供应链管理理论与方法

进入九十年代以来,供应链管理成为增强企业竞争力最重要方法之一。本文介绍了供应链管理的基本思想,说明了供应链管理产生的理论与现实背景,介绍了实施供应链管理的基本过程,分析了为辅助供应链管理的模型,并说明了供应链管理对我国企业管理的借鉴作用。     

基于并行工程的企业资源计划过程建模

在论述了企业资源计划以及基于并行工程的企业资源计划 (CE- ERP)的基础上 ,描述了 CE- ERP过程模型结构 ,重点分析了其任务对象企业供应链 ,采用全局协调与局部仿真相结合的方法建立企业供应链的模型 ,最后说明了模型的应用和优越性     

基于Agent的组织建模研究

针对复杂组织的创新设计问题,通过对结构化和面向对象组织建模方法的缺点分析,将Agent技术引入组织的分析与建模中,提出了基于Agent的组织建模与分析方法ABOAMM。ABOAMM方法不仅借助Agent的特性具备了对大粒度组织单元和多元组织结构的描述能力,而且通过其工作流程的规划使其克服了其他Agent分析方法组织建模能力的不足,应用ABOAMM方法对某石化企业e-维护组织进行了设计,验证了方法的优越性。     

用于复杂系统建模与仿真的面向智能体技术

在构造兼具数据处理和知识处理能力的新型面向对象型形式化体系上, 根据复杂系统仿真的需要, 使系统组分“对象”具有自主决策、控制和通信功能, 建成多Agent 系统. 给出多Agent 系统实现群组协作进行战略决策的示例.     

基于多目标协商的制造企业供应链管理研究

将多智能体技术应用于制造企业的供应链管理是一种新思想,考虑到在基于Multi-Agent的制造企业供应链系统中,采购Agent与供应商Agent需要就价格、质量、交货期、供货配额等进行协商,本文提出了基于多目标的Multi-Agent之间协商模型,并讨论了协商模型的实现策略,为制造企业供应链的优化管理,实现战略伙伴利益共享和寻求"共赢"提供了参考方案.     

基于结构差异的智能建模方法研究

通过分析基于规则和基于事例推理两种建模方法的特点,提出了综合这两种方法优势的基于结构差异的建模方法,该方法使用树状结构实现问题的知识表示,使用基于事例推理的方法生成数学模型的主体部分,使用基于规则的方法生成模型的差异修改规则,用以指导模型主体部分的修改.基于这一方法实现了一个物流配送车辆调度的应用系统,验证了该方法对于数学模型的智能构建工作是有效的.     

知识供应链的智能集成技术与方法研究

从数据、信息与知识三个层次上研究了供应链的集成技术、理论与方法.首先探讨了供应链集成的层次与过程,然后研究了面向动态集成的组件化松散耦合技术,并重点分析了基于多Agent的供应链智能集成框架与智能化决策方法,最后从知识管理的角度指出了供应链智能集成的研究方向.     

试论财务建模的理论、方法和工具

本文讨论了财务建模的内涵,分析了财务建模的理论基础,探讨了财务建模的方法以及财务建模的工具。本文认为：财务建模的理论基础包括数学、统计学、经济学、财务管理学、金融学、会计学、计算机程序设计等。财务建模的方法有数学中的逻辑演绎法,统计学中的统计分析法,计算机模拟法等。过去财务建模大多通过微软办公软件Excel来完成,对于统计建模,大家采用较多的有SAS、SPSS等,但本文认为：财务建模的较理想的软件平台是MATLAB,因此建议在财务建模的理论研究和实践中使用MATLAB作为工具。     

智能体建模和资本市场复杂性

以复杂适应系统的思想和智能体建模的方法研究资本市场复杂性是新兴的有价值的研究领域,阐述了资本市场作为复杂适应系统的动力机制,介绍了这一领域一个重要模型———少数派博弈(minority game,MG)模型.仿真发现,处于拥挤阶段的MG具有和实际市场相近的收益率分布.进一步扩展标准MG,提出了快速适应的少数派博弈模型,仿真结果显示,新的模型有着和真实市场相同的特征:收益率分布的尖峰和肥尾现象,揭示了资本市场复杂性的内部动力学机理.     

决策智能理论与方法研究

随着大数据应用的普及,特别是人工智能技术的突破,促使决策范式从信息化向智能化升级转型.以大数据解析和混合智能为核心技术支撑的决策智能,正处于萌芽阶段,已逐渐受到学术界、政府部门和产业界的重视,相关研究对实施科技强国战略具有重要意义.结合国家自然科学基金委管理科学部"十四五"规划相关领域的前期专家讨论意见,本文凝练出该领...     

变结构线性回归模型显著性检验的贝叶斯方法

以贝叶斯准则为基础, 提出了检验变结构线性回归模型显著性的一种方法. 在干扰项方差相等和不相等两种情形下, 推导出其应用的一般公式. 文中以实例说明了此方法的有效性.     

金融ARCH模型的贝叶斯检验和模型选择

在金融时间序列分析中,检验ARCH效果和决定合适的阶是ARCH模型的重要研究主题,在贝叶斯框架下,本文使用贝叶斯因子来检验ARCH效果和选择ARCH模型合适的阶。在路径抽样的基础上,提出了计算ARCH模型贝叶斯因子的方法。最后,我们用一个具体的实例来论证了所提方法的有效性。     

Testing for Causal Effects in a Generalized Regression Model With Endogenous Regressors

A unifying framework to test for causal effects in nonlinear models is proposed. We consider a generalized linear‐index regression model with endogenous regressors and no parametric assumptions on the error disturbances. To test the significance of the effect of an endogenous regressor, we propose a statistic that is a kernel‐weighted version of the rank correlation statistic (tau) of Kendall (1938). The semiparametric model encompasses previous cases considered in the literature (continuous endogenous regressors (Blundell and Powell (2003)) and a single binary endogenous regressor (Vytlacil and Yildiz (2007))), but the testing approach is the first to allow for (i) multiple discrete endogenous regressors, (ii) endogenous regressors that are neither discrete nor continuous (e.g., a censored variable), and (iii) an arbitrary “mix” of endogenous regressors (e.g., one binary regressor and one continuous regressor).     

基于MCMC稳态模拟的贝叶斯经验费率厘定信用模型

B黨lmann-Straub model is one of the most famous applications of the Bayesian method for the experience rate making.However,by the traditional B黨lmann-Straub model one cannot get the unbiased posterior estimation of the parameters when there is not sufficient prior information for the structural parameters;What's more,the difficult of computing high dimension numeration limits the application of Bayesian method.This paper introduces the Markov chain Monte Carlo simulaton method based on the Gibbs sampling after analyzing the structure of the B黨lmann-Straub model and sets up the Bayesian credibility model for estimating the predictive risk premium.Also by using the results of the numeration analysis,this paper proves that from this model one can get the posterior distributions of the parameters dynamically and the posterior estimation of the censoring parameters in the situation that exists unknown parameters,as well as improve the precision of the numeration,which can be helpful to find the heterogeneity of the premium.     

Linear Regression Limit Theory for Nonstationary Panel Data

This paper develops a regression limit theory for nonstationary panel data with large numbers of cross section (n) and time series (T) observations. The limit theory allows for both sequential limits, wherein T→∞ followed by n→∞, and joint limits where T, n→∞ simultaneously; and the relationship between these multidimensional limits is explored. The panel structures considered allow for no time series cointegration, heterogeneous cointegration, homogeneous cointegration, and near-homogeneous cointegration. The paper explores the existence of long-run average relations between integrated panel vectors when there is no individual time series cointegration and when there is heterogeneous cointegration. These relations are parameterized in terms of the matrix regression coefficient of the long-run average covariance matrix. In the case of homogeneous and near homogeneous cointegrating panels, a panel fully modified regression estimator is developed and studied. The limit theory enables us to test hypotheses about the long run average parameters both within and between subgroups of the full population.     

基于贝叶斯方法的积极资产组合决策模型研究

利用贝叶斯模型平均法提高预测准确性,并在权重设计中考虑预测准确性,以改进积极资产组合决策模型.在中国市场条件下对决策模型进行检验,结果显示:基于该模型构造的积极组合在任何市场条件下都能够获得超越基准组合的收益;在决策模型中考虑超额收益预测准确性是必要的,提高超额收益预测的准确性有利于提高组合超额收益,同时降低组合积极风险;在允许卖空的市场条件下决策模型依然成立,组合超额收益水平未发生显著变化,但积极风险加大.在考虑交易成本的情况下,超额收益仍然存在.     

具有结构变化的资产定价模型的贝叶斯自回归条件异方差检验

在现代资产定价理论中,一个基本的假定是证券资产风险溢价满足方差齐性。然而,这样的假设未必是正确的,因此,需要对资产定价模型进行异方差的检验。本文在贝叶斯框架下考察了具有结构变化的资产定价模型,提出了检验该模型的回归条件异方差的贝叶斯检验方法。最后利用两个具体实例论证了所提方法的有效性。     

Bayesian Methodology for Model Uncertainty Using Model Performance Data

A simple and useful characterization of many predictive models is in terms of model structure and model parameters. Accordingly, uncertainties in model predictions arise from uncertainties in the values assumed by the model parameters (parameter uncertainty) and the uncertainties and errors associated with the structure of the model (model uncertainty). When assessing uncertainty one is interested in identifying, at some level of confidence, the range of possible and then probable values of the unknown of interest. All sources of uncertainty and variability need to be considered. Although parameter uncertainty assessment has been extensively discussed in the literature, model uncertainty is a relatively new topic of discussion by the scientific community, despite being often the major contributor to the overall uncertainty. This article describes a Bayesian methodology for the assessment of model uncertainties, where models are treated as sources of information on the unknown of interest. The general framework is then specialized for the case where models provide point estimates about a single‐valued unknown, and where information about models are available in form of homogeneous and nonhomogeneous performance data (pairs of experimental observations and model predictions). Several example applications for physical models used in fire risk analysis are also provided.     

渐消记忆型自适应线性回归模型参数估计算法及应用

本文讨论了根据经济信息的不断更新,调整原有线性回归模型的必要性,介绍了一种渐消记忆型自适应线性回归模型参数估计算法,并给出了应用实例.