预测缅甸政治与军事冲突对中国带来综合风险的模型建构研究

缅甸政治与军事冲突所带来的潜在风险,极有可能对我国多方面造成深远而巨大的影响。缅甸危机蕴藏着政治、经济、文化、军事以及人口等各类不确定因素,同时又受到难以确定的各类内外环境影响,对其危机的风险预测及研判充满困难。因此,要在不确定性的信息条件下去识别、预测和评价缅甸危机对我国带来的风险,须经过一系列审慎的科学评估。本文基于人工智能思想,充分运用数据挖掘技术,采用XGBoost与马尔科夫链等算法,力求超越经典范式的因果推断、相关性分析、机制解释以及依赖回归模型的传统量化预测手段,为缅甸危机可能带给我国的影响构建了一种可供科学预测和评估的工具,也做出了平衡经验研究与人工智能的学术尝试。     

嵌入网络舆情指数的中国金融机构系统性风险传染效应研究

首先基于文本挖掘技术构建反映投资者情绪的网络舆情指数,然后将所构建的网络舆情指数嵌入到系统性风险传染效应度量模型,得到修正的单指标非对称CoVaR模型,并运用线性分位数LASSO算法与局部多项式估计方法进行参数估计,以此为基础构建金融有向网络,进而对中国金融机构系统性风险传染效应进行实证分析。实证研究表明：(1)以单指标非对称CoVaR为代表的金融机构风险指标与网络舆情的协同变化趋势明显;(2)证券类和银行类金融机构对外部风险非常敏感,极易受到其他金融机构的影响,也极易影响其他金融机构;(3)非银行类机构在风险积累阶段占据重要位置,银行在风险爆发时刻占据重要位置;(4)相对于非银行类金融机构,银行类机构具有较强的传染能力。     

比例数据基于Tobit分位数回归模型的贝叶斯变量选择

针对家庭商业健康保险参保比例在[0,1]闭区间上取值的特点,本文基于Tobit模型给出了比例响应数据的贝叶斯分位数回归建模方法。通过引入回归系数的“Spike-and-slab”先验分布,应用EM算法我们提出了基于门限规则的贝叶斯变量选择方法。大量数值模拟研究验证了所提的贝叶斯变量选择方法的有效性,且具有易操作、计算量小等优点。最后,将此方法应用到家庭商业健康保险数据的实证分析,研究不同分位数水平下家庭健康保险参保比例的影响因素,得到了许多有意义的研究结果。     

算法嵌入传播：平台媒体的权力转移与风险规避

数字技术与信息产业的结合正在重塑媒体生态系统,平台媒体及其算法逐渐在信息来源与渠道分发中扮演着重要角色,实质上承担了以往由媒体编辑掌控的把关与议程设置功能,掌握了传播系统中的关键权力。算法在内容生产、渠道分发、关系建构以及价值塑造层面嵌入传播,使传统媒体内容生产、控制信息等权力转移到平台媒体。算法嵌入传播带来的媒介生态系统权力转移,蕴含着算法作为权力工具的私权侵蚀公权风险、价值观偏见风险、平台中心主义风险以及算法作为权力主体的技术偏见风险、技术隐藏缺陷风险与自动化学习的异化风险。面对这些潜在风险,可行的治理思路是评估算法在传播体系中的角色、功能以及社会影响,从多元共治的视角建立与之对应的规范监督制度与责任体系,以期算法为传媒业与社会发展提供更多的公共价值。     

基于深度学习与信号分解的金融交易决策支持模型

本文提出一种数据表征方式以反映金融市场状态,并根据该表征提出一个短期交易决策支持模型。通过信号分解技术,该模型将一维非平稳时间序列分解为多维平稳子序列,并进一步将子序列重构为二维图像矩阵以表征每日市场状态。在此基础上,该模型利用神经网络的特征学习能力捕捉五日连续窗口的最优决策点。通过统计性能和财务业绩两种评估方式以及模型对比,结果表明本文所提出的短期交易决策模型有很强的应用性和适应性,可在多变的市场环境中获得可观利润。     

经济批量排产问题的一种排产方法

针对经济批量排产问题假定生产可以在库存降为0之前开始,并且提出新的算法求产品的生产顺序。结果表明,该排产方法成本要低于其他2种常用的经济批量排产问题的方法,并且给出了算法的时间复杂性。     

推荐算法对基层思想政治教育的影响及对策

推荐算法对基层思想政治教育产生了深刻影响,既有机遇也有挑战。适应推荐算法带来的教育理念、方式和手段的变革,必须驾驭推荐算法确保主流意识形态的传播,推动算法“黑箱”公开透明创造思想政治教育良好条件,用好用活推荐算法助推基层思想政治教育创新发展。     

人工智能时代算法合谋反垄断的适法困境与逻辑依归

随着大数据人工智能的发展,算法合谋也以不可阻挡的趋势融入社会的各个领域,其所带来的问题也逐渐显现。传统的反垄断理念与新型合谋技术之间存在代际鸿沟,实践中反垄断的传统规制手段受到掣肘,算法合谋隐秘、智能的特点给反垄断的协议认定、规则适用等带来巨大困扰。传统的反垄断已无法迎接算法时代日新月异的新挑战,出现了责任定位困难、框架体系失衡、算法合谋协议概念局限等问题,需要以算法合谋的基本范畴为切入点对算法合谋进行解构,通过对协议概念的厘清、干预手段的建构、违法认定理念的实质转向和政府与市场的双重治理手段对算法合谋予以规制。     

人工智能产品算法设计者的犯罪过失判断——以危惧感说的核心观点为立场

判断人工智能产品算法设计者的过失时,修正的旧过失论对导致危害结果发生的因果历程设置了具体预见可能性标准,这一标准与算法的黑箱属性以相关性而不是因果关系为基础的决策过程存在冲突。同时,此立场只重视结果忽视行为的逻辑会打击算法设计者的积极性,阻碍算法进步。新过失论虽然以结果避免义务作为犯罪过失的核心,但是其对结果预见可能性的标准缺乏具体设计,在判断预见可能性时往往束手无策。因此,两种立场都不是判断人工智能产品算法设计者犯罪过失的合理方案。相比之下,虽然危惧感说(超新过失论)认为结果预见可能性只需达到危惧感的观点受到了主流观点的批评,但这种批评值得商榷:其一,只看到了这种立场对结果预见可能性的低程度要求,却没有看到这种要求背后的核心观点对于判断犯罪过失的合理性;其二,将危惧感说提出者本人对个别案件的过失判断等同于危惧感说的全部,略显片面。与修正的旧过失论和新过失论相比,危惧感说的核心观点是:结果预见可能性与结果避免义务存在相互关联性,这是判断人工智能产品算法设计者犯罪过失的合理方案。以危惧感说的核心观点为思路,犯罪过失包括客观的结果预见可能性、客观的结果预见义务和客观的结果避免义务。人工智能产品算法设计者客观的结果预见可能性的标准是:一旦遭遇包含异常因素的特殊情况,算法有可能做出不利决策,进而引发消极后果。算法设计者客观的结果预见义务的内容是:其一,应当预见到其设计的算法不仅会被用于没有异常因素出现的正常情况,而且可能被用于伴随异常因素出现的特殊情况;其二,一旦其设计的算法面临特殊情况,该系统可能会做出不利决策。算法设计者客观的结果避免义务的内容是:应当避免在设计算法时植入为社会公众普遍反对或不赞同的价值理念;在设计时检验"投喂"给算法系统的数据质量,最大程度防止缺陷数据进入算法机器学习训练的"垃圾进"风险;及时告知产品生产者算法可能面对的异常情况。     

数字时代下算法滥用法律治理之完善

算法作为数字时代技术基石深入应用于社会生活的各个方面,随之而来的算法滥用现象则有碍社会公众的数字参与程度和数字经济的健康发展.算法滥用表现为侵蚀数据主体平等的算法歧视、揭露数据主体隐私信息的算法自动关联和压缩数据主体意思自治空间的算法自动决策.现行调整算法行为的法律制度存在有关法律概念界定不清、法律规则零散以及法律治理...