上海市2017-2020年GDP预测研究——基于改进的GM(1,1)模型

GDP是衡量一个国家(地区)在一定时期内的宏观经济综合表现的重要指标之一,对GDP做出科学正确的预测,可以为相关部门提供科学的决策依据,具有非常良好的实际应用价值。为了尽可能地降低GM(1,1)模型的预测误差,提高模型的预测效果,文章构建了基于对初始值进行数据转换以及对背景值改进的新GM(1,1)模型,并应用到我国上海市的GDP预测中。建模结果表明:改进的GM(1,1)模型不仅适合于GDP预测,而且具有非常明显的预测精度优势。最后利用改进的GM(1,1)模型来预测上海市2017-2020年的GDP。预测结果表明,未来几年上海市经济将保持年均7%的增长率平稳健康发展。

基于词汇-语义模式的金融事件信息抽取方法

信息抽取是自然语言处理工作中的重要任务之一。针对由于自然语言的多样性、歧义性和结构性而导致的信息抽取困难的问题,提出了一种面向金融事件信息抽取的层次化词汇-语义模式方法。首先,定义了一个金融事件表示模型;然后应用基于深度学习的词向量方法来实现自动生成同义概念词典;最后采用基于有限状态机驱动的层次化词汇-语义规则模式实现了对各类金融事件信息自动抽取的目标。实验结果表明,所提方法可以从金融新闻文本中准确地抽取出各类金融事件信息,并且对26类金融事件的微平均识别准确率达到93.9%,微平均召回率达到86.9%,微平均F1值达到90.3%。

中国农村地区互联网金融普惠悖论的调查研究--基于上海财经大学2017年“千村调查”

基于2017年上海财经大学“千村调查”,对我国农村地区互联网金融的普惠情况进行了调查研究,农村互联网金融近年来发展迅速,但各地区差异明显,显著存在互联网金融普惠悖论.基于渗透度、使用度和效用度三指标体系量化各地互联网金融普惠度,东部发展最好,东北最差.基尼系数分解表明,互联网金融普惠差异主要来自于区域之间的差异,各区域内部的差异相对不大.Shapley值分解确定出对互联网金融普惠具有显著影响的各种因素,并分解得到了其对于互联网金融普惠差异的贡献度.整体上,农户自身仍是导致互联网金融普惠发展不均的主要根源,尤其是农户的自我排斥.造成各区域内互联网金融普惠差异的根源还存在差别,东部的政府机构需身先士卒;中部的政府机构要加强公共设施的普及;西部的政府机构要加大硬件设施的投入;而东北的政府机构首要需留住人才.如此齐抓共管,才能逐步消除农村地区互联网金融普惠的悖论现象,进一步实现农村地区的普惠金融.

基于CEP技术的金融期货风险监控平台研究

本系统为面向中国金融期货市场的监管需求,应用复杂事务处理平台Sybase ESP构建的金融期货风险监控平台,基于实时行情数据,大大提升了对期货交易风险的处理性能。本文主要对金融期货风险监控平台的技术架构、各模块功能、核心模块实现及系统特点进行了介绍。

金融要素扭曲与企业创新活动

本文利用世界银行的企业调查数据,将四大国有商业银行的市场份额作为金融要素市场化的代理指标,分析了金融要素扭曲对企业创新活动的影响。实证研究发现:金融要素扭曲对企业的研发投入和创新成果具有抑制作用,这种抑制作用在不同所有制企业间具有异质性,相比国有企业,私营企业的创新活动受金融要素扭曲的抑制作用更大。中小型企业的研发投入对金融要素扭曲的敏感性要高于大型企业,在过程创新中,金融要素扭曲对中小型企业的影响更大,但在产品创新中,金融要素的扭曲对大型企业的影响更强。本文为金融要素扭曲对经济增长有负面的影响这一论点,提供了来自企业创新的微观证据。因此,全面推进金融要素市场化改革有助于企业的创新活动,从而为国家经济转型提供持续创新与发展的动力。

一种基于语义标注特征的金融文本分类方法

针对基于词袋的机器学习文本分类方法所存在的高维度、高稀疏性、不能识别同义词、语义信息缺失等问题,和基于规则模式的文本分类所存在的虽然准确率较高但鲁棒性较差的问题,提出了一种采用词汇—语义规则模式从金融新闻文本中提取事件语义标注信息,并将其作为分类特征用于机器学习文本分类中的新方法。实验证明采用该方法相比基于词袋的文本分类方法在采用相同的特征选择算法和分类算法的基础上,F1值提高8.6%,查准率提高7.7%,查全率提高8.8%。本方法融合了知识驱动和数据驱动在文本分类中的优点,同时避免了它们所存在的主要缺点,具有显著的实用性和研究参考价值。

网络安全在线开放实验实践探索

MOOC是近年来风行全球的一种在线教育模式,突破传统教学局限性,对传统教育带来强烈冲击并产生了深远影响。然而,由于在实验实践环节上的缺失,MOOC在线教学对于实践性极强的课程存在先天不足,以理论教学为主的平台特征不利于学生实践创新能力的培养。为解决MOOC平台的在线实验缺失问题,按照"虚拟为主,虚实结合"的设计思路构建网络安全实验室,结合了虚拟实验平台与真实物理设备的不同优势,以在校学生为授课主体开展了MOOE在线网络安全实验教学,引入并部署了MOOE在线实验平台。根据实际的MOOE平台教学反馈,虚实结合的双重教育理念解决了传统网络安全实验教学面临的问题,拓展了传统实验室的时空维度,激发了学生兴趣,有效提高了学生的学习主动性与实践创新能力。

民间金融对实体经济发展的影响研究——来自浙江的证据

民间金融作为正规金融的补充,在一定程度上解决了实体部门的融资需求,但其高风险性和保障机制的缺乏也影响了实体经济的健康发展。基于浙江省八个地市的数据,本文考察了民间借贷规模和民间借贷利率对实体经济的影响效应。研究发现,民间借贷规模的增加显著促进了实体经济发展。同时,民间借贷利率对实体经济产生了一定的负向影响。研究结果表明,规范民间金融、发挥民间金融的互补功能对于促进实体经济增长具有重要意义。

互联网金融与金融去中介化

互联网金融在降低金融交易成本、分散投资风险、集聚社会闲散资金、解决中小企业融资等方面作用显现,给传统金融中介带来冲击和挑战。文章针对互联网金融是否会导致金融中介去中介化问题,分析了互联网金融的金融中介功能及其缺陷,认为互联网金融本质上还是金融,是传统金融在互联网上的延伸,互联网金融加剧金融脱媒,促进金融中介创新与变革,两者最终将深度融合、互为补充、共同发展。

基于技术分析指标组合的程序化交易模型研究

程序化交易的兴起对技术分析方法的发展提供了新机遇,利用常见技术分析指标,建立基于指标组合的交易策略,并从统计分析角度讨论了交易策略的理论基础,最后通过实证分析验证了该策略的稳定表现和可观收益,以期为程序化交易模型研究提供新思路.

城市数字化转型背景下关键基础设施信息物理系统安全建设对策研究

近年针对关键基础设施信息物理系统的网络攻击事件频发,经济社会影响严重,保障关键基础设施信息物理系统安全已成为提升城市韧性的关键。结合上海城市数字化转型背景,归纳关键基础设施信息物理系统网络攻击及其应对策略相关研究,提出关键基础设施信息物理系统安全建设对策,为网络攻击防范和快速应对提供决策支撑依据。

融合新闻文本和时序信息的上市公司财务欺诈预警

本文针对资本市场中普遍存在的上市公司财务欺诈问题,在财报数据中融入财经新闻文本特征,并提取时序信息,为上市公司财务欺诈预警提供新途径。以结构化的财报数据和非结构化的新闻文本数据为对象,在结构化数据特征中融入新闻文本的主题特征、观点特征、情绪特征和欺诈特征,然后提取时序信息,并基于树集成的方法实现上市公司财务欺诈预警。本文融合预警欺诈行为的方法在CSMAR财报数据集和爬取的新浪财经数据集上达到了86.1%的准确率和86.5%的召回率,融入新闻特征和时序信息后比单纯地采用财报数据特征的准确率提高了8%。新闻文本特征可以作为财报数据的有效补充,且在财报数据和新闻文本数据中引入时序信息有利于提高上市公司财务欺诈的预警性能。

金融知识对家庭线上消费的影响——基于CHFS数据的经验证据

消费需求不足是制约我国经济增长的重要因素,促进线上消费有利于释放我国内需潜力,从而为经济高质量发展提供强劲动能。基于此,借助2017年中国家庭金融调查数据,采用Tobit模型实证研究了金融知识对家庭线上消费支出的影响及其实现机制。研究发现:金融知识水平的提高可以显著增加家庭的线上消费支出,采用工具变量法克服潜在的内生性问题后,研究结论依然成立;金融知识对家庭线上消费支出的促进作用在农村家庭和低收入家庭样本中表现得更为明显;金融知识水平的提高促进了家庭使用移动支付、增加了家庭的金融可得性、促进了家庭财富积累,从而提高了家庭的线上消费支出。

“躺平”还是“奋进”?组织支持感对基层干部主动性行为的影响

如何治理“躺平”干部,让他们主动作为是当今基层政府在提升治理水平中亟需解决的一个现实问题。基于社会交换理论和自我决定理论探究组织支持感对基层干部主动性行为的影响,以及公共服务动机、组织认同在其中的作用机制。通过对江西省454名基层干部的调查发现:组织支持感能够显著激发基层干部主动性行为;基层干部公共服务动机与组织认同在组织支持感与基层干部主动性行为间发挥链式中介效应。因此,激励基层干部主动作为,应当营造有利“奋进”的基层工作环境,加强公共服务动机的建设,重视基层干部组织认同感的培养。

碳交易和绿色补贴政策下的低碳供应链最优决策与协调

考虑政府的碳交易管制和绿色补贴政策,针对由政府、单个制造商和单个零售商组成的三级低碳供应链,运用博弈理论建立了政府主导下的三阶段Stackelberg博弈模型和集中决策模型。重点分析了消费者绿色偏好、碳交易价格和减排成本系数对低碳供应链最优决策和社会福利的影响。利用两部收费契约和低价促销策略分别对所建模型进行了协调研究,并利用数值算例对文中结论进行了验证。研究发现:较强的消费者绿色偏好有利于提高产品的绿色度、渠道成员的利润和供应链的社会福利;产品的绿色度和供应链的社会福利水平在集中决策模型下最高;政府的最优绿色投资补贴率在消费者绿色偏好程度较强时降低而在碳减排难度较大时上升;在参数满足一定条件下,两部收费契约和低价促销策略可实现低碳供应链的完美协调。

融合用户特征与知识图谱的可解释电影推荐方法

可解释的电影推荐系统可以帮助用户过滤无关信息并给出推荐理由,与用户建立信任。基于知识图谱的推荐方法能充分利用电影信息的公开性和丰富性,但现有研究通常忽略用户层面的信息,解释机制对用户也不友好。针对目前存在的问题,本文引入了用户的交叉特征和基于电影特征构造的知识图谱,提出了一个新的可解释的电影推荐方法——EKPCF(enhanced knowledge path with cross feature),结合知识图谱嵌入和语义路径挖掘用户的潜在偏好,利用高贡献的交叉特征和语义路径解释推荐结果。该方法与其他相关研究工作的不同之处在于以下几个方面:(1)为了提高准确率,改进路径筛选机制,将用户层面的交叉特征与知识图谱语义路径相结合,更新用户表征;(2)为了提高可解释性,利用数据挖掘方法得到新的用户特征,并将知识图谱语义路径中的陌生节点剔除;(3)将推荐机制透明化,借助交叉特征与高分语义路径共同解释推荐结果。最后,本文使用两个真实的数据集验证了EKPCF方法的有效性,同时展示该方法的解释机制。

开放式教学下的学习者画像及个性化教学探讨

个性化教学的核心是因材施教,其实施的前提是对学习者个性的精准描绘。本文通过对开放式教学下学习者的基本信息、在线学习行为和课堂表现进行分析,结合脑认知实验,从数据挖掘与认知心理视角发掘学习者的兴趣、爱好、学习能力等特点,以标签化的形式进行个性归纳和画像,并基于学习者画像,探讨个性化教学。为此,本研究选取上海开放大学"C语言程序"课程的学生开展实验验证。结果表明,依照本文所建立的学习者画像,能较为客观地表征了开放式教学下学习者的个性,有效地服务于个性化教学。

基于SVM混合集成的信用风险评估模型

准确的信用风险评估可以降低金融机构的风险。为了进一步提高信用风险评估模型的预测准确率,将基于SVM的集成学习模型应用到信用风险评估问题中,提出了一种混合集成策略,称作RSA。RSA是随机子集模型和Ada Boost两种流行策略的合成,能提高组合成员分类器的多样性,从而提高集成学习模型的预测准确率。模型在两组公开信用数据集上进行了应用,实验结果表明基于RSA的SVM的集成学习模型可以作为信用风险评估的有效模型。

基于共享秘密的伪随机散列函数RFID双向认证协议

针对资源受限的RFID标签,结合伪随机数和共享秘密机制,该文提出一种基于散列函数的轻量级双向认证协议,实现了后端数据库、阅读器和标签之间的双向认证。详细分析了双向认证协议的抗攻击性能和效率性能,并基于BAN逻辑分析方法对协议模型进行了形式化证明。理论分析表明,该文提出的认证协议能够实现预期安全目标,抗攻击性能好,认证执行效率高且标签开销小,适用于大数量的RFID应用。

汽车零部件入厂物流中物联网采纳影响因素研究

物联网技术与信息系统相融合,成为企业优化物流、提升竞争力的一个重要手段。首先构建了基于物联网的汽车零部件入厂物流信息系统架构,着重研究汽车零部件入厂物流的物联网技术采纳影响因素。在实地调研和专家访谈的基础上,融合技术-组织-环境(TOE)框架模型和技术接受模型(TAM),在TOE框架下融入TAM模型中的关键因素,构建汽车零部件物流中物联网技术采纳行为影响因素模型,并对每个因素变量进行定义并设计测量量表;针对提出的物联网采纳影响因素模型,运用结构方程模型进行数据分析,采用实证方法分析物联网技术采纳的关键影响因素,并结合分析结果,对模型进行了修正。