违约风险、银行信贷筛选与货币政策非对称效应

本文构建一个包含企业违约风险与银行信贷筛选的动态随机一般均衡模型,研究银行信贷筛选对货币政策宏观经济效应产生的影响。在参数校准的基础上,分析了货币政策冲击的长期效应与短期效应。研究结果显示：(1)无论是基于长期还是短期效应的角度,银行信贷筛选均显著抑制了扩张性货币政策对宏观经济产生的积极影响;(2)基于货币政策冲击的短期效应可以发现,银行信贷筛选降低了扩张性货币政策的实际效应,并且放大了货币政策对通胀的影响;(3)通过比较扩张性与紧缩性货币政策的脉冲响应可以发现,银行信贷筛选导致货币政策的宏观经济效应存在非对称性特征。福利分析的结果表明,相比无银行信贷筛选的情形而言,银行信贷筛选导致了整体社会福利的恶化。     

基于EMD与DVG的非线性时间序列预测模型及其应用研究

针对具有非线性和不稳定性的时间序列,提出一种结合经验模态分解(EMD)、有向可见图(DVG)网络的动态预测模型。利用经验模态分解将原时间序列分解为多个固有模态函数(IMF),然后对分解后的高频和低频IMF利用快速傅里叶变换得到各自的周期;依据每个周期,从原时间序列的尾部截取长短不一的子序列,然后采用有向可见图算法转换为多个有向网络,利用随机游走在每个有向网络中寻找与时间序列最后一个节点相似的节点;最后,依据平行线法,预测时间序列的下一个数值。原油价格的时间序列是一类典型的具有非线性和不稳定性的序列,利用此模型对WTI原油每日价格进行实证分析。研究结果表明,此模型不但可以有效地预测时间序列的变化趋势,而且具有较高的预测精度。     

引入人脸抓拍系统还是升级安检设备？——有限资源下的地铁暴恐防御序贯博弈模型

在有限防御资源约束下,地铁安防部门面临着引进人脸抓拍系统构建二级地铁暴恐防御体系,还是升级原安检系统构建增强型一级地铁暴恐防御系统的选择。本文基于暴恐分子决策的目标价值依赖性和安防部门的接警反应时间不对称性,构建了有限资源下地铁暴恐防御策略选择的序贯博弈模型。得出并分析了双方的四种均衡策略,最后结合北京地铁积水潭站早高峰案例,给出了考虑高峰大客流冲击效应的暴恐防御决策建议。研究发现,当增强型安检系统的准确率过高,或接警反应时间有效率较高时,引进人脸抓拍系统策略占优,且人脸抓拍系统的社会价值对安防部门决策无直接影响。当增强型安检系统的准确率适中,或接警反应时间有效率较低时,第一种情况,在安防部门侧重效率的情况下,人脸抓拍系统的社会价值与安防效率正相关,引进人脸抓拍策略在其社会价值较高时占优;第二种情况,在侧重安全情况下,升级加强原安检系统策略占优,此时,人脸抓拍系统的社会价值对安防部门决策无影响。另外,较高的安检准确率将提升安检厅的乘客淤滞水平、强化高峰大客流对安检厅的冲击效应、削弱高峰大客流对候车厅的冲击效应,并最终拉升暴恐分子直接袭击安检厅的风险。     

考虑法律约束的两周期电子产品回收再制造决策研究

研究电子产品制造商面临政府回收法律约束时的再制造决策问题。第一个周期开始时,制造商生产并决定新产品的价格。当产品的生命周期到达时,面对政府制定的回收法律约束,制造商回收市场中的旧产品用于再制造。第二个周期开始时,制造商同时决策新产品和再造品的价格。研究发现：根据逆向运营成本(即回收成本与再制造成本之和)与新产品生产成本的不同组合,制造商对应五个不同的回收再制造策略;当逆向运营成本低于一定阈值时,法律强制回收不会影响企业的利润;而高于该阈值时,法律强制回收会减少企业的利润,因为较高的逆向运营成本使得企业没有意愿回收旧产品。此外,研究收集了实际数据并进行了案例分析,结果表明研究模型具有较强的稳健性。     

基于修剪平均的神经网络集成时序预测方法

由于复杂时序存在结构性断点和异常值等问题,往往导致预测模型训练效果不佳,并可能出现极端预测值的情况。为此,本文提出了基于修剪平均的神经网络集成预测方法。该方法首先从训练数据中生成多组训练集,然后分别训练多个神经网络预测模型,最后将多个神经网络的预测结果使用修剪平均策略进行集成。相较于简单平均策略而言,修剪平均策略不容易受到极值的影响,能够使集成模型获得鲁棒性强的预测效果。在实证研究中,本文构造了两种神经网络集成预测模型,分别为基于修剪平均的自举神经网络集成模型(Trimmed Average based Bootstrap Neural Network Ensemble, TA-BNNE)和基于修剪平均的蒙特卡洛神经网络集成模型(Trimmed Average based Monte Carlo Neural Network Ensemble, TA-MCNNE),并采用这两种模型对NN3竞赛数据集进行预测,结果表明在常规和复杂数据集上,修剪平均策略比简单平均策略具有更好的预测精度。此外,本文将所提出的集成模型与NN3的前十名模型进行比较,发现两种模型在全部数据集上均超过了第6名,在复杂数据集上的表现均超过了第1名,进一步验证本文所提方法的有效性。     

碳排放影响下的动态配送车辆路径优化研究

本文考虑碳排放对动态配送车辆路径的影响,研究了客户需求点增减、客户需求量变化及配送路线交通中断三种情形下的配送车辆路径优化问题。首先,通过构建虚拟客户点,将动态车辆路径优化问题转化为静态车辆路径优化问题。其次,构建了基于改进遗传算法的动态车辆路径优化模型。最后,对比分析了考虑碳排放影响前后的动态车辆路径优化。研究结果表明：在满足时间窗要求的情况下,虽然考虑碳排放的动态车辆路径的总行驶距离增加了3.59 km,但碳排放成本和总配送成本分别下降了7.45%和1%;同时与静态车辆路径相比,在动态车辆路径问题中考虑碳排放可以使碳排放成本及总配送成本下降的更多,因此在动态车辆路径问题中考虑碳排放更具有价值意义。     

多重随机环境下跨国采购和定价联合决策模型

在批发价、汇率和需求的三重随机波动环境下,考虑跨国采购与定价联合决策问题。本文主要利用随机过程来刻画批发价和汇率的随机性,并将两者的统计规律性纳入带有随机需求的决策模型的理论框架,进而给出跨国采购和定价联合决策模型及其可靠性评估机制。模型的相关结论表明:其一、不同周期的最优策略受到批发价与汇率波动的交互影响,当批发价和汇率波动性的重叠效应具有下降趋势时,销售商所采取的最优策略为增加一定的采购量,以实现系统的期望利润目标;其二、当批发价与汇率统计结构的属性为不可约遍历马氏链时,随机系统的下行风险具有良好的稳定性;其三、决策者可以通过本文提出靶向成本区间的上穿评估机制刻画随机系统的成本涨幅特征及其变化趋势,以解决供应商的最佳选择问题,从而达到了规避风险的运营目标。     

大型复杂工程智能建造与运维的管理理论和方法

大型复杂工程的复杂性挑战已经成为全球性难题,以人工智能为代表的数字技术为应对复杂性提供了新机遇。面对智能建造与运维的新趋势,如何实现管理智能化同步耦合并开拓新的理论和方法,正成为一个新的重要研究领域。在介绍研究现状和发展趋势的基础上,分析智能建造与运维的管理变革,展望建立新情景下工程管理理论和方法面临的典型科学问题,旨在为数字时代工程管理研究提供方向性参考,帮助巩固“中国建造”的学术话语体系。     

土地财政、金融支持对房价泡沫的影响研究——基于制度因素与市场因素的双重视角

本文采用动态面板和面板门槛模型分析了土地财政与金融支持对房价泡沫的影响特征和门槛效应。研究发现后金融危机时代我国房价泡沫具有显著的正向积累效应;土地财政和金融支持对房价泡沫具有显著的正向影响,且二者对泡沫的影响具有鲜明的基于房价水平的双重门槛特征,突破双重门槛后,二者的正向促进作用明显跃升;过度的金融支持通过开发商和消费者两个渠道进入房地产业,对房价泡沫产生正向影响;突破土地财政双重门槛的省份主要集中在东部地区,其余地区仅突破了第一重门槛。研究结论可为精准分类调控房地产市场提供经验支持。