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.     

巨灾风险大数据处理应急分类、分解、分拣算法与应用

本文主要研究巨灾风险大数据处理的应急分类、分解、分拣算法,给出了相应的算法原理和可操作的步骤.首先根据巨灾风险大数据灾害规模巨大的特征,提出了一种用来解决巨灾风险大数据中一级事件的应急分类与二级事件及以下更低级事件的应急分解算法,并以特大地震灾害作为实例进行了算法应用.接着定义了事故灾难度,用来对巨灾风险大数据处理过程中,对各种级别的事故灾难后果进行不同的数字标识.然后提出一种用来解决巨灾风险中大数据快速处理的应急分拣算法,并在汶川地震中大规模灾害的应急救援计划中进行应用.经过采用这样的应急分拣原理,就可以在面对巨灾风险大数据的复杂、繁多和零乱的重灾事件状态下,使整个应急救援方案优化,并能够有条不紊地进行救援.     

专利风险评价指标体系构建及关键指标国际比较

 从经济安全的角度，基于专利价值链理论，构建了一套专利风险评估指标体系，用于衡量一个国家或地区在专利活动中遭遇风险的程度。利用专利基本活动中的4个关键指标，即专利质量水平、专利转化能力、专利纠纷风险程度和专利贸易国际地位，对美国、日本、韩国、德国和中国进行比较分析，得出2006-2015年，中国的专利发展“快而不高”“大而不强”，但与其他专利强国相比，在专利价值链关键环节的竞争中，中国不占优势，甚至存在较为严重的风险，尤其专利使用费逆差越来越大，对国家经济安全存在一定程度的威胁。     

机构投资者持股持续性对我国上市公司业绩及风险的影响研究

通过构建机构持股持续性指标体系,从四个维度全面研究机构持股持续性对上市公司业绩及风险的影响.整体来看,机构持股比例和持股稳定性的提升显著提高了公司业绩并降低了风险,反之则相反;机构持股期限与公司业绩仅呈很弱的显著负相关,导致这一异象的原因是:机构持股期限仅是一种表象,其背后隐含的是机构频繁换股的"散户化"行为及其不同的利益诉求带来了摩擦,加剧了公司经营决策和管理的不确定性,使公司业绩下降.分组研究显示:机构持股对公司业绩及风险的影响存在异质性;机构投资者只有秉持长期价值投资才利于公司业绩的提升,而以短期投机为目的的机构投资者对公司发展有害无益;机构持股稳定性越高,越有利于降低公司业绩风险;在机构持股比例高且持股期限长的公司中,机构持股比例与期限的协同效应越强,对公司业绩的改善作用越大,反之越小;在机构低比例持股的公司中,机构持股稳定性的提升对降低公司业绩风险的作用大于机构高比例持股的公司中对应的作用.     

中国和美国信贷冲击跨境溢出效应的比较研究

本文构建了基于符号约束识别的GVAR模型,并用以考察中国和美国的信贷市场冲击对全球41个国家的不同溢出效应.研究结果表明,中国紧缩性信贷市场冲击对本国实体经济有显著的负效应,但仅限于短中期;而美国信贷冲击对本国乃至全球经济都具有相当大且持久的负影响.中国信贷冲击的跨国效应较小,且主要通过贸易渠道.中国信贷市场的本国冲击能解释中国产出近10%的波动,但无论是本国效应还是跨境传导,总需求冲击仍是驱动中国经济周期波动的最主要力量.     

基于后验风险确定故障样本量的Bayes方法

针对目前测试性故障样本量的确定方法过于粗糙和试验样本量过大的问题,提出了合理运用信息熵方法对装备系统各单元的测试性先验信息进行信息融合,得到装备系统级测试性试验数据。在此基础上得到测试性指标的先验分布,并进一步通过Bayes后验风险准则确定故障样本量及试验方案。以某型电动舵机系统各模块的试验数据为例,以故障检测率为测试性指标,经过分析和计算,发现运用所提方法得到的故障样本量相比传统方法明显减少,从而减少了试验成本,同时得到的测试性指标相对误差较小,保证了可信度。     

基于ESI和InCites的学科发展预测研究--以中国地质大学为例

基于汤姆路透公司的ESI和InCites数据库，分析了中国地质大学各学科的特征，探讨了高被引论文、热门论文、顶尖论文与学科发展的关系，并预测后续最有可能入围ESI世界前1％的学科。     

基于联合违约概率的资产组合投资优化方法

投资组合的资产联合违约概率(joint,probability of default,JPoD)是一种有效的系统风险测度工具.基于JPoD分析,提出了一种新的资产组合选择优化方法,即通过计算资产池中每两种资产的JPoD值得到JPoD矩阵,利用遍历算法逐次筛选,得出具有最小系统风险的多资产组合.实证分析首先利用2014 2015年的上证综指和深证成指数据验证了JPoD方法的有效性;其次,分别利用中国股票市场数据和美国股票市场数据将所提出的资产组合选择方法与马科维茨均值-方差组合理论、随机组合方法进行比较,结果表明无论是在中国股票市场还是美国股票市场,JPoD方法都明显优于其他两种方法.     

基于模糊证据推理的突发事件风险分析模型

突发事件发生、发展和演化过程中的风险属性来源复杂,且相关信息具有不确定、不完备的特点.为准确分析这一特点下的突发事件运行风险问题,引入模糊证据推理构建分析模型.首先根据突发事件的结构化描述框架和故障模式影响危害分析(FMECA)方法构建突发事件风险属性识别框架,获取信息作为风险分析证据并对其进行规范化处理;然后以模糊证据推理构建突发事件风险分析的模型,通过计算,给出事件风险程度的合理判断;最后选取CRH某型动车组行车安全事件进行实例分析.分析结果表明,在分析突发事件风险时,针对信息不确定、不完备特点构建的模糊证据推理模型具有可行性与有效性,同时该模型能够为突发事件风险分析和风险应对决策的制定提供辅助参考.     

A neural network versus Black–Scholes: a comparison of pricing and hedging performances

An Erratum has been published for this article in Journal of Forecasting 22(6‐7) 2003, 551 The Black–Scholes formula is a well‐known model for pricing and hedging derivative securities. It relies, however, on several highly questionable assumptions. This paper examines whether a neural network (MLP) can be used to find a call option pricing formula better corresponding to market prices and the properties of the underlying asset than the Black–Scholes formula. The neural network method is applied to the out‐of‐sample pricing and delta‐hedging of daily Swedish stock index call options from 1997 to 1999. The relevance of a hedge‐analysis is stressed further in this paper. As benchmarks, the Black–Scholes model with historical and implied volatility estimates are used. Comparisons reveal that the neural network models outperform the benchmarks both in pricing and hedging performances. A moving block bootstrap is used to test the statistical significance of the results. Although the neural networks are superior, the results are sometimes insignificant at the 5% level. Copyright © 2003 John Wiley & Sons, Ltd.