企业招聘中候选人评价方法研究

针对企业招聘人才中候选人的评价方法进行研究,提出了层次分析法和数据包络分析法相结合的方法对候选人进行综合评价.结果表明,将层次分析法和数据包络分析法相结合,并综合人力资源专家的经验,可以有效地克服使用层次分析法过程中过分依赖决策者主观性的缺点,能够更客观地反映出候选人的综合能力.     

基于AHP和DEA相结合的公共项目建设方案评价

通过对公共项目建设方案评价研究的现状分析,针对公共项目特性,构建综合评价指标体系,采用层次分析和数据包络分析法建立评价模型,借助DEAP软件进行指标数据运算,以求得对公共项目建设方案的客观评价.并结合实例进行合理性验证,旨在为公共项目建设方案评价提供一种科学有效的方法.     

基于主成分分析和贝叶斯正则化BP神经网络的GDP预测

选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子,用1985～2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型,并把它应用于我国GDP的预测。实证结果表明:通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。与其它常用的预测方法相比,该方法数据输入简便,收敛速度快,拟合曲线光滑,且在预测精度上有明显的优势。     

城镇化水平预测方法新探——以神经网络模型的应用为例

在城镇化水平预测领域,基于时间因素的趋势回归法与经济因素的相关分析法是两种较为常用的预测方法,但两者在实际用于预测时都需要通过对时序数据的考察建立起相应的计量模型才能进行,而所建模型往往因存在一定缺陷而使预测效果受到严重影响。目前,基于数据驱动式的"黑箱"建模思想而诞生的神经网络模型在预测领域已得到了广泛应用,但在城镇化水平预测方面尚未得以充分使用。在对上述两种传统预测方法在应用中存在的缺陷进行实证分析并综合考虑时间因素与经济因素的基础上,运用神经网络模型在这一领域进行了尝试性的分析和探讨。结果表明,同两种传统预测方法相比,其预测效果较为理想。     

基于多尺度特征和支持向量机的股市趋势预测

应用支持向量机方法对股票市场趋势性变动进行预测是金融市场行为研究领域里一个重要的研究课题。为了提高股市趋势预测的准确率,现有文献中基本将研究重点集中在改善支持向量机参数上,而没有对输入数据的特征进行深入研究。股票市场时序数据是不同时间尺度因素非线性作用的结果,因此具有本质的多尺度特性。据此构建了股票市场多尺度时序特征趋势预测方法,该方法首先基于小波多分辨分析对股市时序数据进行多尺度分解,然后提取了股票市场数据的记忆性和趋势性特征,最后应用支持向量机对股票市场趋势进行预测,预测结果表明该方法提高了股市趋势预测的准确率。     

中国经济增长与居民消费的DEA/PCA分析

本论文基于人均GDP以及人均消费的评价角度,提出一种研究中国经济增长的系统分析方法。首先,分别采用数据包络分析(DEA)和主成分分析(PCA)方法对中国经济进行定量评价。然后将两个方面的结果进行分析对比,并对未知的领域提供预测的方法。该方法被应用于《中国统计年鉴》所提供的2002年各省份经济增长数据。     

基于超效率DEA模型的企业技术创新效率研究

传统的数据包络分析法只能区分有效与无效决策单元,不能将有效决策单元作进一步的区分和排序.改进后的数据包络分析模型克服了传统模型缺陷,能对有效的决策单元进一步区分与排序,从而扩展其应用性.将改进后所得的超效率DEA模型应用于铝企业技术创新效率测度与评价中,对所有被考察企业的相对效率进行排序,并在横向范围内对企业技术创新效率的领先度进行测度.     

基于组合预测模型的滚装码头吞吐量预测

根据上海港滚装码头2006—2011年的吞吐量数据,采用时间序列法、灰色预测法以及相关性分析法等单项预测方法建立预测模型,计算发现相关性分析法预测的结果优于时间序列和灰色预测。建立最优线性组合预测模型并测算,证明该模型对于影响因素复杂且历史数据较少的滚装码头吞吐量预测具有较高的精度。     

基于数据包络分析的企业知识创新能力评价研究

对企业知识创新能力进行分析的基础上，建立企业知识创新能力评价指标体系，利用数据包络分析法，选择偏好约束锥DEA模型，分析企业知识创新能力。并通过实例演示了操作过程，证明了该方法的科学性和可行性。对企业知识创新管理具有借鉴意义。     

复杂网络链路危险度预测模型研究

提出了仅基于链路线形的危险链路预测模型,通过对链路线形数据的计算,得到相应的链路潜在危险程度,对新加入交通网络的链路进行预测,从而在碰撞发生之前进行相应的整治。实验选取自贡市檀木林—自来水厂路段为测试对象,通过分析其链路线形数据,探讨了该链路的危险性;同时,应用物理分析法和当量总碰撞法对结果进行验证比较。验证表明,该模型可以在不需要历史数据的情况下,有效准确地对危险链路进行预测。     

聚类电价预测方法研究

针对电价变化模式的复杂性,提出了一种基于聚类分析的电价预测模型。该模型将复杂的电价预测问题分解为更简单的子问题求解,首先通过聚类技术将输入空间划分为若干特征更明显的子空间,然后在子空间内分别使用支持向量机进行建模和预测。聚类分析中先应用减聚类算法自动确定聚类数并获取较优的初始聚类中心,然后采用K-均值算法进一步优化。采用美国PJM电力市场历史边际电价数据进行的仿真研究表明,电价预测模型能有效、稳定地提高电价预测精度。     

基于SVM的股票时间序列的预测研究

支持向量机（support vector machine,SVM）是以统计学理论为基础的一种新的模式识别方法,目前已广泛应用于股票价格的预测中。在股市投资问题的研究中,股价作为时间序列数据是复杂的、非线性的,并且极不稳定。文章将支持向量机引入到股价预测的建模中,并对效果进行了分析。     

供给侧改革下物流需求组合预测技术研究

通过分析供给侧结构改革下现代物流市场需求对经济活动的意义,找到单一需求预测技术的偏差,指出指数平滑法和神经网络法于实际预测应用中的不足,提出精确度较高的物流市场需求预测新思路,构建新的组合预测模型。通过实例仿真验证基于神经网络法的组合预测技术在物流市场需求预测中的实际价值。     

基于Theil不等系数的组合预测模型的性质

基于Theil不等系数的组合预测模型是一种新的相关性的组合预测模型,研究了该模型的性质。在提出若干新概念的基础上,探讨了模型非劣性组合预测、优性组合预测以及冗余预测方法的存在性,给出了冗余信息的判定。     

DEA在信托行业效率评价中的应用

信托行业是我国金融行业的重要组成部分。将数据包络分析（ data envelopment analysis, DEA）方法引入信托公司的效率评价,并构建了基于DEA的信托公司效率评价模型。根据《中国证券报》公开披露的2007年度各家信托公司的年报主要数据,对信托公司的效率进行综合评价。据此计算出48家信托公司的技术效率、纯技术效率和规模效率,找出了其中效率最高的7家信托公司,并对其结果进行了分析。结果表明,DEA在信托行业效率评价中的应用,具有较强的针对性和准确度,为信托公司的业绩评价提供了新的方法。     

中匈苏美机床工业生产实践比较研究

本文提出一个有关中国、匈牙利、苏联和美国的机床工业企业的生产计划与控制的比较研究。数据利用同一调查表在这些国家的机床工厂收集得到,内容包括基本情况、销售预测、生产计划与进度安排、车间管理、采购和物料管理等方面。首先选用三个投入变量和两个产出量,应用多集合数据包络分析模型评价上述四个国家的机床工业的相对有效性。结果表明,美国的机床制造工业的生产效率最高,依次为匈牙利、苏联和中国。其次对中、匈、苏、美四国的生产实践进行差别的显著性检验。分析表明,差別主要在于市场的影响和不同的劳动生产率水平。研究结果有助于这些国家今后的经济合作。     

基于DEA-PNN的中国上市房地产企业效率研究

文章运用传统的数据包络分析方法(DEA)对上市房地产企业的效率进行评定,引入相应的分类指标对DEA在不变规模收益下求得的效率值进行分类,然后使用概率神经网络(PNN)和传统的多重判别分析方法(MDA)对分类效果进行模式识别,并比较了两种方法的识别精确度,研究发现:(1)PNN的预测精度要优于传统的判别分析方法;(2)通过DEA的求解结果可以得出所有上市房地产企业的标杆企业;(3)当前上市房地产企业的总体效率值偏低,有巨大的提升空间。     

中国工业全要素生产率地区差异分析——基于支撑面板数据计量模型的研究

以全要素生产率为研究对象,以其在中国各区域工业发展差异中的作用为研究起点,基于数据包络分析的Malmquist生产率指数方法,使用相关的Panel Data计量经济学方法对1978-2006年间中国工业全要素生产率区域差异成因进行了应用研究.