数字技术视角下网约车安全治理研究

即时性和低成本是数字技术优势的基础特征。网约车数据和网约车服务具有准公共物品属性，却均为平台私有，这种二重性是网约车安全问题频出的重要原因。数字技术在重构时空尺度后给网约车出行安全带来了制度安全、过程安全和数据安全的新内涵，体现了安全位移的运输行业规范，也兼顾了个人数据隐私和国家数据主权保护的数字技术要求。保障网约车出行安全，应落实平台承运人责任；切实推进数字化治理，建立动态的运输过程监管机制，完善“监管部门-网约车平台-消费者”沟通闭环；通过建立分类分级的数据管理体系，兼顾数据保护和合法有序利用，助力国家数字经济战略。     

网约车需求对城镇居民出行的影响研究——以北京市为例

随着城市化进程的深入和居民生活水平的提高,人们的出行方式在"互联网+"的影响下日益多元化,特别是在一、二线城市中,网约车作为新兴出行服务方式在市场上展现出了极强的生命力。通过构建城镇居民出行需求系统动力学模型,仿真模拟居民出行需求的变化,同时将网约车相关数据与其他公共交通数据进行对比分析,发现网约车的出现使得城镇居民出行方式得以丰富,替代了部分出租车需求,并使居民的出行消费理念发生改变,在一定程度上控制了出行能耗。     

浅析网约车的政府监管问题

网约车是近两年共享经济和"互联网+"的时代背景下饱受争议的新鲜事物,这种新型业态,一方面方便了百姓的出行,更从某种程度上缓解了城市日常交通压力.它在提供更加优质用车服务的同时,也带来了一系列不容忽视的社会问题、 法律冲突等.随着网约车市场的不断发展壮大,这种新型业态也在不断发展变化,这就更加考验政府的监管智慧.本文主要从网约车的发展入手,梳理了国内外对网约车的监管实践,最后得出结论.     

在线评价反馈对重复购买意愿的影响研究——以HXZ为例

以重复购买意愿为研究对象，以用户黏性作为中介变量，以HXZ为例，旨在研究网约车的在线评价反馈对重复购买意愿的影响。首先通过文献分析，以在线评论质量、在线评论数量、在线评论效价、评论者的专业性和接收者卷入程度的影响构建模型。之后设计并发放调查问卷，对问卷数据整理后进行统计分析。最后得到以下结论：在线评价反馈对重复购买意愿有正向影响。用户黏性对在线评价反馈与重复购买意愿途径存在中介作用。通过以上问题的分析探讨，为HXZ网约车平台未来的发展提出建议，帮助实施有效的管理及优化选择。     

网约车司机的利益诉求调查研究（以成都市为例）

随着“灵活用工”模式与平台经济的蓬勃发展，促使灵活就业群体呈现规模性增长，灵活就业作为吸纳就业“蓄水池”和维护稳定“减压阀”作用日益突出。而网约车司机群体在灵活就业群体中占比极高，为社会带来了一定的经济效益与社会效益，因此在新就业形态下支持与规范网约车行业是一个重大课题，而正视网约车司机群体的利益诉求则是重中之重。近几年在新冠疫情背景下网约车行业面临巨大冲击，这也使得更多的网约车司机越来越重视自身利益与劳动保障。但传统的用工模式已经不适用于此行业的发展模式，如今网约车司机群体面临劳动关系界限不清、薪酬较低、疫情期间安全保障较少以及工作压力过大的工作现状，以此通过网约车平台与政府两方面着重分析网约车司机群体当前形势下的利益诉求，并以群体自身、平台、政府为主体提出具有针对性的可行性建议。     

基于XGBoost的上市公司财务舞弊预测模型研究

研究目标:探讨如何利用大数据和机器学习方法对上市公司财务数据和非财务数据进行分析和挖掘，并应用于上市公司财务舞弊识别和预测。研究方法:提出一种基于机器学习方法的上市公司财务舞弊预测模型Xscore,对上市公司财务舞弊进行预测。研究发现:Xscore模型能够提高模型预测的准确率，在准确率、召回率、AUC指标、KS值、PSI稳定性等方面均优于Fscore模型和Cscore模型，更适合我国上市公司财务舞弊预测。研究创新:基于2000～2020年中国上市公司数据集为观测样本，通过Benford定律、LOF局部异常法、IF无监督学习法，解决了机器学习应用于财务舞弊识别研究时普遍面临的灰色样本问题，甄选兼具领域特性和统计特征的特征变量；首次将XGBoost集成学习方法应用到上市公司财务舞弊预测分析中，有效提高了上市公司财务舞弊准确率。研究价值:本文将XGBoost集成学习方法引入上市公司财务舞弊识别领域，有助于促进人工智能、机器学习在会计学中的研究与应用，为促进上市公司披露高质量的财务信息和维护资本市场秩序提供参考。     

基于CHAID算法和贝叶斯网络的基金风险预警研究

随着基金业的迅猛发展,其风险日益突出,对基金业实行适当的风险监管显得尤为重要,这其中离不开风险预警模型的参与。研究发现目前金融预警模型主要针对宏观金融风险、银行业风险和企业财务风险等,对基金业风险预警模型的研究存在不足。同时,金融时间序列尖峰厚尾的特征也并不完全满足传统的参数检验方法。正是如此,文章采用CHAID和贝叶斯网络方法构建基金的风险预警模型,在CHAID的基金风险预警模型中,预测准确率约为0.766;而在贝叶斯网络的基金风险预警模型中,最优的预测准确率约为0.841。研究发现,不同的基金风险预警模型检出准确率会有所差别。因此,综合运用各个基金预警模型并进行定期调整是非常必要的。     

平台企业网约工心理契约的潜在类别与群体差异

为探讨平台企业与网约工之间的关系属性,基于心理契约理论及相关研究,开发了互联网平台企业网约工心理契约的结构化问卷。以网约车司机和网约配送员为调研对象,在15个城市获取367个样本数据,采用潜在类别分析技术(LCA)对平台企业网约工心理契约的潜在类型进行细分,分析平台企业网约工的心理契约差异。结果发现,网约工心理契约分为3种类型:低期望型、高期望型和随机期望型。3种心理契约类型在文化程度、工作类型、工作平台和工作感受4个指标上存在统计学上的显著差异。研究建议:平台企业要关注网约工的心理诉求,根据网约工的心理契约类型采取多元化雇佣模式;网约工要认识到网约工作的风险,做好经济契约和心理契约管理;政府部门要督促平台企业履行雇主责任与社会责任,保障网约工的基本劳动权益。     

基于机器学习的企业内部控制重大缺陷预测

企业在全面建设和实施内部控制机制的过程中普遍存在“报喜不报忧”现象,信息披露与真实运营情况严重脱节,内部控制存在重大缺陷。基于机器学习的重大缺陷预测模型能挖掘特征信息,对可能存在的重大缺陷进行识别和预警,以防止潜在的经营风险积累到一定程度并在发生损失后才引起重视。通过构建包括内部治理机制、外部环境风险、财务状况、监管与信息沟通四个维度的预测指标体系,利用2012~2019年沪深两市A股上市企业数据,经过研究后发现:以XGBoost为代表的集成模型在预测性能上强于个体学习器,在不平衡、高维度、相关关系不明确的数据集上的预测效果较为稳健,营业净利率、净资产收益率、产品市场竞争等指标对预测结果的贡献程度较大。     

考虑最优会面位置的多车型拼车优化调度模型

近年来,新冠疫情的爆发以及交通管制等因素使得网约车合乘难以提供传统的门到门服务,司机和客户对会面位置的选择成为合乘中关键环节的一部分。而随着网约车平台的不断完善,各种不同车型都加入到网约车的行列中。因此,以后疫情时代为背景,并以车辆总运输成本作为目标函数,以软时间窗约束、车辆容量约束等构建考虑最优会面位置的多车型网约车合乘优化调度模型。设计相应小规模算例利用Lingo18.0求解器进行求解,并对求解结果深入分析。并将考虑最优会面位置的多车型网约车合乘优化方案与未考虑最优会面位置的多车型网约车合乘方案进行对比,以此验证了模型的合理有效性。对于突发公共卫生事件下的网约车合乘调度优化有一定的参考价值,为实际的网约车合乘问题提供更经济的合乘方案。     

基于动态贝叶斯网络的通货膨胀风险预测研究

利用动态朴素贝叶斯分类器对我国的通货膨胀风险进行了预测,并在此基础上计算了不同风险因素对通货膨胀风险等级的影响程度,结果表明,动态朴素贝叶斯分类器方法能够较好地预测和分析通货膨胀风险。利用我国实际经济数据进行模拟预测,结果显示在88.24%的可信度下,我国2012年第二季度的通货膨胀风险等级为2级,通货膨胀率预测值约为3.8%。通过分别使用包含和不包含企业家信心指数的动态朴素贝叶斯分类器进行预测,结果发现考虑了企业家信心指数的分类器大约能将预测准确率提高5%,这说明对通货膨胀风险等级预测有必要考虑经济主体的预期因素。通过计算6个指标对通货膨胀风险等级的影响程度,发现货币供应和产出缺口仍是解释我国通货膨胀风险的两个主要因素。     

网约车合同问题研究

现今随着打车软件的兴起与发展,其好处与弊端也越发显露.人们开始思考网约车究竟是利大于弊,还是弊大于利?为更好的研究网约车合同问题,将对在使用打车软件叫车过程中形成的各方关系进行分析,论证网约车所形成的客运合同与传统的扬招车模式的不同,探究网约车合同的履行、 网约车模式是否违背强制缔约义务、 违约行为的界定以及违约责任的承担方式.     

基于NFC的网约车诚信系统的设计与实现

网约车的安全隐患及其服务不规范等问题制约着网约车的进一步发展,为了规范和促进网约车的发展,论文提出了基于NFC的网约车诚信系统,该系统可以通过NFC技术实现乘客对网约车的识别和信息查询;通过手机端的网约车诚信评价、投诉系统实现对网约车司机的评价和投诉;通过网约车监控管理中心实现对网约车驾驶员从业资格许可流程和车辆准入审批流程的审查以及网约车司机犯罪、交通违规情况的管理,该系统的建立不但有利于乘客权益的保障,也有利于网约车的进一步发展。     

基于机器学习的车辆价格预测研究

随着社会的进步与发展，我国机动车的保有量逐步上升，与此同时，车辆的交易市场也在逐步扩大。因此，合理对车辆价格进行评估成为车辆交易市场最值得关注的事情。文章通过对不同车型的几类特征使用热力图进行相关性分析并且删除冗余特征，最后用四种机器学习模型对数据进行预测，通过一系列量化指标得出预测效果最好的模型。实验结果表明，该模型具有较高的精确度，能够有效预测车辆价格，同时也能为二手车交易市场提供一定参考。     

"网约车"的监管困境及解决措施

借助于互联网络的发展,打车软件的出现使得"网约车"在社会中异军突起,不仅缓解了城市交通的压力,方便了居民的出行,同时也提高了车辆的使用率,较为经济和方便的"网约车"成为了当下社会群众出行的新鲜选择,然而在"网约车"发展的背后,也存在无法忽视的问题,尤其在监管方面,监管不力,使得"网约车"行业鱼龙混杂,对于乘客的人身安全无法进行保障.因此,本文从阐述"网约车"内涵及发展历程角度入手,分析了"网约车"的监管现状,重点研究了当前我国"网约车"监管存在的问题,并联系实际,提出了解决我国"网约车"监管问题的有效措施,旨在为促进"网约车"行业的规范化发展提出自己的建议.     

网约车存在的问题及解决办法分析

随着科技的发展社会的进步,出行的方式也多种多样了起来。作为公共交通的一部分,网约车极大地优化了人们的出行方式。但网约车本身存在的问题也随着时间的推移逐渐暴露出来,政府也针对这些问题颁布了相应的政策,网约车的发展走向也成了人们关注的焦点。在网约车合法化的状态下,如何引导和规范网约车的发展方向,成了亟待解决的问题。     

网约车违约问题的法律研究

当前,网约车逐步成为大众出行的一种选择。网约车虽然逐步适应了市场需要,但是仍暴露出一些亟待解决的问题,需要进一步完善相关法律制度。文章从网约车自身的特点入手,分析违约的主要形式及其原因,并提出完善建议。     

基于案例推理（CBR）的科技型中小企业融资风险研究

文章尝试将人工智能中的CBR技术运用于企业融资风险的预测过程，采用案例推理的方法资风险预测管理推理流程，并分别从案例检索算法选择，特征权值确定等方面提出具体的实（CBR），在分析融资各项风险的基础上，通过构建企业融资风险预测管理案例库，建立融施方法，实现高科技中小企业的融资风险预测管理，为企业融资的各方提供决策依据。     

强制采用IFRS对信息环境的影响研究——基于分析师预测的视角

基于国际资本市场数据,通过研究强制采用IFRS对信息环境的影响,发现分析师对强制采用IFRS公司的预测准确性高于其他类型的公司;进一步通过控制相关影响因素,对具体公司层面的预测数据和分析师特征进行分析,研究发现分析师预测准确性的提高与强制采用IFRS所带来的会计信息可比性和会计信息质量提高相关,而与管理层利用盈余管理空间迎合分析师的预测无关。结论表明,强制采用IFRS提高了信息的可比性和信息质量,从而改善了资本市场中会计信息的媒介作用及其信息环境。     

浅谈财务分析的内容及方法

财务分析是一种手段和过程，是把研究对象．即财务报表的综合数据分解成不同指标，并从中找出有关的关系，以达到认识企业偿债能力、赢利能力和抗风险能力的目的。同时，财务分析也只是一个认识过程．只能从中发现问题而不能提供解决问题的方法。而最终解决问题还得由企业通过自身努力来改进。