中国新企业年金替代率研究

企业年金在多支柱养老保险体系中发挥着越来越重要的作用。企业年金替代率是企业养老保险的一个重要指标。本文构建了一个测算企业年金替代率的现金流平衡模型。基于现金流平衡模型,我们对影响企业年金替代率的诸因素进行了敏感性分析。不同于大多数的以往研究方法,我们应用三状态Markov转换模型分析了年金基金投资收益率的走势。研究表明,延长退休年龄或提供投资收益可以提高企业年金替代率。因此,必须通过改善企业年金资产的投资环境,实施更多的税收优惠政策,以及其他措施,为促进企业年金发展创造一个良好的外部环境。     

辽宁与朝鲜经贸合作的战略思考

辽宁省边境地区与朝鲜的经济贸易合作不仅是辽宁对外开放总体战略的重要组成部分，而且关系到我国的国家利益。分析了中朝双方经贸合作的基础和优势，对双方经贸合作的现状和存在的问题进行了较深入地探讨，并提出了加强双方贸易秩序管理，建立贸易信息平台，广泛开展多方式、多层次的经贸合作等相应的对策和建议。     

“封建”名实问题管见

近来，“封建”名实问题因冯天瑜先生《“封建”考论》问世而成学界热门论题。为“封建”正名是必要的，不能因繁难而漠然置之；对马克思主义封建观的学术探究任重道远，不能简单武断，是己非人；“地主宗法专制社会”一名与中国民主革命三大任务恰合，意味深远。     

The Case of Mrs. M.-A Multidisciplinary Team Staffing

A panel of experts with diverse perspectives gained from work in medicine, law, adult protective services, social services, and criminal justice discusses a complex elder abuse case. The goal is to show how a multidisciplinary team can work together to approach difficult case that presents no easy solutinos.     

突破农民收入增长滞缓的近思与远虑

从 1 997年开始 ,我国农民收入增长出现滞缓现象。本文针对引起这一变化的诸多原因 ,如农业投入不足、农产品价格水平下降、农民增收渠道减少、农产品结构调整不力、农民素质不高及负担过重等 ,提出了加大农业投入、加速农产品结构调整、推进农业产业化、实施科教兴农战略、重振乡镇企业、加快小城镇建设等近期综合措施。最后指出实现农民收入可持续增长的关键还是要千方百计提高农民的科技文化素质 ,这是长远的发展战略。     

基于贝叶斯神经网络短期负荷预测模型

本文提出了基于贝叶斯神经网络(BNN)短期负荷预测模型。根据气象影响因素和电力负荷的样本数据,针对权向量参数的先验分布分别为正态分布和柯西分布两种情况,应用混合蒙特卡洛(HMC)算法学习了BNN的权向量参数。由HMC算法和Laplace算法学习的贝叶斯神经网络以及BP算法学习的传统神经网络分别对4月 (春)、8月 (夏)、10月 (秋)和1月(冬)每月25天的每个整点时刻的负荷进行了预测。这些神经网络的输入层有11个节点,它们分别与每个整点时刻和的气象因素、上一个整点时刻的气象因素和时间变量相对应,输出层只有一个节点,它与负荷变量对应。试验结果表明HMC算法学习的BNN的预测结果的百分比平均绝对误差( MAPE)和平方根平均误差( RSME )取值远远小于由Laplace 算法学习的BNN和BP算法学习的人工神经网络的 MAPE和RMSE。 而且,HMC算法学习的BNN在测试集和训练集上的预测误差MAPE和RMSE的相差很小。 实验结果充分说明HMC算法学习的BNN具有较高的预测精度和较强的泛化能力。     

我国劳动合同期限制度之探讨

劳动合同期限制度打破了几十年的劳动关系“终身制”,但仍存在不少问题,不利于劳动关系稳定,与劳动合同的解除之间缺乏良好的衔接。完善的劳动合同期限制度应以无固定期限合同为主,并建立新型固定期限劳动合同。     

A new nonparametric procedure designed for simulation studies

This paper demonstrates how certain statistics, computed from a sample of size n (from almost any distribution) may be simulated by using a sequence of substantially less than n random normal variates. Many statistics, θ, including almost all maximum likelihood estimates, can be expressed in terms of the sample trigonometric moments, STM. The STM are asymptotically multivariate normal with a mean vector and variance-covariance matrix easily expressible in terms of equally spaced characteristic function evaluations. Thus one only needs to know the Fourier transform or equivalently the characteristic function associated with elements of any moderate to large i. i. d. sample and have access to a normal random number generator to generate a sequence of STM with distributional properties almost identical to those of STM computed from that sample. These STM can in turn be used to compute the desired statistic θ.     

Economics reasoning by econometrics or artificial intelligence

Currently, the mechanization of economic forecasting relies on econometric models with obvious limitations. Artificial Intelligence holds out several new possibilities. Will these innovations limit themselves to correcting existing defects, thereby improving the performance of established models, or will they bring about new approaches in modelling and in economic theory itself? Although this paper in no way pretends to answer this question, it will touch upon it as several avenues of research are outlined.     

试论思想品德的内在结构与形成过程

思想品德实际上是一个以世界观为核心的,由心理、思想和行为等三个子系统多种要素构成的具有稳定倾向性的整体。现实生活中,只有针对个人的思想品德形成与发展的客观规律实施思想政治教育,才能收到事半功倍的效果。