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.

股票收益率的三个 "基本面"成分(风险合理补偿的预期收益、未来现金流与贴现率预期变化产生的现金流和贴现率信息)中, 现金流信息最有可能出现短期反转.文章第一次使用修正的分析师预测测度现金流信息,构造基于残差收益率的短期反转策略研究中国股市的短期反转效应,实证结果发现该策略能产生相比标准反转策略更高的经过风险因子调整的回报率.进一步, 基于分离出现金流信息的方法,从投资组合的多、空两方发现主要是流动性冲击而非投资者情绪能解释中国股票市场的短期反转现象.文章从残差收益率的新视角检测A 股短期反转策略,不仅丰富了资产定价金融异象领域的研究,亦提供了以中国为例的新兴市场关于理解短期收益反转理论的国际化证据.

针对出行高峰期乘客打车难、车辆供不应求的现象,基于高峰期网约车平台同时采取加价策略和给予司机补贴的实际场景,考虑司机供给价格的异质性, 并结合司机出车决策的参考点依赖理论,以平台期望利润最大化为目标,构建网约车平台与司机的Stackelberg博弈模型, 运用库恩-塔克定理,求解高峰期网约车平台最优服务价格和最优补贴力度.研究表明:高峰期网约车平台的期望利润随着补贴力度的增加呈现出"倒U型"演变轨迹;当网约车平台的补贴力度在临界值之内时,平台期望利润随着服务价格的增加呈现出先增后减的趋势,当到达临界值(高点)时, 网约车平台期望利润实现最大化;高峰期网约车平台通过采取合理的服务价格和补贴策略可以有效降低司机资源流失的风险,调节供需关系, 提高双方收益.

因子分析,(factor analysis,FA)是一种流行的从多变量中提取公因子的统计技术,但它仅适用于向量值数据(每个数据点为一向量).当FA应用于矩阵值数据(每个数据点为一矩阵)时,一种常用的做法是首先将矩阵值观测向量化. 然而,向量化使得因子分析面临两个问题: 可解释性变差, 容易陷入维数灾难. 为了解决这两个问题, 文章从矩阵值数据本身固有的矩阵结构出发, 提出双线性因子分析,(bilinear FA, BFA). 新颖性在于BFA采用双线性变换, 模型参数大大减少, 有效克服了维数灾难问题, 同时提取感兴趣的行变量和列变量公因子.文章开发了两种有效算法用于BFA模型参数的极大似然估计,讨论了估计的理论性质并明确地求出Fisher信息矩阵的解析表达式来计算参数估计的准确度, 研究了BFA的模型选择问题. 与传统因子得分为一向量不同, BFA的因子得分为一矩阵, 文章为矩阵因子得分提供了计算方法以及可视化方法. 最后,构建实证研究来理解提出的BFA模型并与相关方法进行比较. 结果表明了BFA在矩阵值数据分析上的优越性和实用性.

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.

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.

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.

在实现高质量发展的过程中,提升区域经济韧性是促进经济发展进而带动区域全局发展的重要保障之一.文章从理论层面对数字金融影响区域经济韧性的机制进行分析,并通过构建区域经济韧性评价指标体系对各省份区域经济韧性水平进行测度和分析,基于中国2011--2021年选取的31个省(自治区、直辖市)的面板数据,进一步构建基准回归模型、中介效应模型和面板门槛效应模型对理论分析进行实证检验.研究表明: 1)区域经济韧性处于较低水平的地区数量依然较多,省份间经济韧性发展水平差距较大, 呈现出“东高西低”的不均衡特征;2)数字金融对区域经济韧性具有显著的正向促进作用,且促进效应存在“东部地区$>$中部地区$>$西部地区”的区域异质性;3)数字金融在“数字金融$\rightarrow$产业结构升级$\rightarrow$区域经济韧性”、“数字金融$\rightarrow$缩小城乡收入差距$\rightarrow$区域经济韧性”、“数字金融$\rightarrow$社会保障水平$\rightarrow$区域经济韧性”关系中发挥了显著的正向中介效应;4)数字金融对区域经济韧性的促进作用在跨越互联网普及率的门槛值后可以得到更显著的发挥,且东部沿海地区的加速门槛效应显著高于中部内陆地区和西部边远地区.因此, 通过因地制宜地发展数字金融,发挥好产业结构升级、缩小城乡收入差距和提高社会保障水平的正向效应,加快现代化信息建设, 可以有效提升区域经济韧性水平.

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.

地铁白名单安检通道最低抽检率设置是平衡白名单通道安全与效率的难题.文章总结凝练了政府监管、专业机构监管和后设监管三种地铁安检白名单信用监管模式,构建了“信用”约束和“信用+便利性”约束两种机制情境下考虑信用偏好的白名单通道最低抽检率模型.研究发现:(i)当不考虑乘行便利性收益影响时,信用得失距最大的信用监管模式占优,且后设监管模式一般优于专业机构监管模式;(ii)监管机构间对乘客信用监管结果的互认度越高,白名单通道最低抽检率越小;(iii)信用得失距与白名单乘客信用偏好程度正相关,两类信用偏好呈叠加关系;(iv)信用约束和便利性约束呈互补关系,同时,当政府部门与专业机构对信用监管结果的互认率较低,或白名单乘客对两类信用的信用偏好均较低时,乘行便利性对白名单通道最低抽检率的敏感性将显著增强;(v)当白名单乘客占比过高或白名单通道数量过少时,对白名单乘客的便利性约束效力将会显著降低,甚至反噬信用约束效力,并最终导致“信用+便利性”约束机制下的白名单通道最低抽检率高于“信用”约束机制下的数值.

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.

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.

MOOC评论文本蕴含大量用户观点和情感信息,反应来自用户视角的MOOC质量诉求和质量满意度.文章构建了基于用户评论“主题-情感”耦合分析的MOOC质量表征模型,即基于LDA挖掘评论文本主题,表征MOOC的质量评估维度;基于BERT生成评论文本情感分类,表征MOOC质量的满意度和关注度,并以“中国大学MOOC”为例分析MOOC质量的表征结果.研究发现,不同学科类型的MOOC质量评估维度不同,不同MOOC在每个质量评估维度上的用户满意度和关注度不同,质量评估维度对MOOC质量有不同的显著性影响.文章提出的MOOC质量表征模型能泛化到具有用户评论的各种在线课程平台,能细粒度表征课程质量,为建设者设计和改进课程、学习者选择课程提供精准依据,服务优化MOOC建设和体验.

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.

文章针对由单个制造商和单个零售商组成的销售系统,构建了制造商不引入直播渠道、引入店铺播渠道和引入达人播渠道的三个决策模型,运用博弈论方法探讨了制造商的直播渠道引入策略,以及直播渠道引入时多渠道供应链的定价策略. 研究表明:引入直播渠道有利于制造商收益的增加; 制造商引入直播渠道后,直销渠道中产品的价格和销量减小, 线下零售渠道中产品的价格减小,而销量增加. 进一步分析直播渠道类型对直播策略的影响可得,当店铺播渠道的单位成本较低(高)时,引入店铺播(达人播)渠道有利于直播渠道采取“低价”策略;当店铺播渠道的单位成本较低且达人主播的专业能力较弱时,引入店铺播渠道有利于直播渠道采取市场“渗透”策略, 其余条件下,引入达人播渠道有利于直播渠道采取市场“渗透”策略. 研究还发现,直播渠道中产品的价格不一定更便宜.

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.

推广新能源汽车是有效降低交通运输系统碳足迹的重要举措.文章基于消费者效用理论, 构建新能源汽车充电与换电模式的定价决策模型,对比分析两种服务模式的定价策略,并讨论动力电池生产成本、换电技术水平、续航里程和能源价格对两种模式新能源汽车推广的影响.研究表明: 1) 与充电模式相比,换电模式能有效缓解消费者充电焦虑,但将导致换电服务溢价; 2)动力电池生产成本和换电技术水平是影响服务模式采用的重要维度,动力电池生产成本决定充电模式采用,而换电技术水平和动力电池生产成本共同决定换电模式采用; 3)动力电池生产成本和续航里程对两种模式的推广影响存在差异性,动力电池生产成本降低更有助于换电模式的推广,而续航里程增加更有利于充电模式推广; 4)电力或燃油价格变化对两种模式新能源汽车推广的作用效果相近,其通过建立运营成本优势而加快新能源汽车的推广应用.

数字经济背景下, 平台企业的垄断行为与反垄断机制设计已成为当下研究的热点与难点问题.针对这一问题, 先后在静态奖惩机制和动态奖惩机制下建立了政府部门、平台企业和社会公众的三方演化博弈模型. 模型分析方面, 重点讨论了两种奖惩机制下混合策略纳什均衡(mixed strategy Nashequilibrium, MNE)作为系统演化稳定策略(evolutionary stabilitystrategy, ESS)的可能性及其系统演化特性, 证明了动态奖惩机制下MNE或将是系统ESS, 并经系统仿真予以证实.仿真结果表明, 静态奖惩机制下博弈各方都将呈现出周期性的策略选择模式, 而动态奖惩机制下系统渐近稳定于MNE, 由此说明确实存在动态奖惩机制是静态奖惩机制的一个稳定性改进情形.最后, 建议政府部门应制定动态可调整的奖惩机制, 在加大对平台企业惩罚强度的同时, 逐步降低对社会公众的奖励力度, 此做法既能显著提高平台企业合规经营的概率, 又能使政府部门和社会公众的平均期望效用得到改进.

当前,全球正面临复杂多变的半导体贸易环境.为识别国际贸易网络中经济危机所带来的影响,文章选择数字经济的基础-半导体作为研究对象,使用联合国商品贸易统计数据库中2019年半导体贸易数据,基于复杂网络理论构建有向加权半导体国际贸易网络,并分析其拓扑结构特征.在此基础上,采用级联失效模型,探究国际贸易网络中半导体供给危机的传播过程.研究结果表明:半导体国际贸易网络呈现小世界特征.中国和美国等中高收入经济体位于网络的中心,其在半导体贸易市场中非常活跃且具有重要的影响力.美国、意大利、韩国、荷兰、法国和日本等国一旦出现半导体供给短缺风险,通过中国引发的经济体雪崩规模极为庞大,揭示了中国在危机传播过程中发挥了重要的中介作用.当中国作为半导体危机传播源时,经过一步迭代由中国直接感染的经济体数量排名第一,凸显了中国在全球半导体贸易中的重要地位.文章的研究结果不仅有助于深入了解全球半导体国际贸易格局,拓展了半导体领域的相关研究,同时为中国半导体等高新技术产业的发展、国际贸易政策的制定和有效应对全球半导体供应链风险提供了有益的政策建议.

路况检测是智能驾驶中的一项核心任务, 其中包含限高检测任务.鉴于学术界中与限高检测相关的研究还不够成熟,文章对限高检测方法进行了研究,提出基于关键点和多帧图像特征融合的限高检测网络.将关键点思想引入限高检测任务, 减少不必要的预测, 提升检测效率;引入卷积门控循环单元(ConvGRU)对多帧图像进行建模,学习多帧图像之间的上下文关系, 提升召回率, 降低漏检率; 提出空间细节特征(spatial particulars feature, SPF)模块,加强解码层的多尺度特征融合; 引入坐标注意力机制,进一步关注目标检测区域, 提升模型的查准率. 实验结果表明:该网络不仅能够很好地完成限高检测任务,并且相比于BiSeNet、PINet、PSPNet等其他先进网络,能够更好地平衡查准率与召回率, 拥有更高的F1值和较少的参数量;同时对于车道线检测任务, 在精度与漏检率方面也表现优异,进一步证明了该网络的有效性.

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.

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.

文章研究了具有网络攻击和输出耦合的复杂网络同步控制问题.在控制器到执行器之间发生欺骗攻击和拒绝服务攻击的情况下,设计了输出反馈PID控制器.基于Lyapunov稳定性理论和线性矩阵不等式技术,获得了同时满足同步误差系统均方渐近稳定和严格$(\mathcal{Q},\mathcal{S},\mathcal{R})$-$\gamma$-耗散性的充分条件.最后通过仿真验证了理论结果的可行性和有效性.

一致性是决策过程中关键且具有挑战性的问题之一,影响判断矩阵及决策结论的有效性和准确性.当决策者的偏好以犹豫模糊语言术语集表达时,为了有效获取语言决策环境下的决策信息,文章研究了犹豫模糊语言判断矩阵的一致性确定,不一致性修正及权重推导.首先,提出了犹豫模糊语言判断矩阵的两种加性一致性:完全加性一致性和弱加性一致性.在此基础上,提出了线性规划模型和0-1混合规划模型来确定一致性类型.另外,对于不完全的犹豫模糊语言判断矩阵,也给出了缺失值估计并判断一致性的方法;对于不一致的犹豫模糊语言判断矩阵,给出了一种修正方法,在一致性的基础上计算权重.最后,结合决策问题的具体实例并进行对比分析,验证了文章模型的有效性与合理性.

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.

文章给出一个构造性算法,将一元半正定多项式表示为一些次数递降的多项式的平方和,当输入的多项式的系数是有理数时,该算法构造的降次多项式的系数也是有理数.文章还把这种方法推广到多元多项式情况, 即如果该多项式有平方和表示,使用文章方法也能得到该半正定多元多项式的一个特殊的平方和分解.

由于“维数祸根”的影响,高维参数和非参数检验均面临检验功效低的问题.目前高维检验功效提升的方法主要有两种:1)在统计量中加入一个示性函数,利用边缘的信息提升高维检验的功效;2)利用样本切分的方法,将变量降维和假设检验分两步进行,进而提升检验功效.基于这两种思想,文章针对高维均值、回归系数和变量独立性进行假设检验,分别提出了利用示性函数和维度约简的假设检验方法.数值结果表明,利用示性函数进行功效增强的方法无论在稀疏还是稠密假设下都能得到较高的检验功效,但此方法的检验水平依赖于原始检验统计量和阈值参数的选取.维度约简方法可以很好地控制检验水平,也不存在阈值参数选取的问题,在稀疏假设下具有非常好的检验功效,但在稠密假设下维度约简方法表现低于示性函数功效增强方法.

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.

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.

零化神经网络(zeroing neural network, ZNN)因其具有快速的收敛速度和较为出色的抗外界噪声干扰的能力, 自被提出以来就有大量研究且广泛地应用于时变问题的求解. 然而, 目前所存在的零化神经网络模型的收敛速度和抗干扰能力仍然不尽如人意. 因此, 为进一步提高零化神经网络的性能, 文章提出了一种固定时间收敛激活函数(fixed-time convergent activation function, FTCAF), 然后, 基于该激活函数建立了固定时间收敛的零化神经网络(fixed-time convergent zeroing neural network, FTCZNN)模型, 并应用该模型对动态Sylvester方程(dynamic Sylvester equation, DSE)进行求解. 理论分析证明了FTCZNN模型拥有固定的时间收敛上界和较为出色的抗外界噪声干扰的能力. 此外, DSE数值仿真实验也证明了FTCZNN模型的优越性能. 最后, FTCZNN模型被用于机械臂的轨迹跟踪实验, 且实验结果再次证明了FTCZNN模型相较于传统ZNN模型拥有快速的收敛速度和较为出色的抗干扰能力, 因此其实际应用能力也得到了验证.

Meta分析是一种通过对多个独立研究结果进行系统的整合、分析和综合,以得出更为准确、全面的结论的统计方法.在Meta分析的预测过程中,为了解决模型选择存在的不确定性问题,文章提出了一种基于Mallows准则的模型平均(MMA)方法,并证明了其具有渐近最优性.最后,对文章所提出的MMA估计与Jackknife模型平均(JMA)、S-AIC和S-BIC信息准则下的模型平均估计进行了模拟研究,并应用于卡介苗疫苗数据的实例分析,结果均表明MMA优于其他模型平均估计.

针对自信双层语言中“自信度”主观性较强、缺乏对应调节机制等问题,提出了一种新型决策语言术语和基于对偶自信双层语言偏好关系的多属性群决策方法.首先, 引入社会网络法获取专家间“信任关系”矩阵, 考虑信任传递的全面性和信息失真情况,采用OWA算子和最短链路原则补全“信任关系”. 其次, 耦合“信任关系”和自信双层语言创建对偶自信双层语言,拓展对偶自信双层语言偏好关系, 研究其一致性及共识性指标, 并构建对偶自信双层语言的反馈调节机制.进而, 利用反馈调节机制中调节后“自信度”和“他信度”指标构建新的专家赋权模型.最后, 结合反馈调节机制和专家赋权模型, 提出对偶自信双层语言偏好关系的多属性群决策方法. 通过湖南省新能源投资项目分析, 验证了方法的适用性和有效性.

许多公司积极参与精准扶贫,为中国摆脱绝对贫困、打赢扶贫攻坚战发挥了重要的作用.文章从公司资产的波动率和尾部风险视角,讨论了参与精准扶贫公司的投资价值问题.文章首先建立了一个包含扶贫项目在内的单周期公司投资决策模型,从理论上探讨了参与扶贫对公司资产波动率和尾部风险的影响. 然后,以2016—2020年A股上市公司数据为研究对象,对精准扶贫与公司股票风险的理论关系进行了检验.研究发现, 与理论预期完全一致,参与精准扶贫的行为能够显著降低公司股票的波动率、特质波动率和尾部风险.扶贫对公司资产风险的影响在非国有公司、投资者信心高和扶贫成效好的公司中尤为明显.机制分析发现,精准扶贫能通过提高公司经营绩效和公司信息披露质量渠道降低公司股票波动率和尾部风险.文章的研究为公司积极履行社会责任提供了有力的理论与实证支持,无论是从风险管理的角度,还是价值投资的角度,参与扶贫的公司均具有相对高的投资价值.

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.

中介分析的主要目的是研究自变量是否通过中介变量来影响因变量.中介分析方法在社会科学和生物医学等领域获得了广泛的研究和应用,已经成为这些领域主流的研究方法.无论是单个中介变量还是多个中介变量的情形,已有许多学者进行了广泛的研究, 但值得注意的是,这些对中介分析的研究鲜有利用先验信息. 在高维的情形下,合理地利用过往研究成果等先验信息, 可以有效提升估计和检验的效果.针对这一问题,文章提出了基于先验信息的中介变量选择方法和假设检验方法.理论和数值分析结果表明,文章所提的方法在先验信息质量较好时性能优于现有的方法,在先验信息质量一般时表现出稳健性, 性能与现有的方法相差不大.通过对功能基因组学数据集的分析, 探索出 DNA甲基化在童年创伤和皮质醇应激反应中的中介作用.

智能舌诊是计算机视觉在中医领域的一个典型应用,舌体图像自动识别是其中的核心问题.肝郁线位于舌面两侧,是中医临床重要的诊断依据,研究其自动识别能够促进智能舌诊的进一步发展.文章借助视觉Transformer自注意力机制的优势,基于SwinTransformer提出注意力指导和局部区域复用策略,并以此为基础构建了用于肝郁线识别的ST-LDL网络结构.注意力指导用于促进ST-LDL提取到肝郁线细粒度特征;局部区域复用利用舌面两侧的局部强响应区域,一方面训练ST-LDL的局部网络分支,另一方面增强ST-LDL的全局网络分支.消融实验结果表明,单独使用注意力指导策略和区域复用策略,均能提升识别效果;共用这两种策略时,各项指标均大幅提高.对比实验结果表明,文章所提算法优于通用算法,也好于现有专门用于肝郁线识别的算法.

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.

由于在险价值(VaR)度量尾部损失风险时不满足次可加性等性质, 文章建立基于条件在险价值(CVaR) 的风险平价投资组合模型, 通过数值计算给出投资组合策略实现方法.以夏普比率、最大回撤和卡玛比率作为业绩评价指标, 将基于CVaR的风险平价投资策略与常见的投资组合策略进行对比, 数值实验结果表明, 风险平价类策略的综合表现相较于等权组合投资策略、最大夏普组合投资策略与全局最小方差组合投资策略更具有鲁棒性.而在三种风险平价策略中, 基于CVaR的风险平价投资策略在风险控制方面存在优势, 其收益与风险分散效果显著提高. 鲁棒性测试结果也表明, 基于CVaR的风险平价投资策略能够在面对不同情况时仍然保持稳定性和有效性.

“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.