内外在超越之外：儒家内在超越论及其诱发结果

以内在超越确定儒家思想特质，是一个比较流行的主张。这是力求在中西文化比较视角凸显中国文化尤其是儒家文化特质的一种进路。随着中国内在超越与西方外在超越说流行开来以后，人们发现中国也有外在超越论说，西方同样有内在超越言述。于是，内外在超越便不足以用来界定两种文化的特质。即便承诺内在超越的断言，那么需要看到它的双刃剑性质：它并不单纯凸显中国文化的特质与优势，同时导致了两个严重的阻断。儒家必须致力于实现三个突破，才能连接两个长期的阻断——神对人的规范与约束、物对人的独立与价值。由此，儒家及中国文化才能从根本上改变失于现代首创的败绩，承诺高位政治规则和认知外部世界，逆袭上位，实现古今转变。     

随机需求环境下联产品系统价格与产量决策研究

基于固定比例生产技术和多产品随机需求的情形,研究了联产品制造商的两阶段产量和价格联合优化模型。通过反向倒推的优化求解,得到了联产品制造商的最优产量和价格决策以及变化规律。同时研究了需求服从均匀分布时,需求波动对均衡的影响。研究结果表明,在订货成本较低和一种产品的需求波动性较大时,当另外一种产品的波动增大,则该产品的最优订货量增大,同时价格下降。借助数值仿真,分析了价格敏感度和产出比例对最优决策和利润的影响。结果表明,在给定一种产品的价格敏感度时,另外一种的价格敏感度越大,那么该产品的价格就越低,制造商的订货量就下降。当一种产品的产出比例固定时,另一种产品的产出比例上升时,则该产品的价格下降,制造商的订货量下降,总利润上升。     

成功之路:职责与晋升的较量

企业一直在增强员工责任感与升职之间力求寻找一个平衡点,以使他们能够有良好的职业发展施展自己的才华,同时鼓励他们继续为企业效力。——玛格丽·温斯顿初入职场这个全新的领域,作为新员工会觉得工作会充满了挑战和新鲜感。但仅仅过了一两年后,作为上级的你就会发现他们对于工作已是驾轻就熟,而且有大把的空余时间。在你看来,这个时候在员工的职业生涯中,刚好是给他升职,又能增强企业责任感的大好良机。或许你会觉得,此时员工仅仅需要更多的责任感来激发内心原有的进取心,特别是认为他的智慧之门尚未打开。     

P2P网络借贷信息价值及信息传递效应检验

在通常情况下,P2P网贷平台上投资者依据借款者披露的信息进行投资决策。借款订单中的信息是否具有重要的信息价值?这种有价值的信息是否被平台的其他投资者所认同?文章利用"人人贷"交易数据,实证检验了借款订单中成功借款次数的信息价值及传递效应。研究发现,投资者选择成功借款次数多的借款订单违约率低,因此成功借款次数起到揭示借款订单违约风险的作用,具有较强的信息价值。进一步分析发现,投资者选择成功借款次数多的订单借款成功率高,这意味着其投资行为的信息价值能够有效传递,被其他投资者所识别并采取跟随策略。     

超固定生产要素视角下的地方特色产业升级研究--以广西制糖业为例

基于2009-2013年广西制糖企业层面的面板数据，建立柯布—道格拉斯生产函数的随机前沿模型对广西甘蔗制糖业的技术效率进行实证研究，并进一步分析广西甘蔗制糖业技术效率的影响因素。研究发现，广西甘蔗制糖业遭受被迫放开的市场的冲击，其技术效率呈下降趋势，生物技术和节能技术等外部技术因素对效率呈正相关，而企业管理水平等内生技术因素对效率呈负相关。因此，广西制糖企业产业升级的途径在于寻求新技术，并建立新的基础设施。     

江苏区域经济增长的俱乐部趋同研究——基于面板数据单位根检验

采用多种面板单位根检验方法,在随机框架下对江苏省经济增长的俱乐部趋同性进行了检验.结果表明,苏南和苏中存在随机性的俱乐部趋同,三个区域配对后形成的新区域内也不存在俱乐部趋同现象.     

审计定价管制与交易剩余——2010年审计定价管制失效的自然实验

在经济下行压力加大、资本市场进一步开放的新形势下,厘清审计市场交易——监管机制,完善审计服务市场尤为必要。借由2010 年审计定价管制政策失效的自然实验,本文通过嵌入双边随机边界模型,得到审计双方的定价交易剩余指标,运用双重差分模型解析价格管制与交易定价的作用机制。研究发现,定价管制失效的原因不在于规制俘获,而在于价格管制与当前的市场效率不匹配。下限管制尽管能够提高审计师剩余,但同时会放大交易定价风险,增加剩余的错配,扰乱交易秩序。上限管制则进一步固化市场的低价竞争。进一步研究发现审计师剩余与盈余质量显著相关,2014年的放开定价管制政策提高了审计师剩余。研究厘清了审计市场交易机制,有利于未来研究审计交易机制的微观影响及与盈余质量的关联,为在新时代把握审计市场交易——监管规律、培育自发良性交易的审计市场提供有益借鉴。     

大数据背景下基于社交网络的聚类随机游走抽样算法研究

数字经济时代,社交网络作为数字化平台经济的重要载体,受到了国内外学者的广泛关注。大数据背景下,社交网络的商业应用价值巨大,但由于其网络规模空前庞大,传统的网络分析方法 因计算成本过高而不再适用。而通过网络抽样算法获取样本网络,再推断整体网络,可节约计算资源, 因此抽样算法的好坏将直接影响社交网络分析结论的准确性。现有社交网络抽样算法存在忽略网络内部拓扑结构、容易陷入局部网络、抽样效率过低等缺陷。为了弥补现有社交网络抽样算法的缺陷,本文结合大数据社交网络的社区特征,提出了一种聚类随机游走抽样算法。该方法首先使用社区聚类算法将原始网络节点进行社区划分,得到多个社区网络,然后分别对每个社区进行随机游走抽样获取样本网 络。数值模拟和案例应用的结果均表明,聚类随机游走抽样算法克服了传统网络抽样算法的缺点,能够在降低网络规模的同时较好地保留原始网络的结构特征。此外,该抽样算法还可以并行运算,有效提升抽样效率,对于大数据背景下大规模社交网络的抽样实践具有重大现实意义。