科技金融融合发展 推进合肥高新区产业升级

<正>2014年,合肥市高新区坚持"政府引导、市场主导、分类指导"的发展理念,推动科技扶持资金由"直接投入"向"引导投入"转变,取得一批科技成果、产业成果、改革成果和人才成果目标,突出抓企业主体、创新载体和产学研一体建设,积极促进科技与金融融合,推进园区产业升级,取得了明显成效。     

竞争市场环境软件即服务提供商最优定价策略

SaaS服务提供商通常可以选择按使用付费和订阅付费两种定价方式向用户提供软件服务。按使用付费指的是用户根据实际使用量的多少来支付费用，订阅付费指的是用户定期支付固定费用而使用量不受限制。研究了SaaS服务提供商与传统软件提供商竞争性共存的市场环境下，SaaS服务提供商的最优定价策略选择问题。通过构建两阶段的双寡头竞争博弈模型，分析了用户交易成本、软件可定制性和软件贬值率等因素对软件提供商定价策略选择的影响。研究结果表明：①当SaaS软件服务的可定制性较低时，用户交易成本越低，SaaS服务提供商更愿意选择按使用付费的定价方式；当SaaS软件服务的可定制性较高时，用户交易成本越低，SaaS服务提供商反而更愿意选择固定价格的订阅定价方式。②传统软件提供商应该选择较低的产品维护升级价格，使所有传统软件用户都选择软件的维护和升级。③当市场价格竞争较强时，SaaS服务提供商应降低软件的可定制性；当价格竞争较弱时，SaaS服务提供商应提高软件的可定制性。④随着软件产品贬值率的增加，各软件提供商的收益都相应减少。研究结果在一定程度上为SaaS服务提供商选择定价策略提供理论依据和实践指导。     

天津市“双创”金融现状及对策研究

2018年,天津市"双创"金融指数综合排名居全国第11位,整体"双创"金融发展略有下降;在"双创"金融机构和"双创"金融服务方面具有优势,尤其是金融机构数量位于全国第5位;在"双创"金融绩效、"双创"金融政策和"双创"金融生态方面较其他城市缺少竞争力,尤其是"双创"金融政策位居全国第26位。文章基于中国31个主要中心城市的"双创"金融指数比较分析,提出天津市"双创"金融未来发展的对策建议。     

数字普惠金融发展对产业结构优化升级的影响研究

从理论的角度分析产业结构升级优化的重要性,再采用系统GMM和固定效应等模型实证分析了数字普惠金融在不同区域和不同维度发展与产业结构升级之间的关系.检验结果表明:数字普惠金融显著促进了我国产业结构优化升级,其中对产业结构高级化的显著性和效果高于产业合理化,其次不同维度的数字普惠金融主要是通过覆盖广度和数字化程度产生作用,最后数字普惠金融在中西部地区产生的作用相比东部地区更为显著.     

制造商融资决策:银行、商业信用或区块链供应链金融

基于收益共享契约构建银行信用融资、商业信用融资和区块链供应链金融的对比模型，探讨各模式下供应链的最优决策方案，定量分析各融资模式下供应链绩效随不同参数的变化情况.研究表明，当零售商资金成本低于制造商资金成本时，商业信用融资一定优于银行信用融资;存在两个区块链供应链金融平台费率的阈值，只有当平台费率低于低阈值点时，区块链供应链金融才是同时利于制造商和零售商的最优模式.此外，收益共享比率越高，制造商收益越高，则零售商收益越低.     

含有多种最低利益保证的变额年金定价

我国人口老龄化速度加快,具有抗通胀、养老和投资功能的变额年金产品引起了人们的关注.对同时含有多种最低利益保证的变额年金定价进行研究.首先在跳扩散模型下,提出了柳树法定价变额年金的数值方法.同时考虑了返回初值型、Roll-up型和Ratchet型的最低利益保证.本文方法可以很容易推广到其他的随机过程,并且柳树构建过程和定价过程相互独立,在不同的风险资产价格过程下定价,无需额外的工作量,具有较高的通用性.相比于现有的方法,降低了计算维度,减少了计算时间.最后通过数值试验,与蒙特卡洛法进行对比,说明了本文方法的准确性、高效性.     

次分数布朗运动下带红利的两值期权定价

本文主要研究在次分数布朗运动下两值期权定价问题.利用随机分析理论和次分数It觝公式,建立了次分数布朗运动环境下两值期权的定价模型.利用变量代换和偏微分方程的相关知识对此定价模型求解,得到了次分数布朗运动下两值期权的定价公式.     

基于门控循环单元神经网络的金融时间序列预测

针对循环神经网络(recurrent neural networks,RNN)网络结构存在的长期依赖问题,门控循环单元(gated recurrent unit,GRU)神经网络作为RNN的一种变体被提出。在继承RNN对时间序列优秀记忆能力的前提下,GRU克服了时间序列的长期依赖问题。本文针对金融时间序列数据存在的依赖问题,将GRU扩展应用到金融时间序列预测,提出了基于差分运算与GRU神经网络相结合的金融时间序列预测模型。该模型能够处理金融时间序列数据的复杂特征,如非线性、非平稳性和序列相关性。通过对标准普尔(SP)500股票指数的调整后收盘价进行预测,实验结果表明,所提出的方案能够提高GRU神经网络的泛化能力和预测精度,并且与传统预测模型相比该模型对金融时间序列的预测拥有更好的预测效果和相对较低的计算开销。     

基于累积前景理论的智能电网多零售商服务评价

基于累积前景理论,引入奖惩罚劣[-1, 1]算子和灰关联决策系数对选取多零售商评价指标进行处理,得到新的前景价值函数,计算出各零售商的综合前景值进行排序,并与期望效用值下的排序进行比较,算例表明综合前景值更能反映出用户的真实评价。用户更喜欢在一个服务合同中提供多种措施的零售商。给予用户一定的消费者激励可以提高他们对零售商服务评价的满意度,并且能够弥补技术不完善和服务态度欠缺给用户带来的损失。