基于趋势情感映射的物价舆情词典及舆情指数构建研究

互联网新闻中反映的市场观点和情感可为经济监测预警提供及时有效的参考.为更好地识别和量化文本中对于经济变动趋势的观点和情感,本文提出了一种基于趋势情感映射的舆情词典构建方法.该方法识别描述经济趋势的核心词汇形成趋势种子词集,并集成情感词相关性计算结果,利用重新设计的标签传播算法得到映射系数,获得情感词的观点值,形成能够量化新闻的物价舆情词典.本文还提出了一种考虑句法结构的物价舆情指数模型,通过主题匹配、程度量化、否定识别等过程实现对特定领域经济新闻中的观点和情绪的更为精确的度量.实证分析中构建了物价舆情词典并生成物价和食品及其分项物价等11个主题的舆情指数,通过分类检验及与CPI的对比分析,发现基于本文方法所建立的舆情指数在长期趋势上领先于CPI约1.25个月.本文所提出的舆情词典构建方法和舆情指数模型具有可扩展性,有望应用于其他宏观经济或行业市场景气分析研究,是现有基于经济文本的预测预警建模方法的重要改进.     

企业财务弹性指数的构建及实证分析

借鉴已有的研究成果,综合考虑现金指标、杠杆指标和外部融资成本指标三个方面,构建了财务弹性指数,阐明了财务弹性指数的具体计算方法。利用财务弹性指数对上市公司进行考察发现,我国上市公司的财务弹性指数整体偏低,且ST公司的财务弹性指数低于上市公司平均水平。对财务弹性指数的指标设计与结构合理性的检验表明,该指数的信度和效度令人满意。     

基于互联网搜索数据的中国流感监测

流感是第一个实现全球监控的传染性疾病,但传统监控体系发布的数据严重滞后于流感疫情的发展情况,本文探讨了网络搜索数据在流感快速预警方面的作用.研究发现,网络搜索数据中包含了与流感趋势的历史信息相“正交”的有效信息,这部分信息反映了流感疫情的当期变异,因而搜索数据可以弥补历史信息难以解释数据新变异的缺点.但是,网络搜索信息并不能完全替代历史信息,两种信息具有一定程度的互补性,历史信息能够较好地预测流感趋势,而搜索信息保障了对新变化的即时预测(now-casting)的准确性.因而,联合使用以上两种信息将会达到较理想的监测效果.     

时间因子对构造指数代理证券组合影响的实证分析

使用传统的聚类分析对股票市场进行分析时，往往忽视了时间因素。由于股票价格是与时间高度相关的数据，本文在聚类过程中引入指数形式和线性形式的时间因子，然后再应用CAPM模型对所选择的聚类股票进确定投资组合，发现引入合适的时间因子后聚类生成的投资组合能在短期内更好地跟踪深圳综合指数的波动，取得了满意的效果。     

重标极差方法下时变Hurst指数的构建和实证研究

在时间序列的重标极差分析方法的基础上,定义了一个时变Hurst指数的概念,推导并证明了时变Hurst指数的2条性质,并引入滑动分块自助法计算Hurst指数的标准差.以此为基础,用Hurst指数的下限及随机过程服从随机游走时的Hurst的上限作为分析工具,对Hurst指数能否成功预测市场的反转进行了研究.实证研究表明:时变Hurst指数能成功地预测市场的反转.     

基于TSI指数的中国运输服务指数构建

交通运输行业作为基础性、先导性、服务性行业,与宏观经济发展有着密切的联系.在新的大部制背景下,亟需一个能够全面、及时、准确地反映交通运输经济与宏观经济之间相互关系的综合性指标.研究基于TSI指数构建了中国运输服务指数(CTSI),并结合相关性分析、周期性分析、重大事件影响分析对其进行合理性检验.相关性分析结果显示,指数与工业增加值之间存在较高的正相关性;经HP滤波处理的周期性序列对比显示,指数与工业增加值之间的周期性交化趋势基本一致,而指数出现波峰波谷的时刻领先于工业增加值约2个月;重大事件影响分析表明,指数能较好地拟合非典、国际金融危机等重大事件对宏观经济的影响.     

Malmquist指数研究新视角及轿车企业实证分析

Malmquist指数可以测度不同时期厂商的生产效率变化,它能够分解为技术效率和技术进步:分别代表厂商的资源配置能力和生产前沿面移动情况.研究了企业技术进步的根源,探求改进策略以促进生产前沿面移动的新视角,通过这种方式判断厂商采取的策略是否可行和有效.以沪深股市具备整车生产能力的轿车企业为例进行实证分析.     

存款准备金率变动对股市影响的实证研究

运用VAR模型的G ranger因果检验和脉冲响应函数分析研究了中央银行存款准备金率变动对沪深300指数的影响,并通过方差分解分析前者对后者的贡献度。得出的结论是存款准备金率变动对股市波动在短期内存在一定负方向的影响,股市波动对存款准备金率则无影响。但在长期内,存款准备金率变动对股市影响很小。最后在此基础上提出相关的货币政策的建议。     

利用互联网搜索关注度预测期权隐含波动率变动:基于人工神经网络的分析

本文运用人工神经网络方法,研究互联网搜索对期权隐含波动率的影响.基于标普500指数看涨期权,本文首先建立了一个揭示期权隐含波动率变化与指数收益率、期权Delta和期权剩余有效期之间关系的人工神经网络模型,结果显示此模型的估计精度比Hull和White (2017)提出的解析模型提升了约15%,比Cao、Chen和Hull (2020)提出的神经网络模型提升了约40%.接着,本文引入25个互联网搜索关注度指标,将它们集成一个谷歌趋势指数并作为度量互联网搜索关注度的综合指标.最后,将该谷歌趋势指数的变化率加入到前述人工神经网络模型,从互联网搜索关注度的角度探究期权隐含波动率的动态特征,新的模型进一步提升了约30%的估计精度.     

互联网环境下的理财产品信用价差影响因素研究

互联网理财产品信用价差受到了广泛关注,本文从探究系统性、非系统性和互联网等风险因子所隐含的信息出发,分析各风险因子对互联网理财产品信用价差大小的贡献程度,找出影响信用价差大小的关键因素.其中,互联网金融理财产品的信用价差利用Nelson-Siegel-Svensson模型构建无风险收益序列并结合零波动率价差法计算得到,并根据文献建立了系统性、非系统性和互联网等风险因子体系.实证结果表明,互联网金融发展指数对互联网金融理财产品信用价差存在显著影响;利率期限结构调整的债券市场收益率、银行业景气指数、采购经理人指数、居民消费指数、非系统性债券指数波动率也对互联网金融理财产品信用价差存在显著影响.然而,反映股票市场系统性风险因子的上证综指、非系统性股票波动率、广义货币供应量对互联网金融理财产品信用价差无显著影响.     

世界经济与国际原油价格: 基于Kilian经济指数的协整分析

为了研究世界经济如何影响国际原油价格, 以协整理论为基础,通过建立误差修正模型分析了国际原油实际价格与世界经济、世界原油产量以及OECD石油库存的关系.特别地, 利用Kilian经济指数来反映全球经济状况. 研究结果表明:国际原油实际价格,OECD石油库存和Kilian经济指数存在着长期协整关系.在长期,Kilian经济指数对原油实际价格有显著影响,弹性大约为2.05%.随着全球经济扩张以及OECD石油库存下滑,即相对于长期均衡的负向离差加大, 原油实际价格上升, 反之油价下降. 短期内世界经济,OECD石油库存和世界原油产量变动是原油实际价格变动的Granger原因.     

基于时差相关多变量模型的金融危机前后国际原油价格影响因素分析

为研究各因素与国际原油价格之间相互影响的程度和时差关系,提出了基于时差相关多变量模型的分析 框架.根据该框架, 在确定影响因素和模型变量后,对各因素与油价间的时差相关关系进行了分析,以 此作为确定和调整模型中变量滞后阶数的依据,结合变量系数是否显著和模型调整R²是否提高的判 断准则,对金融危机前后共七组样本构建了多元回归模型.研究结果发现:各因素与油价的相互作用并不都 是在当期完成的;金融危机爆发后,各因素与油价的关系均发生了不同程度的变化,且油价有向基本面回归的趋势.     

基于蚁群禁忌混合算法的成品油多舱配送路径优化研究

依据油品运输策略的不同,成品油二次配送可划分为两种模式:同一加油站的不同油品需求可拆分配送和不可拆分配送.在两种模式的基础上,根据带时间窗的成品油多舱配送基本模型,衍生出两类配送子模型;综合考虑蚁群算法较强的全局搜索能力和禁忌搜索算法的局部搜索能力,设计蚁群禁忌混合算法(ACO-TS),并提出相应策略用于两类子模型的求解.采用12组不同类型的算例进行数值实验,实验结果表明,混合算法能有效的求解两类配送子模型,并且针对第二类子模型设计的特有邻域能够加快算法求解速度;此外,两种配送模式中,同一加油站不同油品需求可拆分的模式在降低配送成本的同时,能够大幅提高车载率,减少车辆使用量。     

系统复杂性测度参数确定的新方法及其应用

近似熵和样本熵的参数m和r对复杂度有重要影响,目前仍缺乏选取其共同最优参数m和r的有效方法.利用两种复杂度比较时的一致性要求及其曲线存在交点的特性,基于相关系数,提出确定其共同最优参数m和r的交叉点新方法.以泾河流域1956-2010年张家山水文站径流及其控制流域的降水为研究对象.结果表明:径流和降水两种复杂度的共同最优参数为m=2和r=0.11倍的序列标准差;降水和径流复杂度均呈现显著的递增趋势;径流或降水与其复杂度之间存在显著的递减关系,降水的递减趋势对径流复杂度的增加有重要影响.近似熵在描述序列的变化趋势方面优于样本熵,而样本熵在辨识序列的峰谷值变化方面强于近似熵.本研究提出的交叉点新方法具有较好的适用性.     

基于启发式搜索和反馈修正的单路口控制方法

结合传统的方案生成式和方案选择式交通控制方法的优点,提出了一种基于启发式搜索和反馈修正的单路口控制方法. 在对交通流的实际控制中通过搜索-反馈修正的过程寻找最优方案,并利用反馈修正监控和应对交通流的时变. 最后通过两组仿真实验, 证明了该方法的控制效果优于定时和感应控制, 并且具有对初始参数和人工维护依赖小, 适应性强的优点.     

Gravity-based heuristic for set covering problems and its application in fault diagnosis

A novel algorithm named randomized binary gravitational search(RBGS) algorithm is proposed for the set covering problem(SCP).It differs from previous SCP approaches because it does not work directly on the SCP matrix.In the proposed algorithm,the solution of SCP is viewed as multi-dimension position of objects in the binary search space.All objects in the space attract each other by the gravity force,and this force causes a global movement of all objects towards the objects with heavier masses which correspond to good solutions.Computation results show that the proposed algorithm is very competitive.In addition,the proposed algorithm is extended for SCP to solve the fault diagnosis problem in graph-based systems.     

并行GSE方法及其在耦合系统优化中的应用

指出了并行全局灵敏度方程（global sensitivity equation, GSE）方法的优势,定性分析了并行GSE方法的计算性能。在ModelCenter框架下开发了通用并行GSE驱动组件(general parallel GSE driver, GPGDRV),并与优化算法相结合,基于COM技术开发了通用并行GSE优化器(general parallel GSE optimizer, GPGOPT),进而将并行GSE方法用于耦合系统优化。数值算例表明,GSE方法可以显著提高耦合系统灵敏度的求解效率。将GPGDRV和GPGOPT用于某假想的教练机方案优化设计,并与有限差分法进行计算性能定量比较,定量比较结果与定性分析相符。研究还表明,GSE方法极大地提高了耦合系统优化的效率,使优化时间缩短约76%,并行GSE方法可进一步缩短优化时间。GPGDRV和GPGOPT对于耦合系统的分析和优化具有实用性。     

供应链网络风险扩散动力学模型及其应用

在考察分析供应链网络结构域组分特征的基础上,建立了供应链网络风险扩散动力学模型,给出其定态解.该模型由一组方程构成,设置了风险产生项与风险湮没项,合理考虑了风险在供应链网络主体间的传导概率,并设置了主体感染风险阈值.该模型能够反映供应链网络中风险扩散机理,也可以揭示供应链网络结构演进下的风险扩散特征变化.将模型运用到实际的农产品供应链网络中,获得了当前农产品供应链网络及其演进结构下的风险扩散特性.     

基于门限预平均已调整多次幂变差的可积波动估计及其应用

本文在市场微观结构噪声和跳跃下新提出一类可积波动估计.这些估计联合采用了预平均已调整多次幂变差估计和门限技术,分别消除噪声和跳跃的影响.我们同时给出这一估计的渐近性质,包括一致性和中心极限定理.蒙特卡罗模拟结果表明这一估计对噪声和Lévy跳跃稳健,并且相比预平均已调整多次幂变差(PMMV)估计(Vetter, 2008)具有更好的表现.在实证应用中,基于中国股市逐笔交易的高频数据估计出2015年股灾前后上证50成分股的连续波动,跳跃波动以及噪声波动,并且研究了它们之间相互关系.实证发现:1)噪声波动对潜在收益波动具有正向预测作用,但该预测作用主要针对连续波动,对跳跃波动预测作用并不显著;2)噪声波动具有很强的相依性,连续波动对其具有显著正向预测作用,而跳跃波动对其不存在显著的预测能力.本文研究结果表明噪声包含了有助于潜在价格波动预测的信息,不完全是"噪声",其包含的信息有待深入挖掘.     

A model and an analytical method for conveyor systems in distribution centers

The design and operation of high volume conveyor systems in distribution centers are important due to its high cost, large footprint and critical role in the system. However, there is no analytical model available. In this paper, we study the characteristics of the conveyor sortation system, develop a generic model of a complex conveyor network. We then use the Delay and Stock abstraction to develop an approximate analytical method using sample path analysis and dynamic network flow model. The decision variables include length of accumulation segments and the speeds of conveyor components aforementioned decision variables. This analytical solution provides faster analysis, insights and useful subgradient with respect to the decision variables.