基于向量误差修正模型的位置广告效果研究

文章利用通信行业中大样本真实数据,建立向量误差修正模型,研究位置广告的动态效果以及其比较效果.文章研究发现位置广告的短期和长期效果均优于弹出广告,但影响持续时间短于弹出广告.     

价值网络位置、内部资源配置与企业绩效

文章以价值网络和资源基础观为理论基础,以263家制造业企业为样本,运用因子分析、回归分析以及Bootstrap方法进行实证研究。将内部资源配置于广告与研发两类活动,探讨处于不同价值网络位置的企业如何通过广告和研发资源的合理配置提升企业绩效。研究结果表明,网络中心位置和中介位置均对企业绩效具有显著促进作用,研发投入和广告投入均在此过程中发挥中介效应;广告投入和研发投入均会对市场绩效和创新绩效产生显著影响,但广告投入对于企业创新绩效的影响呈现显著负向作用;环境不确定性对网络中心位置与广告投入、研发投入之间的关系具有显著调节效应,对于网络中介位置与广告投入之间的关系也具有显著调节作用,但对于网络中介位置与研发投入之间关系的调节效应不显著。     

互联网企业广告收入预测研究——基于低频数据的神经网络和时间序列组合模型

神经网络模型对大样本时间序列的拟合效果优于传统时间序列模型,但对于年度、月度、日度等低频时间序列的预测则难以发挥其优势。鉴于此,本文应用传统时间序列模型和神经网络模型,建立Holtwinters-BP组合模型,利用Holtwinters模型分别拟合各解释变量序列,利用BP模型拟合解释变量和自变量的非线性关系,基于某社交新闻类APP的日广告收入数据进行互联网企业广告收入预测研究。通过与循环神经网络(RNN)模型、长短期记忆神经网络(LSTM)模型等预测结果的对比发现:Holtwinters-BP组合模型的预测精度和稳定性更高;证明多维变量对于广告收入的显著影响,多变量模型的预测准确性高于单变量模型;构建的Holtwinters-BP组合模型对于低频数据预测有较好的有效性和适用性。     

基于网络搜索量和混合频率模型的经济变量预测研究

针对大数据背景下利用互联网搜索量数据进行经济预测的问题,提出建立能够充分利用高频变量信息的混合频率模型,并尝试解决建模过程中的关键词选取、数据预处理和降维等问题。在对金融和消费领域预测的实证研究中,经过筛选的关键词搜索量变量与作为预测对象的经济变量是高度相关的,并且混频模型相对于经过频率转换的模型具有更优的估计量性质和更高的样本内外预测精度。同时,根据估计结果得到的权重函数还可以发现月内各日搜索量在预测模型中的贡献度分布具有不同模式,借助该分布模式可以对经济主体行为进行描述和测度,也为搜索量数据的频率转换提供了一些参考。     

基于发展态势灰色预测的广告媒休代理商选择问题研究

文章基于广告媒体代理商现有信息,对其发展态势进行灰色预测;在充分考虑广告媒体代理商过去状况和未来发展的情况下,利用OWA算子时代理商评价指标进行集结;基于广告代理商评价中决策者不确定性判断,建立了不确定性偏好的二阶段权重求解模型;最后根据指标属性综合值和指标权重,确定广告媒体代理商的综合判断,进而作出选择.     

大数据背景下CPI预测问题的文本挖掘技术设计与应用

本文创新地将半监督交互式关键词提取算法词频-逆向文件频率( Term Frequency- Inverse Document Frequency, TF-IDF )与基于 Transformer 的 双 向 编 码 表 征 ( Bidirectional Encoder Representation from Transformers,BERT)模型相结合,设计出一种扩展CPI预测种子关键词的文本挖掘技术。采用交互式TF-IDF算法,对原始CPI预测种子关键词汇广度上进行扩展,在此基础上通过BERT“两段式”检索过滤模型深入挖掘文本信息并匹配关键词,实现CPI预测关键词深度上的扩展,从而构建了CPI预测的关键词库。在此基础上,本文进一步对文本挖掘技术特征扩展前后的关键词建立预测模型进行对比分析。研究表明,相比于传统的关键词提取算法,交互式TF-IDF算法不仅无需借助语料库,而且还允许种子词的输入。同时,BERT模型通过迁移学习的方式对基础模型进行微调,学习特定领域知识,在CPI预测问题中很好地实现了语言表征、语义拓展与人机交互。相对于传统文本挖掘技术,本文设计的文本挖掘技术具有较强的泛化表征能力,在84个CPI预测关键种子词的基础上,扩充后的关键词对CPI具有更高的预测准确度和更充分的解释性。本文针对CP 预测问题设计的文本挖掘技术,也为建立其他宏观经济指标关键词词库提供新的研究思路与参考价值。     

基于递归特征消除方法的随机森林算法

基于随机森林算法中的相关预测因子进行变量选择,在高维回归或分类框架中,变量选择是一项艰巨的任务,甚至在高度相关的预测中变得更加具有挑战性,文章提供了在回归模型上置换重要性测量的理论研究,这使我们能够描述相关性预测和排名的重要性之间的影响.相比于原始随机森林算法使用重要性排名做变量选择,研究结果使用了递归特征消除(RFE)方法做变量选择.通过实验证明了RFE-RF方法对机器学习算法的正确预测有很大的帮助.     

关于好公司与好股票认知偏误的实证分析

本文利用<新财富>2004 年对中国上市公司100强的排名结果和有关上市公司的数据资料,采用Fama利French(1992,1993)的三因子模型,依据Solt和Statman(1989)对好公司和好股票的定义进行了实证分析,结果表明即使是专业的信息交易者,在"好公司"与"好股票"间也会产生普遍地认知错误.     

《统计与决策》期刊文献规模的探测

以中国知网中"统计与决策"期刊1985-2015年中文献的关键词为分析对象,构建"文档-关键词"矩阵,通过lda模型和余弦相似度计算期刊年度中话题的相似情况,对年度文档进行聚类;构建主题和年度文档二分图网络并对其进行投影,通过社团分割和介数中心性计算核心年度文档和核心主题以及其对应的关键词.文章克服了共词网络分析法对同名异意,异名同意的问题,实现自动挖掘科技文献主题.     

基于发展态势灰色预测的广告媒体代理商选择问题研究

文章基于广告媒体代理商现有信息,对其发展态势进行灰色预测;在充分考虑广告媒体代理商过去状况和未来发展的情况下,利用OWA算子对代理商评价指标进行集结;基于广告代理商评价中决策者不确定性判断,建立了不确定性偏好的二阶段权重求解模型;最后根据指标属性综合值和指标权重,确定广告媒体代理商的综合判断,进而作出选择。     

网络舆情对金融市场的影响研究:一个文献综述

网络舆情通过媒体报道以及股吧、微博、博客等平台进行传播而影响投资者情绪和行为,进而引发金融市场波动。随着对金融网络舆情关注度的提升,国内外学者从理论和实证分析等方面研究了网络舆情对金融市场的影响并取得了较大进展,但目前对该方面的研究缺乏系统性梳理。因此,首先从舆情数据采集、关键词选择及网络舆情的度量三个方面对网络舆情的测度方法进行了归纳阐述;然后分别探讨了网络舆情对股票市场、衍生金融市场以及金融市场稳定性的影响关系及实证方法;最后提出在未来的研究中应重点关注以下三个方面:(1)在金融网络舆情指标构建中应利用数据挖掘技术多维度构建能充分反映舆情信息的网络舆情指数;(2)在网络舆情与金融市场的关系研究中重点关注网络舆情对系统性金融风险的影响;(3)在实证方法研究上应选用包含不同时间频率指标的模型进行分析。     

基于高维数据的改进CCC-GARCH模型的估计及应用

高维数据给传统的协方差阵估计方法带来了巨大的挑战,数据维度和噪声的影响使传统的CCCGARCH模型估计起来较为困难。将主成分和门限方法有效结合,应用到CCC-GARCH模型的估计中,提出基于主成分正交补门限方法的CCC-GARCH模型(PTCCC-GARCH)。PTCCC模型主要通过前K个最优主成分来刻画大维协方差阵的信息,并通过门限函数以剔除噪声的影响。通过模拟和实证研究发现:较CCCGARCH模型而言,PTCCC-GARCH模型明显提高了高维协方差阵的估计和预测效率;并且将其应用在投资组合时,投资者获得了更高的投资收益和经济福利。     

大维数据的动态条件协方差阵的估计及其应用

大维数据给传统的协方差阵估计方法带来了巨大的挑战,数据维度和噪声的影响不容忽视。本文将主成分和门限方法有效的结合,应用到DCC模型的估计中,提出了基于主成分正交补门限方法的DCC模型（poetDCC）。poetDCC模型主要通过前K个主成分来刻画高维动态条件协方差阵的信息,然后将门限函数应用在矩阵的正交补中,有效的降低了数据的维度并剔除了噪声的影响。通过模拟和实证研究发现：较DCC模型而言,poetDCC模型明显提高了高维协方差阵的估计和预测效率;并且将其应用在投资组合时,投资者获得了更高的投资收益和经济福利。     

新经济业态P2P网络借贷的风险甄别研究

国内P2P网贷平台存在的问题及风险令人触目惊心,本研究旨在探索P2P网络借贷这一重要新经济业态的风险甄别问题.本文在我国444家P2P平台基本信息与交易信息基础上,通过网络爬虫获取了30万余条网民评论和新闻数据,利用文本挖掘技术提取了重要的外部信息,综合使用11种统计模型评估变量的重要性并讨论其经济意义.研究表明:①平台风险与基本信息、交易信息和外部信息间存在复杂的非线性关系,SVM、树类模型等非线性模型对预判P2P平台风险更加有效;②网民评论、关注度等基于互联网的非结构化信息,以及平均利率波动、资金净流入波动、未来待还金额波动等信息对甄别风险具有重要的作用;③根据拍拍贷的案例,小额、超短期、男性借款人具有更高的违约风险;④基于线性模式的传统风险指数构建方法并不适用于甄别P2P平台风险.有关部门应从完善法律法规、加大信息披露力度、发布风险预警综合指数等对P2P行业进行监管.     

区域协同创新能力的动态组合评价

文章针对多种动态评价方法评价结论非一致性问题,在Borda法的基础上,对不同相容动态评价方法的排序结果进行组合,提出基于Borda法的动态组合评价方法.构建区域协同创新能力评价指标体系,利用基于Borda法的动态组合评价方法对2009-2013年期间东部地区区域协同创新能力进行动态组合评价,评价结果表明:东部地区区域协同创新能力较稳定,北京区域协同创新能力最强,排名稳居第一;江苏和广东区域协同创新能力较强,排名前三;海南区域协同创新能力较弱,排名一直处于东部地区末位.     

网络用户态度意向行为的关系研究

在关于虚拟社区用户行为的研究中,TAM模型正是研究的基础.基于以往的研究,文章认为网络信息互动会对用户态度意向行为的关系产生影响,并将这一结论进行了实证分析.在得出的结论中,发现对女性用户群体更为注重信息感知的易用性,而男性用户群体更为注重信息感知的有用性;并且在将意向付诸行动时,男性用户群体更易于受到外界因素的影响.     

文化差异对跨文化广告传播的影响及启示

营销全球化,对跨文化广告传播提出了更大挑战.笔者从语言、宗教、审美观及民族习俗等四个方面对文化差异及其在广告传播中的影响进行了分析研究,并提出了跨文化广告传播中应遵循的原则,目的是促使跨文化广告有效地传播.     

协整技术在股票开盘价预测中的应用

本文从集合竞价的交易机制的信息传递角度出发,利用因果检验方法找出影响开盘价形成的因素,认为前一日交易的收盘价是最主要的影响因素.然后利用协整技术建立关于开盘价和收盘价的协整模型,并运用该模型进行事后预测,并对其有效性进行了检验.最后,对该模型成立的原因进行经济分析,并指出其股票价格的发现功能.     

大学综合排名竞争策略研究——基于网大（www．netbig．com）大学排行榜的实证分析

关于提升大学综舍排名的竞争策略，可以运用累积Logit模型来研究各评价指标排名对大学综合排名的影响效应，通过提高那些对综合排名影响效应较大的指标排名，能更有效地促进综合排名的提高，从而确定有效的排名竞争策略。利用网大（www．netbig．com）“中国大学排行榜”的排名数据进行实证分析，得出排名越靠前的大学通过提升“声誉”和“学术成果”名次能最有效提升综合排名。而排名越靠后的大学则通过提升“学术资源”和“物资资源”名次能最有效提升综合排名等结论。     

金融高维协方差阵的估计及其应用

文章克服了传统高维协方差阵估计方法的缺点,将主成分和门限方法相结合,提出了门限主成分正交补(TPO)估计量,该估计量主要通过前K个主成分来刻画高维协方差阵的信息,通过引入合适的门限函数来对矩阵的正交补进行稀疏估计,从而有效的降低了数据的维度并剔除了噪声的影响.模拟和实证研究发现:较严格的因子(SFM)模型而言,门限主成分正交补(TPO)模型明显提高了协方差阵的估计效率,并且将其应用在投资组合时,投资者获得了更高的收益和经济福利.