基于结构平衡理论的企业正负关系网络及实例研究

基于结构平衡理论(Structural Balance Theory)与正负关系网络模型,调查和分析了A企业内部组织网络的正负关系,找到了A企业的最佳平衡结构,刻画了在最佳平衡结构时的组织正负关系网络图.管理者可以根据最佳平衡结构使企业达到内部的最佳和谐,在同一部门安排人员时尽量使正关系达到最大;根据正负关系网络的结构来平衡组织的内部冲突;根据员工间的正负关系网络来安排新项目的人员构成.     

双模网络下基于节点流行度的潜在空间模型

本文提出了双模网络下基于节点流行度的潜在空间模型,不仅能够显式地表达节点间产生连接的概率,而且可以推导出双模网络的连接的传递性、节点度的异质性等特征,这些特征可以通过数值化定量的方式描述网络生成过程中的常见规律。在此基础之上,本文进一步提出了加权概率指标,用以衡量双模网络的节点间未来产生连接的可能性。最后,本文分别在模拟数据、公开数据集和某在线点评网站的商户一消费者网络数据上验证了模型假设符合实际数据的分布,并使用加权概率指标与其他多种双模网络链路预测的方法进行比较分析。实验结果表明,本文提出的方法不仅可以量化分析网络生成过程中的特征,而且在实验数据上的链路预测能力整体优于其他双模链路预测方法。     

基于链接预测的项目网络风险研究

文章针对项目利益相关方构造的社会网络所带来的结构风险,采用链接预测算法可以识别具体某个链接所存在的风险因素并采取相应的规制措施。研究表明,采用Jaccard系数法可以对项目选取合适的合作伙伴进行识别。而采取SimRank法可以观测已经存在的合作关系是否稳定。该方法和工具的运用可以有效识别项目中现存的以及未来可能会遭遇的风险,并据此在项目的前期准备和项目的运作实施全过程分阶段采取相应的风险防范策略。     

基于复杂网络视角下省际人口迁移空间格局及趋势研究

本文提出一套省际人口迁移空间格局及演变趋势研究系统,以省级行政区和迁移人口构建复杂网络模型,应用群集发现和互信息节点重要性评估的算法对人口迁移空间格局进行分析,同时引入人口迁移选择指数改进链路预测算法来预测迁移人口的潜在趋势.在此基础上,以第六次全国人口普查数据为例进行实证分析,其结果与已有的研究及我国省际人口迁移空间格局的现实状况相符,验证了这套方法的实践性和应用价值.     

基于贝叶斯网络的上市公司财务困境预测研究

公司财务困境预测一直是国内外公司管理领域重要的研究问题。文章通过分析国内外以往公司财务困境预测研究成果与经验的基础上,选取研究样本,基于相关分析方法筛选出预测指标变量。将预测变量离散化进而学习网络参数,构建了用以预测公司财务困境状况的朴素贝叶斯网络分析模型。实证研究结果表明：作为分类和预测工具,贝叶斯网络模型在财务困境预测研究中具有良好的预测能力与应用前景。     

基于动态多元网络的中国碳价预测

碳交易是实现双碳目标的重要金融工具,准确预测碳价可以帮助政策制定者建立稳定有效的碳定价机制。本文提出基于动态多元网络的预测模型,考虑响应变量网络的动态性、内生性和多元性,具有更广的适用性。利用百度搜索指数、资讯指数、能源价格、经济政策不确定性指数、汇率、环境意识和人均GDP等不同类型的变量,对我国8个碳交易试点的碳价进行预测。实证结果显示,本文构建的DMNP模型具有较好的预测效果,明显优于对比模型,并能够达到降维的目的,为我国碳交易提供了更科学合理的碳价预测新方法及实证基础。     

基于结构突变的时间序列研究及其预测方法的新进展

对时间序列结构突变的研究是近20年来计量经济学界的热点问题之一。国内对运用经典方法检验结构突变的研究和应用众多,但对基于贝叶斯方法的结构突变研究和预测方法几乎为空白。文章着重回顾和总结了基于贝叶斯方法的结构突变模型研究的最新进展,并提出了进一步研究的思路。     

基于遗传神经网络的企业人力资源结构预测

以企业人力资源结构为研究对象,将企业人员分为管理人员、科技人员和普通员工,根据这三类人员的影响因素,利用遗传算法的全局寻优能力,构造了预测人力资源结构的遗传神经网络模型(GANN),并以ZC集团公司为实例,对其人力资源结构进行了预测。结果表明,该文建立的遗传神经网络模型对描述管理人员、科技人员分别占总职工比重与其影响因素的非线性关系方面具有较高的精度和应用价值。     

基于网络搜索量和混合频率模型的经济变量预测研究

针对大数据背景下利用互联网搜索量数据进行经济预测的问题,提出建立能够充分利用高频变量信息的混合频率模型,并尝试解决建模过程中的关键词选取、数据预处理和降维等问题。在对金融和消费领域预测的实证研究中,经过筛选的关键词搜索量变量与作为预测对象的经济变量是高度相关的,并且混频模型相对于经过频率转换的模型具有更优的估计量性质和更高的样本内外预测精度。同时,根据估计结果得到的权重函数还可以发现月内各日搜索量在预测模型中的贡献度分布具有不同模式,借助该分布模式可以对经济主体行为进行描述和测度,也为搜索量数据的频率转换提供了一些参考。     

基于正交尺度网络的宏观经济预测研究

文章基于多分辨率理论,建立了一个用于宏观经济预测的正交尺度网络模型.该模型的优点在于:一方面因为网络一部分的权值与阈值在训练之前能够根据多分辨分析理论确定,减少了训练时需要调整的参数;另一方面正交性使得网络的结构得到尽可能的优化,因此改善了网络训练时阍和收敛速度,有效提高预测精度.通过对我国1998～2005年我国国内生产总值的学习,并对2006年、2007年国内生产总值的预测,与目前的BP模型和小波神经网络模型结果进行比较,验证了模型的有效性.     

从经济普查看区域工业结构趋同的原因

 本文发现反映地方保护的GDP增长率强化了省际间产业结构的趋同,进一步验证了使用其他指标度量地方保护的已有同类研究的结论,因此有必要改变现行的用GDP增长率作为地方官员晋升依据的做法,重视国民福利的提高,并将民意对官员的评价逐步纳入地方官员晋升的考核范围。     

大数据背景下基于社交网络的聚类随机游走抽样算法研究

数字经济时代,社交网络作为数字化平台经济的重要载体,受到了国内外学者的广泛关注。大数据背景下,社交网络的商业应用价值巨大,但由于其网络规模空前庞大,传统的网络分析方法 因计算成本过高而不再适用。而通过网络抽样算法获取样本网络,再推断整体网络,可节约计算资源, 因此抽样算法的好坏将直接影响社交网络分析结论的准确性。现有社交网络抽样算法存在忽略网络内部拓扑结构、容易陷入局部网络、抽样效率过低等缺陷。为了弥补现有社交网络抽样算法的缺陷,本文结合大数据社交网络的社区特征,提出了一种聚类随机游走抽样算法。该方法首先使用社区聚类算法将原始网络节点进行社区划分,得到多个社区网络,然后分别对每个社区进行随机游走抽样获取样本网 络。数值模拟和案例应用的结果均表明,聚类随机游走抽样算法克服了传统网络抽样算法的缺点,能够在降低网络规模的同时较好地保留原始网络的结构特征。此外,该抽样算法还可以并行运算,有效提升抽样效率,对于大数据背景下大规模社交网络的抽样实践具有重大现实意义。     

中国地方政府债务的结构性风险

在或有债务不确定触发地方政府代偿的现实背景下,本文对地方政府显性债务和或有债务的结构性风险进行了模型刻画,给出了两类债务违约概率的显示解及其估计方法。基于地方政府报告的显性债务和审计署的有关公告等,本文对地方政府的显性债务和或有债务规模进行了结构性分解和估算,多视角估计了不同久期（或平均债务到期时间）下的两类债务的结构性风险状态,同时对比分析了其变动趋势。模型估计表明：地方政府债务风险的主要形态是或有债务的不确定触发,在部分时段内,地方政府的结构性代偿压力明显较大,但债券置换等旨在拉长债务久期的政策设计有助于缓释地方政府债务的信用风险边界,降低地方政府的结构性代偿压力。本文用具体数字揭示了地方政府债务的结构性风险状况及其变动趋势,以及地方政府债务久期之伸缩与其代偿压力之间的定量关系。     

基于协变量平衡加权的平均处理效应的稳健有效估计

倾向性得分是估计平均处理效应的重要工具。但在观察性研究中,通常会由于协变量在处理组与对照组分布的不平衡性而导致极端倾向性得分的出现,即存在十分接近于0或1的倾向性得分,这使得因果推断的强可忽略假设接近于违背,进而导致平均处理效应的估计出现较大的偏差与方差。Li等(2018a)提出了协变量平衡加权法,在无混杂性假设下通过实现协变量分布的加权平衡,解决了极端倾向性得分带来的影响。本文在此基础上,提出了基于协变量平衡加权法的稳健且有效的估计方法,并通过引入超级学习算法提升了模型在实证应用中的稳健性;更进一步,将前一方法推广至理论上不依赖于结果回归模型和倾向性得分模型假设的基于协变量平衡加权的稳健有效估计。蒙特卡洛模拟表明,本文提出的两种方法在结果回归模型和倾向性得分模型均存在误设时仍具有极小的偏差和方差。实证部分将两种方法应用于右心导管插入术数据,发现右心导管插入术大约会增加患者6. 3%死亡率。     

基于整合治愈率模型的信贷违约时点预测

传统信用评分方法主要利用统计分类方法,只能预测借款人是否会发生违约,但不能预测违约发生的时点。治愈率模型是二分类和生存分析的混合模型,不仅可以预测是否会发生违约,而且可以预测违约发生的时点,比传统二分类方法可以提供更多的信息。另外,随着大数据的发展,数据源越来越多,针对相同或者相似任务,可以收集到多个数据集,本文提出了融合多源数据的整合治愈率模型,可以对多个数据集同时建模和估计参数,通过复合惩罚函数进行组间和组内双层变量选择,并通过促进两个子模型回归系数符号相同,提高模型的可解释性。通过数值模拟发现,所提方法在变量选择和参数估计上均有明显优势。最后,将所提方法应用于信用贷款的违约时点预测中,模型表现良好。     

金融市场收益率方向预测模型研究———基于文本大数据方法

金融市场的发展关系着一国的经济命脉,而股票市场作为金融市场的重要组成部分,对其收益率的研究也一直都是学术界的热点。财经新闻常被认为蕴含着丰富的信息,其中所包含的情感信息作为影响投资者投资决策的重要因素之一,对股票收益率也具有一定的影响。故本文构建了适用于金融投资领域的财经新闻情感词典来对财经新闻进行文本分析,同时构造了新的预测模型:将财经新闻文本中所含的情感量化为情绪指数并与时变密度函数相结合,得到时变加权密度模型。并在此基础上以模型评分为权重组合多个预测模型构建出评分加权模型用于股票收益率预测。结果显示,加入情绪指数能有效提高模型预测能力,而评分加权模型的预测能力则在此基础上更进一步,在准确率以及评分规则上基本达到双重最优。     

基于机器学习LSTM&US模型的消费者信心指数预测研究

消费者信心指数等宏观经济指标具有时间上的滞后效应和动态变化的多维性,不易精确预测。本文基于机器学习长短时间记忆(Long Short-Term Memory,LSTM)神经网络模型,结合大数据技术挖掘消费者信心指数相关网络搜索数据(User Search,US),进而构建一种LSTM&US预测模型,并将其应用于对我国消费者信心指数的长期、中期与短期的预测研究,同时引入多个基准预测模型进行了对比分析。结果发现:引入网络搜索数据能够提高LSTM神经网络模型的预测性能与预测精度;LSTM&US预测模型具有较好的泛化能力,对不同期限的预测效果均较稳定,其预测性能与预测精度均优于其他六种基准预测模型(LSTM、SVR&US、RFR&US、BP&US、XGB&US和LGB&US);预测结果显示本文提出的LSTM&US预测模型具有一定的实用价值,该预测方法为消费者信心指数的预测与预判提供了一种新的研究思路,丰富了机器学习方法在宏观经济指标预测领域中的理论研究。     

OFDI对中国国际收支影响的机理与实际测算

国际直接投资不仅会影响东道国国际收支,也会对投资母国国际收支产生影响。本文重点分析了对外直接投资对母国国际收支的影响机制,并构建了对外直接投资对母国国际收支影响的数理分析框架,研究表明对外直接投资通过投资效应、利润汇回效应和贸易效应所包含的七个渠道影响母国国际收支;对外直接投资初期会造成母国国际收支净效应为负的情形,但伴随对外直接投资存量的累积,国际收支净效应会逐步为正。最后本文测算了中国对外直接投资对其国际收支的影响,结果表明中国对外直接投资收益率大于国内投资收益率;近年来国际收支净效应持续为负,但对改善 “双顺差”模式起到了积极作用。     

Estimation and Prediction for Exponentiated Family of Distributions Based on Records

In this article, a family of distributions, namely the exponentiated family of distributions, is defined and for the unknown parameters, different point estimates are derived based on record statistics. Prediction for future record values is presented from a Bayesian view point. Two numerical examples and a Monte Carlo simulation study are presented to illustrate the results.