扩大上海文化消费研究

扩大上海文化消费包括文化消费规模的扩大和文化消费结构的优化两方面,这对上海转变经济发展方式、扩大内需、提高人口素质、社会稳定和增强城市软实力均具有重要意义。扩大上海文化消费,关键在于树立都市文化消费品牌,发展文化消费价值链或集聚带,提升文化内涵和形象;重点是抓好"三网融合",大力推进信息服务的基础设施和大众文化基础设施建设;不断创新机制,培育原创文化,吸引文化人才,建立文化高地;推进文化产业与文化事业的协同发展。     

索赔次数的开放式混合泊松分布研究

本文建立了索赔次数的多风险类别混合泊松模型。首先，考虑索赔次数的零膨胀、厚尾性和异质性等特征，建立风险类别待定的开放式混合泊松模型，开放式结构使该模型对实际数据的多样特征和风险类别具有良好的自适应性；其次，定义混合权重参数的iSCAD惩罚函数，实现对权重参数的筛选；最后，借助EM算法求得模型参数，实现对各风险类别下索赔次数的估计。借助iSCAD惩罚函数，给出最优混合数，避免传统混合模型中主观选择的弊端，克服传统混合模型中结构复杂、参数估计没有显式表达式、估计结果不便于解释等问题。基于三组风险特征多样数据的实证分析，本文发现该模型可以显著改进现有模型的拟合效果。     

高维大数据基因网络中的社区发现——以NC方法为例

从大量基因中识别出致病基因是大数据下的一个十分重要的高维统计问题。基因间网络结构的存在使得对于致病基因的识别已从单个基因识别扩展到基因模块识别。从基因网络中挖掘出基因模块就是所谓的社区发现（或节点聚类）问题。绝大多数社区发现方法仅利用网络结构信息，而忽略节点本身的信息。Newman和Clauset于2016年提出了一个将二者有机结合的基于统计推断的社区发现方法（简称为NC方法）。本文以NC方法为案例，介绍统计方法在实际基因网络中的应用和取得的成果，并从统计学角度提出了改进措施。通过对NC方法的分析可以看出对于以基因网络为代表的非结构化数据，统计思想和原理在数据分析中仍然处于核心地位。而相应的统计方法则需要针对数据的特点及关心的问题进行相应的调整和优化。     

环境信息不对称、机构投资者实地调研与企业环境治理

基于信息不对称理论，本文以2013-2016年深交所重污染行业上市公司为研究样本，分析了机构投资者实地调研对企业环境治理的影响及其作用机制。研究发现，机构投资者实地调研对企业环境治理具有积极的推动作用；在环境信息披露较差以及本地子公司较多的企业中，机构投资者实地调研的环境治理作用更为明显。进一步考察实地调研对企业环境治理的影响路径发现，机构投资者实地调研推动了企业环境治理的资本市场监督和媒体监督。本文的研究验证了信息不对称理论在环境治理中的作用，拓宽了实地调研经济后果的研究领域，对于深入理解并推动我国企业环境治理具有重要的现实意义。     

工业取用水监测奇异数据挖掘与重构方法

提高工业取用水监测数据质量是目前国家水资源监控能力建设的重要内容，而奇异值问题已成为影响监测数据质量的关键短板。本文在解析现阶段工业取用水监测数据奇异值主要类型基础上，以国家水资源管理系统数据库中工业取用水监测数据为样本，利用小波变换模极大值模型提取工业取用水监测数据时频变化特征，并利用傅里叶函数对其残差序列进行修正，进而运用相对误差控制方法挖掘监测数据奇异值。在此基础上，采用混沌粒子群优化的最小二乘支持向量机模型重构填补奇异值数据。研究结果表明：小波变换模极大值模型能够较好地提取工业取用水监测数据序列的时频变化特征，但是同时容易导致监测数据的信息损失，利用傅里叶函数对小波变换进行残差修正则可进一步提升取用水监测数据序列的特征提取效果；以小波变换模极大值特征序列为基础，通过相对误差控制可实现对监测数据奇异值的高效挖掘；对于挖掘出的奇异值重构填补问题，可选取混沌粒子群优化的最小二乘支持向量机模型，其重构精度要优于多项式曲线拟合等传统统计学方法和普通最小二乘支持向量机模型。上述工业取用水监测数据奇异值挖掘重构策略为现阶段国家水资源监控能力建设的推进提供了重要技术方法支持。     

创新、升级与培育——2013上海文化消费报告

在全国文化消费方兴未艾的背景下,上海文化消费尤为繁盛。在载体方面,创新与多元化趋势增强。由政府主导的基础型公共文化服务体系进一步完善,消费产品更加多样化,但仍存在公共文化机构数量不足、消费理念薄弱等问题。电影节、书展、动漫节、艺术节、艺博会五大节庆类公共文化平台在消费产品多元化、亲民化、国际化方面的趋势更加明显。新媒体作为市场主导的自主型文化消费载体,发展迅猛。网购、APP、微博经济、网络文学消费稳步增长。在客体方面,假日旅游和出境游消费火爆,私人影院等体验式消费备受青睐,演艺、奢侈品消费呈爆发式增长。在主体方面,上海已形成高、中、低3类消费主体并存的文化消费格局,阶层化倾向日趋明显。     

网络社区发现算法在流动表建模中的设计与应用

代际流动表可以统计子代与其父代社会地位配对数据的交互频数，反映了社会资源占有的优劣势在父子两代人之间的比较。对财富、阶级、特权等社会基本特征演变的实证考察，均依赖于代际流动表的量化分析。对数线性模型是流动表建模分析的基本工具，通过对列联表单元格频数进行拟合，可以识别流动表行分类与列分类之间的强弱交互效应，刻画父子社会地位间的交互结构。本文利用复杂网络社区发现算法分析父子社会地位的关联结构，针对简约对数线性模型拟合精度不够的问题，提出一种新的建模思路：利用社区发现算法对简约对数线性模型的残差列联表进行关联关系挖掘，将发现的社区效应作为附加参数约束引入原对数线性模型，以改善数据的拟合情况。由于该方法只在原简约对数线性模型中增加了一个参数约束，因此仍可以保证建模结果的简洁性及理论意义，同时社区效应补充了原对数线性模型对经验数据结构的解读。论文用此方法对来源于中国综合社会调查数据的经验代际职业流动表进行建模分析，较好地解释了子代职业阶层与父代职业阶层间的关联模式。     

央行沟通对于货币政策实际干预的预测能力研究

信息沟通有助于公众理解和预测货币政策的实际干预,进而提高货币政策有效性。研究中国人民银行的信息沟通对实际政策干预的预测能力需要解决沟通文本的测度问题,同时考虑实际政策干预多工具并用的复杂性。基于此,本文通过文本分析方法提取《货币政策执行报告》的信息,进而考察央行沟通对于货币政策实际干预的预测能力。研究表明,整体而言,市场对中国人民银行“听其言”有助于“观其行”。具体来看,央行沟通对于直接可控的基准利率和存款准备金率具有持续的预测能力,但对于市场利率的预测能力较差,对于M2增长率的预测甚至存在方向不一致的情况。     

金融市场收益率方向预测模型研究———基于文本大数据方法

金融市场的发展关系着一国的经济命脉,而股票市场作为金融市场的重要组成部分,对其收益率的研究也一直都是学术界的热点。财经新闻常被认为蕴含着丰富的信息,其中所包含的情感信息作为影响投资者投资决策的重要因素之一,对股票收益率也具有一定的影响。故本文构建了适用于金融投资领域的财经新闻情感词典来对财经新闻进行文本分析,同时构造了新的预测模型:将财经新闻文本中所含的情感量化为情绪指数并与时变密度函数相结合,得到时变加权密度模型。并在此基础上以模型评分为权重组合多个预测模型构建出评分加权模型用于股票收益率预测。结果显示,加入情绪指数能有效提高模型预测能力,而评分加权模型的预测能力则在此基础上更进一步,在准确率以及评分规则上基本达到双重最优。