Information disclosure and liquidity crisis

We analyze a model in which a firm’s manager privately learns about the expected return on the firm’s project and strategically discloses it to investors (i.e., discretionary disclosure). Based on the manager’s disclosure, investors decide whether to withdraw their investments from the firm. Our analysis indicates that investors’ optimistic prior beliefs in the firm reduce the possibility of their withdrawals and the manager’s incentive of discretionary disclosure, whereas pessimistic beliefs increase them. We further examine the effects of a commitment to reporting of bad news, namely, the conservative disclosure rule. This rule always suppresses the manager’s incentive of discretionary disclosure; however, it increases (reduces) investors’ withdrawals when they are optimistic (pessimistic) about the firm’s project.     

失败后的反刍思维与创业韧性关系研究——来自互联网行业的证据

反刍思维是指个体经历负面事件后，重复思考过程细节的思维活动，与未来认知、行为及发展关系密切。在对323位具有失败经验的创业者进行问卷调研后发现：侵入反刍通过削弱自我效能感负向影响创业韧性；主动反刍通过强化自我效能感正向影响创业韧性；自我效能感在反刍思维与创业韧性之间发挥中介作用；社会支持不仅能够调节两类反刍思维与自我效能感之间的关系，而且对自我效能感的中介作用也具有调节效应。从创业者认知思维角度解答失败后创业者如何激发创业韧性的问题，不仅有助于丰富心理学与创业学相关理论，而且可为创业者将失败经历转化为创业经验提供有益启示。     

矿区地表形变监测及预测方法研究

利用2018年1月至2021年12月的47景Sentinel-1A影像，基于SBAS-InSAR技术，对窑街矿区进行沉降监测。根据矿区沉降特征，构建GM(2,1)、BP神经网络、PSO-SVR和LSTM4种预测模型，对3个矿区2020—2021年形变中心沉降值进行预测分析。结果显示：窑街矿区大部分区域处于稳定状态，矿区中心形成明显的沉降漏斗，最大平均沉降速率为157.01 mm/a，2018—2021年最大累积沉降量达到681.82 mm，存在发生采空区大面积塌陷和次生地质灾害的危险。预测结果显示，4种模型表现出不同的预测精度， LSTM模型预测精度最高，可作为矿区地表沉降相对可靠的预测模型。     

企业发展预期的创新效应：基于上市企业年报文本挖掘的实证

基于2010—2018年沪深上市企业年报文本，运用计算机文本挖掘技术并结合情感分析，测算企业发展预期指数，进而揭示企业发展预期对企业创新的影响效应与作用机制。结果表明：①企业发展机遇预期、前景预期、计划预期对企业创新均具有正向驱动作用，而风险预期提高会抑制创新产出，但没有证据支持资金预期对创新存在影响；②基于财政刺激机制的检验结果表明，税收优惠并未显著放大企业发展机遇预期、前景预期对创新的促进作用，也未缓解风险预期对创新的抑制作用，但会强化计划预期和资金预期对创新的促进作用，政府补助有利于强化企业机遇预期、前景预期、计划预期和资金预期对创新的促进作用，但未缓解风险预期对创新的抑制作用；③融资约束抑制企业发展机遇预期、计划预期和资金预期对创新的促进作用，但未强化风险预期对创新的抑制作用；④不同行业性质和股权性质下企业发展预期对创新的影响存在差异。     

行业资产的Black-Litterman模型配置研究——基于社交网络情绪文本挖掘算法

研究目标:构建反映行业股价走势的基于社交网络文本挖掘算法的行业投资者情绪指标，并改善嵌入行业投资者情绪指标的Black-Litterman模型对资产的配置结果。研究方法:基于社交网络文本挖掘算法度量投资者情绪，运用主成分分析法构建行业投资者情绪指标，并嵌入Black-Litterman模型中构建投资者观点矩阵，确定行业资产配置比。研究发现:基于行业投资者情绪的BL模型有效提高了资产配置的日均收益率和夏普比率。实证结果在样本外验证(除受新冠疫情影响阶段)、暴涨暴跌阶段以及经过允许卖空和交易成本调整后仍稳健，进而证实了投资者情绪对资产组合有显著影响。研究创新:基于社交网络文本挖掘算法构建投资者情绪指数，解决了仅依赖于预期收益或历史数据的预测模型无法直观揭示投资者心理认知和行为的局限性问题，从一个崭新的视角科学地解决Black-Litterman模型中投资者观点的生成问题。研究价值:扩展了Black-Litterman模型理论体系研究，并推动了行为金融理论在资产配置中的应用。     

基于科学的创新失败挽救：扩展适应视角

基于科学的创新具有失败率极高的特点，对其失败（项目）进行挽救可减少创新资源浪费，提升相关产业创新绩效，具有可观的经济价值和社会意义。采用多案例方法，从扩展适应视角研究发现，基于科学的创新失败挽救过程由新功能意义建构、基于扩展适应的商业化实现及持续扩展适应3个阶段构成；在基于科学的创新领域，扩展适应是一种重要的失败挽救机制；机缘巧合触发基于扩展适应的挽救机会形成，已存在扩展适应的创新生态系统是挽救创新失败的实现条件，多次、持续的扩展适应可不断挖掘和释放失败项目的创新价值。结论可丰富基于科学的创新和创新失败挽救相关理论研究，为创新管理实践、政策制定等提供理论参考。