江苏省中低技术企业创新驱动因素研究

中低技术企业数量众多、影响创新的因素广泛,为深入研究中低技术企业创新的规律,基于江苏省48 708家规模以上工业企业创新调查数据,从大数据分析角度将中低技术企业创新驱动问题转化为分类问题,并通过多种模型对比,选择最优的随机森林方法对创新驱动关键因素进行识别。研究表明:设备、软件等资源的获取和人员培训是中低技术企业创新的关键因素;知识技术的获取、新产品外观设计等创新准备活动对中低技术企业创新有重要影响;内部研发投入在一个较低区间内有较为显著的驱动作用;获取信息资源和运用信息技术的能力对中低技术企业创新也有一定影响。     

基于中国股票高频交易数据的随机波动建模与应用

本文对近十五年多达17万笔高频交易数据研究发现,早晨9:30股市开盘期间收益回报显著为负值,而在下午3:00收盘前的5分钟集合竞价阶段的收益回报显著为正值,称这种现象为“首尾5分钟现象”.并且日内收益数据具有较为显著的季节效应或周期效应,本文首次提出利用具有季节效应的SVJt-s模型对上证综合指数的5分钟高频交易数据进行建模,并给出模型的两步估计方法.由于高频随机波动建模时的数据量巨大、计算负荷严重,模型的估计、评价以及预测评价方法都需进行相应的改进,本文主要通过APF方法计算边际似然和BF进行模型比较,并从模型的预测能力发现本文给出的具有季节效应的SVJt-s模型,优于通常的GARCH模型和基本随机波动模型,最后给出了模型在风险管理中的应用.     

政府采购招标结构模型的非参数识别与估计

为了揭示政府采购市场的定价机制,探究招标活动的经济机理,本文首先提出了一种基于可观测成交价(即赢价)建立招标结构模型的方法,分析了博弈均衡的分布;然后讨论了该模型的非参数识别,提出了一种三阶段非参数核估计方法.最后,以中央单位集中采购打印机为例,估计了政府采购招标的成本分布和期望供给曲线.研究发现,当前的政府采购机制改革有效地降低了采购成本;对于附加成本较高的商品,投标人存在成本转移行为.     

混合再生散度模型的参数估计

随着社会信息化的发展数据的种类越来越多样化,在实际的数据分析中相对于同质总体,异质总体更具有普遍性,所以混合回归模型是最重要的统计数据分析工具之一。再生散度模型是一种比指数族分布更加广泛的分布,适用性更强。基于此,提出混合再生散度模型,对方位参数进行建模,并通过EM算法研究该模型参数的极大似然估计。同时,通过随机模拟和实例研究说明该模型和方法是有效和有用的。     

人力资本、产业结构和我国城镇劳动参与、就业形态

本文利用CHNS面板数据和随机效果probit模型,主要从人力资本和产业结构变化方面分析我国城镇劳动参与率和长期被雇佣率的决定因素。实证结果显示:首先,正规教育会提高劳动参与率;教育程度高的成年人口的劳动参与率较高;第三产业占GDP比重的上升降低劳动参与率;第二产业就业占比的上升会提高劳动参与率。其次,接受正规教育年数的上升会提高长期被雇佣率,而且提高的幅度越来越大;在其他条件都不变的情况下,教育程度越高长期被雇佣率越高;第二、三产业占GDP比重的上升会提高长期被雇佣率;第二、三产业就业占比的上升会降低长期被雇佣率。     

概率知识与实际应用举例

随机现象存在于我们日常生活的方方面面和科学技术的各个领域,概率论是指导人们从事物表象看到其本质的一门科学.日常生活我们在从事一些事项中,可以事先对所要做的事情用概率进行数量上的计算,从而作出科学的决策.本文由现实生活中的部分现象探讨了概率知识的广泛应用.     

几种岭参数选择方法的比较

比较了不同的几种岭参数选择方法的应用效果，结果表明，几种方法中没有一种方法被认为是优于其它的方法。但在均方误差准则下．几种岭参数选择方法所获得的估计都改进了设计阵呈病态时的最小二乘估计。     

样本选择参数分位回归模型及其在工资分布分解中的应用

在工资差距分解问题中,研究者经常会遇到样本选择偏差问题,直接忽略会导致最终估计结果产生严重偏差,同时在众多工资差距分解方法中,相比于均值分解,分布分解方法更受研究者青睐。针对参数分位回归,本文首次提出可加形式与非可加形式的样本选择参数分位回归（SSPQR）模型,并基于这两类样本选择参数分位回归模型给出修正样本选择偏差后的参数分位回归工资差距分布分解方法。运用上述方法及已有的工资分布分解方法,借助CHNS2015年度城镇数据,本文研究了我国城镇男女工资差距及差距分解问题,得出以下结论：①男女工资差距主要来源是性别歧视问题;②经过样本选择偏差修正后,实际的工资差距更大,歧视问题更严重;③男女工资差距程度在不同分位点上结果不同,换句话说,我们不能简单地仅从平均水平来判断工资差距程度;④与其他已有方法计算结果比较发现,SSPQR计算的工资差距程度更大。     

单指标非参数期权定价——改进的非参数定价方法

本文建立一种改进的非参数期权定价模型,称为单指标非参数期权定价模型。相比现有非参数回归期权定价模型是期权价格关于各个因素的多元回归函数,本模型通过变量变换把期权价格多个因素指标转换为一个综合变量——单指标,得到期权价格关于单指标的一元非参数回归方程。改进的模型实现了多元非参数期权定价模型的降维和简化了模型计算;还通过多个期限期权的单指标组合解决了非参数估计的样本数量问题;以及通过期限平滑解决了现有非参数定价模型中的日历效应问题。选取上证50ETF期权数据实证分析表明,无论是样本内的估计结果还是样本外的预测结果都比传统的Black-Scholes模型、半参数Black-Scholes模型和多元非参数回归期权定价模型估计效果有提高。