高校院系经营质量的均衡测度模型

高校质量经营的关键在于追求教育资源技术效率的改善.依据技术效率测度指标的投入产出的特性,为兼顾自评和互评因素,文章首次引入改善的均衡评价模型来构建高校整体经营质量的评估模型.为了避免模型DEAMax-min对决策单元尤其是有效单元带来的危害以及均衡自评和互评结果,建议用超效率模型DEASUP代替经典评价模型DEACCR来强化自评因素,然后再通过二者的讨价还价均衡模型,得到公共权重,最终建立高校内部院系运作效率的科学、公平、客观的综合评价模型.     

基于小波支持向量机的经济预测模型

最近,由Vapnik等提出的统计学习理论及从中发展出的支持向量机(Sup-port Vector Machines,SVM)方法,在回归算法的研究中表现出极好的性能,被认为是神经网络的替代方法,目前在时间序列预测领域也开始得到应用.SVM无论在理论还是在实践中,在非线性时间序列预测领域都具有优秀的表现和应用前景.本文将小波理论与SVM方法结合起来,互补二者优势,提出了一种称为小波支持向量机(Wavelet Support VectorMachines,WSVM)的新的机器学习方法.该方法引入小波基函数来构造SVM的核函数,得到了一种新的SVM模型,它除了具有SVM的一切优点外,还能消除数据的高频干扰,具备良好的抗噪能力.本文将这一新方法应用于经济预测中,得到了较高的预测精度,表明WSVM方法是一种很有潜力的机器学习方法.     

马尔科夫方法修正的SVM模型在科技人才资源预测中的应用

文章根据统计资料数据,应用马尔科方法修正的SVM模型对中国科技人才资源进行预测和研究,对比传统预测模型中的离散灰色GM(1,1)模型,发现马尔科方法修正的SVM模型具有更高的拟合精度,为科技人才资源预测提供了一种新方法.     

结合PMI的中国GDP预测模型

文章首先对中国季度GDP序列分别建立GMDH模型、ARIMA模型来对GDP季度值进行预测,然后引入PMI指标,建立ARCH模型来进行预测。对比分析各模型预测结果表明:在预测季度GDP方面,引入PMI指标的ARCH模型的预测结果优于GMDH模型和ARIMA模型,更具实际意义。     

两种模型对中国生猪价格预测效果的比较

生猪价格波动是众多因素共同作用的结果,为提高生猪价格预测结果的精度和可靠性,文章应用支持向量机(SVM)方法,综合在中国猪肉市场上与生猪价格相关的主要指标,建立生猪价格和其影响因素的支持向量机模型,对未来生猪价格进行预测分析,同时,将其预测结果与BP人工神经网络模型的预测结果进行对比,并对这两种模型的预测效果进行评价,结果表明,基于SVM模型预测生猪价格的精度优于人工神经网络,拓展了其在这一领域中的研究与应用。     

双正交混合核函数在财务危机预警中的应用

文章结合双正交混合核函数,获得基于点对点形式映射样本高纬度空间差,并按照平面对应的支持向量机混合双交核函数向量最优解,利用样本向量集在SVM模型上的混合核函数的双正交解向量进行线性规划,从而获得基于SVM的双正交混合核函数对上市企业财务危机预测集.结果证实,修正SVM的双正交构建的混合核函数能较好地反映上市企业财务危机预警指标的现实适用性.     

基于LASSO方法的企业财务困境预测

文章综合考虑企业的财务和非财务因素,利用LASSO方法对企业财务困境预测指标进行筛选,然后使用决策树、随机森林、SVM、最近邻法这四种数据挖掘方法,以及常见的logistic模型,分别建立企业财务困境预测模型.结果表明:不能忽视非财务因素在企业财务困境预测中的作用;并非所有数据挖掘方法都优于常用的logistic模型;LASSO方法能在降维的同时保证企业财务困境预测的准确性,实现模型的精简.     

基于SVM/RVM的小样本装备软件成本估算

文章提出应用支持向量机(SVM)和相关向量机(RVM)预测原理预测软件成本和工作量,并建立了基于SVM/RVM的小样本数据条件下的装备软件成本估算模型.实验结果证明该估算方法可以较大幅度提高软件成本估算的精确度.     

农民专业合作社经营效率的测度

农民专业合作社的经营效率,是合作社生存与发展的前置条件.文章采用一种修正的单侧截断Bootstrap-DEA模型,以解决我国当下农民专业合作社经营效率的测度问题,测度结果印证了Bootstrap-DEA模型的有效性.研究显示:在外来环境因素、农民专业合作社规模、财务杠杆、合作社理事会结构、合作社整体人力资本水平等影响农民专业合作社经营效率的诸自变量中,合作社人力资本是影响农民专业合作社经营效率的关键指标.     

CPI预测的SVM-ARIMA模型构建与数值模拟

居民消费价格指数（CPI）是宏观经济中的前瞻性指标,为经济政策的制定提供数据支撑,发挥指导作用。文章利用CPI的月度数据构建基于小波分解的SVM-ARIMA组合模型,实现了对CPI的精准预测。首先,对2000—2019年的居民消费价格指数序列进行小波分解;然后,对分解后的居民消费价格指数序列分别利用ARIMA模型和SVM模型进行预测;最后,将预测结果进行整合形成对居民消费价格指数的组合预测模型,并选用2020年的实际CPI月度数据与模型预测数据进行有效性验证。结果表明：组合模型的平均绝对百分比误差（MAPE）与均方根误差（RMSE）分别为0.5383%和0.6604%,相较于ARIMA时间序列模型和SVM模型实现了极大的改进。此外,该组合模型的预测分析框架具有较强的适应性和扩展性,可用于其他相同特征类型的时间序列数据的模拟预测。     

房地产上市公司经营绩效评价

本文提出了用于经营绩效评价的两阶段DEA模型,这个模型将绩效分解为效率和有效性两个指标的乘积.我们随机选取了房地产板块的26家上市公司进行了相关的实证研究.结果表明,经营效率和经营有效性这两个指标之间不存在显著的相关性.最后,利用评价结果和波士顿战略矩阵的分组思想,我们可以察觉每个公司在经营方面各自存在的薄弱环节,这将有助于企业管理者进行有的放矢地实施经营管理.     

基于DEA-CCR模型的农村信用社效率评价统计分析

文章从农村信用社服务“三农”和可持续经营两方面,通过运用统计检验方法确定DEA模型中的投入和产出指标,并将选取的指标运用到农村信用社效率评价实践中,说明了这种指标选取方法的应用价值.最后得出基层信用社经营效率发展不平衡；可持续经营和服务“三农”两个目标之间不矛盾的结论.     

基于首末位质量因子的BP神经网络财务风险预警模型

上市公司往往存在粉饰财务数据来美化企业经营状况的动机,这会降低财务风险预警模型预测的准确性。文章利用Benford律和Myer指数两种数据质量评估方法,构建Benford和Myer质量因子,引入BP神经网络模型,构造BM-BP神经网络财务风险预警模型;并进一步利用2000—2019年中国A股上市公司数据,评价数据质量因子对财务风险预警模型预测准确性的影响,分析新模型预测准确性的稳定性。实证分析结果显示:Benford和Myer质量因子提高了BP神经网络财务风险预警模型预测的准确性;在不同质量因子的比较结果中,包含评选指标Benford和Myer质量因子的BP神经网络财务风险预警模型具有较高的预测准确率和较低的二类误判率,稳定性良好;利用决策树算法筛选指标有效提高了新模型的预测准确性。     

SGL-SVM方法研究及其在财务困境预测中的应用

针对分类问题,本文提出了稀疏组Lasso支持向量机方法（Sparse group lasso SVM, SGL-SVM）,即在SVM模型的损失函数中引入SGL惩罚函数,能同时进行组间变量和组内变量的筛选。由于SGL-SVM的目标函数求解比较复杂,本文又提出了一种快速的双层坐标下降算法。通过模拟实验,发现SGL-SVM方法在预测效果和变量选择上均要好于其他方法,对于变量具有自然分组结构且组内是稀疏的数据,本文方法在提高变量选择效果的同时又能提高模型的预测精度。最后,将本文提出的SGL-SVM方法应用到我国制造业上市公司财务困境预测中。     

基于Twin-SVM的多分形金融市场风险的智能预警研究

本文以沪深300指数（CSI300）长达11年时间的5分钟高频交易数据为研究样本,首先提出一种基于多分形特征的金融市场正常与关注状态的界定方法,并引入新型的支持向量机（SVM）人工智能模型,即孪生SVM（Twin-SVM）模型对多分形特征下的金融市场风险展开预警研究。实证结果表明：（1）中国新兴金融市场的价格波动具有显著的多分形特征;（2）基于多分形特征参数界定的正常与关注状态不仅准确,而且也具有明显的统计检验意义和明确的现实意义;（3）与传统SVM和BP神经网络（NN）相比,Twin-SVM在预测精度上不仅显著更高,而且在预测稳定性上也明显更优,即Twin-SVM能够有效地解决其它预警模型存在的非对称样本问题。     

几种组合预测方法对股票市场的预测效果研究

为了研究几种组合预测方法的预测效果,文章首先利用GM(1,1)、BP神经网络、支持向量机(SVM)三种单一预测方法对2008年的上证工业股指数、上证商业股指数、上证地产股指数、上证公共事业股指数作了预测,然后分别利用最优权重线性组合预测模型、基于SVM和基于BP神经网络的非线性组合预测模型对上述股指作了预测.通过对各种预测方法的预测效果进行对比分析,发现:在进行组合预测时,选择其中预测效果最好的一种方法作为二次组合预测的模型可以大大提高组合预测的效果.     

上市公司财务困境预测研究

文章以中国上市公司为研究对象,尝试引入公司治理变量,分别以财务指标和公司治理指标作为解释变量建立模型,运用Logistic回归方法进行财务困境预测,并比较其预测结果.研究发现,公司治理与财务困境显著相关,并且包含公司治理变量的模型明显比仅包含财务变量的模型优越.     

广义加法模糊DEA-BCC效率评价模型及应用

文章针对DEA模型无法解决决策单元投入产出指标中含有负值、模糊值的问题,引入模糊逻辑理论,改进经典加法DEA-BCC模型,构建广义加法模糊DEA-BCC效率评价模型.该模型按照模糊规则计算目标函数、重建数据前沿面的构造方法以扩大数据前沿面边界,这使其可以处理投入产出指标中的负值与模糊值.最后用京津冀都市圈13个城市公共文化服务效率评价的案例,验证该模型的科学性与有效性.     

基于熵权法和支持向量机的中长期电力负荷预测

文章提出了一种将熵权法与支持向量机(Support Vector Machine,SVM)相结合的中长期电力负荷预测方法.与目前采用单一SVM的负荷预测方法相比,该方法考虑了中长期电力负荷各种影响因素的信息稠密度;通过熵权法对SVM的训练样本集进行加权处理,减少了信息冗余,提高了SVM的训练速度和预测精度.     

社会资本与我国经济和谐发展

摘　　要:社会资本可以降低交易成本,提高经济活动的效率。本文将社会资本引入投资模型和市场经济发展的均衡模型,构建了社会资本-交易成本-市场经济发展的研究框架和研究模型,实证检验了社会资本对我国市场经济发展的重要作用。教育水平和法律体制的效率作为制度背景变量也被引入模型。模型预测社会资本、法律体制效率和教育水平与市场经济发展正相关