“金融危机下企业发展战略与经营决策”两岸学术论坛观点综述

2009年7月3日,"金融危机下企业发展战略与经营决策"两岸学术论坛在北京举行,学者们深入探讨了金融危机对中国经济的影响以及企业的应对策略、金融危机对两岸金融业的影响、金融危机对两岸具体行业的影响以及应对策略、金融危机下企业发展战略与经营决策等问题。     

我国财政转移支付法律制度的缺陷及完善对策

财政转移支付作为财政支出的重要组成部分,在加强宏观调控、促进地区均衡发展、维护国家稳定、促进社会和谐等方面发挥着不可替代的作用。而目前我国的财政转移支付制度在运行中还存在着许多问题。本文力图立足于我国国情,同时借鉴发达国家的立法经验,分析存在的主要问题,提出相关的完善对策,以优化财政转移支付体制。     

海关支持企业应对金融危机优惠措施实施后出现的问题及思考

2008年由美国次贷危机引发的全球金融危机对我国经济产生了较大影响,尤其是加工贸易受到明显影响。为扶持企业发展,海关总署陆续出台了多项措施,效果也在多个方面逐步得以显现。但笔者认为,海关在服从经济发展大形势,促增长、保税收的同时,也需要防范扶持政策出台可能衍生的企业恶意倒闭、倒卖保税料件指标等风险。     

以就业为导向的中职财会教学探微

一、中职财会教学中存在的问题 (一)师资队伍专业水平不足 中职财会的专业师资力量不足,难以满足中职财会教学的实际需求.一些中职财会学校的教师教学方法落后,专业知识水平不高,缺乏实践经验,在财会课程中无法为学生提供良好的指导,教学质量和有效性在"以就业为导向"的模式中不尽人意,不可避免地会限制中职财会教学的发展.     

市场出清与经济增长——国民收入模型中一个结论的修补及其意义

储蓄等于投资是宏观经济学教科书中的一个基础性结论,而高投资率或高储蓄率意味着高增长率又为大多数经济学家所接受;但在近年来分析我国宏观经济现象时,又经常出现把经济紧缩的症结归结于消费不足,即储蓄率过高的观点。在分析时,常常指出储蓄大于投资,却回避解释储蓄不等于投资的原因。从宏观经济理论体系中的国民收入模型分析看,上述矛盾的根源在于经济分析中的投资和储蓄的概念并不相等。投资相等的储蓄概念实际上包含了未实现的投资和消费。因此,高储蓄率并非经济紧缩的原因,解决经济紧缩的方法不仅在于减少储蓄,还在于市场出清的实现。从根本上解决我国需求不足状况,必须调整经济结构,使消费品生产、资本品生产与我国较高的储蓄率相匹配,按比例发展。     

南京市城市建成区扩张的时空特征与驱动力分析

本文以南京市城市建成区为研究对象,分析了南京市城市建成区扩张动态,总结其时空扩张特征,并对南京市社会经济因素进行筛选,从而确定城市扩张的主要驱动因素。研究表明,在1985—2005年间,南京市城市建成区时空扩张呈现沿交通干线扩展和亲水性特征：经济发展、人口增加、产业结构调整和行政区划调整是南京市城市建成区扩张的主要驱动因素。     

不对称信息下中小企业融资模型研究

在信息不对称的情况下，为了使融资能够顺利进行，投融资双方必须进行信息的交流。本文通过对我国中小企业融资问题进行系统的研究，建立了中小企业与金融机构之间的信号传递博弈模型。分析表明，本文所选信号能准确地反映出中小企业的预期盈利水平，降低中小企业和银行之间的信息不对称程度。     

政府的谈出与市场的深入—从排污权交易谈起

政府与市场的界限在理论上一直存在争议,在实践中也很难划清,但有一点是明确的,即无论这个界限在哪里,其目标都是为了使社会经济更好的发展,促进效率和公平在更大的范围内实现。在我国,政府让渡资源配置权力的行为在效率和公平上都产生了积极的效用,经济学理论喜欢把类似这样的改进称为帕累托改进。 最近太原市政府开展排污权交易的试点,是典型的例证。亚洲银行出资70万美元的一项环保试点工程——“二     

同仁物业:医院后勤改革的典范

<正>同仁物业通过积极参与医院的后勤社会化改革,在创建、锻造了一支专业、优秀服务队伍的同时,也打造了过硬的品牌。公司综合效益不断提升,市场份额不断扩大,北京同仁医院项目的医患满意率达到95%。北京同仁物业管理有限公司(下简称"同仁物业")是伴随着同仁医院后勤社会化改革而诞生的一家专业物业服务企业。公司成立七年来,已经成为医院后勤改革的典范,吸引了全国各地的医院后勤部门前来参观学习。     

移动大数据时代我国旅游发展的新思考

伴随着移动互联网技术的飞速发展和智能手机的快速普及,游客通常会利用智能手机APP方便快捷地进行旅游信息查询、网络预订与支付、旅游导航以及旅游评价等全程自主性旅游活动.这些APP在极大地改善与丰富游客旅游体验的同时,也产生了海量的旅游数据,这些多类型数据有望成为未来旅游大数据的重要来源.通常把这种通过移动端由游客产生的海量数据称为移动大数据.根据公众贡献数据的主动性,可以把移动大数据分为主动式大数据与被动式大数据.