中国摩企 必抓知识产权

<正>摩托车产业已经成为我国汽车行业中具有一定国际竞争优势的产业。2006年我国摩托车年产量逼近2000万辆,出口到150多个国家和地区,产量和出口量均位居世界第一。摩托车已成为我国全球化特征最明显的出口机电产品之一。特别是2000年以来,中国摩托车企业占据了东南亚市场80％以上的市场份额。中国摩托车产业强劲的发展势头影响了日本企业在中国和东南亚市场的巨大利益,日本摩托车企业纷纷举起知识产权保护利剑,对中国摩托车企业进行全面封杀。     

摩托车市场竞争激烈

<正> 目前,我国摩托车行业已初步发展成为较为完整的工业体系和有较强实力的新兴产业。正确把握摩托车工业的发展阶段及其特点,对调整产品结构,提高产品质量,制定产品战略和营销战略具有十分重要的意义。 一、影响摩托车市场的主要因素 ①宏观环境将为摩托车市场的正常运行提供基本保证。1993年下半年以来的宏观调控政策保证了国民经济的持续、稳定、健康发展。同期摩托车生产年均增长达到     

摩托车企业售后服务系统的设计与实现

本文分析了摩托车企业售后服务的重要性,提出利用软件系统对其售后服务系统进行管理的思路,在对业务系统进行分析和优化的基础上,实现了对售后服务系统的管理,为摩托车企业售后服务的系统化管理提供了一点思路.     

摩托车发动机实物教具在机械专业理论教学中的应用

摩托车发动机是汽车摩托车维修专业《摩托车结构与原理》课程的一个核心部分.摩托车发动机作为一种结构较简单的内燃机蕴含着很丰富的教学内容和素材,却往往被许多教师所忽略.笔者结合教学实践和体会,就摩托车发动机在机械专业理论教学,特别是在《机械基础》、《公差配合与技术测量》、《机制工艺基础》课程中的应用展开讨论并对学生能力培养方面进行探讨.     

重庆市摩托车产业可持续发展需关注的问题

2005年上半年重庆市摩托车生产企业的总体表现不佳。如何创造有利条件,促进重庆市摩托车产业健康发展,实现“打造世界摩托车之都”的宏伟目标,值得我们密切关注和深入思考。以下几方面可能会对重庆市摩托车产业的可持续发展产生比较大的影响。     

摩托车发动机实物教具在机械专业理论教学中的应用

摩托车发动机是汽车摩托车维修专业《摩托车结构与原理》课程的一个核心部分。摩托车发动机作为一种结构较简单的内燃机蕴含着很丰富的教学内容和素材,却往往被许多教师所忽略。笔者结合教学实践和体会,就摩托车发动机在机械专业理论教学,特别是在《机械基础》、《公差配合与技术测量》、《机制工艺基础》课程中的应用展开讨论并对学生能力培养方面进行探讨。     

重庆市摩托车产业可持续发展需关注的问题

2005年上半年重庆市摩托车生产企业的总体表现不佳.如何创造有利条件,促进重庆市摩托车产业健康发展,实现"打造世界摩托车之都"的宏伟目标,值得我们密切关注和深入思考.以下几方面可能会对重庆市摩托车产业的可持续发展产生比较大的影响.     

摩托车用蓄电池退池原因分析及对策

针对摩托车蓄电池的退池率高,进行了生产因素和使用因素对蓄电池性能影响的剖析,并制订了相应的对策,主要从产品制造、销售服务、车载充电系统的角度,阐述了降低摩托车蓄电池退池率的改进措施。     

摩托车用蓄电池退池原因分析及对策

针对摩托车蓄电池的退池率高,进行了生产因素和使用因素对蓄电池性能影响的剖析,并制订了相应的对策,主要从产品制造、销售服务、车载充电系统的角度,阐述了降低摩托车蓄电池退池率的改进措施.     

自行车道上的灰太狼将变成机动车道上的懒羊羊

国家标准管理委员会去年公布的了《电动摩托车和电动轻便摩托车安全要求》等4条关于电动摩托车和电动轻便摩托车的相关国家标准，将于2010年1月1日起实施。其中一项“20／40标准”备受瞩目——“40公斤以上、     

考虑结构变化和长记忆性的国际原油价格波动率预测研究

原油市场普遍存在结构变化现象，可能会引发原油价格波动率的长记忆性，导致模型参数的有偏估计。为此，本文考虑原油价格波动率的结构变化和长记忆性特征，采用考虑结构断点的GARCH族模型和MMGARCH模型对WTI和Brent油价波动率进行预测建模。结果表明，WTI和Brent油价波动率中确实存在明显的结构变化和长记忆性特征，而能够捕捉这两种特征的GARCH族模型往往比忽略它们的模型取得更好的油价波动率预测效果，特别是，同时动态捕捉结构变化和长记忆性特征的MMGARCH模型对油价波动率的预测性能优于其他相关模型。     

投资者关注能提高市场波动率预测精度吗？——基于中国股票市场高频数据的实证研究

本文选取百度网络搜索数据，构建了新的投资者关注指标；以上证指数和深证成指高频数据为研究样本，研究了不同的投资者关注水平与市场波动率之间的领先滞后关系；之后，本文将投资者关注因子纳入到ARMA类和HAR类模型，建立了新的投资者关注波动率预测模型；通过与传统模型的样本外预测比较，重点研究了投资者关注能否提高市场波动率预测精度这一问题。本文实证结果表明，投资者关注不仅可以提高现有波动率预测模型的样本内拟合能力，而且在投资者高关注时期，投资者关注可以显著且稳健的提高波动模型的样本外预测能力。这说明，投资者关注具有对股票市场的解释能力及更强的预测能力。此外，本文的研究结论还具有一定的应用价值：对个人和机构投资者来说，可以"先人一步"的把握市场发展趋势，增加获利机会；对监管部门而言，可以强化市场监管绩效，加快形成完备有效的股票交易市场。     

小波包与混沌集成的股票市场预测新方法

基于小波包变换和混沌理论提出了一种股票市场建模及其预测的新方法,既能刻划时间序列的规律,又能捕捉混沌状态的特征.首先,应用小波包变换对上证综指和深证成指日收益率序列进行三层分解,分别得到第三层从低频到高频八个频率成分的时序,并在此基础上作进一步分析,结果表明中国股市存在混沌特性;然后,应用混沌理论分别建立从低频到高频八个时序的预测模型,分别对八个时序进行预测;最后,基于小波包理论对混沌模型预测的结果予以重构,实现对原始收益率序列的预测.与现有方法比较,结果表明该方法具有较高的精度,有极大的应用范围.     

短期电价预测的组合混沌方法

电力市场中,电价的变化呈现的是一种非线性的、动态开放的过程,传统的方法已很难提高其预测精度。为此,本文提出一种基于小波变换、计量经济学模型和径向基函数网络的组合混沌预测方法。首先利用小波变换将原电价序列分解、重构成概貌序列和细节序列;在此基础上,针对不同的子序列建立不同的模型,并进行预测;最后将所有子序列的预测结果求和,作为最终的预测值。对西班牙电力市场短期电价的预测表明,该方法具有很高的预测精度。     

时间相依利率扩散模型的非参数估计

利率的变动模式会随着时间的推移、经济环境的变化和金融制度的改变而发生变化.时变的扩散模型能更好的描述短期利率的随机行为,文章采用基于核回归的非参数方法,估计中国银行间市场7天回购利率的时间相依CKLS模型.最后比较了时间相依CKLS模型与时齐CKLS模型在波动率预报上的表现,结果表明,时间相依CKLS模型更好的反映了利率实时的变化,提高了预测利率变化的精度.     

Neural Network Earnings per Share Forecasting Models: A Comparative Analysis of Alternative Methods

In this paper, we present a comparative analysis of the forecasting accuracy of univariate and multivariate linear models that incorporate fundamental accounting variables (i.e., inventory, accounts receivable, and so on) with the forecast accuracy of neural network models. Unique to this study is the focus of our comparison on the multivariate models to examine whether the neural network models incorporating the fundamental accounting variables can generate more accurate forecasts of future earnings than the models assuming a linear combination of these same variables. We investigate four types of models: univariate‐linear, multivariate‐linear, univariate‐neural network, and multivariate‐neural network using a sample of 283 firms spanning 41 industries. This study shows that the application of the neural network approach incorporating fundamental accounting variables results in forecasts that are more accurate than linear forecasting models. The results also reveal limitations of the forecasting capacity of investors in the security market when compared to neural network models.     

基于LSTHAR模型的投资者关注对股市波动影响研究

有限关注理论认为投资者关注有限，无法掌握市场上所有信息，这会使股票出现暂时的错误定价，引起市场波动，因此投资者关注可能包含预测波动的有益信息。鉴于百度指数能较好代理中国投资者的主动性关注，本文提出将其作为逻辑平滑转移结构的转移变量，引入已实现波动的异质自回归类模型，以刻画投资者关注的变化对未来市场波动的非线性影响。基于华夏上证50ETF高频价格数据的实证表明：新模型相比于异质自回归类基础模型，有显著更优的拟合效果和显著更强的预测性能，即投资者关注的非线性引入对波动率预测有显著贡献。本文还发现，相比于引入移动端百度指数和总体百度指数，引入电脑端百度指数对模型预测性能的改进明显更大，表明电脑端百度指数代表的投资者关注对市场波动有更大的影响。研究结论对投资者风险管理和投资决策有实际指导意义。     

证券市场波动性评价方法研究

研究了将ARMA模型与ARCH族模型相结合,通过建立ARMA-EGARCH-M模型来拟合证券市场波动性,基于大样本数据通过样本期内外模型预测能力检验,得出结论认为ARMA-EGARCH-M模型对上海证券市场波动性拟合优于传统的ARCH族模型。     

Impact of information exchange on supplier forecasting performance

Forecasts of demand are crucial to drive supply chains and enterprise resource planning systems. Usually, well-known univariate methods that work automatically such as exponential smoothing are employed to accomplish such forecasts. The traditional Supply Chain relies on a decentralized system where each member feeds its own Forecasting Support System (FSS) with incoming orders from direct customers. Nevertheless, other collaboration schemes are also possible, for instance, the Information Exchange framework allows demand information to be shared between the supplier and the retailer. Current theoretical models have shown the limited circumstances where retailer information is valuable to the supplier. However, there has been very little empirical work carried out. Considering a serially linked two-level supply chain, this work assesses the role of sharing market sales information obtained by the retailer on the supplier forecasting accuracy. Weekly data from a manufacturer and a major UK grocery retailer have been analyzed to show the circumstances where information sharing leads to improved forecasting accuracy. Without resorting to unrealistic assumptions, we find significant evidence of benefits through information sharing with substantial improvements in forecast accuracy.     

TEI@I方法论及其在外汇汇率预测中的应用

基于TE I@I方法论的理论框架,构建了一个基于TE I@I方法论的外汇汇率预测模型。在此模型中,传统的经济计量模型用于处理外汇汇率的主要趋势,人工神经网络技术用于分析外汇汇率的非线性,而文本挖掘和专家系统用于处理外汇市场中的突现性和不稳定性。最后,基于集成的思想,利用支持向量回归技术对上述3个部分进行非线性集成,从而获得一个更为精确的预测结果。通过实证方法验证了基于TE I@I方法论的外汇汇率预测模型的有效性。