基于地方债置换视角的城投债风险化解研究

从地方债认购倍数、各省地方债与城投债发行利差、境外资金对城投债与地方债的持有量变化等角度,分析境内外资金对券种的投资偏好差异,初步测算各省可行性地方债置换规模并提出城投化债方案。研究发现:(1)本轮化债之前,各省地方债发行利率均低于该省AAA级城投债发行利率,并且发生过城投风险事件省份的利差更大;化债之后,利差有收窄趋势;(2)投资者对某省地方债的偏好高于该省城投债,并且境内资金对发生城投风险事件省份地方债的偏好更加明显;(3)按照2022年财政收入和地方债余额测算,除吉林和云南外,其余省份地方债发行规模尚未触及阈值,存在地方债置换空间。基于上述实证结论,提出城投债化解的政策建议。

后量子密码迁移趋势下应用于区块链的公钥密码安全

自从发现量子算法能够高效求解现今公钥密码依赖的数学困难问题,能够抵抗量子计算攻击的后量子密码算法成为研究热点,国际上对后量子密码算法的标准化工作也已相继启动.现有信息系统为保证自身安全,势必需要迁移至新一代抗量子公钥加密算法,迁移过程存在巨大的挑战与机遇.对迁移过程的研究已在美国、欧盟等国家和地区广泛推动开展、成为趋势.区块链的安全性依赖于现代密码学,特别是公钥签名技术,因此这一迁移也是区块链长效安全的必经之路.本文介绍了后量子密码迁移策略,讨论了现有区块链所应用的公钥密码如何向后量子密码进行迁移,提出下一步研究方向.

重大突发事件冲击下产业出口竞争力的波动研究

本文以新冠疫情为例,基于全球价值链视角,从地域范围、冲击程度、持续时间等方面考察重大突发事件冲击下,代表性经济体各产业以实际有效汇率衡量的出口竞争力波动情况。实证结果表明:新冠疫情冲击总体上降低了相关经济体的产业实际有效汇率,并产生显著的产业链间大范围溢出效应。时间维度上,表现为由最初的以直接影响占主导逐渐转变为以通过产业链间接影响占主导;空间维度上,使用主要国际货币的美国、欧元区国家和日本的产业实际有效汇率显著下降。在35个经济体中,只有我国受到的由其他经济体疫情冲击引发的传导影响大于本国疫情冲击引发的影响,而美国受到的影响大部分来自于本国疫情的直接冲击。56个产业所受影响也具有差异性,运输与物流、建筑业、食品、能源、工业金属制造、医药产品制造业受冲击程度位于前列。研究结论为我国应对重大突发事件、优化产业结构布局、引领产业链提升等方面提供决策支持。

ARX型密码算法的设计与分析

ARX型密码算法是指由模加(Addition)、旋转移位(Rotation)和异或(XOR)等基本操作设计而成的密码学置换、杂凑函数、分组密码、序列密码、消息认证码和认证加密等对称密码算法.由于在效率、安全性和易实现性等方面的优势,ARX型密码得到了广泛应用,多个国际对称密码标准都采用了ARX型设计.另一方面,由于ARX算法中模加操作带来的复杂性,对ARX型密码算法的分析存在诸多困难问题.本文对ARX算法设计与分析方面的研究工作进行了归纳总结,提出了一些亟待解决的开放问题.

面向天地融合网络的虚拟网络映射算法

针对复杂的天地融合网络环境下,用户业务高差异、异质资源强受限、时空尺度大跨越、网络拓扑高动态等特性,给虚拟网络映射(Virtual Network Embedding,VNE)算法带来的挑战,国内外学者展开了深入研究。首先根据问题特性概述天地融合网络VNE面临的三大核心挑战;然后从场景建模和求解算法两大维度详细分析相关研究的进展,主要涵盖服务质量感知VNE、多层跨域异构网络VNE、动态VNE以及VNE问题求解算法4个方面,并从理论和实践两个方面深入分析应对天地融合网络VNE的解决策略;最后展望未来研究方向,旨在为后续工作提供参考。

基于对称百分误差的线性回归与印染工业应用

印染工业现存的问题,是如何用染料在样品试验中的浓度预测真实面料中的浓度。理想情况下,染出相同颜色的染料浓度,无论在样品中还是真实面料中应该是等同的,或者至少呈现线性关系。虽然普通线性回归可以基本解决该问题,但其为最小化绝对误差的平方和,而工业上要求用百分误差,此时不能用代数方法求解线性模型。本文选用对称百分误差,并为对应的损失函数构造了梯度下降算法,其解优于用普通线性回归算法,从而提高预测性能。

推动北斗产业高质量发展探析

“十四五”时期,我们要紧紧抓住北斗三号全球开通与数字经济全面发展的重大机遇,面向太空经济与数字经济相融合的重大需求,以推动北斗规模应用市场化、产业化、国际化为目标,优化营商环境和产业生态,完善北斗应用产业链、价值链、创新链,充分发挥北斗产业在推动经济高质量发展中的重大作用。

Ell:序列空间上运算的实现及其应用

Ell是用于实现序列空间上运算的数值计算库。它也可以处理任何序列模型,如图像可以理解成二维序列。Ell类直接继承numpy的数组类,和数组不同的是,它要模拟定义在整数上的序列,必须为每个对象存储指标的上下界。根据上下界,程序可以自动调整大小,实现两个任意大小的同维序列的初等运算。复杂的图像处理实验,验证了程序的可靠性和实用性。

基于PyMC的线性混合模型及其在印染工业上的应用

理论上通过线性模型,只用染料的浓度配比就可以预测染出何种颜色。但实验表明面料也会影响染色结果。因此本文将面料作为随机效应加入到模型中,构造线性混合模型。本文用机器学习库Py MC实现线性混合模型,并用该模型改进了基于线性回归的预测模型。实验表明线性混合模型优于普通线性回归,同时证明了面料确实会影响染色效果。根据模型的随机效应,还可对面料进行分类。

高水平对外开放下的外资持股与银行流动性创造

本文利用2007年第一季度-2020年第二季度中国36家A股上市银行数据,考察外资持股对银行流动性创造的影响。研究发现:第一,外资持股增加会降低银行总体流动性创造,主要表现在对银行资产端和负债权益端流动性创造的抑制作用,以及对银行表外流动性创造的促进作用。第二,外资持股增加通过补充资本的“资金”渠道,改善内部治理的“治理”渠道,提高金融创新的“知识”渠道,以及增强数字化水平的“技术”渠道,对银行流动性创造产生抑制作用。第三,随着外资持股增加,国有商业银行和股份制银行均会提高流动性创造,城市商业银行则会降低流动性创造,农村商业银行对流动性创造不产生显著影响。第四,在经济政策不确定性上升时期和高水平对外开放时期,外资持股增加会促进银行流动性创造。

经典、量子及其混合场景下的经典关联生成协议

在信息处理任务中,多方共享的随机变量和量子纠缠都是重要的计算资源,其中共享的随机变量也被称为经典关联。经典关联生成问题研究的是生成目标关联所需消耗的最少随机性或量子纠缠的数量。该文综述性地介绍了在经典场景、量子场景以及经典、量子混合场景下的经典关联生成协议。其中,非负秩和半正定秩分别刻画了生成目标关联所需共享的最少随机性与量子纠缠的量。基于这一结果,事先共享量子纠缠相比于事先共享随机性展示出了指数级优势。考虑到近期可实现的量子设备规模有限,经典、量子混合场景下的经典关联生成协议是一个现实的选择。在可操控的量子系统大小有限的前提之下,可用k区块半正定秩来量化完成经典关联生成任务所需通讯的最少经典比特。在这一混合协议中,量子资源仍能表现出相对经典资源而言的巨大优越性。由此可见,经典关联生成问题提供了一个新的视角来对比量子资源和经典资源之间的差别。

结合统计特征和图模型的半监督式中文关键短语抽取方法

关键短语抽取,即从文档中抽取能够表达文档主题和内容的关键短语集合,对于信息检索和文档分类等文本处理任务具有重要意义。然而,现有文献缺乏针对中文特点的关键短语抽取算法的研究。为此,该文提出了一种半监督式中文关键短语抽取模型,该模型采用预训练语言模型来表征短语及文章,以减少算法对大量标注训练数据的依赖;进而提出图模型描述候选短语间的相似性空间并迭代计算各短语的重要度;同时结合了多项统计特征来进一步提高短语评估的准确率。对比实验表明,该文提出的方法在中文关键短语抽取方面比基线方法具有明显的提升效果。

经济政策波动、数字金融发展与银行流动性创造

流动性创造功能的发挥是银行服务实体经济高质量发展的关键。本文使用2007年第1季度-2020年第2季度我国36家上市商业银行面板数据,考察了在数字金融发展视角下经济政策波动如何影响银行流动性创造。结果表明,经济政策波动上升会抑制银行流动性创造,且主要体现在对银行资产端和负债端流动性创造的抑制,但会促进银行表外流动性创造。基于对银行风险承担的中介效应分析发现,经济政策波动上升主要是通过银行降低资本风险承担、资产风险承担和违约风险承担,从而抑制银行流动性创造。对于反映银行数字化转型程度的移动服务、研发能力、软件应用和公司治理等水平较高的银行,经济政策波动对银行流动性创造的负向影响有所降低。但是对于处在反映数字金融服务总体水平及其覆盖广度、使用深度和数字化程度等水平较高地区的银行,经济政策波动对银行流动性创造的抑制作用更加明显。

基于数据增强和多任务特征学习的中文语法错误检测方法

由于中文语法的复杂性,中文语法错误检测(CGED)的难度较大,而训练语料和相关研究的缺乏,使得CGED的效果还远未达到实用的程度。该文提出一种CGED模型,APM-CGED,采用数据增强、预训练语言模型和基于语言学特征多任务学习的方式,弥补训练语料的不足。数据增强能够有效地扩充训练集,而预训练语言模型蕴含丰富的语义信息又有助于语法分析,基于语言学特征多任务学习对语言模型进行优化则可以使语言模型学习到跟语法错误检测相关的语言学特征。该文提出的方法在NLPTEA的CGED数据集进行测试,取得了优于其他对比模型的结果。

融资流动性与债券资产流动性的互动特征--基于MS-VAR模型的时变分析

依据2015-2021年货币市场和债券市场的时间序列数据,运用MS-VAR探究了不同违约风险环境下融资流动性与债券资产流动性间的互动关系。研究发现:无论是利率债还是信用债,其资产流动性与货币市场的融资流动性存在互为正反馈的流动性螺旋。此外,两类流动性间的互动特征存在非对称性和异质性,在风险时期,融资流动性与利率债资产流动性互动特征比较明显,而在平稳时期,融资流动性与信用债资产流动性互动特征比较明显。

基于非负矩阵分解的全球贸易缺失数据填补

大数据时代,外贸企业对全球贸易数据高度依赖。但是数据缺失严重,给数据分析带来不便。本文提出用非负矩阵分解填补缺失数据;构造并实现了填补算法。实验通过和线性插值填补法进行对比,证明非负矩阵分解更适合应用于缺失数据填补,同时能够提取主题进出口矩阵,帮助人们理解贸易状况。

特定贸易关系变化下中国出口竞争力变化

文章提出并测算了一个基于出口排名的竞争力指数,用以衡量分析中国出口至各国的贸易竞争力变化。2016年~2020年的外贸数据表明,在中美贸易争端的影响下,中国出口至美国的排名竞争力指数呈下降趋势;中欧双边投资协定谈判以来,中国出口至英国、德国、法国、意大利、西班牙的排名竞争力指数呈上升趋势;中澳自由贸易协定签署后,中国出口至澳大利亚的排名竞争力指数呈上升趋势。文章也列出了中国出口至这七个国家的贸易额排名发生显著变化的产品大类以及每个大类对应的前五个竞争国。

债券市场偏好“绿色”吗?——来自环境风险与发行利率研究的证据

立足于双碳目标的大背景下,本文对包括气候风险、非气候风险等的环境风险及分析模型展开研究,并对采用ESG评分模型获得的含有环境风险企业的债券发行定价和可比绿色债券的发行定价进行债券发行定价的回归分析,实证结论表明,环境风险已在债券发行定价中得到体现、市场已形成绿色偏好。本文基于实证结论并结合当前环境风险信息披露及评分体系未统一等现实状况提出政策建议。

利用机器学习与改进岩石物理模型预测页岩油层系横波速度

传统的横波速度预测方法包括经验公式法和岩石物理模型法。前者适用于岩石矿物组分相对单一的储层,且受区域限制等因素的影响,不具有普适性,预测精度较低。后者需要根据不同的实际情况选择合适的岩石物理模型,才能达到预期的目的。大多数机器学习横波速度预测方法基于纯数据驱动,数据集的质量和数量将直接决定横波预测模型精度,并缺乏充分的物理内涵。为此,基于深度神经网络(DNN)的方法,假设研究区储层波传播方程的数学形式已知,通过测井数据训练DNN得到未知的弹性参数,以确立目的层的波传播方程。利用平面波分析法得到相应的纵波、横波速度,实现神经网络与理论模型的结合。此外,针对传统Xu-White模型的不足,考虑随深度变化的孔隙纵横比,提出了改进横波速度预测岩石物理模型。利用研究区较丰富的测井数据,分别采用构建的DNN模型和改进横波速度预测岩石物理模型预测横波速度,并与传统的Xu-White模型预测结果进行对比、分析。结果表明,由DNN模型和改进岩石物理模型均可获得较高精度的横波速度预测结果,且前者的预测效果更好。

HASM量子机器学习

传统计算机的进步源于晶体管的小型化和芯片上晶体管数量的增加,但晶体管的小型化已达到了它的极限水平.与此同时,许多实际问题需要超过当今计算机计算能力的巨量计算资源.近年来,量子计算的发展为我们解决这一问题带来了曙光.虽然量子计算可实现相对于传统超算的指数级加速,但误差问题是实现量子实用优势的严重障碍.最新研究表明,量子机器学习是提高量子计算精度的有效途径之一.事实上,高精度曲面建模(HASM)方法是一种强化机器学习方法,并可通过拉格朗日因子法转换为大型稀疏线性系统,它与Harrow-Hassidim-Lloyd(HHL)量子算法的有机结合,形成了HASM-HHL量子机器学习算法.HASM在传统计算机上已成功运用于自然系统、自然系统对人类贡献和自然系统变化驱动力等生态环境曲面的空间插值、空间升尺度、空间降尺度、数据融合和模型-数据同化.实验结果表明,HASM-HHL量子机器学习算法的计算结果达到了传统高精度算法的精度水平;与此同时,可实现相对于传统高时效算法的指数级加速.目前,基于HASM的传统-量子混合计算平台已有水到渠成之势.然而,HHL量子算法有很多局限性,它们是HASM-HHL量子机器学习实用量子优势面临的主要挑战.为此,我们提出了发展新型HASM量子计算方法的多套优化方案:(1)发展更优的大规模稀疏矩阵量子求解方案;(2)评估量子计算的成本问题和标杆问题;(3)构建HASM传统与量子混合计算通用平台,实现传统计算与量子计算优势互补;(4)将优化后的量子算法和传统算法发送到量子计算云平台,促进用户的广泛应用和积极反馈,进一步优化有关算法.