预测，未来五年，中国公有云市场总体保持高达41.0%的增速，其中增长速度最快的将是PaaS，年复合增长率将超过55.7%；

干货!购物中心最新客群分析报告完整版

干货！购物中心最新客群分析报告完整版 购物中心，已成为城市的各区域地标及超级线下聚客点。截止到2016年6月，国内总开业纯粹意义上的购物中心超过4500家，总营业面积超过4000万平米，且以每年新增400余家加速增长。其中又以面积大于10万平的超级购物 中心为新增主体。越来越大，配置越来越多元丰富，满足更多不同消费以及体验需求的人群成为购物中心建设和运营 常态。 本次报告选取北京和上海代表商圈的典型知名购物中心进 行全景洞察分析。从业态、客群吸引力，客群线上线下行为多维画像等方面进行分析，目的是为了供行业以及相关品牌商能够对代表性聚客点以及关联客群进行参考分析，也可以对自身业态的运营，目标客群用户体验、客群经营能力等方面的提升提供参考。北京上海典型购物中心客群分析报告1、本次分析对象 2013-2015期间开业项目较多的知名商业地产品牌，分别为万达、中粮大悦城、凯德、华联、红星美凯龙、华润、百联七个品牌旗下北京和上海16个代表性购物中心项目。 整体看，本次分析的16个北京上海典型购物中心中，北京 地区以定位于中端消费人群居多，上海则以定位中高端消费群体为主。2、经营业态比例分析

1）零售快消类占比比较北京的万达广场和以超市为依托的华联零售业占比最多。▼上海的百联又一城荟萃了2000余种国际国内精选品牌，零售类占比较上海其他项目高出一个维度。2）餐饮类占比比较 北京红星爱琴海和上海凯德mall餐饮占据比例远超其他项目。值得一提的是，北京红星爱琴海大胆打破了传统购物中心百货、娱乐、餐饮5：3：2的常见比例，重点锁定体验式餐饮业态服务，大幅增加了休闲娱乐和餐饮等体验式业态比例。▼上海凯德七宝购物中心以时尚家庭生活购物广场为特色，以社区家庭为单位的各年龄段人群为目标客群，中外快餐、美食广场和特色餐饮一应俱全。3）儿童类业态占比比较 北京天通苑华联纯立足社区，以『社区好邻居』为理念，开业了多种儿童大型活动与娱乐类场馆，并引进了杨梅红私立美校等儿童教育业态。▼上海项目儿童类业态占比均较低，则只有华润时代广场儿童品类占比相对较多。4）休闲娱乐体验类业态占比 红星美凯龙在北京的爱琴海购物中心则是国内首创『社交式商业空间』，包括引入韩国PORORO，太平洋影院，欢唱KTV，高尔夫会所，美体休闲等业态。▼而在上海，百联和万达的购物中心休闲娱乐品类占比高于其他品牌购物中心同等品类。3、客群行为画像分析

2018年云计算之PaaS行业深度分析报告

２０１８年云计算之ＰａａＳ行业深度分析报告

目录 一、PaaS的重要性日益提升 (6) 二、PaaS的概念、分类和技术演进 (8) 1、PaaS的概念和分类 (8) 2、从云计算技术看高控制PaaS的发展 (11) 3、企业向云架构升级促进PaaS发展 (14) 三、PaaS的需求侧分析 (18) 1、从企业规模看PaaS需求 (19) 2、从云计算的渗透阶段看PaaS的需求 (21) 3、从服务对象看PaaS的需求变化 (24) 四、PaaS的供给侧分析 (26) 1、公有云PaaS：IaaS和SaaS公司的战略重点 (26) IaaS→PaaS：多云时代，PaaS是IaaS提升客户粘性的主要方式27 SaaS→PaaS：由点及面，突破客户瓶颈31 公有云PaaS竞争力的评判指标34 2、混合云PaaS：助力企业数字化转型 (36) 混合云的发展背景36 PaaS助力应用上云37 3、专业型PaaS或行业PaaS：服务于应用 (39) 五、国内PaaS的发展现状 (40) 1、国内企业的PaaS平台介绍 (40) 用友Iuap平台：逐步构建生态41 金蝶云苍穹：助力公司走向大客户市场43 广联达BIMFACE·：打造建筑行业的数字化平台商43 科大讯飞：开发平台分发AI能力45 2、投资建议 (46) 风险提示 (46)

图表目录 表1：PaaS厂商的分布情况 (8) 表2：PaaS解决的问题 (8) 表3：高效能PaaS和高控制PaaS的比较 (10) 表4：云计算技术和模式不断升级，以应用为基础提供能力服务 (12) 表5：用友定义的企业前中后台 (17) 表6：不同规模的企业对PaaS产品的需求特点 (19) 表7：美国企业分布：中小型企业员工规模占比54%，大型企业占比46% (20) 表8：全球云计算渗透分成两个阶段，第二阶段核心价值点发生变化 (21) 表9：Salesforce的大客户收入占比提升 (23) 表10：微软的主要PaaS平台汇总 (30) 表11：仅IaaS层的全球市场份额 (30) 表12：Salesforce的PaaS产品 (32) 表13：Salesforce的PaaS平台为合作伙伴带来新增效率和新增收入 (35) 表14：部门PaaS平台的部分数据展示 (35) 表15：混合云IaaS层参与方 (36) 表16：专业型和行业型PaaS (39) 表17：国内具备PaaS业务的上市公司汇总 (40) 表18：用友网络云平台的数据情况 (42) 表19：讯飞开放平台的数据情况 (45) 图1：PaaS提供各类支撑平台，属于应用开发环境 (6) 图2：Gartner对全球云计算市场规模的预测（单位：十亿美元） (6) 图3：统一的开发PaaS架构和平台可以管理底层云资源和上层应用 (7) 图4：PaaS战略地位高，厂商向产业链上下游延伸 (7) 图5：PaaS大幅提升IT生产力 (9) 图6：高效能PaaS大幅节省开发时间 (10) 图7：高效能PaaS更接近SaaS层，高控制PaaS更接近IaaS层 (11) 图8：云计算技术不断演化 (12) 图9：虚拟化和容器比较 (13) 图10：广义的PaaS是IaaS和SaaS的中间层，狭义的PaaS包括容器、应用平台和FaaS (14) 图11：根据抽样调查，Serverless和容器的采用率增速较快 (14) 图12：云计算时代，企业IT架构发生深刻变化 (14) 图13：软件开发模式逐步变化 (15)

商务智能实验报告

《数据挖掘与商务智能实验》 实验报告实验题目：数据挖掘的基本数据分析 姓名：王俊 学号：4 指导教师：张大斌 实验时间：201611.10 2016年11月10日

实验题纲： 一、实验目的 1）熟悉基本数据分析的处理流程。 2）进一步熟练掌握拍SPSS Modeler工具的操作。 二、实验内容 内容一：数据的质量探索 步骤1 建立数据流 1)在“源”中通过拖入“Statistics”文件节点读入Telephone.sav 数据。 2)建立“类型”节点，并说明各个变量角色。这里指定“流失”为目 标变量。 3）选择“输出”选项卡中“数据审核”节点并将其连接到数据流的恰当位置，点击鼠标右键，在“质量”选项卡下，选择检测方法为平均值的标准差。 步骤2 结果输出 实验结果输出如图所示。 图中蓝色部分表示输出变量取YES，即客户流失的样本数，可以看出，各个变量上流失客户的取值均不同。 内容二：基本描述分析 这里分析的目标是对电信客户数据的基本服务、开通月数、免费部分和无线费用之间的相关系数以反映变量之间的相互关系。 步骤1 建立数据流 选择“输出”选项卡中的“统计量”节点。 步骤2 设置相关参数 1）双击“统计量”节点，进行相应的设置。在“检查”框中添加开通月数、基本费用、免费部分和无线费用。 2）在“相关”框中添加年龄、收入和家庭人数。如图所示。 3）在“相关设置”中，勾选“按重要性定义相关强度”。如图所示。

计算结果如图所示。可以看出，以“基本费用”为例，它与“年龄”和“收入”都有相关性，它们之间简单相关系数虽然为0.401和0.195，但从统计量的角度来看有95%以上的把握认为它们之间是非0相关。“基本费用”与“家庭人数”呈负弱相关。 内容三：绘制散点图 数值之间变量的相关性可以采用上一个实验，也可以通过散点图来直接观察，此次主要观察基本费用和年龄之间的相关性。 步骤1 构建数据流 选择“图形”选项卡中的“图”节点。 步骤2 设置相关参数 1）双击“图”节点，选择编辑菜单，进行参数窗口的设置。 2）在“X字段”和“Y”字段框中分别选择“基本费用”和“年龄”。在“交叠字段”下，选择“颜色”-“流失”，不同颜色表示流失量不同取值的样本点。如图所示“图”节点的参数设置窗口。 输出的结果如图所示。 内容四：两分类变量相关性的研究 两分类变量相关性研究可以从图形分析入手，然后采用数值分析的方法。下面采用网状图分析。

中信证券——量化投资策略特征

量化投资策略特征 量化投资注重数理分析与逻辑推导，不依赖主观判定形成交易决策，当模型思想来源于投资者市场体会，基于历史数据所作的几率统计，也可以是技术指标，甚至基本面分析，只要能形成一定数理逻辑并得到市场验证即可作为量化投资策略。 量化投资是指将投资理念或市场洞见转化为数学模型，并依据历史数据对模型进行测实验证，总结收益-风险特性以及相关参数，最后通过运算机技术实现自主化交易的投资方法。量化投资主要运用在具有高流动性与历史数据丰盛的金融投资市场，就期货市场而言，既可以在商品类品种也可以在股指等金融类品种上进行。 总的来说，一个完整的量化投资策略具备四个方面的特征： 一是具有特定的定量分析策略。量化投资是基于一定的市场逻辑或依据历史数据作出的几率统计，形成特定的数学模型用以分析和评判市场表现，进而形成交易策略，这与当前大多数分析师所采用的定性分析方法有很大区别。量化投资注重数理分析与逻辑推导，不依赖体会主义和主观判定形成交易决策，当然其模型思想仍旧是来源于投资者的市场体会，这种来源可以是基于历史数据所作的几率统计，也可以是一些技术指标，甚至可以是来源于基本面分析，只要能形成一定数理逻辑并得到市场验证即可作为量化投资策略。 二是绩效具有可追溯性。量化投资是基于特定的交易模型，可以用历史数据输入模型进行绩效检测，从而运算出交易策略的胜算率、期望收益与风险度等，并且可以根据这些检测值来预判模型未来的收益表现。相反基于体会主义的主观交易方法无法通过历史数据进行合理的检测，不具有可追溯性，也无法对以后的交易行为进行合理的预估。 三是具有极高的纪律性，量化投资是依据经过历史验证的模型进行分析和交易，从而规避了主观判定带来的局限，而在具体操作上大多采用运算机程序实现自动化交易，不会呈现主观交易中经常会呈现的人性弱点。 四是在信息处置上具有主观交易不可比拟的优势。当前金融投资品种非常丰盛，以国内商品期货市场为例，品种已经超过二十个，加上每个品种有数份合约同时交易，可供选择的标的组合可以达到成百上千个，倘若再考虑海外商品市场以及金融类市场，信息将更是几何倍递增，处置如此海量的数据，显然依赖数学模型与运算机程序处置的量化投资比传统交易方法效率更高。 从特性上看，量化投资相较主观交易方法具有许多优势，所以自上世纪七十年代诞生以来受到很多投资者尤其是机构投资者的追捧。经过三十多年的发展，已经成为国际金融市场主流的交易方法之一，包含对冲基金和共同基金等在内的

商业智能+大数据分析报告

2016年出版

正文目录 1、BI行业增长强劲，下游需求突出，竞争壁垒有抬升趋势 (4) 1.1、商业智能（BI）认可度持续提高，市场规模不断扩大 (4) 1.2、BI 产业链结构分析 (6) 1.2.1、BI 上游 (6) 1.2.2、BI 下游 (6) （1）、电信行业：大数据潜在金矿、亟待规模开发 (8) （2）、金融行业：效率与安全双轮驱动大数据应用深化 (8) （3）、电子政务：政务信息化政策利好大数据整体解决方案商用 (9) （4）、电力行业：生产信息决策与节能减排双重利好于大数据 (10) 1.3、BI 与大数据的联系与区别 (10) 2、大数据：逐步走向成熟，市场进入爆发成长期 (11) 2、从BI 到大数据4.0的演变历程 (12) 2.1、大数据核心技术不断演进，年增50% (12) 2.1.1、大数据的史前时代 (16) 2.1.2、大数据1.0 效率为先(2012-2015)：非结构化数据处理加速 (17) 2.1.3、大数据2.0 变现为王(2015-2020)：用户画像与标签 (18) 2.1.4、大数据3.0 与4.0 决策为本(2020-2030)：机器学习与洞察 (19) 2.2、大数据产业步入快速增长、国内相关企业产业布局呈哑铃型 (20) 2.2.1、从概念热炒到实际应用，大数据步入快速成长期 (20) 2.2.2、大数据产业链分工明晰，发展侧重数据采集及应用、呈现哑铃型 (21) 2.3、大数据助力产业升级创新 (22) 3、大数据主要应用分析 (23) 3.1、电信行业大数据应用 (23) 3.1.1、电信大数据爆发式增长，但运营商进入存量经营时代 (23) 3.1.2、电信运营商大数据变现具备基础 (24) 3.1.3、利用大数据，聚焦服务、创新、运行支撑 (25) 3.1.4、海外成功先例，值得借鉴 (26) （1）、全球电信运营商大数据实践 (26) （2）、法国电信：利用大数据开拓新服务领域 (28) （3）、西班牙电信大数据应用 (29) 3.2、金融行业大数据应用 (29) 3.2.1、强调大数据环境下的客户、市场、运营洞察 (29) 3.2.2、工商银行：利用大数据洞察客户心声 (31) 3.3、互联网大数据应用分析 (32) 3.3.1、大数据先行者，促进营销、信息与业务多重变革 (32) 3.3.2、BAT：领军大数据变革时代 (33) 3.3.3、亚马逊：用户行为数据分析助推个性化营销 (36) 3.4、工业大数据应用 (37) 3.4.1、借力大数据，实现设备、系统、决策智能化 (37) 3.4.2、工业大数据：中国制造2025 核心技术 (37) 3.4.3、汽车行业：“变形金刚”改变行业战斗方式 (38) 3.5、航空业大数据应用分析 (39)

2016年HTML5行业深度分析报告

２０１６年ＨＴＭＬ５行业深度分析报告

目录 1HTML5, 最新一代网页标准通用标记语言 (5) 1.1专为移动互联网而生的HTML5 (5) 1.1.1HTML5动态多媒体交互特性契合移动互联网标准 (5) 1.1.2国际互联网组织、移动厂商与各大浏览器巨头积极参与推动HTML5标准的最终确立 (6) 1.2HTML5搭载微信平台实现二次爆发 (8) 1.2.1首次国外投资失利，却借国内微信平台实现二次爆发 (8) 1.2.2二次爆发成功时机俱备 (12) 1.3HTML5改变网页前端内容呈现形式及产品分发渠道 (15) 1.3.1网页内容形式由动态图片向视频制作演变 (15) 1.3.2应用商店渠道商角色弱化 (16) 2移动互联网端多场景应用 (17) 2.1HTML5营销助推移动营销新增长 (17) 2.1.1移动营销新形态---HTML5营销 (17) 2.1.2HTML5的网页多媒体交互特征契合移动营销 (19) 2.1.3营销传播路径实现病毒式营销闭环 (20) 2.1.4行业格局初显，内容端由动态图片交互视频转换 (23) 2.1.5HTML5营销企业：易企秀与兔展 (24) 2.2HTML5游戏是游戏行业新的绿洲 (25) 2.2.1手游后的新蓝海----HTML5游戏 (25) 2.2.2HTML5游戏占巨大流量渠道，即点即玩即分享解决用户痛点 (27) 2.2.3中重度和社交化发展方向，多渠道分发 (28) 2.2.4新一轮游戏行业市场启动 (33) 2.2.5HTML5游戏企业：白鹭科技--引擎平台联运商 (33) 2.2.6国外HTML5游戏厂商研发先行，发行商数量集中 (35) 2.3HTML5视频有效替代FLASH，实现跨平台网页视频直接调用 (36) 2.3.1移动互联网视频增长迅速，流量占比过半 (36) 2.3.2FLASH是PC视频编码霸主，HTML5从移动端实现逆转 (37) 2.3.3HTML5契合移动互联网视频需求，巨头支持 (40) 2.3.4HTML5除占领FLASH存量市场，还形成新的增量市场 (42) 2.4HTML5嵌入APP实现HYBRID APP与轻应用平台结合的形式 (43) 2.4.1类似PC端桌面应用向浏览器转换，移动端也经由native app向web app的转换 (43) 2.4.2Web app实现hybrid app与轻应用平台相结合的形式 (44) 2.4.3微信小程序是仿HTML5语言改编的特殊封闭系统 (46) 3HTML5是移动终端新绿洲，WEB领域新蓝海 (48) 3.1HTML5发展趋势展望 (48) 3.1.1设备端由移动设备终端向物联网设备渗透,跨多种平台终端 (48) 3.1.2垂直领域细化 (49) 3.1.3与3D/VR/无人驾驶新技术结合，提升用户体验 (50) 3.2HTML5资源整合企业 (51) 3.2.1云适配：移动办公领域全平台方案解决商 (51) 3.2.2火速轻应用：全平台资源整合 (54)

2018年云计算行业AWS分析报告

2018年云计算行业AWS分析报告 2018年8月

目录 一、AWS厚积薄发迎来增长期，成就全球云计算龙头 (3) 二、AWS基础设施遍布全球，携手光环、西云进军中国公有云市场 (5) 三、AWS产品丰富多样，客户粘性大具有先发优势 (9) 1、亚马逊弹性计算云服务（Amazon Elastic Compute Cloud，Amazon EC2） (11) 2、亚马逊简易存储服务（Amazon Simple Storage Service，Amazon S3） (11) 3、亚马逊弹性块存储（Amazon Elastic Block Store，Amazon EBS） (12) 4、Amazon Elastic Map Reduce（Amazon EMR） (12) 四、AWS跨越投入期，营收利润双增长 (17) 五、群雄争霸：AWS的同业比较 (20) 1、AWS在海外的主要竞争对手是微软Azure和谷歌 (20) 2、AWS在国内的竞争对手主要是阿里云 (22)

近年来，大数据、云计算行业蓬勃发展，对上游基础设施领域的需求持续旺盛。据IDC圈统计，2017年中国IDC市场总规模达到946.1亿元，同比增长32.4%，预计2018年市场规模有望超过1200亿元，市场将保持高景气。 为了让投资者对全球云计算及IDC 等互联网基础设施市场格局有个更清晰的了解，从而更有利于把握行业投资机会，国信证券通信小组对海外市场上最具竞争优势的云计算企业及云计算基础设施企业基本情况进行梳理。本文将简要介绍全球云计算龙头AWS的基本情况，供各位参考。 一、AWS厚积薄发迎来增长期，成就全球云计算龙头 亚马逊公司于1994年在华盛顿州注册成立，并于1996年在特拉华州重新注册。1997年5月在纳斯达克上市，代号为“AMZN”。亚马逊公司旗下的Amazon Web Services（AWS）在2002年正式推出。自2006年以来，AWS开始以网络服务的形式向企业提供云计算服务。亚马逊AWS现在是全球云服务第一大巨头，在全球占据最大的市场份额。据Gartner 预测，全球公有云市场将从2017年的1535亿美元增长至2021年的3025亿美元，年复合增长率为18.5%。其中，IaaS 服务市场规模增速最快，将从2017年300亿美元增长至2021年835亿美元，年复合增长率为29.1%。 2017年，亚马逊AWS在公有云IaaS 市场占比为47.1%，位居全球第一位，远超其他竞争对手。

2019年大数据云计算行业分析报告

2019年大数据云计算行业分析报告 2019年8月

目录 一、流量数据爆发，大数据时代正式来临 (6) 1、移动设备加速普及，移动流量正值爆发 (6) （1）移动设备渗透率持续提升 (6) （2）高速网络用户群体不断扩大，移动流量爆发可期 (7) （3）分地区来看，西部地区流量需求巨大 (7) 2、固定宽带纵向横向同步发展 (8) （1）固定宽带逐渐普及，农村宽带用户增长明显 (8) （2）网络提速加快，高速宽带渗透率提升 (9) （3）大数据时代正式来临 (10) （4）大数据分析挖掘商机决定企业未来 (11) 二、摩尔定律或将失效，云计算成有力支撑 (11) 1、摩尔定律出现与失效 (11) 2、云计算成优秀解决方案 (12) 3、云计算优势明显，政府大力推动 (14) （1）云计算在商业应用上优势明显 (14) （2）云计算对社会发展贡献不可忽略 (16) （3）政策体系日趋完善，助力云计算产业高速发展 (16) 三、云计算市场空间广阔，IaaS领域快速成长 (18) 1、公有云市场仍是主力军，混合云有望快速增长 (18) （1）全球：云计算市场增长趋于稳定 (19) （2）公有云市场仍是主力军 (19) （3）混合云有望异军突起 (20) 2、SaaS占据主要份额，IaaS快速增长 (21) （1）根据云计算服务类型可分为三种：IaaS、PaaS、SaaS (21)

（2）全球范围内SaaS占比最大，IaaS增速最快 (22) （3）IaaS成我国公有云主力军，云主机需求旺盛 (23) 四、西学东渐看我国发展趋势，并购外延时代拉开序幕 (24) 1、我国与美国云计算产业存在差距 (24) 2、并购持续活跃，补齐短板抢占份额 (26) （1）领先集团加速扩张布局 (26) （2）云计算领域并购活动持续活跃 (27) （3）场内场外并购抢占云计算市场 (27) 3、IDC设备需求增加，IDC成云计算公司竞争热点 (28) （1）IT巨头介入云计算产业拉动数据中心设备需求上升 (28) （2）基础设施服务价格战出现 (29) （3）数据中心资源成云计算公司竞争焦点 (29) 4、企业生态形成数字产业竞争力 (30) （1）企业生态形成数字产业竞争力 (30) （2）应用生态形成 (31) （3）业务拓展与整合 (31) （4）合作伙伴形成 (31) 五、透析云计算产业链 (32) 1、上游产业 (33) （1）通信网络运营 (33) （2）通信设备制造 (34) （3）数据运维产业 (34) 2、中游产业 (35) （1）IaaS：从全球的市场份额看，亚马逊排名第一 (35) （2）PaaS：微软的市场份额在全球范围内排名第二 (35) （3）SaaS：SAP是世界上最大的企业信息管理体制解决方案提供商 (36) 3、下游产业 (36)

艾瑞报告：中国商业智能行业研究报告2017(附PDF下载)

艾瑞报告：中国商业智能行业研究报告2017（附PDF下载） 区别于能够实现海量数据的管理、简单分析与可视化的传统商业智能，艾瑞的此份商业智能报告将聚焦于人工智能技术如何用于商业智能决策，实现商业经营的智能化与自动化。本报告将通过剖析商业智能行业发展背景、技术动态、多场景应用状况等方面，对人工智能在商业落地的真实现状进行说明，凸显AI技术（不包含语音、视觉等感知智能）在现阶段真实应用的价值。 报告核心观点 1、中国企业精细化运营的需求正在爆发 2、商业智能，帮助企业实现数据驱动认知到数据驱动决策的转变 3、商业智能主要应用于金融、电商、物流、出行等领域 4、中国AI论文成果达到国际一线水平 5、技术方面，商业智能的未来将从强调单一技术，到各学科、分支、算法等融会贯通 6、技术以外，企业、技术供应商对场景的理解是产业升级的关键 7、商业智能的落地是一项系统工程，企业的工程实践能力有待增强 目录 报告摘要1 商业智能概述1.1 商业智能行业概念界定1.2 商业智能与大数据1.3 商业智能发展宏观环境分析1.4 商业智能产业图谱1.5 投融资状况分析2 商业智能核心技术剖析

2.1 机器学习2.2 知识图谱2.3 运筹学3 商业智能典型应用 3.1 广告营销3.2 电商3.3 交通出行3.4 供应链3.5 金融风控3.6 投研分析 3.7 智能投顾3.8 智能客服4 典型公司案例 4.1明略数据 4.2第四范式4.3 杉数科技4.4 百分点4.4 文因互联4.5 ZRobot5 商业智能的未来与挑战 商业智能行业概念界定商业智能的下一步，智能化与自动化商业智能（BI，Business Intelligence）概念的提出可追溯至1958年，通常将其视为把企业中现有数据转化为知识，帮助企业做出明智的业务经营决策的工具。过去的商业智能不能给出决策方案，也不能自动处理企业运行过程中遇到的问题。借助于人工智能与其他相关学科的技术进步，现代商业智能已能在特定场景中实现商业经营的智能化与自动化。因此，本报告聚焦于将人工智能技术用于商业智能决策，试图对人工智能在商业落地的真实现状进行说明，凸显AI技术（不包括智能语音、计算机视觉等感知智能）在现阶段应用的价值。商业智能与大数据大数据为商业智能的发展提供土壤互联网、移动互联网高速发展，海量、高维度且可实时接入更新的数据随之而来，为机器学习等前沿技术在各领域中的探索及落地提供可能，进一步拓展了被服务人群且显著提升服务质量。另一面，产业缺乏通用标准约束，数据在采集及流转过程中污染程度不一，数据加密不规范引致的数据泄露时有发生，数据孤岛亦成为企业业务发展的掣肘（如金融

奶茶行业深度分析报告

奶茶行业深度分析报告2020年4月

—01 — ███████ 龙头，模式 ▼ 香飘飘，成立于2005 年，从事奶茶产品的研发、生产及销售。目前，旗下共有四个生产基地，分别在湖州、成都、天津、江门。它在2017 年登陆上交所，创始人蒋建琪持股56.26%，此外其女儿（4.29%）、妻子（6.87%）、弟弟（8.58%）也持有公司股份。本案的前十大股东中有社保基金、中国香港结算等，2019 年三季报显示社保基金减持，而中国香港结算（港资）为新进入的投资。 2015 年到2019 年三季度，其营业收入为19.52 亿元、23.90 亿元、26.40 亿元、32.51 亿元，23.80 亿元；净利润分别为2.03 亿元、3.03 亿元、3.17 亿元、4.02 亿元、1.57 亿元；经营活动产生的现金流净额分别为1.12 亿元、3.66 亿元、1.05 亿元、6.13 亿元、3.63 亿元；毛利率分别为42.87%、44.88%、40.20%、40.39%、39.22%，净利率分别为10.42%、11.14%、10.14%、9.68%、5.56%。 从业绩增速来看，近三年营业收入年复合增速为18.54%，净利润年复合增速为15.56%，2019 年三季度营业收入同比增速为22.74%，净利润同比增速为66.05%。从收入结构来看，42.74%来自果汁茶，33.95%来自经典系列，17.74% 来自好料系列，4.55%来自液体奶茶系列。其中经典系列是指以椰果为主的奶茶，而好料系列是指以红豆、桂圆、燕麦等非椰果为主的奶茶产品。

从历史上看，它的收入结构中，经典系列占比逐年下降，从2012 年的86.60%下滑 到33.93%。而近两年来新品类“果汁茶”的占比出现大幅提升，从 6.18%上升到42.74%，并且仅用了1 年半的时间，增速极快。 图：收入结构（单位：%）来源：并购优塾 它的销售模式是“以销定产”、“经销为主”，2018 年经销渠道贡献96.52%的收入，电商渠道贡献2.42%的收入。本案，位于软饮料产业链的中游，上游为原材料提供 商（脱脂奶粉、白糖、椰果等）代表企业有熊猫乳品，毛利率28.52%，下游为超市、 便利店等，代表企业为永辉超市，毛利率21.88%。

股指期货日内量化投资策略

股指期货日内量化投资策略 刘冬烨 1121209170 摘要 量化投资具有传统投资无可比拟的优点，在国内正处于萌芽阶段，发展潜力巨大。本文先详细研究国外经典的日内量化投资策略R-Breaker，并将其应用于国内的股指期货市场，但其最近的表现不尽如人意。接着将策略拆分成趋势和反转两个子策略分别进行改进，趋势策略仍然基于技术分析，而反转子策略则应用地球物理学中的对数周期性幂律模型，最终在趋势子策略方面得出了一个收益可观且稳定的R-Breaker-Plus策略，而在反转子策略方面的研究，虽然受到理论难点和程序运行的限制，没有得出具体的交易规则，但仍然收获了一些有意义的结论，且可以用来深入研究。 关键词：量化投资，股指期货，日内交易，泡沫破裂，LPPL模型 II

QUANTITATIVE DAY TRADING STRATEGIES FOR INDEX FUTURES ABSTRACT Quantitative trading has incomparable advantages over conventional trading strategies. It is in the embryonic stage but has high potential for development in China. R-Breaker trading system, a famous foreign quantitative trading strategy, is studied in this paper and applied to domestic stock index futures market. Unfortunately, it doesn't behave as well as the first 2 years recently. So I split it into two sub-strategies and optimize them respectively. The trend sub-strategy is still based on technical analysis, while in the reversal sub-strategy I tried to use the LPPL Model from geophysics. At length I have developed a winning and steady trend sub-strategy but failed to devise a concrete reversal sub-strategy due to the limit of computer facility. While I have gained some researching achievements on LPPL Model more or less. KEY WORDS：Quantitative trading, Index futures, Day trading, Bubble burst, LPPL Model III

最新云计算行业分析报告

最新云计算行业分析报告2019年10月

正文目录 引言 (5) 一、云转型先锋的启示 (5) 1、转型相通之处：产品架构调整先于上云 (5) 2、Adobe和Autodesk的转型之路 (6) 3、数据价值探索 (8) 二、软件企业为什么要SaaS化？ (9) 1、概念的区分 (9) 1.1SaaS VS订阅 (9) 1.2DCF和LTV (10) 2、云促进订阅对企业LTV/CAC的提升 (11) 3、从ROE角度理解云计算的模式优越性 (12) 三、云计算重构软件交付方式 (13) 1、云重构IT模式 (14) 1.1云原生技术 (15) 1.2软件交付方式的变革 (17) 2、阿里的中台架构 (19) 3、云增强客户粘性？ (21) 3.1云实际上降低了用户的转换成本 (21) 3.2生态的价值——协作及用户粘性 (23) 四、数据及商业智能的价值 (25) 1、计算机产业的本质 (25) 、近期海外三巨头的商业智能并购 (26) 2 分析建议 (28)

引言 在之前的云系列专题报告中，我们详细分析了云业务在商业模式上的优越性，指出预收账款这一财务指标对于云计算公司实际情况的领先表征意义，强调经营性净现金流对云公司而言有比净利润更关键重要的地位。我们的P/OCF估值法为使用便利性做的简化 处理虽有瑕疵，但有着比较强的理论和现实基础。 市场已经基本理解和接纳了云计算，在这一篇报告中，我们先从Adobe和Autodesk这两家云转型成功的企业切入，从软件开发交付架构的角度着重分析“云究竟改变了什 么？”，藉此，相信也会对目前市场关注的公有私有部署，以及不同云计算公司间的差 异性等问题有一定的解答。 一、云转型先锋的启示 1、转型相通之处：产品架构调整先于上云 Adobe和Autodesk的转型真的是起于云么？ADBE和ADSK这两家企业几乎是公认 云转型非常成功的公司，这些年随云计算产业的发展也的确收获了不少的股价涨幅，但当我们回顾这两家企业近20年的发展历程后可以发现：两家公司股价的上涨并非开始 于上云，而是早在订阅阶段；公司的转型以及产品体系架构的调整也早于云计算的普及。 两家企业的转型成长之路可以说是近些年软件产业发展的缩影，也见证着云计算技术带 来的深远影响。 图1：Adobe和Autodesk的转型有着类似的发展历程 资料来源：XXX市场研究部 Autodesk和Adobe在这些年的转型变迁方面有很多相通之处： 1 ）初期，公司都从单品销售改为套件的捆绑销售。