基于非参数Copula-CVaR模型的碳金融市场集成风险测度

我国商业银行等金融机构在参与国际碳金融业务时面临复杂多变的市场环境,其风险评估及预警体系的构建需考虑风险因子的多源性与相依性,对碳金融市场集成风险进行科学测度具有重要意义。本文采用非参数核估计方法确定碳金融市场价格波动与汇率波动两类风险因子的边缘分布,并通过拟合优度检验选择最优Copula函数准确刻画风险因子之间非线性、动态的相依结构,实现对集成条件风险价值CVaR的有效测度。通过Kupiec回测检验及对比各类传统风险测度方法的优劣,发现非参数Copula-CVaR模型能够弥补传统风险测度方法在度量多源风险因子相依性时存在的局限性,避免参数法确定边缘分布时可能出现的模型设定风险与参数估计误差,充分考虑尾部风险,为碳金融市场集成风险测度提供新思路。     

基于近邻规则和粒子群优化的半监督自标记方法

自标记方法能用少量有标记样本和大量无标记样本来训练给定分类模型。误标记是自标记方法中的主要挑战。尽管学者们用数据剪辑技术去识别和移除在自标记方法迭代过程中被误预测的样本，但是许多数据剪辑技术严重依赖于特定假设。为了克服误标记问题和相关解决方案中的缺陷，文章提出一种基于近邻规则和粒子群优化的自标记方法 SLM-NNPSO。首先，SLM-NNPSO用有标记集去训练一个给定的分类模型。其次，SLM-NNPSO用近邻规则来发现具有高置信度的无标记样本，并用被训练的分类模型来预测他们。再次，SLM-NNPSO用粒子优化来识别和移除被误预测的样本，并把被正确预测的样本加入有标记集中。上述过程不断迭代，直到SLM-NNPSO没有发现具有高置信度的无标记样本。最后，SLM-NNPSO输出在迭代过程中被训练的分类模型。经仿真实验证明，就训练k近邻分类器的平均分类正确率而言，在来自销售市场、医学检测、图像识别等领域的12个真实数据集上，SLM-NNPSO优于5个流行的自标记方法。     

政府补贴、碳减排目标约束与工业企业低碳策略选择

工业企业是碳排放的主要贡献者，其低碳实践对于实现国家碳减排目标起着重要作用，探究不同类型政策如何影响企业低碳实践能够为制定积极有效的碳减排政策提供决策依据。以首个新旧动能转换综合试验区——山东省为例，构建偏最小二乘结构方程模型对山东省高耗能上市工业企业数据进行分析。实证结果表明:规模较大、行业碳排放强度较高、领导伦理型特质较强和具有国有产权特征的四类工业企业对各低碳策略选择的程度普遍较高，且更倾向选择能源低碳化和生产过程低碳化策略，其低碳策略的实施普遍受到政府补贴的支持作用，而与之相对特征的四类工业企业低碳策略选择程度普遍较低，且受到政府补贴作用相对较小；地方政府碳减排目标约束不是影响当前工业企业低碳策略选择的主要因素，其仅对个别低碳策略选择路径存在调节效应。     

近30年来国内民族精神研究述评——基于CNKI的知识图谱分析

民族精神之于民族生存发展的重大意义使之受到了学界的长期关注。运用CiteSpace软件对近30年来国内民族精神研究的理论成果进行量化研究和可视化分析，整体呈现民族精神研究的现实样态，动态展现民族精神研究热点的演绎历程，有利于深化拓展民族精神学理研究、弘扬和培育伟大民族精神。研究结果表明，近30年来国内民族精神研究经历了三个发展阶段，研究热点汇聚于中华民族精神研究、培育研究、爱国主义研究、全球化研究、时代精神研究五个方面。国内民族精神的研究热点发生两次转向，国家民族工作的中心任务和政策导向是国内民族精神研究热点生成演变的主导性因素。振兴民族精神研究需要梳理历史源流，深化民族精神学理研究；挖掘学术热点、加强民族精神回应重大理论与现实问题研究；拓展国际视野，应丰富民族精神传播研究；加强交流协作，应开展民族精神交叉学科研究。