随着电商平台企业的持续竞争和加速发展,引入自有品牌和扶持中小商家以创造新的利润增长点成为电商平台的重要战略方向.据此,在当下电商平台与商家合作转售和代理混合销售模式下,运用Spokes模型刻画由品牌供应商和中小商家两个卖家及一个电商平台组成的在线销售系统,探究产品可替代性和感知质量等因素对平台自有品牌引入动机及引入后对供应链成员决策和获利情况的影响.研究发现:(1)当产品可替代性较高且消费者对自有品牌感知质量较低时,引入自有品牌将提高品牌供应商和中小商家产品的批发价及零售价;(2)即便卖家产品与自有品牌产品间可替代性较高,但引入较低感知质量的自有品牌仍能使卖家获利;(3)当产品可替代性较高且自有品牌的感知质量较低时,平台仍有动机引入自有品牌,且自有品牌引入能够实现三方共赢.

针对取值范围有限、计数事件具有相关性且呈现时滞特征的整数值时间序列数据的建模问题,提出了一类自激励滞后广义二项自回归模型.首先,证明了该模型的严平稳性和遍历性,并研究了该模型的条件期望、条件方差和转移概率等概率统计性质.其次,在门限参数与状态指标初始值已知和未知两种情况下,研究了模型参数的条件最小二乘估计与条件极大似然估计方法,并给出了估计量的渐近性质.其中,在门限参数与状态指标初始值未知时,构建了一种能够估计两个门限参数的算法.此外,研究了模型非线性结构的检验方法.随后,通过数值模拟验证了参数估计方法和模型非线性检验方法的有效性.最后,将该模型应用于德国Berleburg站和美国Honolulu地区每两周中降水天数的分析之中.实例分析的结果表明,该模型在拟合和预测方面均具有良好的表现.

本文主要对区间约束线性模型中回归系数和误差方差的同时线性贝叶斯估计进行研究.首先,在参数向量的区间约束最小二乘估计的基础上构建线性贝叶斯估计;其次,在均方误差矩阵准则下分析线性贝叶斯估计的优良性质;最后,采用数值模拟和实例分析论证理论结果.结果表明：线性贝叶斯估计在均方误差矩阵准则下优于区间约束最小二乘估计,并逼近于贝叶斯估计.

本文针对电力系统状态空间维度高、枚举求解不可行及离散状态建模困难等问题,提出了一种融合分支搜索算法与Wasserstein GAN with Gradient Penalty (WGAN-GP)的两阶段可靠性评估方法.在第一阶段,将全系统划分为发电机与线路两个子系统,通过前缀扩展、上下界判据及逻辑剪枝实现对潜在临界状态的高效识别,避免了传统枚举法对全部状态的求解.针对电网传输约束,设计了基于最大流模型的线路子系统评估算法,可在不依赖潮流方程的情况下快速判断系统供电能力,从而显著提升状态分析效率.在第二阶段,本文利用分支搜索算法在状态空间中获得的高价值样本训练WGAN-GP生成模型,结合Wasserstein距离与梯度惩罚实现稳定的连续松弛训练,从而在临界域内进行样本扩充与多样性生成.实验结果表明,该方法在RBTS系统上仅需535次评估分析、6.75s即可达到98.5%覆盖率,在RTS-79系统中则于15.82s内识别出2070564个临界状态.同时,与传统蒙特卡洛仿真(MCS)相比,所提出方法在可靠性指标LOLP和EDNS与MCS结果高度一致.其中LOLP相对误差仅约1.1016%、EDNS相对误差约1.4064%,充分验证了模型在精度保持下的高效性能与稳定性.

本文研究一维热方程的时间最优控制问题.目标是使系统状态尽早进入给定目标集.本文提出一种基于深度学习的直接方法,并通过差分进化算法优化网络参数求解最优时间和时间最优控制.为了验证结果的合理性,本文采用Pontryagin最大值原理作为一致性检验.数值结果表明,得到的控制具有明显的Bang-Bang结构,与Pontryagin最大值原理得到的必要条件高度一致.在不同扰动初值下的最优时间和控制结构都保持稳定,显示出良好的鲁棒性.本文的结果说明深度学习方法可以为分布参数系统的最优控制提供一种有效的实现途径.

在分类任务中,分类准确率是评估模型预测性能的核心指标.然而,单一预测模型往往存在模型不确定性,且直接最大化分类准确率会导致NP难优化问题.为克服上述挑战,本文提出了一种以最大化预测准确率为目标的模型平均预测方法(Accuracy-maximizing Model Averaging prediction method,AccMA).该方法基于具有分类校准性的替代损失函数,通过最小化样本替代损失的$K$折交叉验证准则为各候选模型分配权重,且权重选取过程完全由数据驱动.理论分析表明,所提方法在最小化分类错误风险(等价于最大化预测准确率)的意义下具有渐近最优性.数值模拟实验验证了AccMA方法的有效性.在机器预测性维护数据、声纳探测数据和艾滋病临床试验组第175号研究三个真实数据集上的应用显示,相较于同类对比方法,该方法在提升分类预测准确率方面具有明显优势.

孪生支持向量分位数回归模型(TSVQR)不仅具有良好的泛化性能而且能捕获数据中的异质特征.在处理非线性问题时,该模型先将样本点映射到高维特征空间,然后在高维特征空间中拟合线性分位数模型.由于高维特征空间中可能存在大量冗余特征,因而,TSVQR模型易受冗余特征的影响而得到有偏估计,进而影响模型的预测性能.本文提出了混合孪生支持向量分位数回归模型(HTSVQR),该模型同时将$L_1$正则项和$L_2$正则项纳入模型的目标函数中,使得HTSVQR模型不仅具备$L_2$正则项的平滑性,而且还具有$L_1$正则项的稀疏性,从而达到稀疏估计,增强模型泛化性能和稳健目的.最后,本文通过数值模拟和江西省空气质量数据分析验证了所提模型和方法的有效性.分析结果表明,HTSVQR相较于其他模型对噪声的不同分布均表现出更好的稳健性和泛化性能.

在全球制造业服务化转型与我国“十四五”规划的战略驱动下,服务型制造作为制造加服务深度融合的新形态,对提升产业链韧性及实现双碳目标具有核心价值.其效能提升依赖微观企业、中观产业、宏观政策的多尺度协同,但现有研究面临多源异构数据融合困难、技术-组织-制度动态耦合机制建模不足、效能综合评价体系缺失等问题.为此,提出融合超网络建模、因果推理与多尺度优化的协同测度框架,构建“服务-产业-政策”三模超网络模型,结合微分方程组量化跨尺度传导机制,提出协同熵表征微观交互稳定性,动态黏性诊断中观资源适配效率的测度指标;设计非对称演化博弈策略解析中小企业（SME）与龙头企业（LE）的协同失衡,基于联邦张量分解算法实现多源数据跨模态对齐;实证分析验证了模型有效性,政策乘数效应以及服务基块组装模式可行性.模型为服务型制造的数字化转型提供坚实的理论与方法论支撑.

纵向数据广泛应用于医学、基因组学等领域,其复杂性主要体现在个体内观测间的相关性和潜在的异方差性.现有特征筛选方法多为横截面数据设计,难以直接适用于纵向数据结构.本文提出一种基于广义估计方程与期望分位数回归的超高维纵向数据特征筛选方法(GEEES).该方法通过引入工作相关矩阵刻画个体内相关性,并利用期望分位数回归捕捉响应变量的异方差特征,具有广泛的适用性.理论分析表明,在样本量趋于无穷时,即使工作相关结构被错误指定,GEEES仍能以趋近于1的概率筛选出所有重要变量.数值模拟在普通纵向数据和异方差纵向数据下均验证了GEEES的优越性.最后,将所提方法应用于一项眼科学纵向数据的分析,进一步展示了其在实际研究中的应用.

本文在局部凸空间上使用类范数基建立向量优化中的严格co-radiant分离定理,即锥和co-radiant集可以被某个Bishop-Phelps型类范数线性分离函数分离.同时利用增广$\varepsilon$-对偶co-radiant集的概念提出向量优化问题的$(C,\varepsilon)$-Benson真有效解的一个最优性充分条件,并应用严格co-radiant分离定理得到$(C,\varepsilon)$-Benson真有效解的非线性标量化刻画结果.最后,考虑不确定向量优化问题,分别建立$(C,\varepsilon)$-鲁棒Benson真有效解的线性标量化与非线性标量化结果.

如何有效降低估计误差影响一直是运用均值方差模型构建高维投资组合的重要问题.本文从既注重估计风险缓解又关注次优解风险控制的视角探究正则化高维投资组合构建问题,创建了可融入投资者个性化仓位偏好的广义仓位约束,并藉此建立高维投资组合正则化模型框架以在缓解估计风险的同时降低次优解风险,从而可更好缓解估计误差的影响.此外,新模型的求解算法及调优参数选定建议也被给出以便使用.将新模型分别应用于仿真数据和境内外多个重要金融市场真实数据的仿真实验与实证分析表明:新模型不仅在降低高维投资组合风险和换手率,及提高夏普比率上都优于现有高维投资组合正则化模型,还能使所得投资组合拥有更灵活多样的稀疏性结构;同时一些可作为投资组合管理策略制定的实证新依据也被发现.

随着保险业务之间的关联性日益凸显,如何在有限资金下平衡投资于损失预防和购买再保险,成为保险公司风险管理的核心问题.当前关于相依风险下损失预防与再保险联合动态优化的研究不足.本文针对相依风险下的动态资金分配问题,构建了一个融合Thinning相依索赔模型与随机控制的决策框架,在最大化终端指数效用目标下,通过建立并求解HJB方程,得到了最优资金分配策略.研究发现:保险公司的风险厌恶程度是决定其策略选择的关键,风险厌恶较低时优先投资损失预防,较高时则增加再保险比例以转移风险;同时,准备金规模与索赔概率亦显著影响决策,资金充裕或索赔概率较高时,损失预防的边际效益提升,促使保险公司更倾向于通过预防措施主动管理风险.本研究为保险公司在业务相依场景下的动态风险资源配置提供了理论依据与决策参考.

基于不确定环境,同时考虑决策者风险规避与顾客时间偏好行为,研究全渠道库存与订单履行策略问题.为解决不确定参数概率分布信息的不确定性,以及顾客的服务水平要求,提出了带有联合机会约束的分布式鲁棒优化模型,通过对偶理论和CVaR近似将模型转化为易于处理的混合整数线性规划模型.通过数值算例验证所构建模型与求解方法的有效性.研究结果表明:与传统的随机优化模型相比,分布式鲁棒优化模型具有更好的样本外性能;相较于WMCVaR准则,WMQD准则在风险度量方面具有更好的绩效水平;产品流行期延长以及短期和长期因子增大,都会使目标函数值增加;同时采用SFS和BOPS策略不一定总是优于采用单一履单策略;预设服务水平能够对零售商的运营绩效产生重要影响.

绿色全要素生产率（GTFP）是衡量区域绿色转型的核心指标，创新链、产业链、资金链“三链”协同是其提升的关键。本文基于2011-2022年中国30个省份面板数据（西藏自治区因数据缺失未纳入），综合运用复合系统协同度模型、超效率SBM-DEA与fsQCA方法，探究三链协同驱动GTFP提升的组态路径与区域异质性，尝试破解三链协同度与GTFP区域排名倒挂的悖论——东部协同度最高但GTFP增长并非最快，而西部相反。研究发现：GTFP提升依赖三链协同的系统性组态效应，二者呈现组态层面的非线性关系，协同质量优于协同数量；识别出三链协同型、创新-资金双轮型、产业-资金双轮型、创新-产业双轮型四类等效路径；三链协同驱动GTFP呈现“规模驱动$\rightarrow$创新主导”的动态演化特征，且四大区域路径异质性显著。本文揭示了三链协同驱动GTFP的组态逻辑，为各区域优化三链协同模式提供了差异化政策启示。

利用大语言模型进行疾病诊断,能有效提高诊断准确率、降低技术门槛和诊断成本,其应用效果很大程度上取决于提示工程.由于疾病诊断任务具有临床诊断经验依赖、异病症状相似和诊断决策路径复杂的特征,现有主流提示方法难以满足精确诊断的医疗需求.本文针对疾病诊断的问题特征,提出一种面向疾病诊断的大语言模型多代理知识增强提示方法(Multiagent Knowledge-enhanced Prompt,MKP),该方法提出知识检索策略解决临床诊断经验依赖的问题,构建多视角推理策略解决异病症状相似的问题,设计决策融合策略解决诊断决策路径复杂的问题.通过三个真实的疾病诊断数据集进行测试,验证了MKP方法与现有主流提示方法相比在疾病诊断任务中具有显著优势,为智能医疗领域提供新的技术和方法.进一步对MKP方法的关键参数进行稳健性检验,得出最佳参数设置,为MKP方法的临床部署提供实践支持.

在绿色低碳转型背景下，针对区域低碳创新网络韧性动态特征的研究存在缺口，本文基于2016—2023年中国31个省域内企校机构的低碳专利数据构建网络，结合级联失效模型，从抵抗力、恢复力、创新力三个维度量化韧性；采用Kernel密度估计、标准差椭圆、基尼分解及$\sigma$和$\beta$收敛性检验进行时空演化分析，并构建随机森林模型揭示双失效情景下的影响机制。结果表明：（1）双情景下韧性均呈“调整—稳定—提升”三阶段演化，区域异质性形成“核心—边缘”四梯队；（2）空间上，两类失效均呈集聚特征，但地理格局分异显著；（3）影响因素呈“要素—结构”双轮差异化驱动，随机失效下内部结构变量主导，蓄意失效下外部环境变量为关键。据此，提出分情景施策、差异化空间治理及健全双维支撑体系的政策建议。

区块链技术的应用提升了新能源汽车动力电池的产品追溯水平并刺激了消费需求，但也加剧了消费者对于隐私泄露风险的担忧.本文构建了由动力电池供应商、新能源汽车整车制造商和消费者组成的供应链模型，分析比较消费者处于不同类型时，区块链应用主体的最优定价决策.研究表明：（1）当消费者处于风险中立型时，虽然电池供应商应用区块链技术能增加电池回收量，但不利于市场需求量的增加，并且需求量增益和回收量增益需同时满足相应阈值条件，才可以使应用区块链技术的企业利润增加；（2）当消费者处于风险规避型时，各主体应用区块链技术的优势不会受到消费者风险规避的影响，但其利润增长条件会受到市场中风险规避型消费者占比的影响；（3）无论消费者类型占比大小如何，风险规避造成的损失程度提高均会系统性地抑制所有模式下的市场需求量与电池回收量，并且企业的利润随着风险规避造成损失程度的加剧呈现先降低后增高的U型曲线变化.

本文研究了具有共同冲击相依的保险人和再保险人间的非零和再保险和投资博弈问题.假设保险人向再保险人购买比例再保险来分散风险,并且保险人和再保险人的索赔业务具有共同冲击相依性.此外,保险人和再保险人都允许投资于无风险资产和风险资产,其中风险资产的价格过程由平方根因子模型所描述.二者的目标为最大化自身终端时刻相对财富的期望指数效用.在非零和博弈的框架下，运用动态规划原理，建立了耦合的Hamilton-Jacobi-Bellman方程.进而,得到了再保险双方均衡再保险和投资策略的显式解.最后给出一些数值算例,说明了模型参数对最优策略的影响.结果发现:竞争系数对双方的再保险决策具有显著的影响.共同冲击强度参数对再保险人的承保意愿产生负面影响,但对保险人的再保险需求具有正向影响.

“公司+农户”订单模式的高违约率严重制约我国农业现代化的健康发展,其根本原因在于农产品供应链的协调不足.本文建立“公司+农户”型的两级农产品供应链stackelberg模型,并考虑公司的服务水平,分析公司利他偏好行为下的成本分摊契约对农产品供应链绩效和社会福利的影响.其次,通过理论分析和数值模拟,确定实现农产品供应链协调的具体条件,弥补单纯利他偏好或单纯成本分摊契约在协调中的缺陷,并论证二者结合的协同增效作用,得出以下结论:(1)公司利他偏好行为通过价格调整与服务优化实现了“供应链效率”与“社会福利”的双重改进;(2)利他偏好下的成本分摊契约可以提高公司的服务水平并刺激农产品市场需求;(3)具有利他偏好的成本分摊契约可以实现农产品供应链的有效协调.最后,基于研究结论提出分别针对公司、农户和政府的三点启示,为“公司+农户”型农产品供应链的协调发展提供新的理论视角与实践指导.

本文研究两个竞争的保险人与两个竞争的再保险人之间主从随机微分博弈下的再保险合同制定问题.两个保险人的索赔过程满足复合泊松过程,通过索赔过程中共同的泊松过程体现两个保险人保险业务之间的相依性.通过相对财富,本文分别量化两个保险人以及两个再保险人之间的竞争.基于均值-方差准则,我们分别建立两个保险人之间以及两个再保险人之间的两种非零和随机微分博弈,进而建立两个保险人与两个再保险人之间的主从随机微分博弈,两种非零和随机微分博弈嵌套在两种主从随机微分博弈.基于随机控制理论和博弈的思想,求得保险人的最优时间一致的索赔风险分担策略和再保险人的最优再保费定价策略,进而得到最优时间一致的再保险合同.最后,通过数值实验探究竞争程度、风险厌恶程度和两个保险人保险业务的相依性对理论结果的影响,得到一些新的启示.

针对当前全国多地快速推进网约车电动化的趋势以及不同地区之间网约车电动化进程存在差异的实际背景.基于平台对不同类型汽车进行差异化补贴的策略,同时考虑网约车与巡游出租车之间的竞争,司机的服务供给以及乘客的有限理性特点,运用库恩-塔克定理求解了不同类型司机的最优供应量,以平台收益最大化及网约车排量最小化为目标,构建了"网约车平台-司机-乘客"的三层规划模型,对平台报酬比率,单位里程价格及补贴进行优化,论证了Nash均衡价格的存在性.在模型求解方面,将优化变量进行分层,运用遗传算法优化报酬比率与补贴,运用灵敏度分析法刻画不同出行方式需求量对价格变化的导数关系,并运用松弛化方法求解均衡价格.研究表明:(1)推进网约车电动化,可以在竞争中实现更低的均衡运输服务价格;(2)市场上纯电动汽车比例稳定的条件下,平台增加给所有司机分配的报酬比率,有助于增加平台收益.

本文聚焦于数字经济时代下量化数据资产对企业信用风险作用这一核心问题.针对传统模型选择方法在估计与统计推断中可能产生偏误和失真的问题,本文运用模型平均方法构建了更为稳健的计量分析框架,以系统识别数据资产对信用风险的影响机制与异质性表现.为此,本文采用2012—2024年A股上市公司数据,运用基于平滑惩罚的模型平均方法,有效缓解了模型不确定性问题,并保障了统计推断的可靠性.实证研究表明:第一,数据资产对企业信用风险具有稳健且显著的负向影响,表明其具备明显的风险缓释功能;第二,异质性分析发现,该效应在非国有企业、高科技行业、制造业以及处于成熟期的企业中更为突出;第三,机制检验揭示,数据资产主要通过提升信息透明度、提高全要素生产率以及增强高管激励等路径来降低企业信用风险.本文的贡献主要体现在:在实证层面,为数据资产的信用增强效应提供了系统的经验证据,揭示了其作用情境与影响路径;在方法层面,通过引入能有效处理模型不确定性与异方差问题的模型平均分析框架,提升了相关议题研究的稳健性与推断可靠性.研究结论对深化数据要素的价值评估、完善企业信用风险管理具有理论意义与实践参考价值.

在处理效应估计中, 由于研究对象的分布不均衡以及数据采集、标注和计算成本等现实约束, 处理组样本量往往显著少于对照组, 从而影响估计结果的稳定性与精确性. 本文分析了共形预测框架下不平衡处理分配对处理效应的预测区间构造的影响机制, 通过模拟实验发现, 样本不平衡程度的加剧会显著放大预测区间宽度. 基于此,本文引入随机欠抽样和依概率抽样的样本处理策略, 对倾向得分估计进行调整, 减轻处理分配不均衡对共形预测区间构造的不利影响.模拟实验与半合成数据分析结果表明, 随机欠采样和依概率抽样策略的引入能够在不牺牲区间覆盖率的前提下, 显著缩小预测区间宽度, 提高区间推断的实际效率.

针对突发事件应急协作中的信息共享不畅问题, 本文构建了突发事件应急响应决策主体间信息共享的网络演化博弈模型, 分析决策主体能力异质性、可持续性利益和网络结构参数等因素对信息共享演化策略的影响. 研究表明: 1)当可持续利益过小(或过大)时, 所有决策主体均不共享(或共享)应急信息. 当其处于某一区域范围内时, 若获取应急信息能力的差异较大, 陷入低效的"半共享"僵局; 若差异较小甚至相同, 则出现"全部共享"或"全不共享"的结果. 2) 网络结构效应会导致均衡"漂移". 3)信息共享成本、可持续性利益、群体规模、外部环境不确定性、邻居数量和随机重连概率等关键因素对共享策略选择的影响受到决策主体能力异质性的干扰. 4) 在决策主体能力同质情境下, 选择" 信息共享"策略的群体比例更高. 本研究为促进应急响应决策主体间的信息共享提供一定的管理启示.

本文选取上证50指数部分成分股数据, 结合分形理论、收益-风险比率及多种现实约束条件, 构建了一种以最大化收益-分形风险比为投资目标的最优资产配置模型。为获得最优资产配置比例, 提出一种融合多种“学习”算子改进的教与学优化算法以求解投资组合模型。实证结果表明: 单一成分股自身及两两成分股之间均具有分形特征, 分形理论适用于股票投资组合模型的构建; 无论在牛市还是熊市环境, 不同调整周期、不同波动幅度和时间尺度下的收益-分形风险比模型在收益、信息比率等指标上均普遍优于均值-方差、均值-VaR等传统投资组合模型。

在社交媒体高度渗透的信息环境下,谣言传播呈现出更强的复杂性与突发性.为更真实地刻画社交媒体在谣言扩散过程中的正向强化机制,本文构建了包含社交媒体激活与正强化传播机制的ISDR-M(Ignorant-Spreader-Debunker-Removed-Media)模型.该模型系统引入传播者对社交媒体平台的激活行为(激活率$\eta$)与社交媒体对谣言传播的正强化效应(传播率$\beta$),并在理论上求解了系统的基本再生数$R_{0}$及四类平衡点的存在条件.进一步运用Routh-Hurwitz判据分析了各平衡点的局部稳定性,结合Castillo-Chavez的全局渐进稳定性判定方法与跨临界分岔理论,系统地刻画了模型在关键参数变动下的全局动态行为及系统分岔路径.此外,通过与传统ISDR模型的对比分析,揭示了社交媒体正向强化机制显著扩大了谣言传播规模,并"削弱"了传统接触传播路径对传播态势的主导作用.最后,结合数值模拟验证了理论分析的正确性.本研究为理解社交媒体背景下谣言传播的非线性机制与关键调控因子提供了理论依据,也为制定有效的干预策略(如社交平台治理与反谣言信息投放)提供了数学支持与政策启示.

伴随中国金融业的高速发展, 银行网点数量持续增长, 企业周边银行密度显著提升. 企业周边的银行密度作为金融服务可得性的直观信号, 其变化可能对证券市场的信息传递和投资行为等产生深刻影响. 本文以股票特质波动率作为股票市场微观特征的代表性指标, 使用2007-2023年A股上市公司数据, 考察近邻银行密度变化对股票特质波动率的影响效应及其作用机制. 实证结论发现, 近邻银行密度显著降低了股票特质波动率, 减少了企业特定信息中的"噪音". 机制分析表明, 融资约束的缓解和企业信息环境的改善是重要的作用渠道. 此外, 异质性分析显示, 这一效应在不同股权性质、地区、行业和规模的企业中存在显著差异. 本研究拓展了银行分支机构空间分布和企业微观特征的相关研究. 对深化银行业供给侧结构性改革, 提升资源配置效率, 增强银行服务实体经济的能力具有启示意义.

不同于仅考虑观测误差的标准最小二乘方法, 总体最小二乘(Total Least Squares, TLS)方法会同时考虑因变量和系统矩阵中的扰动，具有更强的实际相关性. 受近期子采样改进的随机奇异值分解研究进展的启发, 我们提出了一种用于截断总体最小二乘(Truncated Total Least Squares, TTLS)问题的加速随机算法(Accelerated Randomized Truncated Total Least Squares, ARTTLS), 特别针对大规模不适定矩阵设计. 该算法采用行空间子采样与随机投影相结合的双重策略, 对增广矩阵的主导空间进行显式近似. 我们建立了所提算法的误差上界并开展了数值实验. 结果表明, ARTTLS算法在保持相当甚至更优求解精度的同时, 大幅缩短了计算时间. 本研究为大规模场景下的TTLS问题提供了一种高效且稳健的解决方案.

在数字经济成为推动区域高质量发展重要引擎的背景下，本文以省域数字经济为研究对象，构建了适配省域数据特征的数字经济规模测算与预测框架,将数字经济划分为基础型与融合型两类，并在增长核算理论中引入替代效应与渗透效应，量化数字技术对传统产业增长的贡献；针对数据缺失问题，提出GM(1,1)模型与节点插值相结合的组合预测方法.以陕西省2002—2020年为例的实证结果表明：（1）该框架在省域应用中具有较强的可行性与有效性，2022年数字经济占比预测误差仅为0.78%，优于传统单一模型；（2）测算期内，陕西省数字经济规模从187.61亿元增长至4128.20亿元，占GDP比重由8.22%提升至30.24%；（3）数字化成效呈现显著行业异质性，第二、三产业为核心贡献部门；（4）预测显示，2027年陕西省数字经济规模将突破1.12万亿元，占GDP比重超50%。所提出的分析框架可以实现对省域数字经济规模的连续测度与趋势预测，可为省级数字经济核算体系建设、产业数字化重点领域识别以及差异化数字经济政策制定提供量化参考.

危化品事故关系人民生命财产安全和国家总体安全,受到了各级政府和部门的高度重视.随着我国国民经济和化学工业的快速发展,危化品事故呈现了较高的发展态势,而且愈演愈烈.因此,迫切需要采用科学手段对潜在的危化品事故风险进行评估,以支持危化品事故预防、处理和应急决策.为此,本文提出了一种基于RAG(Retrieval Augmented Generation, 检索增强生成)的大模型(Large Language Model, LLM)危化品事故风险预测方法RAG-Risk,以利用大模型的通用知识来预测给定危化品生产企业所可能发生风险的根本原因.具体而言,本文利用所收集的危化品事故案例构建大模型检索增强生成的上下文,并利用深度学习模型对给定危化品生产企业的上下文进行精化和大模型推理来提升危化品事故根因预测的性能.在716条真实危化品事故案例上的实验结果表明,相比于传统的信息检索方法、单一深度学习方法和大模型提示工程方法,本文所提出的基于RAG 检索增强生成和深度学习方法能够有效提升危化品事故根因预测的准确率和召回率,在整体性能的Micro-F1和Macro-F1指标上分别将现有基准方法提高30.16% 和48.81%. 本文研究为危化品事故风险管理和应急决策提供了重要的管理启示.

国际大宗商品价格是开放经济下影响各国通胀的重要共同因素,研究其对主要经济体通胀的动态传导路径,对理解通胀形成机制和制定经济政策具有重要意义.本文选取2000年至2023年中国、美国和欧元区的通胀指标及大宗商品价格指数,构建多区域时变参数向量自回归(TVP-VAR)模型,运用广义预测误差方差分解方法,量化评估大宗商品价格冲击对中美欧通胀的差异化溢出效应及其传导路径.模型设定中纳入货币量增速、美元指数等货币政策变量作为控制变量,并设计了包括变量选择合理性检验、模型设定合理性检验、跨国联动效应检验和核心变量替换检验在内的多种稳健性检验,通过对比验证了模型设计的合理性与实证结果的可靠性.研究表明,大宗商品价格对中美欧通胀均存在显著溢出效应,但传导效率与方向呈现明显的区域动态性特征,且与货币政策环境密切相关.

在数实融合的背景下，数字平台不断通过纵向一体化向实体经济扩张其市场势力，如何评估该行为的福利效应并进行科学监管，已成为当前亟待解决的问题。本文在传统双边市场模型的基础上，融合产业组织理论中的古诺模型与斯塔克尔伯格模型，构建出能够同时刻画平台市场与实体经济市场均衡状态的双层双边市场模型。研究表明，聚焦某一实体经济产业时轻度的纵向扩张可能有助于提升社会总福利；但将实体经济相关产业均衡与平台市场均衡融入模型进行整体性考察则会发现：垄断性平台会试图将其垄断势力延伸至实体经济行业，竞争型平台则可能将纵向扩张作为竞争策略展开恶性竞争；若缺乏有效监管，这一行为将愈演愈烈进而导致社会总福利下降。最后，本文结合模型分析结果探讨了在平台经济发展新阶段应如何对平台的纵向扩张实施监管。

在当前经济社会加速数智化转型的背景下，网络安全已成为关乎全局的重大战略问题。本文构建“直接防御+网络安全保险”组合风险管理框架，研究集中式与非集中式企业在不确定损失下的网络安全最优投资策略。本文突破现有研究依赖固定损失分布的局限，采用数据驱动的方法，基于拉普拉斯核密度函数构建高维损失不确定集，并通过鲁棒优化方法求得最优解。研究发现：本文模型所得策略较传统模型更稳健；相较于非集中式企业，集中式企业的投资约束更少，决策更为灵活，且二者投资策略存在明显差异；预算有限时，企业应选择与其保守程度相匹配的策略；随着预算增加，企业直接防御支出、保费支出及财富效用均呈现先增长后稳定的趋势；预算充足时，企业应积极选择全额保险。本研究为企业制定科学合理、切实有效的网络安全防御策略提供了理论支撑和实践指引。

验收抽样是质量控制中判定整批产品接收与否的关键策略.然而,现有的计量抽样方案存在两大局限:一是其忽略了过程不合格率的波动性,未能有效利用过程的先验信息,导致检验样本量过大,效率低下;二是其依赖的最为常见的过程能力指数($C_{pk}$)与过程的真实不合格率缺乏精确的对应关系,致使无法准确衡量过程的实际风险水平,从而导致批次误判,造成巨大的经济损失.为此,文章首先基于可精确反映过程良率的工序良率指数$S_{pk}$,构建了以检验样本量为目标的贝叶斯统计优化模型;进而引入具有``阈值效应''的指数型消费者损失函数,构建了以期望总损失为目标的贝叶斯经济损失优化模型.对比分析表明,所提统计模型相较于现有方案能在同等风险水平下,大幅降低检验样本量,而经济损失模型进一步能将平均期望总损失降到最低.

新能源汽车产业崛起推动了能源结构优化与经济可持续发展，提升动力电池退役后的资源利用效率需要考虑其再制造过程中的质量差异影响，同时，区块链技术投入为绿色低碳转型注入新动力。基于这一背景，本文构建由电池制造商、整车企业和第三方回收商组成的闭环供应链Stackelberg博弈模型，在质量差异下分析集中和分散决策下各方最优策略及利润，探讨电池质量等级、电池可追溯水平与区块链技术投入对回收决策的影响。研究表明：集中决策是既能惠及消费者又能提高供应链总利润的最佳决策模式；进行再制造的电池质量等级过高或是过低都会造成回收价过低，回收量过少；引入区块链技术可显著提升电池可追溯水平，当电池回收价格降低且回收量提升足以抵消区块链技术投入成本时，电池制造商选择引入区块链技术可显著提升闭环供应链的回收率和各方利润。

针对资金约束下供应链企业运营,融资和碳减排需求,研究了一个综合考虑碳交易,碳减排投资,碳质押融资,消费者绿色偏好的绿色供应链网络设计问题.以最大化供应链利润为目标,建立了混合整数线性规划模型,证明了该问题的NP难特性.为高效求解大规模问题设计了一种基于分解思想的两阶段启发式算法;同时,为对比验证算法有效性,进一步设计了基于贪婪解码策略的遗传算法.数值实验表明,遗传算法能够在小规模与大规模算例中分别以平均0.24秒与32.28秒获得平均差距为9.07%和5.20%的可行解.两阶段启发式算法在求解小规模算例时能够在1秒内获得与最优解平均差距小于1%的满意解;针对大规模算例,该算法能够在CPELX无法求解的情况下,以平均520.38秒的计算时间获得与上界平均距离小于1%的满意解.敏感性分析显示,碳价和消费者偏好的提升能够对供应链总利润起到积极作用.碳排放随消费者偏好的提升增加,而随着碳价的提高先增加后减少.

本文基于我国主流新闻媒体2010-2022年近三万条文本信息,利用机器学习中的主题分类模型(LDA)量化了我国气候转型风险,测度了上市企业的气候转型风险暴露水平,并进一步探究了企业气候转型风险暴露与股价崩盘风险的关系.研究发现,气候转型风险暴露加剧了企业的股价崩盘风险.机制分析表明,气候转型风险暴露主要通过股票流动性和投资者短期投机推高股价崩盘风险.在信息透明度低,股价泡沫高,政府气候关注低,以及高污染行业企业中,气候转型风险暴露对股价崩盘风险的影响更加显著.本文为气候转型背景下企业风险暴露与股价关系提供了新证据,可服务于应对气候变化、防范金融风险等相关政策的制定与优化.

绿电消纳是实现居民侧低碳绿色生活用能的主要途径,探寻绿电消纳投资行为的演化过程及引导机制是推动社会绿色动态发展的重要手段.围绕这一目标,综合考虑居民异质性和微网运营商运行特性,构建基于前景理论的混合博弈模型,分析双方主体的策略演化过程,并进行数值仿真实验,其次构建基于不平等厌恶理论合作投资收益分配模型,分析不同情景下的收益分配策略.研究结果表明:在当前的绿电投资和电力市场环境下,对于分布式光伏投资项目,居民与微网运营商双方主体最终策略演化为合作投资和参与策略,这一策略对于居民侧高效绿电消纳有积极推动作用,且居民和微网运营商均可最大程度获得收益;风险应对机制、投资成本以及共享储能配置对双方主体策略演化有显著影响;异质性居民协同合作较独立投资而言产生合作增值,基于不平等厌恶理论的利益分配策略能够有效保障各类居民的收益,同时从行为经济学的角度最大程度满足居民对公平收益的诉求.

在“双碳”战略深入实施与生态环境问题日益凸显的背景下，制造业作为碳排放的主要来源，其绿色转型已成为实现可持续发展的关键路径。然而，受制于资金约束和融资困难，许多企业在减排投入方面面临瓶颈。本文基于碳配额交易机制，构建了一个由资金约束供应商和制造商构成的二级供应链博弈模型，系统探讨绿色信贷融资、碳配额回购融资和内部股权融资三种模式下供应链成员的最优决策。研究结果表明：首先对于供应商而言，当碳配额回购价差处于较低水平时，碳配额回购融资在降低融资成本方面具有显著相对优势；当碳价处于中间较高水平时，绿色信贷因成本稳定性而表现更优。其次，对于减排水平，内部股权融资下减排水平最高，绿色信贷融资对减排的激励效果最差。此外，碳减排水平与碳减排投资成本系数呈负相关，与绿色偏好系数呈正相关。上述发现刻画了碳配额回购价差与融资模式选择之间的作用机理，为制造业企业在“双碳”政策背景下进行情境化融资模式选择与减排决策提供了更具针对性的理论依据与实践参考。

在知识体系持续拓展与深化的当下,学科壁垒逐渐消解,学科交融已成不可逆转之势.本文提出了交叉主题模型(CrossLDA)用以研究学科间的融合及相互影响.CrossLDA模型可以自动识别出两个学科对应文本(如科研论文)的共享主题和特定主题,并得到各主题的动态发展变化和演进特征,以挖掘出不同学科间的交融发展及互动规律.本文以统计和计算机两个学科为例,通过对十个代表性的统计学期刊以及人工智能顶级会议AAAI的近十年发表文章内容进行建模,提取出机器学习、智能决策等共享主题,并研究共享主题在这十年间研究动向的转变以及两学科在共享主题上发展趋势,发现两个学科紧密关联、相互影响.研究结果不仅验证了CrossLDA在揭示学科交融规律方面的有效性,也为相关领域的学术交流与交叉创新提供了数据支持与方法参考.