基于EMD与DVG的非线性时间序列预测模型及其应用研究

针对具有非线性和不稳定性的时间序列,提出一种结合经验模态分解(EMD)、有向可见图(DVG)网络的动态预测模型。利用经验模态分解将原时间序列分解为多个固有模态函数(IMF),然后对分解后的高频和低频IMF利用快速傅里叶变换得到各自的周期;依据每个周期,从原时间序列的尾部截取长短不一的子序列,然后采用有向可见图算法转换为多个有向网络,利用随机游走在每个有向网络中寻找与时间序列最后一个节点相似的节点;最后,依据平行线法,预测时间序列的下一个数值。原油价格的时间序列是一类典型的具有非线性和不稳定性的序列,利用此模型对WTI原油每日价格进行实证分析。研究结果表明,此模型不但可以有效地预测时间序列的变化趋势,而且具有较高的预测精度。     

黄金是股票市场的“避险天堂”吗？——基于动态条件相关混频数据抽样模型

本文提出一种新的衡量黄金避险功能的指标。基于动态条件相关混频数据抽样模型,就1991—2019年黄金对股票市场的避险作用进行再检验,结果显示,国际黄金总体上未表现出对美国股票市场的避险作用,相对比的,中国黄金对于国内股票市场表现出有效的避险功能。进而分析国际黄金避险功能不足的原因,改进动态条件相关混频数据抽样模型,由固定参数拓展为有限可变参数,研究发现,指数投资导致的黄金期货市场投机程度相对下降是黄金避险功能不足的根本原因。指数投资使黄金货币属性弱化,金融属性主导价格走势,此时较高的货币流动性紧缩会促使黄金与其他金融资产被一同变现卖出,从而导致黄金不能在危机时期表现出避险作用。     

考虑鉴真服务和消费者偏好的混合E-供应链决策研究

鉴真服务平台通过提供鉴真服务,为线上商品的出售提供了质量保障,切实提高了消费满意度,降低了线上产品退货率。对此,本文构建了由鉴真服务E-供应链和传统E-供应链组成的混合E-供应链系统;运用Stackelberg博弈,求解集中式和分散式决策下的最优定价策略及利润;分析鉴真努力程度对各模型运作的影响,并对不同模型的最优决策进行比较;最后通过数值分析,对模型结论进行验证。研究表明：1)无论是集中式决策还是分散式决策,两个渠道的产品销售价格均随鉴真努力程度的增大而增加,而混合E-供应链总利润随鉴真努力程度的增大先减小后增大;2)分散式决策模式中,鉴真渠道的产品销售价格在销售商主导模型下更高,而销售商总利润和鉴真平台利润在鉴真平台主导模型下更高,且鉴真平台所获取的佣金及鉴真平台的利润均随鉴真努力程度的增大而增加,销售商总利润随鉴真努力程度的增加先减小后增大;3)集中式决策模式中混合E-供应链的总利润最高,且此时主要利润为销售商所得。本文的研究进一步丰富和发展了混合E-供应链决策理论,而且为鉴真服务平台和线上销售商的经营决策提供参考。     

多人从经验中学习模型研究：基于信息和分析方法不对称视角

当前,日益复杂且动态变化的形势和环境对多人从过往事件中不断学习、积累应对经验、快速迭代应对措施等提出了更高的要求。然而,在多人从经验中学习时,常出现由于不同个体间不了解彼此掌握的信息和会使用的分析方法而导致的莫衷一是、讨论进程拖沓、无法及时达成结论等现象。本文将个体间不了解彼此掌握的信息和/或会使用的分析方法的现象概括为“不对称”,并采用理论构建的方法,聚焦于多人从经验中学习的过程,以“信息”和“分析方法”为维度,构建基于信息不对称性和分析方法不对称性的二维矩阵,提出多人从经验中学习时会存在信息不对称且分析方法不对称、信息不对称且分析方法对称、信息对称且分析方法不对称,以及信息对称且分析方法对称四种情况,并指出信息和/或分析方法的不对称性会降低多人从经验中学习的效率,构建了基于不对称性视角的多人从经验中学习过程机制模型。随后,从“意愿”和“能力”两个方面,提出了降低信息和分析方法不对称性的实践方法,建立了降低不对称性的多人从经验中学习的实践方法库。本文针对多人从经验中学习时,由于信息和/或分析方法的不对称性而导致的问题进行探索,并为提升学习效率提供了理论基础和实践指导。     

基于复杂网络和语言信息的交互式大规模群体评价方法

针对现有基于语言信息的交互式群体评价方法大多仅适用于中小规模群体的情况,提出一种新的基于复杂网络和语言信息的交互式大规模群体评价方法。首先,将评价者视为网络节点,并依据节点之间的距离构建复杂网络;其次,设计节点紧密度和子群紧密度,并确定节点权重和子群权重;再次,定义群体稳定性指标和群体满意度指标,并以此来判断交互终止和确定阶段权重;最后,在节点密度算子和节点加权算子的基础上,分别对单轮群体意见和多轮评价结果进行集结。文末通过一个实际例子验证了所提方法的有效性与合理性。实例分析表明,该方法能够较为全面、准确地集结交互式大规模群体评价意见,且其结果的满意度亦较为理想。     

竞争供应链中制造商环保技术投资决策研究

本文考虑消费者对质量差异化产品的异质性偏好以及环保意识,建立了消费者效用函数以及产品需求函数,构建了差异化竞争制造商及其零部件供应商之间的动态博弈模型;进而,研究了竞争供应链中制造商环保技术投资策略,考察了市场竞争对供应链均衡定价决策、环保技术投资决策以及消费者福利的影响。研究结果表明：拥有较高技术水平的制造商总是会选择更高的环保技术投资水平,但消费者也需为此支付更高的产品溢价;制造商环保技术投资会影响产品销售价格并有利于提升消费者福利,拥有较高技术水平的制造商总是有动机选择投资环保技术,而技术水平较低的制造商则不会有动机选择投资环保技术;市场竞争会导致供应商和制造商定价决策的变化,但此时供应商反而能够获得更多利润。     

采购赋能情境下平台供应链的库存风险共担策略研究

近年来,平台供应链中核心企业的采购赋能行为迅速增加,这有助于帮助供应链成员降本增效,但也可能引发核心企业自身的高库存风险。本文在同时考虑供应商产出不确定和零售商需求不确定的情境下,构建了由一个平台型电商企业、一个供应商和多个零售商组成的三级供应链系统,探讨了采购赋能情境下供应链的库存风险共担机制。研究发现,引入需求风险共担契约有助于提升供应商的生产投入水平、平台的订购量以及零售商的销售努力,并提高供应商与平台的利润。其次,引入产出风险共担契约会降低供应链成员的决策水平和利润。最后,对于不同类型的供应链风险应采取差异化的应对策略。     

多维特征视角下基于图卷积网络的专利技术领域自动识别研究

专利审查周期缩短政策的提出与专利申请数量急剧增加的现状给实现专利技术领域识别的专利分类工作带来巨大挑战,如何引入专利自动分类技术提高专利分类工作效率、缩短专利审查周期成为重要研究主题。本文提出基于多维特征和图卷积网络的专利技术领域自动识别方法。该方法根据文献计量学与图表示学习理论从专利摘要、引证专利、专利发明人维度提取专利特征;其次利用专利摘要维度特征生成表征专利文本特征的专利-核心词汇异构网络,并将引证专利、专利发明人维度特征作为专利数字特征嵌入专利-核心词汇异构网络;通过图卷积网络进行半监督学习,确定专利-核心词汇异构网络中专利节点的类别标签,完成专利自动分类任务。为验证本文所提方法的识别效果,采用Incopat全球专利数据库中专利数据进行实验;实验结果表明专利文本特征与专利数字特征共同作为专利特征可以提高专利分类准确率,引证专利信息的引入可以提高专利分类准确率。同时,本文所提方法也给专利技术领域自动识别问题提供新解答思路,为缩短专利审查周期政策的实施提供支撑。     

全球变局下的管理科学与工程研究

世界经济和科技格局变化是当前全球变局的重要驱动力,大国之间的竞争与合作将成为新时代大国关系的常态,同时全球视野下的人类发展也将面临前所未有的挑战。新形势下,以全球供应链的风险防范、国际贸易的摩擦、国际合作内容和形式的变化、海外重大工程建设以及突发公共卫生事件频发等为典型的全球治理问题对管理科学与工程研究提出了新的要求。本文在对文献及相关项目的研究现状进行总结的基础上,详细分析了我国在此方向的发展基础及优势,最后基于相关领域专家的问卷调查结果,阐述了该领域的主要研究方向。     

引入人脸抓拍系统还是升级安检设备？——有限资源下的地铁暴恐防御序贯博弈模型

在有限防御资源约束下,地铁安防部门面临着引进人脸抓拍系统构建二级地铁暴恐防御体系,还是升级原安检系统构建增强型一级地铁暴恐防御系统的选择。本文基于暴恐分子决策的目标价值依赖性和安防部门的接警反应时间不对称性,构建了有限资源下地铁暴恐防御策略选择的序贯博弈模型。得出并分析了双方的四种均衡策略,最后结合北京地铁积水潭站早高峰案例,给出了考虑高峰大客流冲击效应的暴恐防御决策建议。研究发现,当增强型安检系统的准确率过高,或接警反应时间有效率较高时,引进人脸抓拍系统策略占优,且人脸抓拍系统的社会价值对安防部门决策无直接影响。当增强型安检系统的准确率适中,或接警反应时间有效率较低时,第一种情况,在安防部门侧重效率的情况下,人脸抓拍系统的社会价值与安防效率正相关,引进人脸抓拍策略在其社会价值较高时占优;第二种情况,在侧重安全情况下,升级加强原安检系统策略占优,此时,人脸抓拍系统的社会价值对安防部门决策无影响。另外,较高的安检准确率将提升安检厅的乘客淤滞水平、强化高峰大客流对安检厅的冲击效应、削弱高峰大客流对候车厅的冲击效应,并最终拉升暴恐分子直接袭击安检厅的风险。