我国大麦价格波动特征及其影响因素分析

[目的]大麦价格剧烈波动会直接影响大麦种植户的生产积极性和大麦产业的平稳发展,研究大麦价格波动特征及其影响因素,有助于提升大麦产业链相关主体识别和应对市场风险的能力,促进大麦产业的健康发展。[方法]文章先采用HP滤波法和ARCH类模型分析了2011年4月至2017年2月我国大麦价格波动特征,然后采用脉冲响应函数分析了我国大麦价格波动影响因素。[结果]我国大麦价格波动存在明显的季节性和周期性,样本期内总体上呈现逐渐下降趋势;我国大麦价格具有显著的波动集聚性,我国大麦价格具有显著的不对称性;在该文选择的影响因素中,大麦进口量和国际大麦价格是影响我国大麦价格波动的主要因素。[结论]该文提出必须保障并提高国内大麦合理产能、完善大麦价格监测预警体系、加强国内大麦进口企业整合和推动大麦进口来源多元化的政策建议。     

非价格数据中的价格信息——对中国价格指数的动态分析

使用基于主成分分析和动态因子模型的框架对我国的消费者物价指数进行动态分析。与传统的研究方式不同,研究试图从非价格指标信息中提取隐含的宏观趋势动态因子,并将其投影在价格指数上,求得最优拟合结果。实证分析结果显示从非价格数据中提取的动态因子可以很好地描述价格指数的变化特征。这也为研究者从实体经济运行状态角度研究宏观经济价格指数以及货币政策的传导机制提供了有效的理论和实践依据。     

上市公司负面声誉与分析师关注:"趋之若鹜"抑或"避之若浼"

本文选取2008-2018年A股上市公司为样本,以公司违规处罚作为负面声誉的代理变量,考察分析师在选择跟踪对象时会否将公司负面声誉纳入考量.研究发现,公司违规处罚导致分析师关注度显著降低.机制检验表明,违规处罚通过降低投资者信息需求和分析师供给意愿两条路径影响分析师关注.拓展性分析发现,公司所受处罚越严重、被罚款金额越多,分析师关注度越低;处罚事件对分析师关注的负面冲击具有长期效应;对于非国有企业和处于高社会信任水平地区的公司,违规处罚对分析师关注的负向影响更显著.本文为深入理解我国证券市场中的声誉机制提供了经验证据,亦为监管机构加大违规惩处力度、借助分析师等市场"看门人"的力量提增监管威慑力提供了政策参考.     

疫情防控常态化下的世界经济战略走向

新冠疫情的出现冲击了世界经济,从经济全球化和全球经济治理体系两个维度分析疫情对世界经济的影响以及世界经济未来走向,研究发现:(1)新冠疫情通过影响全球价值链、贸易投资和就业环境阻碍经济全球化进程,中美矛盾升级、原有治理体系规则未与时俱进和激进政策的不确定性对全球经济治理体系提出新的挑战;(2)新冠疫情强化了世界各国对人类命运共同体的认识,将人类命运共同体融入全球治理体系将是未来治理的重要趋势;(3)新冠疫情可能会使世界经济格局出现新的变化,而中国在此次疫情中高效率的抗疫举措将进一步提升自身在世界经济格局中的地位和参与度。     

基于PSO的信息熵数据融合非均匀分簇路由算法

针对无线传感器网络分簇算法中能量分布不均衡导致的"热区"和簇头负载过重问题,提出了一种基于PSO算法优化簇头选举的非均匀分簇算法。在候选簇头选举和竞争半径计算过程中综合考虑节点动态能量、节点密度和节点距基站距离,将网络进行非均匀分簇,并引入PSO算法进行最终簇头选举。根据节点能量、节点密度和距基站距离确定簇间单跳多跳结合的路由规则,选取代价函数小的节点作为下一跳节点。基于节点信息熵确定融合阈值,进行簇内数据融合剔除冗余数据。仿真结果表明,改进算法的数据传输量比EEUC算法和UCRA算法分别提高了20%和10%,提升了数据的融合效率,有效延长了网络生命周期,簇头能量消耗得到均衡,减少了网络能量消耗,网络的整体性能显著优于其他对比算法。     

Residential segregation and educational attainment of children from regional migrant families in China

This paper studies the residential segregation effects on educational attainment of children from regional migrant families in China. We find that if migrant families live in segregated communities with fewer local residents, the school dropout rate of the children living with their parents in the host cities is higher and their high school enrollment rate is lower. We employ a unique set of nationwide survey data of regional migrants in China in 2012 and 2013 that comprises more than 150,000 individuals in each year. We first use the ratio of migrants over the total population residing in a community to measure segregation. When the ratio increases by 10%, the school dropout rate of migrant children increases by 4.7% from the mean value. Secondly, we identify segregation from the housing type of the migrant family. When they reside in the dorms provided by their employers or in the workplace, they will also be surrounded by many migrant colleagues. We find that living in such places increases the “not‐going‐to‐high‐school rate” of migrant children by 35% from the mean value. Our subsample analysis indicates that the segregation effects only exist in the samples of male migrant children and rural hukou families.     

Effects of cross-border capital flows on stock returns of dual-listed firms in mainland China and Hong Kong: Evidence from a natural experiment

This study analyses the effects of the Shanghai–Hong Kong Stock Market Connect policy on the price disparity between A-shares and H-shares of dual-listed companies (DLC). Using a difference-in-difference estimation method, we show that the policy decreases the relative twin cumulative abnormal returns of treated DLC by 3% and narrows the price gaps between A-shares and H-shares. We determine that the rising demand for H-shares, which are newly accessible by mainland investors, drives the price of H-shares up. By contrast, the price of A-shares remains unchanged. Further analysis reveals that cross-border capital flow is the main force of the policy.     

深度学习方法在作物遥感分类中的应用和挑战

[目的]准确估算作物的面积和分布对粮食安全至关重要。与传统的机器学习方法相比,深度学习具有多种优势,如端到端训练、可迁移性。为有效利用高时空数据进行作物识别提供了新的机遇。已有多种模型被应用于作物分类任务中,针对不同的分类任务,如何有效地选择模型,并对其进行训练和使用已成为关键问题。[方法]文章回顾了利用深度学习模型对作物分类的主要研究。N维卷积神经网络(N-D CNN)(N=1、2、3)和递归神经网络(RNN)已被有效用于作物分类任务。长短期记忆RNN(LSTM RNN)和门控循环单元RNN(GRU RNN)是RNN的变体,解决了随着时间序列增加RNN出现的梯度消失或爆炸问题。此外,还有研究使用CNN和RNN(我们称为RCNN)的混合模型对作物进行分类。该文首先阐述了使用深度学习方法进行作物制图的背景和意义,并介绍了CNN和RNN模型结构。然后回顾了一些典型的研究,包括模型的结构、遥感数据源、数据处理方法和分类精度。最后,总结了使用深度学习方法进行作物分类的挑战以及现有解决方案的局限性。[结果](1)1-D CNN可用于提取时间特征,或时间+光谱特征,分类效果良好;2-D CNN已被广泛应用于单时相数据的空间特征提取,分类精度依赖于数据源;3-D CNN应用较少,但具有很大的潜力,尤其是时间+空间维度的特征提取;(2)相同条件下(架构、数据源、研究区域、类别),LSTM RNN和GRU RNN分类效果通常高于普通RNN,而前两者的效果差距不大,但GRU RNN训练时间较短;(3)CNN+RNN混合模型(RCNN)用RNN比3-D CNN更适合提取时间特征。这主要是由于RNN建立了对序列数据的长期依赖,而3-D CNN卷积核是局部计算的。[结论]通过分析,认为深度学习技术是作物遥感分类的有效工具。此外,与其他模型相比,RCNN,3-D CNN和GUR RNN具有更大的潜力。     

股权结构、产权性质与债券融资成本*——基于中国上市公司的实证研究

本文基于最近十年503家上市公司发行的984只债券数据，实证检验了股权结构、产权性质对债券融资成本的影响。研究表明：股权集中度与债券融资成本正相关，制衡度与债券融资成本负相关。进一步检验发现，股权结构对债券融资成本的影响在民营企业中比在国有企业中更显著，产权性质发挥了调节作用。本文一定程度上丰富了公司债券定价理论，为发行人降低债券融资成本、投资人评估债券投资风险提供了有益启示，并为监管部门完善债券市场监管政策提供了经验证据。       

为了指标而竞争*——来自中国煤矿企业的证据#br#

中国矿难治理取得了不可忽视的成就，但总结其成功经验的研究尚显不足。本文认为安全生产的总量指标控制是一种降低中国煤矿企业矿难死亡人数的有效方式。笔者手工搜集了2002—2006年中国煤矿企业矿难死亡人数和省级安全生产控制考核数据，并与工业企业数据库进行匹配，发现单个煤矿事故死亡人数和同地区其他煤矿事故死亡人数之间显著负相关，说明企业间存在指标竞争现象。广义双重差分回归结果显示，在控制指标越少的省份，企业间指标竞争越激烈。异质性分析发现，在超标省份或者主管官员晋升的关键时期，指标竞争更加激烈。最后，单个煤矿企业死亡人数与异省邻市矿难死亡人数不相关，排除了矿难导致监管加强的“威慑效应”。本文的研究结果表明，煤矿安全生产总量指标控制对企业安全生产有显著作用。