Forecasting and nowcasting emerging market GDP growth rates: The role of latent global economic policy uncertainty and macroeconomic data surprise factors

In this paper, we assess the predictive content of latent economic policy uncertainty and data surprise factors for forecasting and nowcasting gross domestic product (GDP) using factor-type econometric models. Our analysis focuses on five emerging market economies: Brazil, Indonesia, Mexico, South Africa, and Turkey; and we carry out a forecasting horse race in which predictions from various different models are compared. These models may (or may not) contain latent uncertainty and surprise factors constructed using both local and global economic datasets. The set of models that we examine in our experiments includes both simple benchmark linear econometric models as well as dynamic factor models that are estimated using a variety of frequentist and Bayesian data shrinkage methods based on the least absolute shrinkage operator (LASSO). We find that the inclusion of our new uncertainty and surprise factors leads to superior predictions of GDP growth, particularly when these latent factors are constructed using Bayesian variants of the LASSO. Overall, our findings point to the importance of spillover effects from global uncertainty and data surprises, when predicting GDP growth in emerging market economies.     

Predictive ability and economic gains from volatility forecast combinations

The availability of numerous modeling approaches for volatility forecasting leads to model uncertainty for both researchers and practitioners. A large number of studies provide evidence in favor of combination methods for forecasting a variety of financial variables, but most of them are implemented on returns forecasting and evaluate their performance based solely on statistical evaluation criteria. In this paper, we combine various volatility forecasts based on different combination schemes and evaluate their performance in forecasting the volatility of the S&P 500 index. We use an exhaustive variety of combination methods to forecast volatility, ranging from simple techniques to time-varying techniques based on the past performance of the single models and regression techniques. We then evaluate the forecasting performance of single and combination volatility forecasts based on both statistical and economic loss functions. The empirical analysis in this paper yields an important conclusion. Although combination forecasts based on more complex methods perform better than the simple combinations and single models, there is no dominant combination technique that outperforms the rest in both statistical and economic terms.     

中国与“一带一路”沿线部分国家的经济关系动态分析

GTAP(Global Trade Analysis Project)模型综合考虑了资本总量、资本流动、人口因素、国民生产总值等多项指标,可以用于各相关国的经济发展和经济合作互动关系分析.选用GTAP模型,分析了中国与一带一路沿线部分国家的经济互动关系.在西亚地区选择了沙特阿拉伯、以色列、伊朗、阿曼、阿联酋、科威特、伊拉克共7国,分别在降低关税20%和降低关税50%两种假设条件下展开实证分析.实证结果显示:在关税分别降低20%和50%两种假设条件下,中国和西亚诸国的GDP都有一定程度增加,各国之间进出口规模都有一定程度的扩大,这表明"一带一路"倡议对于沿线各国的经济发展和合作互动具有明显的促进作用.     

广东一流高职院校建设研究:进展、问题与对策--基于2018年18所院校中期检查报告的分析

自"广东一流高职院校建设计划"实施以来,深圳职业技术学院等18所建设单位通过树立共同愿景、践行组合策略、实施绩效价值导向的目标管理和辐射带动发展,显著促进了内涵建设。但是,由于周期短、任务重等因素,面临着保障性政策乏力、"放管服"体制机制改革艰巨、"专业-产业"契合度有待提升、高水平师资引培问题突出、国际化发展广度与深度不足、产教融合深度不够等问题。鉴于此,在未来发展中应针对以上六个问题予以重点突破。     

新疆旅游业对经济增长影响的实证分析

近年来,旅游业已经成为很多地区拉动经济增长的重要产业之一。新疆具有浓郁的民族风情以及各种得天独厚的旅游资源,这为旅游业蓬勃发展提供了坚实基础。首先介绍了新疆旅游业的基本发展状况及趋势;其次,针对新疆2005-2017年的统计数据,运用Stata14.0软件对该数据进行多元回归,分析了旅游业对地区经济增长的贡献,并对新疆经济增长与旅游业之间的影响机制进行研究;最后根据实证分析得出的结论,提出了若干对策建议。     

基于宽度学习的浓密机底流浓度软测量

由于浓密脱水过程中浓密机的底流浓度难以在线检测，本文提出了一种基于宽度学习的软测量建模方法，用以解决底流浓度的在线检测问题.该方法精度高，泛化能力强.首先，在浓密机内部安装压力传感器，建立正常工况下的历史数据集;然后，利用宽度学习系统对软测量模型进行训练，从而实现浓密机底流浓度的在线预测;最后，通过仿真实验验证了该方法的有效性.与传统的机器学习方法相比，宽度学习方法具有更高的预测精度.     

山东省近海主要海洋捕捞经济鱼类资源变动分析

根据山东省1996—2017年渔业统计数据,对山东省11种主要经济海洋鱼类捕捞量的变动与鱼种结构进行分析,并结合捕捞方式,讨论4个优势种捕捞量变化的原因。结果表明:山东近海主要经济鱼类的捕捞总量在1996—1999年保持增长态势,之后下降明显;鱼种结构的多样性与均匀性不断增加;经多年捕捞利用,蓝点马鲛、带鱼衰退明显,个体趋于小型化;鳀鱼在2003年以后虽然出现衰退现象,但生殖力明显增大。总之,山东近海主要经济鱼类资源总量整体呈下降趋势,蓝点马鲛、带鱼、鳀鱼仍处于衰退状态,需要加强保护。     

夏热冬冷地区绿色建筑外墙节能特性的LBM模拟及效益分析

针对夏热冬冷地区绿色建筑中外墙的典型保温方式和常见保温材料,采用多松弛时间格子玻尔兹曼方法建立瞬态共轭传热数值模型,分析间歇耗能条件下墙体的瞬态热传导过程,进而得出不同类型保温外墙的节能特性。在此基础上,发展保温墙体增量综合效益的计算方法,分析绿色建筑外墙的增量成本及其增量效益,进而建立外墙增量综合效益评价模型,获取保温外墙最优设计方案。研究数据表明,采取内保温方式的外墙在该地区具有最佳的节能特性,尽管采用不同保温方式和保温材料的外墙均具有一定的节能特性,然而,在其全生命周期内,使用外保温方式以及增量成本较高的保温材料的墙体的增量综合效益出现负值,因此,不适宜在工程实践中应用。此外,研究结果显示,尽管增加保温层厚度可以在一定程度上强化外墙的保温性能,然而,增加保温层厚度会产生额外的增量成本,因此,绿色建筑项目实践中应综合考虑墙体节能特性及其增量成本进而选取适宜的保温层厚度,从而实现其全生命周期内增量综合效益的最大化。     

基于多层次综合评价的公交运行瓶颈诊断

运行瓶颈诊断对公交发车时刻表调整和车辆调度优化具有重要意义。从公交乘客和公交运营企业的不同关切点出发,结合公交GPS和IC卡等实时运营数据,提出一种公交运行瓶颈诊断方法。在公交企业运营效益、公交乘客出行效率等因素分析的基础上,分别从站点层面提出公交车头时距、车辆延误度等运行评价方法,在线路层面构建公交行程时间与运输效益评价方法,以及基于站点、线路评价结果的线网层面综合分析方法。最后,利用案例获取的公交车位置、行驶速度、公交乘客数量等实时数据,以及公交站点、线路、线网和调度方案等静态数据,对所提方法进行检验。结果表明,公交运行瓶颈诊断结果与公交实际运行状况具有较高符合度,能够实时、有效反应公交运行状态,具有较好的工程实用价值。     

一种基于 Hownet 的词向量表示方法

针对基于预训练得到的词向量在低频词语表示质量和稳定性等方面存在的缺陷, 提出一种基于Hownet的词向量表示方法(H-WRL)。首先, 基于义原独立性假设, 将 Hownet中所有N个义原指定为欧式空间的一个标准正交基, 实现Hownet义原向量初始化; 然后, 根据Hownet中词语与义原之间的定义关系, 将词语向量表示视为相关义原所张成的子空间中的投影, 并提出学习词向量表示的深度神经网络模型。实验表明, 基于Hownet的词向量表示在词相似度计算和词义消歧两项标准评测任务中均取得很好的效果。