数学之美(二)信用卡盈利之道

我大概是2008年开始用信用卡的,一用就是7-8年了,之前一直有个疑问没有解决,那就是信用卡允许用户刷卡透支,每月周而复始让用户透支,那么他们如何赚钱呢?我这7-8年里面可是没有让他们赚过1分钱哦!其实,我们静下心来用公式推导一番的话,数据能告诉你信用卡如何从用户身上赚取利润。我们先来做一些假设:

假设用户A当月刷卡1000元消费,他资金紧张无法全款还清,他需要使用最低还款额还款,周期为2个月按最低还款额10%计算,第3个月全部还清,利息每日千分之五,计算银行的盈利状况。

给出张列表,看看玩家A的支出情况:


用户A 2个月时间给银行贡献了285块的利息。如果我们按1000万信用卡用户计算,假设其中百分之五用户有这种情况发生,在1年的12个月中就会是:1000*0.05*285*6 就有约8亿多的收入。

这里就很好的解释了,看似免费的信用卡,银行大佬们要花大力气推的原因了!

时间: 2024-10-01 04:33:05

数学之美(二)信用卡盈利之道的相关文章

数学之美(两)信用卡利润的路

我大概是2008它开始用信用卡,一个用的是7-8年,以前没有出现过疑问解决.用户同意,信用卡刷卡透支,每月周期允许用户透支,他们如何赚钱?我7-81分钱哦!事实上,我们静下心来用公式推导一番的话.数据能告诉你信用卡怎样从用户身上赚取利润.我们先来做一些如果: 如果用户A当月刷卡1000元消费,他资金紧张无法全款还清,他须要使用最低还款额还款,周期为2个月按最低还款额10%计算,第3个月所有还清,利息每日千分之五.计算银行的盈利状况. 给出张列表.看看玩家A的支出情况: watermark/2/t

数学之美——HMM模型(二)解码和Forward算法

上一篇讨论了HMM的基本概念和一些性质,HMM在现实中还是比较常见的,因此也带来一了一系列的HMM应用问题.HMM应用主要面向三个方面:预测.解码和学习.这篇主要讨论预测. 简单来说,预测就是给定HMM,和一个观察得到的可观察状态序列,求出通过HMM得到这个序列的概率是多少,这也是一般机器学习等领域中比较常见的应用,得到一个模型后我们当然是希望通过这个模型来得到一些预测的结果.这个也是HMM应用比较基本比较简单的一个. 首先对于给定的HMM和观察序列,第一反应当然是穷举搜索,不妨假设模型为λ,

不懂数学也能明白傅里叶分析和感受数学之美 转载

文章链接 : http://zhuanlan.zhihu.com/wille/19763358 傅里叶分析不仅仅是一个数学工具,更是一种可以彻底颠覆一个人以前世界观的思维模式.但不幸的是,傅里叶分析的公式看起来太复杂了,所以很多大一新生上来就懵圈并从此对它深恶痛绝.老实说,这么有意思的东西居然成了大学里的杀手课程,不得不归咎于编教材的人实在是太严肃了.(您把教材写得好玩一点会死吗?会死吗?)所以我一直想写一个有意思的文章来解释傅里叶分析,有可能的话高中生都能看懂的那种.所以,不管读到这里的您从事

《数学之美》知识点详细总结

<数学之美>知识点详细总结 原创作品, 转载请注明出处:[ Mr.Scofield  http://blog.csdn.net/scotfield_msn/article/details/69264939  ] From`RxNLP`Scofield 未完待续-- <数学之美>这本书在本科期间电子版上偶尔进行了翻阅,后来有时间了就完整的进行了阅读.出于老习惯,看完一本书后总会去总结书本的知识点层次框架,以更好地融入到原有的框架中.尤其是现入坑NLP,作为入门书,更应是好好吸收下.

数学之美-阅读笔记

吴军的这本数学之美从google黑板报到实体书出版应该说一直都是比较火的,吴军博士作为早期加入google的那帮人,一直在搞搜索引擎的方向,除了本身是大牛还跟很多大牛一起共事过,眼界.见识.思维高度也不是一般人能比的.下面是一些凌乱的总结. 1.整个信息论的基础就是数学.如果往更远看,我们自然语言和文字的起源背后都受着数学规律的支配. 2.人们生活的经验作为一种特定的信息,其实是那个时代最宝贵的财富.(读者注:其实现在也是!) 3.信息冗余是信息安全的保障. 4.事实上,他们全靠的是数学,更准确

《数学之美》读书笔记

之前拜读过吴军老师的<数学之美>.虽然这是一本科普性质的读物,但还是能从中获益匪浅.下面根据记忆以及之前做过的简要的书面笔记,做一个概括. 1.信息的作用在于消除不确定性,自然语言处理的大量问题都是找相关的信息. 2.关于搜索:技术分为术和道两种.具体的做事方法是术,做事的原理和原则是道.只有掌握了搜索的本质和精髓,才能游刃有余. 3.搜索引擎的工作流程.一个搜索引擎大致需要做这几件事:自动下载尽可能多的网页:建立快速有效的索引:根据相关性对网页进行公平准确的排序. 4.上述的索引有不同的等级

[读书笔记]数学之美里的机器学习

这几天陆陆续续把吴军博士的<数学之美>看完了. 整体来说,<数学之美>是一本非常适合于数学不好的人入门机器学习和理解计算机算法原理的科普书.作者结合他多年搞研究和在GOOGLE的经验,把他所理解的机器学习/自然语言处理的发展史一一得梳理了出来,颇有提纲挈领的功效. 在看完这本书后,可以按着里面的线索再去搜相关资料来看,比以前直接上手就看数据挖掘.算法啥的靠谱多了.作者在书里多次推崇[简单的数学模型可以做大事],[换个思路],[做搜索的人要经常研究一下不好的结果/异常值分析],[道]

数学之美札记:文字和语言 vs 数字和信息

数学.文字和自然语言一样,都是信息的载体,他们之间有着天然的联系.语言和数学的产生都是为了同一样目的--记录和传播信息.本文是<数学之美>第一章札记. 1798年,拿破仑远征军中,皮埃尔●弗朗索瓦●布沙尔中尉在一个叫罗塞塔的地方发现了一块破碎的古埃及石碑,上面有三种语言:埃及象形文字.埃及的拼音文字和古希腊文,这就是著名的罗塞塔(Rosetta)石碑. 1822年,法国语言学家商博良破解了罗塞塔石碑上的古埃及象形文字.随着罗塞塔石碑的破译,帮助我们了解了整个古埃及的历史和文明,这要归功于埃及人

数学之美 第1章 文字和语言 vs 数字和信息

参考书籍:<数学之美> 吴军著 语言和数学的产生都是为了同一个目的:记录和传播信息 1. 文字的起源:当语言和词汇积累到一定程度(记不住)的时候,产生了高效记录信息的需求-->文字. 2. 文字发展的阶段 象形文字(物体的外表):<亚尼的死者之书>:象形文字增加到一定程度(记不住)的时候,概念开始进行概括和归纳,如日即可表示太阳,也可以表示一天(类比机器学习中的聚类):但是由于文字按照意思来聚类,会导致歧义性(文言文解读),通常借助上下文去除歧义: 楔形文字/拼音文字(抽象编