资产定价与劳动成本占比

根据经典生产函数可知与劳动要素相关的变化应反映到企业价值层面，那么劳动要素对股票市场具有怎样的影响呢？本文以沪深A股为研究对象，基于劳动成本占比探索劳动要素对股票市场定价的影响。通过模型推理和实证分析相结合的方法证明劳动成本占比与企业风险正相关，劳动成本占比具有放大企业风险的杠杆作用。基于风险与收益相补偿的原理，通过回归分析和投资组合分析发现劳动成本占比具有正的股票收益预测能力；采用买多-卖空组合构建劳动成本占比风险因子，通过Fama-MacBeth回归证明劳动成本占比是影响股票收益的风险因子，并且相对Fama-French的五因子不是冗余因子；在三因子模型和五因子模型基础上包含劳动成本占比风险因子的定价模型对股票横截面收益的解释力更好，模型的定价效率更高。本文不仅丰富了股票收益影响因子和劳动成本经济后果领域的文献，而且对投资者投资决策、企业制定薪酬制度、政府颁布劳动保护相关政策和收入分配改革方面具有参考价值。     

莆田平原沿海地区臭氧污染与气象条件分析

为研究莆田地区空气污染与气象条件的关系,通过分析2016—2018年莆田地区首要污染物臭氧浓度的日变化、年变化以及臭氧浓度和气温、湿度、风速(2分钟平均)、风向(2分钟平均)之间的相关性、臭氧浓度超标时次的气象条件。分析结果表明,臭氧浓度日变化,峰值出现在14时,为99±44μɡ/m~3至108±47μɡ/m~3,谷值出现在07-08时,为41±28μɡ/m~3至51±32μɡ/m~3;月变化的最高值出现在10月,为83±37μɡ/m~3至95±37μɡ/m~3,而月变化的最低值除秀屿区政府站为7月外,其余均出现在1月;日最大8小时滑动平均浓度值与超标天数在4月均为最大;三年逐小时数据进行相关性分析发现,湿度有较好的指示意义,呈负相关,相关系数-0.61,其余气象条件和臭氧浓度的相关性并不明显,相关系数均小于0.4;有利于臭氧超标的地面气象条件为:温度25～37℃,湿度50%～70%,风速(2分钟平均)1～4m/s,风向E至S顺时针区间。     

基于双渐消因子调节的自适应卡尔曼滤波器

针对传统卡尔曼(Kalman)滤波器鲁棒性差,无法实时精确跟踪系统突变状态的问题,设计了一款双渐消因子调节的自适应Kalman滤波器。算法分析了突变状态无法精确跟踪的原因,在传统Kalman滤波器的基础上,引入双渐消因子,优化预测协方差,实时激活滤波增益,调节量测新息在状态估计中的贡献度。借鉴新息正交性定理,依据Sage开窗估计原理与加权最小二乘准则,建立了双渐消因子的函数解析式。基于滤波发散判据,分析了储备系数与量测新息协方差之间的关系,构造了函数边界条件。实例研究表明,自适应Kalman滤波器鲁棒性强,能够精确跟踪系统突变状态,状态收敛速度优于抗差Kalman滤波器,稳态精度提升了44.76%。     

大维变量选择、混频因子模型与新冠肺炎疫情冲击下的GDP现时预测

新冠肺炎疫情不仅对我国宏观经济造成了巨大冲击,也为准确预测我国宏观经济未来走势带来挑战。本文从新冠肺炎疫情冲击出发,将模型置信集检验与U-MIDAS模型组合,设计了一种在混频情形下利用预测变量的异质性波动从大维数据集中选取对GDP具有稳定预测效果变量的方法。通过利用选取出的稳定性变量构建多种形式的混频目标因子模型并与其他类型的混频因子模型对比,全面评估了不同模型在疫情前后对GDP进行高频现时预测的效果。研究发现,在疫情冲击前的平稳时期,利用覆盖范围较广的变量构建双因子MIDAS模型预测效果最优;利用稳定性变量构建的单因子U-MIDAS模型同样具有良好的预测效果。当经济从冲击中持续恢复时,利用部分稳定性变量构建的双因子U-MIDAS模型在捕捉到GDP的核心变化后率先对其连续做出准确的现时预测。经济稳定时,对预测变量设定较长的滞后阶数会提升预测效果;在冲击后的恢复期中则应减少滞后阶数,避免变量在冲击中出现的异常值对预测产生负面影响。本文也为当经济受到巨大外生冲击或处于冲击后的恢复期时其他宏观经济指标的预测提供了有价值的参考。     

统计学、经济学中引入和建立“常项”概念的必要性研究

数学、统计学等学科中缺乏"常项"概念,使得从变异的角度对于品质标志的亚分类处于空白和断层状态,这既不利于这些学科的完善和发展,又不利于经济学等学科的应用。文章提出,在数学和统计学、经济学等学科中,引入和建立"常项"概念,用以表示那些不变的品质标志,和"变项"概念一起使用,以便关于"品质标志"的分类更加细化和完善。     

基于高效离群数据分析方法的客户信息及特征属性挖掘

文章以提高客户信息管理过程中离群信息挖掘的效率为目标,在传统的基于距离的离群数据挖掘方法的基础上,探索出了一种新的高效分析方法,该方法的时间复杂度降为O(d n log2n),能够一次性完成离群数据及其特征属性(OFA)的挖掘过程,且能够给出相应的离群因子(OF)来描述离群数据的离群程度及其为什么离群等离群信息。同时,用户操作简便,结果显示易于理解。该方法可以应用于对数据量大、维数高的Web客户信息的离群数据分析和特征属性挖掘工作。     

指数串联系统环境因子的区间估计

文章利用广义区间估计方法导出了指数串联系统环境因子的广义置信区间,利用模拟方法研究了广义置信区间的覆盖率,模拟结果表明所给广义置信区间的覆盖率与区间的置信系数是很接近的。     

分形插值预测模型的构建及应用

文章根据长江大通站月平均径流量数据资料,首先运用重标极差(R/S)分析方法揭示了径流复杂的非线性特性下隐藏的持续性特征,并计算出其分形维数,证明该径流量时间序列具有分形特性。据此,利用历史数据建立了具有外推功能的迭代函数系统(IFS),其中对垂直尺度因子的求取采用了能兼顾数据局部细节和待插值对象整体特征的方法。然后通过筛选不同的数据长度建立了新陈代谢分形插值预测模型对径流量进行预测。最后通过实例验证表明,该预测模型能够满足预测的精度要求。