国有企业领导干部因私出国(境)管理的现状及风险

加强国有企业领导干部因私出国(境)管理是进一步加大对领导干部监督管理力度的重要一环。文章介绍了国有企业领导干部因私出国(境)管理工作的开展情况及管理风险,并阐述了应对这些管理风险的对策。     

基于规划模型的城市空间优化配置北大核心CSSCI

提出了一种针对城市空间优化配置的多目标规划模型,并且给出了基于MAPSO的模型求解算法,以杭州运河新城(拱野区范围)为例,进行了实证分析。在实证分析中对比了现状、土地规划情况、设计研究院规划结果和本文规划结果,得出结果与设计研究院规划情况一致,验证了在适用性方面模型和算法的优越性,为新城开发和老城区改造提供了指导依据。     

《南方金融》影响因子上升至国内金融学术期刊第6位北大核心

2019年10月,中国知网发布《中国学术期刊影响因子年报(人文社会科学·2019版)》。数据显示,《南方金融》复合影响因子从2018年的2.125上升至2019年的3.298,提升55%;综合影响因子从2018年的0.968上升至2019年的1.391,提升44%;在国内62种货币、金融、银行、保险类学术期刊中,《南方金融》复合影响因子、综合影响因子的排名均上升至第6位;在人民银行分支机构主管、主办期刊中,《南方金融》影响因子连续数年位居第一。     

“一带一路”背景下PPP项目融资模式研究

"一带一路"倡议的目标是促进丝绸之路经济带沿线各国基础设施的互联互通,对接各国政策和发展策略,深化务实合作,促进协调联动发展,实现共同繁荣。其中,基础设施建设是实现"政策沟通、道路联通、贸易畅通、货币流通和民心相通"的突破口。为创新基础设施融资模式,应根据"一带一路"基础设施项目PPP子模式BOT、TOT等模式特点与伊斯兰金融产品特点进行融合,提出Mudaraba(利润分享)、Musharaka(股本参与)、Ijarah(融资租赁)、发行伊斯兰债券、设立伊斯兰专项投资基金等融资方式,吸引更多的民间资本,积极参与到一带一路建设中去,加快"一带一路"沿线国家基础设施地建设。     

中国股票市场的节日效应研究——基于收益和波动的视角

为研究中国股市节日效应的存在性及特征,本文利用2007年12月28日—2017年10月30日上证综指日收益率数据,基于引入虚拟变量的GARCH (1,1)-M模型,从收益和波动两个角度研究中国股市的节日效应。综合检验发现,中国股市存在基于收益的节前效应,同时表现出基于波动的显著的节前和节后效应;节前节后股市风险均显著降低,但只有节前收益受到了风险的影响。具体分析每一节日发现,部分节日具有节日效应,且各节日的节日效应不同,个别节日的异常收益与风险有关。法定节日比传统节日的节日效应显著,这一现象的产生与休市有关,而休市能对节日效应产生正向影响。     

提升算法对传统车险索赔频率建模模型的改进——基于我国五省交强险保单数据

广义线性模型作为非寿险定价的经典模型,在非寿险定价中得到了广泛的应用。近年来,以提升算法为代表的机器学习算法在保险领域取得了很好的效果,为保险产品定价提供了一种新的选择。本文将提升算法思想分别融入到回归树模型和广义线性模型(GLM)中去,用得到的新模型对我国车险索赔频率进行预测建模分析,并与传统的回归树模型和GLM进行比较。结果表明,加入提升算法后传统车险索赔频率建模模型的效果得到了很大的改善,并且在不存在过拟合的前提下,随着模型深度和迭代次数的增加,模型的效果也在不断优化。     

欢迎订阅2020年《征信》北大核心

《征信》是国家A类学术期刊、全国征信行业唯一的中文核心期刊、中国人文社会科学核心期刊、RCCSE中国核心学术期刊、人大复印报刊资料重要转载来源期刊、国家征信行业权威性学术期刊、《CAJ-CD规范》执行优秀期刊,由中国人民银行征信管理局作为权威业务指导、中国人民银行郑州培训学院主办。     

基于故障模拟的双工序智能RGV调度研究

随着人工智能技术的不断发展和进步,智能加工系统正变得越来越自动化和智能化,由此引发了智能加工系统的管理和效率问题。因此,本文针对在智能RGV两道工序发生故障时进行研究,由于故障的发生具有随机性,我们通过对加工过程中CNC发生故障的平均概率进行随机模拟,判断故障发生的位置,以物料的生产效率和每个物料的等待时间为目标建立了基于故障随机模拟的多目标动态优化模型,使用基于FCFS的动态规划算法对模型进行求解,给出了故障发生的模拟情况和RGV调度方案。最后,通过实例计算得到的结果表明,该模型和算法具有良好的实用性,能客观、有效地给出RGV调度方案,对智能加工系统具有一定参考价值。     

使用粒子群算法解决期权定价模型参数校准问题——以heston模型为例

期权定价模型的参数校准问题是一个常见的难题,以heston 模型为例,定价时需要估计6 个参数,参数估计问题实质上是高维非线性规划问题,由于估参函数的性质不好,一般的估参方法常常失效。使用粒子群（PSO）智能算法可以改善该模型的参数校准问题,因为粒子群算法具有内在随机性,因此参数估计中的局部极小值问题可以被较好地解决。使用2017 年12 月20 日的香港恒生指数期权作为估计样本,并对2017 年12 月25 日的期权进行样本外预测,数值结果表明使用heston 模型对期权进行定价并配合粒子群算法估计参数具有良好的定价效果。