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.

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.

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.

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.

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.

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.

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.

在世界范围内发生的大量恐怖袭击事件中,各地的恐怖主义组织呈现出协同合作的趋势,对国际反恐工作提出了巨大的挑战.基于全球恐怖主义数据库GTD,文章从2001年至2018年全球发生的121,074起恐怖袭击事件中构建了恐怖组织合作演化网络,并对该网络进行时序拓扑结构分析.根据恐怖组织合作特性,将网络按照3年为一个时间切片进行划分,从多尺度对恐怖组织社团流动规律进行建模.分析结果表明,随着时间推移,恐怖组织合作网络的鲁棒性也在不断增强,因此有必要提出相应的策略对其进行瓦解.针对恐怖组织合作网络中影响力不断扩大的最大连通子网络,文章提出了一种基于社团结构的邻域中心性指标(CSNC)以度量最大联通片中节点的重要性.基于该指标的网络瓦解策略在2001-2018年恐怖组织合作网络仿真实验中得到的R值与多种基准策略相比,最高降低了16.45%,证明基于CSNC的瓦解策略可以实现对恐怖分子合作网络更有效的瓦解.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

当今电影市场上海量的影片资源使用户面临选择困境,高效的电影推荐系统对提升用户体验以及电影服务商的市场竞争力具有重要作用.如何融合多种数据源进行个性化推荐,在提升算法精度的同时平衡多样性是电影推荐系统面临的挑战,针对该问题的研究具有重要的理论和现实意义.用户画像可以从多维度刻画丰富的用户特征, 更好地理解用户兴趣和行为,链路预测从网络拓扑结构视角建模具有独特优势,二者的融合为解决上述问题提供了可能性. 为此,该研究提出了一种基于用户画像和链路预测的电影个性化推荐算法.该算法以电影推荐为背景, 区分了用户的行为和领域兴趣相似性,融合多源数据构建用户画像, 作为网络外部信息融入链路预测过程中,有助于提升算法精度. 此外,算法还从稀缺性视角改进了二分图投影中用户兴趣相似性的计算,同时衡量了链接在推荐中的促进或抑制作用强度,使推荐结果更加新颖和个性化, 流行度偏差问题得到一定程度的改善. 最后,文章基于两个$\rm MovieLens$ 数据集对提出的推荐算法进行了实验验证,结果表明与代表性算法相比, 文章提出的算法不仅在准确性上有显著提升,在与多样性相关的指标上也有明显的优势. 此外,抽象出的用户画像能够帮助推荐平台了解其用户群,从而制定出更为科学的营销与管理策略.

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.

在社会网络环境下的群体决策中,专家在群体中的权重和专家间的信任关系是影响共识达成的关键因素,但在许多研究中信任关系是不变的且专家权重仅由信任关系确定,因此创新地提出一种考虑专家社会影响力与信任演化的群体共识决策方法,有效促进群体共识的达成. 首先,使用信任传播与聚合方法将不完整的社会信任矩阵转化为完整的社会信任矩阵,随后, 根据专家的加性偏好关系和社会信任矩阵获得专家的社会影响力,进而, 得出专家权重. 然后,以各专家的最优方案是否得到采纳以及专家方案排序向量与群体方案排序向量间的差异为依据建立信任演化模型,并根据信任演化模型提出考虑信任演化的共识达成过程.再通过仿真模拟的方法求出社会影响力中各指标的权重系数,并对提出的共识达成方法进行可行性验证, 论证所提模型的合理性与有效性.最后, 通过一个算例以呈现文章方法的详细求解过程,进一步论证模型的可行性与有效性.

“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.

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.

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.

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.

三参数Weibull分布作为可靠性分析的常用分布之一, 由于其存在非正则问题, 导致频率方法的大样本性质不总成立, 而贝叶斯方法在先验的选择上也会面临一些问题.为了使实际工作者多一种选择, 文章将广义信仰推断应用到三参数Weibull分布的研究中, 对于可靠度等感兴趣参数, 构建了广义信仰点估计和置信区间, 并将其与频率方法和贝叶斯方法进行比较. 模拟结果表明, 广义信仰点估计拥有更小或相当的均方误差, 而且在保证覆盖率的基础上拥有更短或相当的平均区间长度. 最后, 文章使用单碳纤维强度数据和滚球轴承数据验证了广义信仰推断在三参数Weibull分布中的有效性.

文章研究了响应变量和多维协变量混合随机缺失情况下的线性测量误差模型的复合分位数回归和变量选择问题.为提高估计效率, 文章基于逆概率加权和测量误差修正因子给出回归系数的复合分位数回归估计量.该方法不仅可以消除测量误差对估计结果的影响, 而且能够有效地处理混合随机缺失数据.同时获得了所提估计量的渐近正态性. 进一步, 文章基于自适应LASSO方法, 提出混合随机缺失数据下测量误差模型的变量选择方法, 并证明了惩罚估计量具有oracle性质.蒙特卡罗模拟实验和实际数据分析给出了文章所提方法在有限样本下的表现.

数字化转型逐渐成为数字经济背景下企业发展的重要驱动力.文章结合数字化转型中存在的“数字技术基础薄弱”与“数字技术难以业务赋能”问题,从资源与能力视角将数字化转型划分为数字技术资源与数字技术赋能两个维度,探寻促进转型问题解决的前因(管理者心理韧性),并明确转型经济后果(企业绩效).根据中国香港联合证券交易所上市的557家企业在2010-2020年的数据,利用文本分析法实证发现:1)管理者心理韧性显著促进数字技术资源与数字技术赋能,且对数字技术赋能的作用更强;行业竞争负向调节管理者心理韧性对数字技术赋能的作用,但不调节管理者心理韧性对数字技术资源的作用.2)数字技术赋能正向影响企业绩效,数字技术资源对企业绩效无显著影响.3)管理者心理韧性对数字技术资源与数字技术赋能的促进作用、数字技术赋能对企业绩效的正向影响,均在大型企业、非制造业企业中更强.4)心理韧性强的管理者能够优化管理层人力资本结构,促进企业建设数字技术与提高数字技术赋能能力,助力数字化转型;数字技术赋能通过提高企业运营效率与营业成本控制效率获得企业绩效;心理韧性强的管理者可帮助企业获取数字技术赋能能力提高企业绩效.文章结论为企业实施数字化转型,获取数字化转型的经济效益提供了重要启示.

文章旨在刻画基于范数约束不确定集的鲁棒二次优化问题的二阶锥规划对偶性质.首先, 借助鲁棒优化方法, 引入该鲁棒二次优化问题的鲁棒对等问题. 随后,给出该鲁棒二次优化问题的二阶锥规划对偶问题. 最后,借助一类特征锥约束规范条件, 研究它们之间的零对偶间隙关系.

农产品质量信息的虚假披露导致价格机制失灵,制约着农产品市场的发展.区块链中信息透明可追溯的特性,为解决农产品供应链质量信息虚假披露提供了新的解决方案.然而高昂的区块链采用成本,市场消费者类型,区块链信息追溯精度都影响着区块链的采用.文章运用信号博弈,以价格为信号探究了农产品供应链中区块链采用策略和质量信息披露策略.研究发现: 1)农超只有在溯源信息增益较高时才会采用区块链技术;且农户的种植成本较低时,农超采用区块链技术意愿更强烈.2)在不采用区块链技术且种植成本较低时,低质量农户有动机虚报高价混淆市场.3)农超采用区块链技术可能会损害农户的收益,随着信息敏感的消费者数量增加,农产品供应链中各方都能从中获益.

针对领导-跟随的智能网联车协同编队一致性控制问题,提出了一种基于观测器的分布式事件触发控制算法.首先,通过分析车辆动力学,建模得到车辆状态空间方程,进而构建系统模型并设计触发阈值.其次,设计观测器来解决系统部分状态不可测、未知扰动和非线性等问题,利用估计出的状态提出分布式事件触发控制算法.该算法通过判断是否满足触发条件来减少控制器控制信号的更新频率,从而节省通信与计算资源.提出的算法实现了车辆状态的估计、编队控制,显著提高了系统的稳定性和可靠性,提升了车辆编队的协同效率.最后,通过对一个四辆车组成的领导-跟随车辆编队进行仿真实验,说明了所提方法的可行性和有效性.

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.

新能源充电站与车辆到电网(vehicle-to-grid,V2G)技术的出现,为物流业带来新机遇.配送过程中,电动车可以将其在新能源充电站所充的部分电能通过V2G技术输入与电网连接的火电充电站,创造一定的V2G利润.综合考虑充电站能源差异、客户需求、电动车能耗、碳排放以及V2G利润等因素,以总配送成本与电动车V2G利润之差最小为目标,构建电动车配送-充电-电能输送路径规划的混合整数规划模型,并根据模型特性设计混合蚁群算法求解.采用多类型算例开展实验,结果表明:文章方法能在较短时间内求解符合决策者目标的电动车配送-充电-电能输送路径规划,不但有效降低总配送成本、提高V2G利润,而且实现电动车配送的“零排放”,还能为离网型新能源电能入网提供低成本解决方案,实现物流企业、电力公司与电能用户的互利共赢.

文章提出同时决策、发电商领导决策和零售商领导决策下的非合作-合作两型博弈模型,深入探讨了电力系统中新能源投资决策问题.研究结果表明:1)不同权力结构下的新能源投资量大小取决于传统能源的成本系数;2)发电商和售电商均偏好各自作为供应链的领导者, 并实现自身利润最大化,但供应链系统利润在共同决策模型中最优;3)新能源投资成本系数与新能源的投资量以及发电商和售电商的利润成反比,但是发电商的新能源投资成本分摊比例与其成正比;4)新能源偏好系数的增加将提高新能源投资量,且售电商分摊新能源投资成本比例也会增加,从而发电商和售电商的利润也会增加.