过度自信条件下的金融市场委托-代理合同

通过建立数学模型研究经纪人过度自信条件下的金融市场最优委托-代理合同。研究结果表明,在金融机构和经纪人都是风险中性的条件下,当经纪人的过度自信水平可观测到时,金融机构将提供一个能被过度自信经纪人接受的最优委托-代理合同,该合同随着经纪人过度自信水平的提高而变得越来越廉价,随着经纪人保留预期效用水平的提高而变得越来越昂贵。当经纪人的过度自信水平不可观测到时,如果金融机构认为经纪人过度自信的可能性很大,那么金融机构提供的最优委托-代理合同只能被过度自信经纪人接受;如果金融机构认为经纪人过度自信的可能性比较小,那么金融机构提供的最优委托-代理合同能够同时被理性和过度自信经纪人所接受。     

过度自信条件下的金融市场委托一代理合同

通过建立数学模型研究经纪人过度自信条件下的金融市场最优委托一代理合同。研究结果表明，在金融机构和经纪人都是风险中性的条件下，当经纪人的过度自信水平可观测到时，金融机构将提供一个能被过度自信经纪人接受的最优委托一代理合同，该合同随着经纪人过度自信水平的提高而变得越来越廉价，随着经纪人保留预期效用水平的提高而变得越来越昂贵。当经纪人的过度自信水平不可观测到时，如果金融机构认为经纪人过度自信的可能性很大，那么金融机构提供的最优委托-代理合同只能被过度自信经纪人接受；如果金融机构认为经纪人过度自信的可能性比较小，那么金融机构提供的最优委托-代理合同能够同时被理性和过度自信经纪人所接受。     

融入公平偏好的天使投资委托代理模型

天使投资对创业企业融资方面的重要性日益彰显,本文依据委托代理理论,建立天使投资中多委托人委托代理模型,并将公平偏好理论融入模型中,分析多委托人框架下的最优激励机制,并对天使投资中创业者搭便车的行为进行理论分析.研究表明,公平偏好因素会改变传统委托代理模型的许多结论,而创业者搭便车的行为是不可避免的,但是公平在某些条件下会减少搭便车的行为.     

委托代理框架下的积极风险预算

在论述了委托代理下的风险预算比没有考虑委托代理关系的风险预算有优越性的基础上,考察了委托代理下的积极风险预算问题,并给出委托代理下风险预算模型,再运用我国封闭式基金数据作了实证,结果发现:①不管是否考虑委托代理关系,随着积极风险总预算值的增加,得到风险配置的基金数目在增加,且给每只基金配置的风险也在增加;②随着积极风险总预算值的增加,委托代理和没有考虑委托代理下对各基金的风险预算差别有减小的趋势;③委托代理下风险预算得到的总积极收益普遍高于没有考虑委托代理关系的风险预算带来的总积极收益。     

过度自信委托代理人间的薪酬合同研究

委托-代理模型中,委托人委托代理人销售产品并付给代理人一定的报酬. 委托人和代理人对随机需求的均值或方差的估计存在误差,由此产生绝对过度自信和相对过度自信. 委托人可提供的薪酬合同有两种：线性合同和阈值合同. 在委托人和代理人持有的不同自信度组合中,分别给出了线性合同和阈值合同下的最优参数. 研究得出：对委托人而言,当且仅当其关于不确定性需求方差的信念较代理人悲观,并且对市场需求位于零点附近的可能性的估计较代理人小时,阈值合同优于线性合同;否则,在线性合同和阈值合同下,委托人的均衡期望收益相等.     

考虑信息成本的委托资产组合管理合同研究

在管理者获取信息存在成本的前提下研究了基于相对缋效的线性报酬结构对管理者资产组合选择．的影响覆其激励作用，建立基于基准组合的投资者与管理者之间的委托代理模型，分析当投资者向管理者提供基于基准组合的线性合同时管理者和投资者之间的风险收益最优分享规则。     

基于过度自信的资本市场委托代理关系

从行为金融学角度,将过度自信行为考虑进激励机制及内部监督和外部监督的设计之中,分别研究了过度自信条件下市场微观和宏观层面上委托人与经纪人之间的委托代理关系.结果表明,市场微观层面上,经纪人的过度自信行为与委托人采取的内、外监督措施均可降低代理成本,两者在解决委托人与经纪人之间的代理问题中是相互替代、而不是相互补充的;市场宏观层面上,被雇佣的过度自信经纪人的人数比例,随其整体对市场自信程度的加大而上升.这两个层面所得结论在实际应用中相辅相成,从不同角度为解决资本市场中的代理问题提供了有益思路.     

管理者具有市场能力的委托组合投资管理合同研究

假设管理者具有市场能力,研究委托组合投资管理中线性合同的激励作用.与以前研究结论不同的是,在管理者具有市场能力时,管理者的资产选择影响市场的均衡价格,线性合同能激励管理者去努力搜集信息.风险厌恶的管理者的最优努力水平是其风险分享比例的增函数,说明线性合同不但可以使风险在投资者和管理者之间进行最优分担,而且可以激励管理者的努力水平.     

研究开发活动中委托代理关系的建模与分析

在分析委托代理理论的来源、基本概念及有关结果的基础上,结合Ａｓｐｒｅｍｏｎｔ模型,探讨了研究与开发活动中,知识作为一种公共物品,如何进行有效共享达到激励代理人的目的。     

基于过度自信的多任务委托--代理模型扩展研究

在分析现有文献对多任务委托——代理模型拓展研究局限基础上，从行为经济学视角，假定代理人不再是完全理性的经济人，而是遭遇了过度自信心理偏见的“非理性人”，并通过一定方法把过度自信的心理偏见导入到多任务委托——代理模型基本分析框架中，然后沿用标准的委托——代理分析技术，对改变关键假设后的模型进行处理，从而修正了多任务委托——代理模型的分析框架和一些基本的结论。     

管理者信息披露的委托—代理模型

为了研究当管理者的能力类型和努力都是不可观察时的最优激励方案,建立了一个管理者的信息披露模型.在模型中,企业主和管理者都是风险中性的,企业主是委托人,管理者是代理人.有两个约束,一个是激励相容约束(IC),即在最优契约下,管理者可以通过披露真实的能力类型最大化其效用,另一个是个人理性约束(IR).企业主在两个约束下最大化其预期效用.根据显示原理,采用最优控制理论求解模型.在一些条件下,若能力水平越高,则最优工资越高,最优努力越多;若竞争度越高,则最优工资越低,最优努力越少.     

考虑基金经理过度自信的最优激励契约

从行为金融角度出发,对基金经理过度自信情形下的最优激励契约进行研究.研究结果表明:当基金经理的过度自信水平满足其过度自信容忍度约束时,基金投资者与基金经理获得的收入均超过基金经理完全理性时双方的收入,实现了双赢;当基金经理的过度自信水平超过其过度自信容忍度时,基金投资者与基金经理双方都会遭受损失,基金投资者将不再雇佣基金经理.基金经理的过度自信容忍度约束随着基金经理风险规避程度及外界影响波动的增大而变得宽松.     

道德风险与基于委托-代理理论的最优保险契约模型

分别针对事后信息对称和存在道德风险的情况 ,使用委托—代理理论建立了相应的保险契约分析模型 ,对两种情况下的最优保险契约的性质进行了研究 .我们证明了信息对称时 ,最优保险契约要求完全保险 ,从而可以达到帕累托最优的风险分担 ,而且此时最优保险费等于意外事件造成损失的期望值 ;存在道德风险时 ,出于激励的目的 ,最优保险契约要求只提供部分保险 ,最优保险费小于意外事件造成的期望损失 ,而且随着意外事件造成损失的增大 ,投保人所遭受的实际损失也应该增大 .在两种情况下 ,最优保险费都与投保财产成反比.     

基于双重成本控制标准作用的委托-代理模型

按照泰勒控制标准理论设立的成本控制标准具有单层次特征,不利于提高企业成本控制效度.人的理性、情感和认知的变化,使双重成本控制标准应运而生.管理者不仅要制定双重成本控制标准,而且要通过制定合理的激励契约来激励工人积极控制成本,而工人在执行双重成本控制标准过程中,为实现自身利益的最大化,将根据掌握的信息选择自身努力程度,于是产生了工人与管理者之间的动态博弈.通过建立基于双重成本控制标准作用的委托-代理模型,分析管理者差异化激励契约对工人努力程度的影响,可以发现工人努力程度与所受到的激励程度呈正相关.对于达到不同成本控制标准的工人,管理者应设定差异化激励系数,实现成本控制人本化管理.     

基于二层规划的委托代理协调问题

考虑不对称信息条件下的委托代理问题,结合不适定二层规划的理论,给出了不适定委托代理问题的定义. 针对后者的乐观模型,利用一种模糊交互式协调算法进行求解,最终获得了一个委托人与代理人均可以接受的满意契约,从而达到了双方共赢的目的. 最后通过一个算例说明了所设计算法的合理性与可操作性.     

基于CNN-BiLSTM的消费者网络评论情感分析

现如今,商品在线评论的情感分析业已成为许多商家不可忽视的重要工作,它对于商家了解用户偏好有着重要意义,同时,它还能够为相关产品下一步的改进工作提供方向指导.然而,传统的分析方法已无法解决现在情感分析中特征提取及语义理解等方面存在的问题.针对此类问题,本文提出一种基于CNN-BiLSTM的在线评论情感分析方法,不仅可以像LSTM一样建立时序关系,而且可以像CNN一样刻画局部空间特征.医疗服务、物流快递、金融服务、旅游住宿和食品餐饮数据集的实验结果表明,该方法能有效判别消费者在线评论情感倾向,在文本的情感分类中效果较传统机器学习算法更准确,F1值可以达到94.67%.同时,实验证明该方法具有较好的领域可拓展性.     

基于模型集成的突发事件舆情分析与趋势预测研究

近年来,突发事件发生后,事件演进受网络舆情的影响越来越大,分析突发事件发生后网民情绪并进行预测,可为政府部门的应急管理和策略设计提供有效支撑,赢得宝贵的时间.本文提出了一个基于模型集成的微博情感分析与预测模型,对突发事件微博舆情进行情感分类与趋势预测.为了更准确地分析微博情感与未来走势,首先,利用多模型集成策略对突发事件相关的单条微博进行情感分析;接着,将单条微博情感进行集成,形成微博情感时间序列;再次,利用多模型集成思路对微博情感的未来走势进行预测;最后,通过实例验证提出方法的有效性.实证结果表明,集成模型较传统分类在微博情感分析上具有优势,集成模型较传统回归模型在微博情感走势预测同样具有明显优势,可以取得较高的预测精度.     

基于EEMD的投资者情绪与股指波动的关系研究

基于集成经验模态分解（ensemble empirical mode decomposition, EEMD）对非线性、非平稳性金融时间序列的有效 处理, 运用EEMD方法分别将投资者情绪和股指价格序列分解成若干个独立的、不同尺度的IMF分量和一个残余项, 提取出 序列在不同时间尺度下的波动特征, 并将得到的IMF分量和残余项按照高低频重构为序列的短期波动项, 中期重大事件 影响项和长期趋势项, 进一步结合计量模型考察投资者情绪和股指价格序列在不同时间尺度下的波动关联性. 实证结 果表明, 投资者情绪与股指价格波动在不同时间尺度下呈现出不同的波动关系： 短期投资者情绪与股指价格波动存 在双向影响, 中期投资者情绪波动领先于股指价格波动, 而长期则转变为股指价格领先投资者情绪波动.     

协同过滤推荐算法研究: 考虑在线评论情感倾向

协同过滤推荐算法通常是基于兴趣相似的用户行为来实现个性化推荐, 其核心义用户之间的兴趣相似度. 本文在传统的协同过滤推荐算法基础上, 考虑在线评论对用似度识别的影响. 在混合商品推荐中, 粗粒度识别评论情感极性; 而在同类商品推荐中, 细粒别每个商品特征的情感极性. 如果用户对产品的某个特征评价次数大于平均次数, 表明用户对征较关注; 如果对产品的某个特征评价低于平均评价, 表明用户对该特征较挑剔. 进而根据用户评论来建立用户偏好模型, 用户在评论中反映出来的相似度越高, 表明用户之间的偏好越. 实验表明, 同传统的协同过滤算法相比, 基于在线评论情感分析的用户协同过滤算法在率和召回率指标上有显著提升.