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。     

回收竞争下考虑CSR行为的闭环供应链定价决策及协调

研究考虑企业社会责任(CSR)行为的闭环供应链定价决策及协调问题,分别构建了单个第三方回收及两个第三方回收竞争下的闭环供应链博弈模型,分别从企业与消费者两个视角分析了CSR投入对供应链成员的定价策略及系统总收益的影响,并建立了基于“收益共享”与“回收成本共担”相结合的契约协调模型。研究表明,两个第三方回收商间的适度竞争不仅可以降低产品价格、提升废旧产品回收效率,同时对提高企业的CSR投入水平以及收益水平也起到积极的促进作用。最后,在契约参数的可行性范围内,“收益共享-成本共担”契约在使供应链总收益达到最大的同时,还成功改善了每个成员企业的收益。     

惯性因子跟踪策略的有效性：来自中国股票市场的证据

基于惯性/反转效应普遍存在的现象以及中国股票市场上不能直接实施惯性/反转投资策略的事实,提出能灵活抓住惯性/反转效应的惯性因子跟踪策略。通过建立和求解惯性因子跟踪策略模型,我们发现,在允许卖空的条件下,最优惯性因子跟踪组合满足两基金分离定理,两基金分别是惯性因子模仿组合和最小方差组合。选择沪深300十大行业指数作为风险资产的代表,实证考察惯性因子跟踪组合的业绩,并与等权组合和最小方差组合的业绩进行比较。结果发现：惯性因子跟踪组合可以在保持和等权组合、最小方差组合风险水平相当的情况下带来更高的收益水平和夏普比率,平均而言,惯性因子跟踪组合的年化超额收益率(8.88%)比等权组合的年化超额收益率高出3.7%,夏普比率(0.42)高出0.18;即便在考虑交易成本的情况下,惯性因子跟踪组合的净夏普比率仍然高出等权组合0.16;综合上方获利和下方风险控制两个方面看,惯性因子跟踪组合优于等权组合。惯性因子跟踪策略的有效性相对于惯性因子的计算方法和样本数据选择区间具有稳健性。     

保鲜投入影响需求的社区生鲜O2O模式选择与协调研究

在由一个生鲜电商和社区零售店组成的生鲜O2O供应链中,生鲜电商可选择批发模式或佣金模式与社区零售店进行合作。本文考虑价格、保鲜投入水平和增值服务水平影响生鲜农产品需求,分别构建批发模式与佣金模式下的供应链博弈模型,分析了不同模式下新鲜度敏感系数对供应链最优决策的影响,探究了生鲜电商的最优合作模式选择问题。针对生鲜电商和零售店可实现合作模式改善的情形,设计了转移支付契约,分析了合作模式改善对定价、服务和保鲜策略的影响。研究表明,当佣金率低于(高于)1/2时,若保鲜效率较低,生鲜电商选择佣金(批发)模式,若保鲜效率较高,生鲜电商选择批发(佣金)模式。当保鲜效率很低且服务效率相对较高时,零售店总是更偏好佣金模式,但其要求的佣金率不宜过高,否则生鲜电商会选择对其次优的批发模式。当保鲜效率和服务效率都较低时,合作模式的改善不仅能实现供应链成员利润改善,还可以使消费者以低价买到优质的生鲜农产品,增加消费者剩余。     

需求信息不对称下基于战略库存的信息披露与契约选择

在考虑市场需求信息为零售商私有信息的基础上,研究了制造商和零售商之间的两阶段动态博弈问题,其中零售商进行信息披露和战略库存决策,而制造商则决定合适的批发价格承诺契约或动态契约。通过对比分析信息披露与不披露两种情形下不同定价契约的博弈均衡决策及供应链各方利润,发现：零售商在实际市场规模小于其均值时披露需求信息、大于其均值时不披露需求信息;无论零售商是否披露信息,制造商通过使期望利润最大化,始终会选择动态定价契约;信息不披露条件下,若单位库存持有成本大于某一阈值或实际市场规模小于某一阈值,零售商则不会持有战略库存。最终通过数值分析,发现零售商的披露决策总能使供应链的总体利润增加;且信息不披露条件下零售商第一阶段的订货量以及战略库存持有量都要高于信息披露情形,而制造商两阶段的定价始终小于信息披露情形。     

考虑信息搜索的环境污染群体性事件最优决策模型

坚决打好污染防治攻坚战是建设全面小康社会三大任务之一,环境污染群体性事件影响社会稳定和生态文明建设。在当今信息渠道多元化的自媒体时代下,群众能够通过信息搜索行为为决策获取信息。本文考虑了群众信息搜索行为,构建周边居民信息搜索的环境污染群体性事件最优决策模型,分析了不同条件下均衡策略选择,以及在各种地方政府补贴水平和暗箱操作程度下,周边居民的收益变化情况和策略选择差异。结果表明：当政府的暗箱操作程度较低时,群众的最优化策略为信息搜索后“污染轻微”则“抗议”,否则群众的最优化策略为直接抗议。当群众对项目污染程度为严重的先验概率较低且政府的暗箱操作程度比较高时,群众将选择不抗议策略。当周边居民的识别能力较差,群众将会选择策略信息搜索后“污染轻微”则“不抗议”,当暗箱操作程度足够大时,群众将会选择策略直接抗议。随着地方政府提供补贴水平的增加,群众的抗议强度减弱。了解群众的最优决策,有利于政府对环境群体性事件进行防范和应对,维护社会稳定。     

不确定需求下考虑资金约束的生鲜农产品政府补贴策略

针对需求不确定环境下政府如何对生鲜农产品供应链进行补贴的问题,在考虑财政资金的约束下,分别构建了无政府补贴、采购补贴和销售补贴三种情形下的博弈模型。通过对比分析得出了政府的最优补贴策略,并分析了补贴策略对生鲜供应链最优决策的影响,最后用数值算例进一步说明了不同补贴策略对不同类型生鲜农产品的影响。研究发现,补贴策略的选择与财政预算密切相关。在财政预算充裕时,两种补贴策略都有效且可行,都能平抑物价、增加供给、拉动需求;从改善社会整体福利的角度,采购补贴为最优策略;从补贴资金效率的角度,销售补贴为最优策略。在销售补贴预算充裕而采购补贴预算存在缺口时,销售补贴为最优策略。在财政预算不足时,政府的最优策略就是不干涉市场的运营。     

创新驱动下光伏产业供应链的竞协研究——基于政府竞争政策

将政府竞争政策与技术创新因素引入到两级多晶硅供应链博弈模型中,研究不同情形下政府竞争奖励与技术创新努力水平对于各级制造商最优利润的影响。构建关于硅片批发价与光伏系统销售量的利润博弈模型,求得了各级制造商的最优利润函数,并通过实证研究分析了竞争与协调两种情形下竞争政策与技术创新因素对于各级制造商最优与整体供应链总利润的影响。研究表明：(1)政府竞争政策有利于增加制造商的利润;(2)技术创新努力水平的升高可以较快的增加制造商的利润;(3)与竞争情形相比,协调情形下各制造商的利润及整个供应链总利润更高。     

建设用地指标和建设用地的序贯拍卖定价机制研究

现行建设用地指标定价机制未能有效反映其真实价值,使得农民缺乏复垦闲置宅基地来提供建设用地指标的意愿。针对指标和建设用地的互补性特点,以及指标价值是开发商私人信息的特征,本文构建第一价格和第二价格两种密封拍卖下的互补品序贯拍卖模型,研究建设用地指标和建设用地的定价机制。理论和仿真分析得出两种拍卖下的建设用地指标和建设用地价格,并通过对比分析得出不同目标下的最优定价机制。研究发现,两种拍卖下,竞标人的建设用地指标报价均随着土地价格增值系数增加而提高,随着竞标人数递增而降低;序贯二价下的竞标人建设用地指标及建设用地的报价均高于序贯一价;序贯二价下,持有建设用地指标的竞标人获得建设用地的概率更高。因此,地方政府可采用适当提高土地闲置费用的方法,以此提高失地农民复垦权益,激励农民复垦闲置宅基地,增加建设用地指标供给;同时,采用序贯二价拍卖,提高建设用地指标和土地的利用效率。     

基于GCA-DEA-MSVC方法的高校科研平台评价预测研究

高校科研平台评价与预测分析是促进科研工作健康高效发展的重要载体,但数据指标繁冗、逻辑关系复杂、影响因素众多等大大加剧了科研平台运行评价和预测难度。本文从大数据角度出发探索一种基于GCA-DEA-MSVC方法的高校科研平台评价预测方法。首先利用GCA方法从科研平台运行数据库中挖掘、提取出与评价结果密切相关的关键特征指标并进行分类构建特征指标库,然后利用DEA方法对特征指标库数据进行融合,提升数据质量构建相对效率指标库;最后,将特征指标库与相对效率指标库再次融合,基于改进的MSVC方法构建了高效的科研平台运行状态评价分类预测模型,并利用教育部重点实验室评价数据开展了实验研究,验证了所提方法的有效性。