基于证据推理的平衡计分卡及其在绩效评估中的应用

运用传统平衡计分卡进行绩效评估时,难以处理各种不确定评价。基于此,文章提出了基于证据推理的平衡计分卡框架,构建了一个具有多种评价集的多级分布式评价模型,依据基于规则的转换技术实现不同识别框架下评价的统一,运用解析算法对多级评价指标上的不确定评价进行有效合成,根据合成结果制定效用准则或最大等级准则进行绩效评估。将基于证据推理的平衡计分卡体系应用于江航公司敏感元件事业部的绩效评估,体现研究的有效性与合理性。     

一种软件自动测试风险判别和规避模型

根据已有的投资回报(ROI)分析模型,结合COCOMO度量结果,在充分考虑回归测试时测试程序维护成本基础上,提出一种软件自动测试风险判别和规避模型。模型首先提出平均维护代价因子概念并计算其阈值,然后对每次维护代价因子进行正态分析,通过正态分布判别自动测试的风险性,最后利用敏感性分析给出风险规避的策略。模型为整个自动测试过程提供动态指导和正确的决策,避免风险发生。     

一种基于小生境熵的自适应混合遗传算法

将熵的概念引入共享机制小生境技术,提出了一种基于小生境熵的自适应混合遗传算法.通过自适应调整小生境半径,改进了共享机制在算法中的作用,提出了用以度量种群多样性的小生境熵的概念.算法通过种群所处的进化世代数及该世代种群的小生境熵,实现了进化参数(交叉、变异概率)的自适应调整.证明了该算法具有强全局收敛性.实验表明,该算法对于解决多模态函数优化问题,具有很好的全局搜索能力和较快的收敛速度.     

分布式领导、组织支持感与新生代员工主动性-被动性创新行为:基于上下级关系和价值观匹配的交互调节效应

新生代员工正逐渐成为企业的主力军,其创新意识和行为直接影响着企业发展的前景与未来。本文基于中国文化和组织情境,从员工个体创新动机视角将新生代员工创新行为归为主动和被动,以306名新生代员工为研究对象,验证了分布式领导对新生代员工不同性质创新行为的作用机制。研究结果表明:分布式领导与新生代员工主动性创新行为呈正相关关系,与其被动性创新行为呈负相关关系;组织支持感在分布式领导与新生代员工主动性-被动性创新行为之间具有中介作用;上下级关系和价值观匹配正向调节分布式领导与新生代员工组织支持感之间的关系,并进一步检验了有调节的中介效应。此外,上下级关系和价值观匹配的交互项调节了分布式领导与新生代员工组织支持感之间的关系。本文研究为企业如何指导新生代员工进行有效的创新实践提供了经验证据。     

废弃电子产品回收再利用模式研究

废弃电子产品回收再利用模式不舍理,必然会影响企业回收再利用的积极性,由此不仅带来了环境污染,而且也会造成可回收资源的浪费。在对当前废弃电子产品运作模式分析与总结基础上,运用供需网（SDN）理论,提出废弃电子产品回收再利用SDN运作模式。其优越性主要体现在：多功能性克服自营模式弊端;网络性和完全开放性克服联盟模式弊端;动态稳定性克服外包模式弊端。SDN模式汲取了传统模式的优点,并有效规避局部合作及静态合作等缺点,扩大了合作范围,提升回收再利用效率以及社会效益,同时也有利于企业的自身发展。     

中小企业信息化战略探讨

中小企业信息化战略是中小企业信息化过程中极为重要的工作。但现有信息化战略制定的一般方法基本以大企业信息化实践为基础。通过分析中小企业优势和劣势,指出中小企业信息化的总体要求,并应用战略管理中计划学派理论给出了中小企业信息化战略管理的一般模型。     

信息管理类专业教学内容与课程体系改革研究

信息管理类专业是信息科学与管理科学相融合所形成的一类新专业,在教学内容、课程体系与人才培养方面还存在诸多不完善.文章根据多年办学经验及对该类专业的深入思考,从课程体系的建立、教学内容的重新组织与融合、思想素质教育与专业知识培养一体化等方面提出了具体的改革措施,并在此基础上创造性地将管理、信息及相关交叉学科领域的教学内容进行重组,奠定了信息管理类专业基础理论体系.     

企业技术创新的有效融资问题研究

在技术创新系统和融资系统叠加中,如何做到优化组合进行有效的融资,许多专家学者进行了探索,本文在分析技术创新子系统要素、融资子系统要素和信息要素特征的同时,描绘出技术创新的融资系统识别模型.在此基础上运用信息科学的交叉信息、结构信息理论对技术创新的融资系统整体效应进行分析论证,来研究企业技术创新的有效融资问题.     

上证综指的股指波动:基于模糊FEGARCH模型及不同分布假设的预测研究

本文主要对2006年至2011年上证综指收益率序列的高频波动性进行预测研究。首先,针对金融数据的非线性和不确定等特性,借助模糊逻辑系统,提出一种新的金融市场波动率的预测方法-模糊FEGARCH模型,用来更好的针对具有非线性特性的收益率数据进行预测。其次,为了判断分布型模型和不对称型模型对预测精度的影响程度,分别采用分布型(GARCH-N,GARCH-t,GARCH-HT和GARCH-SGT)和不对称型(GJR-GARCH、EGARCH和模糊FEGARCH)的波动模型进行高级能力预测法(SPA)检测。实证结果表明,不对称模型对波动率预测的影响程度比分布假设的确定更为重要,而且模糊FEGARCH模型对于具有尖峰厚尾、高偏度和杠杆效应的非线性波动数据的预测能力更佳,说明了该模型的有效性与实用性。     

基于误差校正的灰色神经网络股票收益率预测

在股票市场中,准确的股票收益率预测是市场交易各方共同关心的重要问题。由于影响股票市场的因素十分复杂,仅靠建立单一的股票收益率预测模型来提高预测精度是非常困难的。本文对当前股票收益率预测方法存在的不足进行了阐述,并提出了以误差校正来提高股票收益率预测精度的新思路。首先,利用训练样本构建灰色神经网络模型,然后对股票收益率进行初步预测;其次,引入EGRACH模型来挖掘和分析预测误差序列的内部信息,并对该序列后续点进行预测;最后,利用误差预测结果对股票收益率的初始预测值进行校正。文章以上证综合指数数据为例进行分析,结果显示,与校正前的预测精度相比,校正后的预测精度提高了9.3%,表明EGRACH的误差校正过程是有效的,也验证了该方法的可行性。