集团公司财务管理模式设计的探讨

本文在集团公司财务管理模式相关文献综述的基础上,提出了研究设计的框架,并据此阐述了财务管理的一般模式,分析了企业集团财务管理模式选择的影响因素,最后给出了集团公司财务管理模式的设计,以其对企业集团财务管理的实践提供指导意义。     

在驱力均衡中国际人力资源战略发展实证研究--以上海地区跨国公司为例

本文透过文献探讨与集群分析的实证研究,划分上海地区跨国公司国际人力资源战略可分成“放 任无主人力资源战略”、“总部操控人力资源战略”、“地区自治人力资源战略”、以及“收放兼顾人力资源战略” 四种类型,并在此基础上建议跨国公司未来上朝向本土化的国际人力资源战略发展方向。     

基于钻石模型对江苏省电子产业的核心竞争力分析

电子产业作为江苏省的支柱产业之一,其发展对江苏省具有重要意义。根据波特的“钻石模型”,从生产要素、需求条件、企业的战略与竞争的时空背景、相关与支持性产业、政府支持、机遇六个方面对江苏省电子产业的核心竞争力进行了分析,以期通过分析,明确江苏省电子产业的地位,为正确制定江苏省电子产业发展战略,提升江苏省电子产业竞争力提供研究基础。     

知识管理对核心能力的创造过程和数理证明--基于核心能力创新模型的研究

目前,学界对于核心能力和知识管理两者关系的研究,大多数仅仅是逻辑推导,而缺少理论体系的构建和严格的数理证明。本文从核心能力要素一层次模型构建着手,通过对知识管理中组织行为、个人行为与核心能力的相关作用机理进行研究,建立了核心能力一知识管理价值创造机理模型,并从组织行为和个人行为两个方面对该模型进行了数理证明。     

城乡居民消费结构与产业结构、经济增长关联研究——基于VAR模型的实证分析

运用VAR模型对城乡居民消费结构与产业结构、经济增长的关联性进行了实证分析。研究结果显示,城乡居民消费结构与产业结构、经济增长之间均存在长期均衡关系;经济增长能够促进城乡消费结构的升级,但对农村的促进作用要比城市滞后;城市居民消费结构升级对产业结构升级具有较弱的正向诱导效应,而农村居民消费结构则不具备这种效应。     

基于E-BP神经网络的科技奖励评价模型研究

根据简单多数原则引入专家动态权数,与人工神经网络BP算法相结合,构建E-BP科技奖励综合评价智能模型。实证分析表明,该模型减少了传统科技奖励评价方法中受专家主观因素和模糊随机因素的影响,使评价结果更加客观、合理。     

基于软系统方法的整合创新模型研究

创新过程从本质上讲是一个无结构系统创立或变革的过程,而处理无结构、多目标复杂问题正是软系统方法的优势。在借鉴国外相关创新模型的基础上,提出了一个基于软系统方法的整合创新模型。     

中国企业研发效率动态演进的背后：市场化改革的力量

本文基于1999—2011年中国省际高新技术产业层面的研发数据,综合运用生产要素产出弹性模型和格林（2005）提出的真正固定效应随机前沿模型,实证检验了市场化改革对企业研发效率动态演进的实际影响效应,并进一步探析国有经济和行业保护政策在市场化改革塑造企业研发效率的过程中所扮演的角色。基于产业维度的核算结果表明,研究期间中国高新技术企业整体研发效率大约偏离最优效率37％～44％,但其在市场化进程中表现出稳步提升的动态演进趋势,研发中间产出效率和最终产出效率分别从1999年的0．403和0．523（0．490）提高到2011年的0．713和0．766（0．755）。更为重要的是,经验证据表明市场化改革确实是推动中国高新技术企业研发效率持续动态增进的背后驱动力量;但国有经济和行业保护政策显著抑制了市场力量对企业研发效率塑造能力的充分发挥,具体表现为市场化改革在国有经济和保护性行业中不仅无法起到提升研发效率的作用,反而还可能具有损害企业研发效率的负面影响。     

消费者群体隐性需求濡染扩散模式研究

在进行营销模式的本土化创新以及开创新的市场空间时，关注创新采用的隐性需求及其在关联需求网络中的扩散机制，对于洞察消费者隐性需求的层次，细分消费者的群体特征以及进行产品和市场创新均具有重要意义。     

Online adaptive lasso estimation in vector autoregressive models for high dimensional wind power forecasting

Wind power forecasts with lead times of up to a few hours are essential to the optimal and economical operation of power systems and markets. Vector autoregression (VAR) is a framework that has been shown to be well suited to predicting for several wind farms simultaneously by considering the spatio-temporal dependencies in their time series. Lasso penalisation yields sparse models and can avoid overfitting the large numbers of coefficients in higher dimensional settings. However, estimation in VAR models usually does not account for changes in the spatio-temporal wind power dynamics that are related to factors such as seasons or wind farm setup changes, for example. This paper tackles this problem by proposing a time-adaptive lasso estimator and an efficient coordinate descent algorithm for updating the VAR model parameters recursively online. The approach shows good abilities to track changes in the multivariate time series dynamics on simulated data. Furthermore, in two case studies it shows clearly better predictive performances than the non-adaptive lasso VAR and univariate autoregression.