消费品生命周期隐患识别与风险评价的三维矩阵方法

面对近年我国产品质量安全事故频发、消费者人身安全与健康遭受不同程度的威胁以及出口产品不时被召回或退回的问题,给出了一种基于消费品生命周期和事故致因的隐患识别及表征方法,有助于提升人们对消费品危害规律的认知水平并为消费品风险评价奠定基础. 考虑到事故伤害受体的能力和行为会对消费品缺陷或隐患演化及事故伤害后果产生重要影响,在常规风险评价二维矩阵的基础上,加入风险受体的脆弱性要素,提出了消费品风险评价的三维矩阵方法,能够更好地表征消费者能力与行为等主观要素对消费品隐患事故及危害的影响作用. 以家用电器风险评价为例,基于欧盟非食品类消费品快速预警系统（RAPEX）对中国消费品通报信息分析和专家评价打分,形成了消费品评价三维风险矩阵,分析了家用电器的风险规律,为消费品的风险评价提供了新思路、新方法.     

基于效用的公司证券定价与资本结构选择

考虑到市场的不完备性,本文基于效用无差别定价原理,研究公司证券主观价值,分析最优资本结构,计算最优破产触发水平. 本文发现：1)对于给定的债券发行量,随着非系统风险增加,股权主观价值逐渐减小,财务杠杆逐渐增大,这一结果与完备市场相反;2) 与完备市场下资本结构相比,非完备市场下最优财务杠杆较小,债权的收益率溢价较大;3)股权的系统风险和非系统风险溢价随着公司收益流增加而减少;4) 投资者的风险态度和非系统风险对破产选择、股权和债权的主观价值有显著影响.     

基于BEMD-Copula-GARCH模型的股票投资组合VaR风险度量研究

鉴于股票波动具有显著的多尺度特征,本文引入二元经验模态分解(EMD)与二元CopulaGARCH算法,提出一种新的VaR风险度量模型,即BEMD-Copula-GARCH模型.具体地,新BEMD-Copula-GARCH模型可分为三个主要步骤:数据分析,分风险估计和总风险集成.首先,基于二元EMD模型,将复杂且相互作用的股票对分解为若干组较为简单且相互独立的分量,以降低建模难度.其次,引入二元Copula-GARCH模型,刻画各组分量间的相互关系,以度量股票投资组合在不同尺度上的分VaR值.最后,集成各分VaR值以得出最终VaR风险度量结果.实证研究以恒生指数与上证综指为数据样本构造投资组合,结果表明:本文所构建的新模型能有效度量投资组合风险,其估计精度显著优于DCC-GARCH和Copula-GARCH等现有模型.     

网上购物感知风险的实证研究

感知风险对消费者购买行为的解释作用越来越重要。探讨了感知风险与其前因变量及结果变量的关系,提出并验证了网站影响因素—感知风险—网上购买意愿的结构方程模型。实证研究结果表明:网站影响因素中,网站便捷性对服务风险有显著影响,呈负相关关系;网站真实性对功能风险有显著影响,呈负相关关系;网站安全性对隐私风险有显著影响,呈负相关关系;服务风险、功能风险和隐私风险对消费者的网上购买意愿有显著影响,呈负相关关系。     

一种基于新的条件信息量的属性约简算法

为了获得决策系统中更好的相对约简,讨论了属性约简与条件信息量的关系,提出了新的条件信息量,由此定义新的属性重要性。统一了一致决策表和不一致决策表属性约简方法,以新的属性重要性为启发信息,给出了计算新的条件信息量的高效算法。理论分析和实验结果表明,与现有的基于条件信息量的约简算法相比,该算法时间复杂度较低,同时约简后的属性数目更少。     

风险视角下的动态信任关系模型

对风险问题的准确把握,是保证信任决策科学性的关键。针对目前在动态信任关系研究中对信任与风险本质关系理解不够和研究的不足,提出了风险视角下的信任关系理论模型和决策模型,详细分析并给出了信任与风险,以及信任决策与风险决策的本质关系,认为信任是风险的另一种表达形式,信任决策就是风险决策。通过对信任、风险和可信决策三者为一体的安全决策过程的分析,增强了安全决策的科学性,使得安全决策更加理性、全面和客观。     

考虑决策者心理行为特征的激励型变权决策方法研究

系统研究了激励型变权向量,首先定义了考虑决策者心理行为的激励型变权向量,提出了与之对应的状态变权向量,分别讨论了激励型变权向量的基本类型;其次深入研究了效用函数诱导出激励型变权特性;然后,定义了激励型变权的风险规避系数,分别研究了几类激励型变权向量与风险规避系数的关系.提出一种新的基于激励型变权向量的多属性决策方法;最后,通过实例说明了该理论是有效的和合理的.     

函数S-粗集与投资风险F-规律发现

利用函数F-粗集概念给出了规律的f-遗传, f-遗传规律生成,函数单向S-粗集的F-遗传, F-遗传规律生成等概念.提出了F-遗传规律包络定理, F-传递规律分离定理.利用这些结果,给出函数单向S-粗集与投资风险F-规律的发现与应用.     

线性规划的一种表上作业法

根据目标函数的梯度向量在可行域内低维界面上的投影,给出线性规划逐维选优（强多项式）算法的表上作业法,并且用若干具体实例详细描述了表上作业法。