中国融入东亚生产网络的贸易利益——基于20个工业部门净附加值的分析

本文结合中国融入东亚生产网络的现状,采用反映进口中间产品在国内的产业循环效应或产业波及效果的净附加值指标来衡量中国融入东亚生产网络后归属于中国的直接的贸易利益。基于1992-2007年期间中国20个工业部门从东亚进口的中间产品在国内产业循环后所创造的净附加值分析表明:从净附加值的绝对量来看,中国工业部门从东亚进口中间产品所创造的净附加值增长迅猛,且在从世界进口的中间产品所创造的总的净附加值中平均占了42%左右的份额,但该净附加值占中国工业部门总出口的比重总体上不高且年均增长幅度有限。细分行业的考察发现,来自东亚的中间产品创造的净附加值比重较高的部门主要是技术、资本密集型工业部门,但在大多数工业部门中这一比重增长不显著。因此,应在进一步深化中国与东亚的垂直专业化分工的基础上,通过增强本土企业的技术吸收能力和自主创新能力来提升本土企业在东亚生产网络中的分工地位,以获取更多的贸易利益。     

Dynamical clustering of exchange rates

We use techniques from network science to study correlations in the foreign exchange (FX) market during the period 1991–2008. We consider an FX market network in which each node represents an exchange rate and each weighted edge represents a time-dependent correlation between the rates. To provide insights into the clustering of the exchange-rate time series, we investigate dynamic communities in the network. We show that there is a relationship between an exchange rate's functional role within the market and its position within its community and use a node-centric community analysis to track the temporal dynamics of such roles. This reveals which exchange rates dominate the market at particular times and also identifies exchange rates that experienced significant changes in market role. We also use the community dynamics to uncover major structural changes that occurred in the FX market. Our techniques are general and will be similarly useful for investigating correlations in other markets.     

Forecasting CPI inflation components with Hierarchical Recurrent Neural Networks

We present a hierarchical architecture based on recurrent neural networks for predicting disaggregated inflation components of the Consumer Price Index (CPI). While the majority of existing research is focused on predicting headline inflation, many economic and financial institutions are interested in its partial disaggregated components. To this end, we developed the novel Hierarchical Recurrent Neural Network (HRNN) model, which utilizes information from higher levels in the CPI hierarchy to improve predictions at the more volatile lower levels. Based on a large dataset from the US CPI-U index, our evaluations indicate that the HRNN model significantly outperforms a vast array of well-known inflation prediction baselines. Our methodology and results provide additional forecasting measures and possibilities to policy and market makers on sectoral and component-specific price changes.     

区域人口复合生态系统生态位评价

人类社会是一类社会-经济-自然复合生态系统,它所提供给人们的或可被人们利用的各种生态因子和各种生态关系的总体集合可以定义为区域人口复合生态系统生态位.研究在借鉴可持续发展和宜居城市等评价方法的基础之上建立了一套区域人口复合生态系统生态位评价的指标体系及评价方法.并对全国31个省、自治区、直辖市的区域人口复合生态系统生态位做出了定量评价.     

分簇传感器网络中对密钥管理方案

本文提出一种分簇传感器网络中的基于双变量多项式的对密钥建立方案,无需可信第三方存在,整个网络被划分戍若干个簇,根据节点的可信度选举出簇头,能够保证任意两个簇头节点都可以建立对密钥,任意两个簇内节点也可以建立对密钥。     

复杂产品系统研发团队的交互记忆系统与团队效能关系研究

本文采用实证研究,针对复杂产品系统的研发团队,从团队成员所具有的心理资本出发,探索团队成员心理资本对团队成员交互记忆系统的形成及发展的影响,进而得出其对团队效能的影响。从而为复杂产品系统中研发团队的建设提供建议,进而提升团队效能。     

预案分析的贝叶斯网络方法

在对预案进行评估分析和执行过程中常会涉及不确定性问题,传统的预案编制工具关键路径法(Critical Path Method,CPM)不具备处理不确定性问题的能力。本文推荐的贝叶斯网络法(Bayesian Networks)因其处理分析不确定性问题的能力已经被广泛应用于一系列的决策支持应用,但对预案评估分析的应用是新颖的。本文介绍了用贝叶斯网络法分析传统关键路径法编制的预案。     

创业团队成员信任对社会网络与企业创新能力关系的影响

本文通过对吉林省112家有效样本企业进行调查,将社会网络细分为内部社会网络和外部社会网络,在创业团队的定义下检验了社会网络与信任对新创企业创新能力的影响。研究结果表明,内外部社会网络都会对企业创新能力产生积极影响,而团队成员之间的信任则作为调节变量影响两者之间的关系。创业团队成员之间的信任越高,越有利于知识、信息的传播与交流,内部社会网络对企业创新能力的积极影响越大;但却易产生"非我发明症"现象,导致外部社会网络对企业创新能力的积极影响越小。     

基于多案例的复杂产品系统项目组织结构动态调整研究

现有研究认为项目武（BPO）是复杂产品系统（CoPS）实施最适合的组织结构,然而在项目实践中多数CoPS项目均未完全采用这一组织结构。本文以此现象为研究对象,主要采用文献研究和案例研究方法,借助问卷调查和访谈等手段,比较分析了四个典型复杂产品项目实施过程中组织结构的动态调整的过程。研究表明,在复杂产品系统需求分析、系统结构设计、模块开发阶段,项目的组织结构形式是从弱矩阵式逐步过渡到强矩阵式进而发晨为对接式项目团队,在系统集成阶段,进一步演化为项目式组织结构。     

基于非线性主成分分析的信用评估模型研究

传统的主成分分析（PCA）本质上是一种线性映射算法,无法有效处理非线性关系的数据。本文在分析自联想神经网络（AANN）的基础上,借鉴传统PCA方法中的序数主成分概念,提出了基于顺序自联想神经网络（SAANN）的非线性主成分分析法（NLPCA）。进一步,结合神经网络（NN）和Logisitic模型,以我国上市公司为研究对象,分别构建了基于NLPCA-NN和NLPCA-Logisitic的信用评估模型。实证结果及ROC曲线分析表明,本文构建的NLPCA相比传统的线性PCA方法能有效地实现数据的非线性特征提取与降维,提高模型预测性能。此外,实证结果还表明,在相同PCA方法处理数据的条件下,神经网络模型的信用评估效果要好于Logisitic模型。