基于模糊灰色关联分析法的科技奖励评价

文章将定性评价信息用L-R型三角模糊数表示,为根据模糊决策矩阵作出合理的评价,提出了一种各分量均为三角模糊数的模糊矢量的比较方法--模糊灰色关联分析法.并结合一科技奖励评价实例来说明此法的具体应用过程.     

基于Buhlmann-Straub信度模型的投资组合的VaR测量

一、引言风险测量方法VaR首先是JP M or-gan公司的风险管理人员为满足当时总裁W eatherstone每天提交“4.15报告”的要求而开发的,之后VaR方法便很快在风险测量、监管等领域获得广泛应用,成为目前金融市场风险定量管理的主流方法,并已逐渐成为金融风险管理的国际统一标准。在实     

经济增长方式转变的评价指标体系研究

研究我国经济增长方式的转变 ,是为了提高我国经济发展的质量和效率。文章从分析经济增长的内涵入手 ,研究了经济增长的转变标志 ,评价经济增长方式指标体系的设置原则及指标体系的建立等     

金融发展、对外贸易与能源消费——基于ARDL模型的实证研究

利用1980-2013年的样本数据,运用自回归分布滞后模型(ARDL)对我国金融发展、对外贸易与能源消费三者间的关系进行实证研究。研究结果表明:金融发展对能源消费具有长期显著的负向效应,能源消费对金融发展的长短期影响显著为负;金融发展对对外贸易的长短期弹性系数是3.1068和0.40871,分别通过1%和10%的显著性检验,对外贸易对金融发展的显著影响只存在于短期关系中;能源消费对对外贸易具有长期显著的促进作用,节能计划的实施,会降低贸易发展水平。基于此,我国应充分发挥金融在经济系统中的作用,在促进对外贸易发展的同时减少能源消费,实现经济社会的可持续发展。     

基于MTV模型的中国房价与股价动态关系研究

股市与房市之间的互动关系一直是争论的焦点.基于MTV模型对2003-2007 年间的中国住房价格与股票价格间的互动关系进行了定量分析.结果表明:中国房地产市场与股票市场之间存在较高的正相关性,并且两者都具有很强的政策导向性,即随着利息、货币供应量等经济杠杆的作用,房价和股价都会产生相应变动.政府对房地产市场与资本市场的调控效率相对较高,这些都与中国的现实情况相吻合.     

经济增长、对外贸易、FDI对我国的环境影响研究

基于环境问题越来越受到社会各界的广泛关注,文章以废水排放量作为环境污染的评价指标,并利用1985～2008年的统计数据,运用一般线性回归模型、误差修正模型和VAR模型,对GDP、进出口、FDI与废水排放量的关系进行了研究.研究结果表明:GDP、进出口和FDI都是废水排放量的影响因素.其中,GDP和进出口促进了我国的废水排放量,即GDP和进出口恶化了我国的环境.而FDI抑制了我国的废水排放量,即FDI可以改善我国的环境.     

中国农村金融发展的收敛性研究

文章采用非线性时变因子模型对中国农村金融发展的收敛性进行了研究,研究结果表明中国农村金融发展整体上不存在收敛性,传统东中西三大经济地带中仅西部地区表现出收敛特征.而通过俱乐部收敛算法,内生识别出中国农村金融发展存在4个收敛俱乐部,并进一步对4个收敛俱乐部的分布及相对转移路径的形成机制进行了分析.     

湖南省绿色全要素生产率的地区差异及影响因素研究

基于绿色发展视角,将能耗和碳排放纳入分析框架,运用随机前沿生产函数对湖南省2010-2015年绿色全要素生产率进行测算及分解,通过对绿色全要素生产率的收敛性研究,分析湖南省绿色全要素生产率的动态演化趋势。研究结果显示,2010-2015年湖南省绿色全要素生产率呈“先减后增”时间趋势特征,年均增长率为4.45%,其增长的主要来源于技术进步,技术进步年均增长率达到2.54%;湖南省14个市（州）的绿色全要素生产率呈现出较大的地区差异,长沙以6.71%的增长率排在首位,但排在末位的湘西自治州则低至2.00%。目前湖南省各市（州）绿色全要素生产率的差距没有逐渐缩小的趋势,不存在落后地区向发达地区追赶的特征,但随着时间推移会收敛到各自的稳态水平。     

环保背景高管、权力分布与企业环境责任履行

在生态优先、绿色低碳的新发展理念下，企业作为环境治理的主体力量，如何推动其履行环境责任成为亟需解决的现实问题。本文利用手工收集的高管职能背景和高管排名数据，借助最新的权力测度方法，基于2006—2019年中国A股重污染行业上市企业数据，实证检验环保背景高管及其权力分布对企业环境责任履行的影响。研究发现：环保背景高管显著促进企业履行环境责任，环保背景高管在高管团队中的权力越大，企业环境责任履行水平越高；环保背景高管对企业环境责任履行的影响在采取不同环境战略的企业中存在显著差异，环保背景高管对企业环境责任履行的正向影响在采取防御型环境战略的企业中更为显著，且环保背景高管权力越大，该差异越明显。