基于模糊聚类的综合财务分析方法及其Excel实现

本文结合上市公司的财务指标,在数据规格化处理的基础上,利用模糊聚类分析,采用欧氏距离方法建立模糊矩阵,利用平方法求解模糊等价矩阵,并按照一定的聚类水平进行模糊聚类,得到同一行业不同企业的分类.利用此方法,可综合反映企业的财务状况与经营成果,实现对企业的综合评价.     

商业银行效率评价研究——基于数据包络分析法的视角

商业银行效率是其在经营活动中投入与产出之间的对比关系,是银行资源配置能力和市场竞争能力的体现。数据包络分析方法是测度银行效率的有效工具,本文在对银行效率定义、效率评价方法进行概述的基础上,详细介绍了数据包络分析法(DEA)的CCR模型、BCC等模型,以期为商业银行效率评价提供一个借鉴的思路。     

公司治理影响债务期限结构类型吗?——来自中国上市公司的经验证据

本文采用面板数据,应用Logit模型和排序选择模型实证检验公司治理机制如何影响债务期限结构类型。研究发现公司治理确实对债务期限结构类型具有显著影响。经验结果大多支持治理水平高的公司,其内部人（管理者,控制股东）受到更严格的监督,债务供给者（银行）更愿意为其提供长期债务,其更倾向使用高的债务期限类型的论点。     

沪深300指数收益率及已实现波动联合建模研究

金融资产的收益率和波动率是金融资产投资和风险管理等应用中的重要决定因素。针对收益率的新息过程与波动率的新息过程之间可能存在相关性的实际情况,将已实现波动区分为连续波动和跳跃波动,对收益率、连续波动和跳跃波动联合建模并刻画各时间序列模型新息之间的相关性,给出联合模型的最大似然估计法,使用2005年4月8日至2011年5月23日沪深300指数5分钟高频数据进行实证。研究结果表明,收益率、连续波动和跳跃波动的新息之间存在统计显著的相关性,对各时间序列单独建模估计的传统方法存在本质缺陷,沪深300指数已实现波动的杠杆效应及周日效应主要来自连续波动分量。联合模型通过对新息之间相关关系的合理刻画,提高了参数估计的有效性。     

关于举办“大数据应用下的经济学、管理学问题研究学术研讨会”的启事

由贵州财经大学联合《贵州财经大学学报》主办、管理世界杂志社支持的“大数据应用下的经济学、管理学问题研究学术研讨会”定于2020年7月17-18日在贵州财经大学举办。本次研讨会由贵州财经大学大数据应用与经济学院、《管理世界》智库、《贵州财经大学学报》承办,特诚邀各位同仁携优秀成果莅会。现将征文相关事项预告如下:(一)征文选题:围绕“大数据应用下的经济学、管理学问题研究”主题,公开征集学术论文。     

银行客户信用评估动态分类器集成选择模型

现实的银行客户信用评估数据常包含大量的缺失值,这在很大程度上影响了信用评估模型的性能.针对已有模型的不足,提出了面向缺失数据的动态分类器集成选择模型DCESM.该模型充分利用数据集中所包含的已知信息,在训练信用评估模型之前不需要事先对缺失数据进行预处理,从而减少了对数据缺失机制假设以及数据分布模型的依赖.从UCI数据库中选择两个银行信用卡业务信用评估数据集进行实证分析,结果表明,与4种常用的基于插补法的多分类器集成模型以及1种直接面向缺失数据建模的集成模型相比,DCESM模型能够取得更好的客户信用评估性能.     

公司多元化对证券分析师关注度的影响——基于证券分析师决策行为视角的经验分析

本文基于证券分析师的决策行为,采用中国证券市场的相关数据,研究了上市公司多元化水平与证券分析师关注度之间的关系.本文的研究发现,公司的多元化水平越高,证券分析师对其关注度越低,其原因在于随着公司多元化水平的提高,证券分析师获取公司信息所需付出的成本也相应提高,而信息成本的提高往往会驱使证券分析师放弃关注这样的公司;进一步的研究发现,相关多元化的公司相对于非相关多元化的公司更受证券分析师的青睐,其原因在于相关多元化的公司由于公司业务之间具有相关性,证券分析师获取的信息和应用的技术都具有共通性,这会减少证券分析师的成本.     

基于不同动机的联盟控制方式选择及其对联盟绩效的影响——中国企业联盟的实证分析

企业为了不同的目标建立战略联盟,而有效的联盟控制是实现目标的重要保证.本文从战略联盟的动机出发,提出实现不同联盟目标所应采取的控制方式,并研究了不同的联盟控制方式对联盟绩效的影响.通过企业间联盟的数据对本文相关假说进行了实证检验.     

我国主要工业行业能耗研究

我国工业各主要行业的能源消费在长期和短期内具有什么样的具体特征,如何降低高能耗行业能耗水平,从而减小经济发展对能源的依赖程度是本文的出发点.本文采用面板数据对我国36个主要工业行业的能源消费进行了实证分析,具体研究了我国工业各主要行业能源消费与行业增长、行业能源使用效率之间的关系.在此基础上揭示了我国工业各主要行业能源消费与增长的基本特征.     

基于改进支持向量机的电信客户流失预测模型

随着电信业改革的深入和竞争的加剧,电信企业的客户流失率逐步攀升,如何预测并有效减少客户流失直接关系到电信企业的生存和发展.流失客户在客户总体中占比例较低,因此电信客户数据集中存在明显的非平衡数据问题,传统的客户流失预测把客户流失作为普通的模式识别问题处理,建立基于普适机器学习的预测模型.在两类错误的错分代价相差较大的情况下,基于普适机器学习的预测模型缺乏实用价值,因此引入代价敏感学习理论建立了基于改进支持向量机的电信客户流失预测模型,将不同的错分代价纳入建模过程,有效的提高了模型的预测性能.