研究了具有执行器故障的复杂网络容错同步控制问题. 考虑了执行器的失效、 偏差以及两者同时存在的三种执行器故障情况, 利用线性矩阵不等式技术, 给出了动态输出反馈控制器的设计方法. 根据Lyapunov稳定性理论, 得到了在执行器不发生故障时, 同步误差渐近收敛;在执行器发生故障时, 同步误差范数有界的理论结果. 最后, 通过数值仿真验证了所提方法的可行性和有效性.
为了解决初态偏差对直线电机位置完全跟踪的影响, 针对存在初态偏差的永磁直线同步电机位置伺服系统, 提出了一种迭代学习控制算法. 该算法在控制输入矩阵未知的情况下, 利用初始跟踪误差不断修正上一次的初始状态, 同时利用跟踪误差和跟踪误差导数不断修正上一次控制输入, 并利用λ范数理论严格证明了算法的收敛性, 给出了算法的收敛条件. 理论和仿真结果表明, 所提算法能够使永磁直线同步电机在任意初始状态下, 随迭代次数的增加可实现在有限时间区间上对期望位置的完全跟踪, 且对直线电机的负载扰动, 摩擦力和推力波动等重复性扰动具有很好的抑制作用.
社交媒体网站为网民们提供了在线交流的平台, 在该平台下各种话题 的发言层出不穷, 获取其中的热点事件有助于了解网民们关注的重点, 挖掘潜在 信息. 文章以天涯杂谈``红会贴"为数据源, 基于社会网络分析方法, 获悉了``红会贴"热点事件、网民在线回复规律, 研究表明地震捐款问题、郭美美事件等是舆情焦点, 网民双向互动的情感极性基本是相同的, 互动中先发表负面言论的数目多于先发表正面言论的数目. 由于事件的多样性、动态性, 可视化表达热点事件的演化过程尤为重要. 文章提出了结合LDA主题模型和Bert向量抽取``红会贴"故事线的方法, 由此得到``红会贴"热点事件的发展脉络, 故事线披露出了红会的信任危机.
针对地铁与自驾车两种出行方式并存的双模式交通系统, 考虑通勤者出 行与活动之间的关联, 用量化的净效用函数代替Logit模型中的效用函数, 分析 了常数和线性边际活动效用下通勤者早高峰上班出行方式选择问题. 研究发现, 基于出行的方法估计的通勤人数介于基于常数和线性边际活动效用估计的通勤人数之间; 基于边际活动效用的通勤者比基于出行方法的通勤者对早到惩罚更为敏感; 基于出行方法与基于边际活动预测的通勤者对晚到惩罚敏感程度均弱. 此外, 在选择的参数范围内, 系统总成本函数是一个分段函数, 且存在最优发车间隔.
考虑到政府在WEEE (废旧电器电子设备)回收中不可替代的作用, 文章将政府作为独立博弈主体, 纳入到与企业协同进行废旧产品回收的动态系统中, 并且考虑消费者参考价格效应和政企自身的部分短视和远视行为对双方决策的影响, 构建了政府和企业的微分博弈模型. 借助贝尔曼连续型动态规划理论, 分别分析了政府和企业均远见(FF), 政府远见和企业部分短视(FM), 政府部分短视和企业远见(MF),政府和企业均部分短视(MM) 四种行为模式下政企的回收投入、企 业的环保商誉、消费者参考价格、政企效用, 并对其进行了对比. 最后利用数值算例进行验证并对关键参数进行敏感度分析. 研究发现: 双方均远见是成员的全局占优行为策略; 当成员存在部分短视行为时, 其自身效用反而高于自身为远见情形. 存在参考价格效应时, 企业和政府的WEEE回收投入、企业环保商誉、消费者参考价格水平以及政府、企业的效用, 都随着参考价格效应的增加而增加, 在制定回收决策时应考虑消费者参考效应.
在国企混合所有制改革和``互联网+''的背景下, 传统企业与互联网企业的合作是大势所趋. 文章以联通混改为背景, 采用演化博弈理论研究电信企业和互联网企业合作创新策略选择问题.首先, 构建了电信企业和互联网企业的合作创新博弈模型. 其次, 在求得模型均衡点的基础上, 深入分析了成本、收益以及分摊系数等参数对于系统演化路径的影响. 最后, 引入违约赔偿来引导系统向帕累托最优解演进. 研究表明, 单位产品期望额外收益和销量的增大、成本的减少, 有利于电信企业和互联网企业向合作创新的方向演进; 合理的收益分配机制和适当的违约赔偿有助于削弱双方企业的利己主义思想, 实现合作共赢.
针对带有缓冲区库存的串联生产线维护问题, 提出了考虑缓冲区库 存分配的串联生产线预防维护模型.首先,利用近似分解法将串联生产线分解成$n-1$条虚拟 生产线,并引入影响因子,建立每条虚拟生产线上下游虚拟设备的故障率与维修率模型.其 次,在考虑设备可能不完美生产情况下,针对每一条虚拟生产线,以缓冲区 库存量和设备正常运行时间为决策变量,以费用率为目标函数,建立设备费用率模型.利用 离散迭代算法进行模型求解,获得串联生产线最佳维修策略和缓冲区的最佳库存分配量.最后, 通过算例分析,验证了模型的有效性,为企业串联生产线维护提供了依据.
文章考虑了基于损失规避行为的带有错误定价和VaR约束的最优投资和再保险问题. 假设保险公司的的盈余过程遵循扩散模型, 允许保险公司购买比例再保险且在金融市场中投 资. 金融市场由无风险资产, 市场指数和一对错误定价的股票组成. 假定保险公司决策者是具有损失规避的非理性行为人, 并引入保险公司的VaR (Value-at-Risk)控制水平来控制其投资再保险策略的损失. 保险公司的决策目标是最大化最终财富的$S$型期望效用, 借助于鞅方法, 文章将动态的最优化问题转化为静 态最优化问题, 通过求解静态优化问题得到最优再保险和投资策略的解析表达式. 最后通过数值例子对最优 策略进行了敏感性分析.
以2002年至2018年A股上市公司的季报量化了公司的盈利季节性,考察了市场对盈 利季节性的反应,并从行为金融学的角度解释了其原因.研究发现,相较于盈利旺季而言,股票在 其盈利淡季的盈余公告发布期间能够获得更大的累计超额收益,且买入盈利淡季股票、卖出盈利 旺季股票的套利组合在经过标准风险因子的调整后每月能够获得显著为正的超额收益; 同时,相较 于其他季度而言,股票在盈利淡季的盈余公告发布后具有更大的未预期盈余.结果表明,由于市场参 与者受代表性启发(representativeness heuristic)认知方式的影响,对盈利淡季近几年持续的 低盈利情况反应过度,因此对该季度的盈利产生悲观情绪而低估该季度的盈利,故盈利淡季的盈 余公告发布后能获得更大的超额收益.
目前, 新能源汽车市场处于发展初期, 为推动新能源汽车产业发展, 中国各地区政府主要采取两种补贴模式, 即补贴给消费者或者补贴给新能源汽车制造商.在消费者具有绿色偏好属性的情形下, 考虑政府以社会福利最大化为目标、制造商以利润最大化为目标, 建立政府与新能源汽车制造商的Stackelberg博弈模型, 分析比较政府补贴给制造商和补贴给消费者这两种补贴模式.进一步, 在补贴退坡情形下, 引入制造商技术创新策略, 研究制造商技术创新对于政府补贴的替代效应.研究结果表明: 两种补贴模式均存在合理的政府补贴范围, 两种补贴模式的环境影响、消费者剩余和社会福利无差异, 但政府补贴给制造商的模式直接增加了制造商的利润来源, 且有利于进一步降低新能源汽车终端售价, 刺激消费者的购买需求; 只有在新能源汽车市场接受度较低时, 制造商技术创新对于政府补贴有明显的替代作用, 补贴退坡能够有效激励制造商技术创新, 实现产业的技术升级.
在制造商和零售商组成的风险规避型闭环供应链系统中,考虑零售商资 金约束,引入制造商和零售商风险厌恶因子,运用博弈论和优化理论,分别研究了突发事 件不发生和突发事件发生两种情形下闭环供应链系统和零售商的最优订购量和最优回收 率,并设计了能实现供应链协调的收益共享-费用分担契约.研究结果表明: 回收渠道资 金,制造商和零售商的风险厌恶因子均对供应链系统和零售商的最优订购量,最优回收率, CVaR值,契约参数产生影响; 当突发事件发生时,并非所有的原契约都不能协调应对突发 事件,当一部分原契约满足一定条件时,原契约仍然可以协调应对突发事件; 当突发事件 发生时,重新设计的收益共享-费用分担契约可以实现整个闭环供应链协调.
已有的关于模型平均估计渐近分布理论的研究多是基于局部误设定的 假设, Hjort和Claeskens (2003)是其中最著名的文章之一. 虽然利用局部误设定 的假设可以证明模型平均估计渐近分布理论, 但是 ~Raftery~和~Zheng (2003)等对此假设提出了不合理性质疑和解释. 文章研究Hjort和Claeskens (2003)中的置信区间估计方法. 证明了在一般参 数设定下, 虽然Hjort和Claeskens (2003)中的渐近分布理论不一定成立, 但是关于不确定参数的线性函数的置信区间在正态分布误差、线性回归模 型下是有效的, 即置信区间的覆盖率趋于预设定的名义水平. 文章通过模拟研究进一步验证了理论结果.
上市公司披露的各类信息, 是财务报表使用者决策的重要依据, 随着上市公司舞弊手段越发高明, 单纯依靠传统的财 务报告分析手段和传统的审计程序可能会对上市公司是否发生财报舞弊产生误判. 机器学习的判别方法和传统财务报表分析是完 全不同的, 若能应用于上市公司财报舞弊识别, 则对财务报告使用者决策工作能起到重要的辅助作用. 能否将机器学习方法应用 于上市公司财报舞弊识别, 以及在众多的机器学习算法中何者最优是审计理论和实务中需要解决的关键问题. 文章试图通过对 统一样本实施训练和测试对照, 寻找在现有披露信息的条件下进行上市公司财报舞弊识别最好的算法. 实证的结果表明, 随机森 林、支持向量机及神经网络等方法表现较好, 其中随机森林在测试集中表现最佳, 这些方法可以实际应用于上市公司财报舞弊识 别. 同时, 研究还认为敏感指标筛选有助于机器学习模型分类识别准确率的提升.
