文章基于2012-2020年部分“违规”公众号的数据,研究“违规”公众号荐股对中国股票市场和投资者的影响.文章发现“违规”公众号所推荐股票在信息发布日后短期内超额绝对值和成交量显著增加,但长期累计超额收益率显著低于其他股票.实证结果还显示,在推荐的上涨股票中个人投资者的净流入显著增加,而机构投资者的净流入显著减少.进一步地,渠道检验发现“违规”公众号主要是通过制造虚假的私有信息吸引投资者的注意力,并且主要是吸引手机端为主的用户.

制造业智能化进程中的员工行为问题,不仅仅是认知科学领域的问题,其实也是生产中的管理问题.文章立足行为认知与精益这两个相互联系又有各自特点的两个维度,关注的核心问题是,基于认知偏见与精益化这两个理论视角,挖掘在智能制造持续推进的过程中影响劳动力行为的因素与机制,并分析其对自动化系统的影响.文章的重点是组装产品的不完美生产过程,生产过程中可能因为多种因素使得劳动力忽略检查项目.考虑了I类和II类错误,利用拓展的EOQ模型优化订单数量,以最大限度地降低总成本.证明了积极精益的策略可以消除忽略的发生减少系统总成本,并衡量减少的程度.文章给出了一些数值示例、敏感性分析和图形表示来说明该模型.

薪酬激励是企业激发员工工作激情和创造潜能,提升企业绩效的重要手段. 内部薪酬差距一方面可以产生正激励作用,促进员工的努力程度, 另一方面也可能导致不公平感,造成部分员工的“躺平”.文章构建了一个包含核心高管、非核心高管以及普通员工三类职工的数学模型分析内部薪酬差距对企业绩效的影响,并利用2008-2020年沪深两市民营上市公司的数据进行了实证检验.理论和实证结果均表明,管理层内部薪酬差距、高管-员工薪酬差距、非核心高管的薪酬激励程度与企业绩效之间均表现为倒U型关系.进一步的实证研究显示, 非核心高管-员工薪酬差距对企业绩效的作用最强,而核心高管-员工薪酬差距对企业绩效的作用最小,展示非核心高管-员工的薪酬差距是企业内最重要的薪酬关系,而核心高管-员工薪酬差距则重要性最低. 此外,民营企业在薪酬激励设计中营业利润的“约束”大于营业收入的“约束”,体现民营企业注重 “里子”和要害.

为量化评估电力供应稳定性对数字经济发展的影响程度,构建了涵盖电力供应装机容量、三次产业数字经济规模等变量在内的系统动力学模型,探究了“拉闸限电”等突发情景下电力供应稳定性对数字经济发展的作用机理.结果表明, 中国数字经济规模在“十四五”期间将保持高速发展态势,到2025年将超过70万亿元; 数字经济规模将随着电力供给的减少而减少,若日均发电时间或年度工作天数减少1%、5%和10%,则数字经济规模将平均减少9.28%、14.24%和20.43%;通过科技创新来提高各产业的产值系数,可以降低因拉闸限电或发电机组故障对数字经济发展的影响. 最后,从中国增强电力供给稳定性方面提出了对策建议.

异常检测问题是一个长期受到关注的话题,具有广泛的应用价值和研究意义.处理异常检测问题的机器学习算法有很多,但它们对于检测结果的错误发现的程度没有明确的统计学意义上的保证.文章以在线多重假设检验问题的角度去研究,提出了可控制在线错误发现率且不依赖模型和分布假设的基于共形推断的异常检测方法,该方法可以内嵌不同的异常检测的机器学习算法和在线多重假设检验算法,是实现异常检测的一般化方法框架.最后通过模拟数据实验验证文章方法的有效性,并将其应用于服务器数据集,实现异常点检测.

随着互联网的快速发展,大众已经习惯在网络上分享兴趣爱好,获取信息和讨论常见热点话题,研究多层社交网络的舆情传播规律有利于舆情分析和舆情治理.文章基于传统的SEIR传染病模型,考虑了节点重要性对传播概率的影响,引入动态参数,构建单层网络舆情传播模型,同时考虑到不同时间步长和度度相关性对舆情传播的影响,提出了一个多层网络交叉传播的舆情传播模型.文章对多层网络舆情传播模型的多种传播性能和规律进行了理论验证和实验分析,实验结果表明时间步长和度度相关性对舆情传播有着显著的影响.最后,有针对性地提出了一些舆情治理机制和舆情应对措施,这些措施可以帮助政府和相关管理部门提高舆情管理的效率,确保在舆情事件中能够迅速做出响应,降低潜在的负面影响,具有重要的意义.

“十四五”期间,绿色财税政策改革提出强化由增值税等激励型税收政策的调控引导作用.文章基于中国营改增税制改革的准自然实验,通过构建多时点双重差分模型,对1805家A股上市企业的面板数据进行分析,考察了税收政策激励对企业绿色创新的影响机理.研究发现,营改增显著提升了企业绿色创新,并主要体现在实质性创新上,而非策略性创新.作用机制研究表明,营改增通过分工效应与税负效应间接促进企业绿色创新;异质性研究表明,在非国有企业、制造业企业中,营改增对企业绿色创新的激励效果更为突出.文章是对现有税收政策改革与微观企业行为研究的重要补充,为后续通过财税政策改革推动绿色发展提供了重要依据.

随着道路交通复杂程度的增加以及智慧交通的发展,车辆的安全行驶问题受到了广泛关注.文章旨在给出动态环境下分布式车辆编队安全行驶的一系列算法,并验证其有效性.首先,借助多智能体系统分布式编队算法,给出了车辆在道路行驶中的编队运动模型.进而,改进了人工势场模型,为势场中的吸引力和排斥力函数引入速度参数,解决了车辆编队在动态车道环境下的避障问题和超车问题.同时,参考鱼群的逃逸行为,提出了编队内车辆的跟驰与换道模型,解决了分布式信息下的车辆编队紧急避险问题.最后,给出了车辆在动态交通环境下,基于分布式信息交互的车辆编队紧急避险等行为的模拟仿真,验证了所提出算法的有效性.

为提高无人水下航行器, (unmanned underwater vehicle,UUV)对非合作目标状态估计的准确性,文章提出了一种基于轴向注意力的目标状态估计方法,分析基于声呐观测的UUV非合作目标状态估计机理,将该问题非的马尔可夫状态空间模型转换为带有记忆的一阶马尔可夫状态空间模型,从而构建递归滤波模型. 针对前视声呐观测的不可靠性、目标运动的不可预测性,提出一种基于轴向注意力Transformer的非合作目标状态多步预测网络,描述非线性观测下, 非合作目标相对声呐的复杂运动过程.针对观测的不稳定性及后验分布的未知性, 基于Monte Carlo近似推断原理,利用该多步预测网络将目标观测状态空间中的采样粒子映射到目标预测状态空间,构建基于轴向注意力的目标状态估计方法.仿真结果表明了所提方法对不确定输入的适应性和鲁棒性.

发展乡村振兴产业是激发乡村活力的基础所在,是解决农村一切问题的前提.文章根据陕西省秦巴山区一带“新社区工厂”这一乡村振兴产业典型模式的发展现状识别出社区工厂、当地政府和龙头企业等重要参与主体,结合考虑成本、补贴、投资和收益等因素构建起三方演化博弈模型,进而探讨各主体如何在乡村振兴产业发展的过程中进行策略选择,并对其进行敏感性分析和数值仿真.研究结果表明:演化稳定策略一方面受到当地政府补贴的影响,合适的补贴有利于三方的共同参与;龙头企业给予生产企业的投资应在相对合理的范围,同时还要增加社会各方对当地政府的投资;另一方面对于社区工厂和龙头企业来说,降低成本和提升收益将更有利于促进“新社区工厂”等乡村振兴产业的发展.

文章首次将傅里叶神经算子, (FNO)应用于整数阶导数非线性薛定谔, (DNLS)方程和分数阶导数非线性薛定谔, (fDNLS) 方程. 对于DNLS方程,成功建立了方程初始条件与相应解之间的映射关系. 不仅研究了孤子向$M$型波的转变过程, 并且得到了周期解的变化过程. 同时, 采用FNO方法研究了周期背景下怪波的转化过程. 对于fDNLS方程, FNO方法被应用于学习方程的分数阶指数空间与孤子空间之间的算子映射.通过将数据驱动的解与精确解进行比较, 凸显了FNO 网络强大的逼近能力.最后, 文章还讨论了全连接$P$层和激活函数对网络表征能力的影响.

文章研究了符号有向图下,由一阶和二阶动力学智能体组成的异质多智能体系统的镇定性问题.利用Laplacian矩阵和图理论知识进行分析,分别针对一阶和二阶动态智能体设计相应的协议.基于文章提出的分层理论,通过对控制参数的设计,利用结构平衡的独立强连通分量(SBiSCC),给出了在通信拓扑下一阶-二阶异质系统实现镇定的充要条件.最后,文章给出了几个仿真验证理论结果.

文章对具有随机丢包的多智能体系统,研究了集中式状态估计问题.利用服从伯努利分布的随机变量描述传感器的测量数据传输给数据处理中心的过程中的丢包现象.首先,针对融合中心每时刻知道数据包是否丢失情况下,设计了线性最小方差意义下的最优集中式状态滤波器,滤波增益要求实时计算.为了减小在线计算负担,又设计了一种滤波增益依赖丢包概率的次优滤波器,并分析了算法的稳态特性.其次,针对融合中心每时刻不知道数据包是否丢失情况下,设计了线性最小方差意义下的依赖丢包概率的最优集中式状态滤波器,分析了算法的稳态特性.最后,比较了所提出的三种滤波算法的估计精度和计算负担,仿真例子验证了算法的有效性.

文章使用文本向量化方法将业绩说明会文本数字化,在此基础上分析上市公司高管是否策略性选择语调以及投资者对此做出的反应.首次将管理层语调提炼为市场语调,行业语调和公司语调三个维度.研究发现,业绩说明会上管理层的行业语调比公司语调明显负面,表明高管会根据自身的需求对语调进行策略性的安排;公司的净正面语调在长窗口期对股价上涨具有显著预测能力;在市场和行业语调处于平均水平情况下,投资者能通过分析市场语调和高关注度公司的公司语调获得超额收益.文章证明上市公司业绩说明会的文本具有信息含量,并且为管理层语调分析提供了新的视角;同时在中国高度依赖语境的文化背景下,为投资者获取、解读信息能力提供了新的证据.

针对具有输入死区的柔性关节机械臂随机系统,提出了一种基于指令滤波技术的模糊自适应控制方法,实现了系统输出对期望轨迹的跟踪控制. 首先,利用指令滤波技术解决了传统反步法固有的“计算复杂性”问题,引入误差补偿机制消除了滤波误差对系统控制精度的影响. 然后,用模糊逻辑系统处理系统中的不确定项和随机扰动, 克服了随机扰动的影响,改善了系统的控制效果. 最后, 考虑系统具有输入死区的情况,通过反步控制方法构造了控制信号, 克服了输入死区对系统性能的不利影响.稳定性分析证明了所提出控制策略在具有输入死区的柔性关节机械臂随机系统中的有效性,并用Matlab仿真加以验证.

为了考察重大经济或政治等事件对金融市场间相依性造成的影响,文章构建了一种允许变量间相依系数服从高维机制转换过程的因子隐马尔可夫Copula模型(FHM-Copula),该模型能够捕获重大事件对相依性带来的不同程度、不同方向、不同持续时间、瞬时或长期的外部冲击.实证研究中,文章基于FHM-Copula模型分析了中国与其他金砖国家股票市场间的动态相依性.研究结果表明,FHM-Copula模型能够有效地识别美国次贷危机、欧债危机、中国股灾、中国接任金砖轮值主席国和新冠肺炎疫情等重大事件对中国与其他金砖国家股市间相依性造成的外部冲击.文章的工作不仅为金融变量间的动态相依性研究提供了基于信息冲击视角的理论分析框架,同时也为投资者和政府监管部门在投资决策和风险管理方面提供了参考.

近年来, 由于半参联合可导出风险模型在风险价值(VaR)和预期损失(ES)的联合统计建模与预测方面的优越表现, 其已在金融计量领域引发了广泛关注. 文章首次从非对称拉普拉斯分布的视角出发, 研究了一类基于该分布的半参非对称联合可导出风险模型的统计性质与风险预测表现. 与已有的半参联合可导出风险模型不同的是, 该模型假设资产收益的条件分布服从基于VaR和ES的非对称拉普拉斯分布, 考虑了金融市场的典型非对称特征, 将VaR和ES看作是由包含非对称特征的收益率条件标准差过程与待估参数所组成的动态结构, 实现了VaR与ES的联合统计建模. 基于该模型结构, 给出了其拟极大似然估计方法, 并在一定正则条件下建立了该估计的一致性与渐近正态性定理. 随后, 多种情况下的数值模拟结果证实了该估计的有限样本性质以及该模型在预测样本外向前一步风险的有效性. 最后, 实证研究显示所提模型在预测向前多步VaR与ES上的表现最优.

文章借助拓扑图从点图到线图的转换,研究了矩阵权重下多智能体系统的边能控性, 其中动态发生在边上. 首先,从图论的角度对线图的关联矩阵进行了定量分析,给出了线图关联矩阵的秩与连通分量个数之间的关系,进一步得到线图拉普拉斯矩阵零特征值的代数重数与连通分量的个数也存在一定的联系.其次, 在领导者-跟随者结构模型下,得到了多智能体系统边可控时需要满足的两个条件. 此外,根据规范变换的定义,将矩阵权重结构平衡下的符号线图变换为不含负边的无符号线图. 结果表明,变换前后线图的可控性是等价的. 最后,分析了线图可控性与点图可控性之间的关系. 得到当点图结构不平衡时,线图的可控性等同于点图的可控性.

在复杂的系统中,资源分配和系统内部交互是研究系统创新效率时需要重视的因素,但在以往的相关研究中并没有考虑到系统内部之间的相互反馈作用.基于此文章拓展了三阶段共享网络DEA模型,将系统内部子系统间存在的互馈作用纳入模型研究范围,证明了系统有效的充分必要条件, 定义了系统有效和阶段有效.对54所中国高等院校的知识创新效率进行测度,将知识创新系统分为知识生产阶段和知识应用阶段,对比了不同阶段侧重方法(GP1: 侧重第一阶段; GP3:侧重第三阶段)的差异, 研究结果表明: 不存在系统有效的DMU; 相较于GP3,GP1会低估知识应用效率, 且会降低各DMU知识生产效率的区分度.文章还针对不同特性对各样本高校展开分析, 并给出相关政策、措施建议.

柱形代数分解是半代数系统求解和实量词消去的基本工具. 实际求解过程中, 不同变元序的选择对柱形代数分解的效率影响重大. 目前已有的启发式或机器学习择序的方法基本都建立在多项式系统的支撑集是影响变元序的决定因素这一隐含假设上. 文章首先通过设计同支撑集变系数的实验对这一假设进行了检验, 实验表明支撑集确实是影响最佳变元序的重要因素但并非唯一因素. 针对同支撑集变系数的柱形代数分解最佳择序问题, 文章设计了基于强化学习的择序方案, 四变元的实验表明该方案可以突破已有方法只依赖支撑集选择最佳变元序准确率的上限. 另外, 针对多达二十万亿可选序系统的实验表明, 该方案远优于传统的启发式方法. 同已有的针对较少变元的监督学习择序方案相比, 该强化学习方案克服了变元增多导致序数量组合爆炸时获得高质量标记数据的困难.

大量证据指出ESG表现良好的企业面临更低的崩盘风险和利益相关者风险, 从而稀释系统性风险.然而, 相较于基本面类的财务指标, ESG作为一种非财务指标, 其对股票系统性风险影响的作用机制、动态时变性和异质性特点尚未得出一致结论.据此, 文章选取A股市场2009年1月至2023年11月的数据展开实证研究, 基于条件CAPM模型, 将系统性风险$\beta$ 动态刻画成关于ESG表现(非财务特征)和公司基本面特征(财务特征)的线性函数, 然后采用MCMC贝叶斯估计方法得到时变$\beta$的估计量用于结果分析.研究结果如下: 第一, ESG表现和股票系统性风险呈负相关关系, 这种关系在近几年越来越强且变得显著; 第二, ESG表现对股票系统性风险影响的大小在行业上呈现异质性, 对于受能源或受国家政策影响较大的行业, 良好的ESG表现有助于降低系统性风险; 第三, 虽然ESG表现会影响股票系统性风险, 但投资者对ESG风险的反应弱于基本面风险, 这之中存在投资者反应的不对称, 所以ESG风险可被看作第二性风险, 其对系统性风险影响的大小受市值、账面市值比这类基本面特征的调节影响.

为分析智慧医疗信息平台中医患合作行为, 构建演化博弈模型, 引入随机干扰因素表示平台信息的不确定性; 其后将医患随机演化博弈模型转化为尖点突变模型, 证明医患行为演化中暗含突变机理; 最后, 用仿真分析诊疗型和互动型信息平台中医患行为的演化与突变机制.研究发现: 在智慧医疗信息平台中, 医患行为选择可能因感知价值和随机干扰等因素而突变; 当医患初始合作概率高时, 若信息平台安全与可靠性差, 医患倾向于不合作; 当医患初始合作概率低时, 若信息平台安全与可靠性高, 医患倾向于合作; 当医患初始合作概率处于中等水平时, 医患更容易受不合作额外收益影响, 其行为选择突变概率更高.研究结合演化博弈论与突变理论, 深入分析智慧医疗信息平台中医患合作机制, 结论为信息平台中的医患合作行为研究提供启示.

大数据时代下, 具有混合类型协变量的高维调查数据给异质性分析及其变量选择带来了挑战.文章提出了一种改进的稀疏聚类方法, 并以中国教育追踪调查和“千人百村”社会调查为例展开应用讨论.文章提出了调整后DBI准则用以衡量协变量重要程度, 使用不同惩罚参数分别控制不同类型协变量的权重, 得出最优的聚类划分结果以及重要的类别区分协变量. 理论层面, 文章证明了所提出方法的变量筛选一致性. 数值实验层面, 文章设计了一系列模拟实验验证了所提出方法在聚类和变量选择方面的良好性能.实证数据的结果也表明, 文章提出的稀疏聚类方法所划分出的样本集群具有较高的区分度, 便于研究者对每个群体进行特征的刻画; 同时, 其选择出的类别区分变量具有重要现实意义, 在不损失重要信息的条件下降低了数据的维度, 增加了模型的可解释性.文章提出的稀疏聚类分析实现了对高维调查数据中的混合类型协变量的联合分析, 极大化地提升了信息的使用率和数据的利用率.

文章对二阶时滞非线性多智能体系统在固定有向拓扑下的领航跟随一致性问题进行研究.为节省系统的通信及计算资源,提出了一种基于事件触发机制的分布式一致性控制协议.通过给每个智能体设计相应的事件触发条件,从而有效减少了智能体间信息的更新频率. 利用图论知识、矩阵理论以及Lyapunov稳定性理论给出多智能体系统达到领航跟随一致性的充分条件,并排除了系统的Zeno行为.最后由仿真结果验证了理论方案的可行性和有效性.

投资专有技术(简称IST)是一种通过创造新的资本存量从而在技术层面所带来的技术创新,一直以来被认为是经济增长的重要决定因素,投资专有技术冲击与股票市场之间也密切相关.随着机器学习方法在金融领域中被广泛地应用,其优异的表现能够挖掘出更加有效地解释资产价格波动的因子,探索投资专有技术冲击对资产价格的影响具有重要的现实意义.根据基本面量化投资研究的进展,文章筛选了机器学习方法中投资绩效表现优异的因子变量,基于数据可得性构建了2004年1月至2021年12月内的3种IST冲击代理变量以及9种微观企业特征和市场风险因子,并运用TVP-SV-VAR模型进行时变特征分析,揭示了IST冲击对不同企业特征下的股票横截面收益的影响.结果显示投资专有技术冲击对不同的企业特征下股票横截面收益影响均具有时变性,在不同时期下影响的方向、大小均不确定,且滞后影响都是中短期的.投资专有技术冲击在短期更多是通过影响企业短期内的交易量、交易额等交易摩擦类因子进一步影响投资者对企业的未来预期.同时,对于中期而言,投资专有技术冲击更多的是影响股东权益变化等成长类因子进而影响股票价格波动.

伽马过程是分析单调退化数据的常用模型之一.对伽马退化模型进行参数估计需要假定其形状函数的具体形式. 然而,有时候可能并没有足够的信息来选择合适的函数形式,此时参数估计方法就不再适用. 针对Song 和 Cui (2022)所提出的二元伽马退化模型, 文章研究了其形状函数的非参数估计问题,提出了一种基于期望最大化算法的估计方法.文章通过数值模拟验证了所提方法的有效性,并进行了实例分析来说明该方法的应用.

知悉社交媒体平台中影响信息转发的主要因素对于危害信息扩散的管控有着重要的意义,以往研究大多基于回归分析的方法,挖掘对转发数存在显著影响的变量,在可解释性上存在不足. 文章基于统计回归建模和因果推断方法,从用户特征和文本特征分析影响推文转发的变量,并生成解释文本情绪与转发数因果关系的剂量-效应函数.此外,考虑到社交媒体观测数据集采集时存在收集偏差的问题,文章使用主题聚类方法进行数据过滤.在对疫苗讨论和总统选举Twitter数据集的实证分析中,该研究发现了显著影响信息转发的变量集,以及文本情绪对于转发数的因果效应.

社交媒体平台的热门榜单作为热点信息的汇聚和展示,对于我们理解当前热点话题具有很大的启示.但由于热榜文本存在词汇稀疏和文本较短的问题,传统LDA和基于神经网络的主题挖掘模型面临着主题聚合表现不佳的表现.对此,文章提出了一个基于大型语言模型增强的主题建模框架——STAB.该框架结合大语言模型对文本数据的生成式增强能力,以及文档嵌入在主题建模中的优异表现,能够在短文本数据集上挖掘出有意义的主题.在多个数据集上的实验结果表明,在通用客观评价指标和下游任务应用方面,该框架均优于已有的主题建模方法.

文章研究了地铁乘客到达站台后的乘车概率问题.在若干合理假设下, 证明了乘客乘车概率的一个随机排队模型.该模型推广了Grube等(2011年)和Mo等(2020年)中"先到先服务"这种确定性模型.文章给出了随机排队模型的一个简化版本, 该版本中的参数取零值时,随机模型即退化到确定性排队模型. 基于随机排队模型,文章构建了典型地铁路线的乘客流仿真, 输入列车时刻表, 乘客进站时间,走行时间分布等信息,该仿真能够输出每位乘客在地铁系统的轨迹和出站时间.文章综合实际数据和仿真输出, 提出了参数校准方法.北京昌平线的实际数据阐述了所提随机排队模型相对于Grube等(2021年)和Mo等(2020年)中的确定性排队模型的优势.

为了更好研究混沌现象的本质和利用混沌,根据混沌系统的李雅普诺夫稳定性理论和分岔理论研究了一类三维广义Rabinovich系统的混沌动力学特性, 包括耗散性、平衡点和局部渐近稳定性、李雅普诺夫指数、李雅普诺夫维数、分岔图、全局吸引域等. 依据混沌系统全局指数吸引集的结果和Dini导数, 设计合适的控制器实现了两个相同混沌系统的全局指数同步. 为了使所设计的控制器在实际应用中更容易实现且使同步方案有高效的同步速率, 文章设计了线性反馈控制器使两个混沌系统达到全局指数同步. 文章的创新点在于, 首先得到了该混沌系统每个变量最终界的数学表达式, 然后利用混沌系统的有界性得到了混沌系统控制器的精确数学表达式. 最后, 文章对同步过程进行数值模拟, 仿真结果证实了理论的可行性.

复杂社交网络中谣言不断地滋生与蔓延. 为对谣言进行有效管控,文章基于图上博弈理论, 通过引入详尽可能性模型及情绪认知理论,探究谣言转发行为的影响因素, 并从信息内容差异化角度,构建了社交网络用户谣言传播行为演化博弈模型. 仿真结果表明: 1)提高用户对谣言/反谣言信息的兴趣会直接影响其转发谣言或反驳谣言的行为;2) 信息发布的强度对信息的传播效果有着直接影响; 3)用户面对不确定信息时, 更加愿意转发亲密节点的信息; 4)谣言内容包含积极内容及用户个人情绪不稳定时, 用户更易做出转发行为.据此, 文章提出了治理社交网络谣言传播的相关建议,为相关部门制定有效的谣言治理策略提供了理论支持.

随着数字化政府建设的加速推进,网络问政在中国社会治理中发挥着不可忽视的作用.为了探讨影响网络问政效果的关键因素,该研究以泸州市网络问政平台“有话您请说”中的相关数据为研究对象,采用多种机器学习和深度学习模型结合的文本数据挖掘方法,识别网络问政文本中的特征变量, 构建问政满意度分类模型,并结合多种可解释性方法分别从结构特征和语义特征对模型结果进行解释分析.研究发现: 问政情感, 问政文本长度, 诉求类型, 回复情感, 回应单位类型,回应时间等变量均对问政满意度有不同程度的影响. 此外,研究构建的可解释性框架还能够有效识别问政中的时间, 地点,组织机构名称等关键内容.

在平台经济快速发展的当今,越来越多的制造商开通直销渠道以迎合消费者线上购物需求.制造商开通直销渠道加剧了渠道间竞争,尽管有助于提升产品需求量,但会侵蚀零售商的市场份额,也可能增加制造商的碳排放总量.尤其是在碳配额与交易机制下,碳排放量总量的增加导致制造商通过碳交易市场购买超出碳排放限额的碳排放量随之增加,进而增加制造商碳成本.基于此,借助博弈论构建制造商和零售商间的两级供应链模型,探究碳配额与交易机制对制造商渠道入侵策略的影响.研究发现,尽管制造商总是倾向于开通直销渠道,但是否增加碳排放总量以及是否侵蚀零售商利润取决于碳交易价格和制造商碳减排成本系数.具体而言:1)对零售商而言,当碳交易价格较高且碳减排成本系数较小时,制造商开通直销渠道渠会增加零售商利润;否则,制造商开通直销渠道仍会侵蚀零售商利润;2)对碳排放总量而言,当碳减排成本系数较小时,制造商开通直销渠道降低碳排放总量;当碳减排成本系数较大时,制造商开通直销渠道增加碳排放总量.此外,文章也探究了在何种情形下,制造商开通直销渠道既增加零售商利润,也能降低碳排放总量.

信息不对称是阻碍制造商积极参与碳市场交易及投入减排技术的主要原因,文章基于碳交易机制, 在零售商隐匿消费者低碳偏好信息的情形下,研究制造商减排和零售商的信息共享策略选择问题.文章利用Stackelberg模型考察供应链各成员的最优决策,其中零售商拥有私有信息 (消费者的低碳偏好)并决定是否与制造商共享该信息. 利用博弈论与静态比较分析,发现零售商共享信息对供应链有益, 且在信息不对称下,制造商与零售商制定收益共享契约可以提高自身收益.当制造商风险规避程度较低时, 零售商愿意共享信息;当消费者低碳偏好较高且对产品价格不敏感时, 制造商的减排率会增加;对于减排成本较大且消费者低碳偏好较低的产品,增加碳配额会降低产品的价格, 进而削减制造商的减排动力. 因此,制造商可以适当降低自身风险规避行为以吸引零售商共享信息, 此外,制造商与零售商制定收益共享契约对供应链有利;为加强制造商减排技术的投入,零售商可以优先对非价敏用户做好低碳产品的宣传和推广.

文章采用空间误差模型刻画个体之间的网络结构关系,讨论响应变量随机缺失时部分线性变系数空间误差模型的估计和借补问题.首先,利用矩阵分块和截面似然技术构建了参数估计量,并证明了参数估计量的渐近分布和未知系数函数估计量的收敛速度.其次基于部分线性变系数模型,提出了带有空间网络结构的缺失数据的借补方法. 最后,通过蒙特卡洛模拟研究了估计量的有限样本性质,并将该方法应用于QQ数据集分析.

无人艇的水动力学具有强非线性与时变性，为便于转艏控制，提出一种基于纵荡速度的非线性变参数（nonlinear parameter varying，NPV）模型.首先从水动学机理出发，引入Ross阻尼模型，建立三自由度的非线性机理模型.其次，在机理模型基础上，将非线性项隐含于线性结构中，使模型构成类线性结构，再忽略数值较小的横荡阻尼项，并以纵荡速度为变参数，建立基于纵荡速度的NPV模型.NPV模型结构简单，具有非线性项与变参项，为Norrbin非线性模型与线性变参数（linear parameter varying，LPV）模型的扩展形式.最后，由仿真和实验验证了NPV模型能够很好地刻画无人艇转艏运动的非线性与时变特性.

为破解不完全信息下信息敏感型电子废弃物的回收困境，文章基于前景理论构建了由政府、消费者和回收商组成的演化博弈模型，探讨了影响系统博弈策略的主要因素.结果表明，政府加大监管力度可促进回收市场规范化；消费者负面信誉评价对非正规回收商具有导向性，高负面信誉评价激励非正规回收商规范化形成；回收过程中，消费者若遭受信息泄露损失，便趋向于不信任策略，且信息泄露损失越大不信任程度越深；前景理论中的损失规避系数和损失感知价值敏感系数，对于消费者和回收商的策略均有影响，而收益感知价值敏感系数对两者策略几乎无影响，说明决策者在博弈中更注重规避损失.

收益管理优化是提高零售商经济收益的有效途径之一.定价是收益管理的引擎和核心技术，对于提高零售商的收益具有重要作用.考虑到在收益管理的实际应用中，预测和优化问题的复杂性，通常采用先对产品需求进行预测，然后对收益进行优化的步骤.在对产品需求进行预测时，通常会面临多个候选模型，即面临模型的不确定性，这时一般会采用模型选择方法确定最终的模型.但传统的模型选择准则包括赤池信息准则（Akaike information criterion，AIC），贝叶斯信息准则（Bayesian information criterion，BIC）等通常只考虑了模型选择对预测精度的影响，而不考虑该预测模型会如何影响接下来的优化决策目标.本文首次在商品的收益管理优化中提出最小化聚焦信息准则（focusedinformation criterion，FIC）这种模型选择准则，运用FIC模型选择准则选择产品需求预测模型，考虑了优化模型的结构，以最小化决策误差，而不是预测误差为目标，来选择预测模型.数值模拟结果表明，在大部分情况下，相比于AIC和BIC两种模型选择准则，考虑决策目标的FIC模型选择准则表现最佳.同时，实证研究结果也验证了考虑决策目标的FIC模型选择准则的优越性.

为了解决证券投资组合收益预测模型在股票价格波动感知方面的语义细粒度量化不足和有效投资组合灵活性受限的挑战,文章提出了一种综合舆情态势评分模型(SESTM)和图套索(GLASSO)的股票收益系统预测模型.首先,采用分位回归方法对股价波动进行拟合建模,定义了波动幅度和均值序列两条曲线,用于发现与正收益波动相关的词汇.接着,运用SESTM模型从新闻公告语料中通过有监督的方式提取对股票价格波动灵敏感知的相关词汇,并形成与政策、估值和市场情绪密切相关的主题和匹配词典,进而生成舆情态势评分.最后,结合GLASSO方法构建股票价格之间的联动网络结构,并基于该网络构建个股投资组合策略.实证研究以疫情期间生物疫苗板块股票为对象,对网络联动和舆情态势评分模型开展了实验比较.实验结果显示:首先,以波动感知词汇为纽带构建的投资策略更适用于短期预测;其次,在融入反映联动网络的偏相关信息后,投资组合日均对数收益率达到1.6%,相较于未融入偏相关关系的1.4%的情况提高了14.3%,更是随机组合的日均对数收益率0.7%的2倍;而最高收益由随机组合的3.117 提高到3.605,提升幅度达到15.6%.以上结果表明,通过SESTM+GLASSO组合模型的方式提供了一种高效且性能优越的系统预测模型,该模型能够分析股票价格之间的网络联动关系,更准确地预测股票收益以制定相应的投资策略.这对于推动动态价格感知和深化大语言模型中的生成式跨模态任务的统计应用研究具有积极意义.

针对虚拟电厂(virtual power plant,VPP)中供给侧与负荷侧价格传导问题,考虑能源侧新能源出力不确定性、大电网购电价格、各类机组运行成本,文章提出了一种VPP厂内部动态分时电价策略,并综合考虑了负荷侧综合需求响应提出了EV 接入的VPP双层经济调度模型,以保证VPP的低碳经济运行. 上层考虑能源侧成本, 以VPP运营商供能成本最小为目标函数, 并将碳捕集系统(carbon capture system,CCS)作为灵活性资源,提出一种充分利用新能源与电网低谷电量的碳捕集装置运行模式.下层考虑包括EV在内的负荷侧用能成本, 以用能成本最小为目标函数. 最后,通过算例结果验证了所提策略的有效性. 结果表明,相较于采用大电网分时电价机制, 文章所提动态分时电价机制可节约51.8% 的能源供给成本,且可降低81.62%的CO$_{2}$排放量, 有效提升了VPP 经济性与低碳性.