应用期权方法构建商业银行贷款利率模型

以分析公司普通股所具有的看涨期权特性为出发点，以Black—Scholes看涨期权定价模型为基础，根据不同企业资本结构和资产回报风险的差别，构造了一个商业银行基本贷款利率模型。从期权角度来设计贷款利率模型，除考虑了企业的经营风险因责外，还同时考虑了企业融资结构所带来的财务风险，能更加全面地反映出商业银行贷款的保障程度。     

2010年北京三次产业发展预测与研究

本文通过对北京三次产业发展的现状分析,研究了三次产业的生产结构、分配结构、经济效 益和经济结构的演变过程,指出目前存在的主要问题并结合模型对2010年北京的三次产业做了预测展望。     

基于政策演变的景区经营权转让的实践问题分析

自从1997年张家界黄龙洞和宝峰湖的经营权转让以来，景区经营权转让就一直成为争论的焦点。主要从中国相关政策的演进和资源的价值构成分析景区经营权转让的可行性和实践中面临的问题进行探讨，并针对目前的发展形式提出了一些建议。     

农业发展与经济增长的变结构协整关系研究

运用变结构协整理论研究我国农业发展与经济增长的长期均衡关系,采用循序检验法确定变结构点,发现在1961年和1980年农业发展与经济增长均衡关系发生突变;对1952～2003年的数据进行变结构协整检验,得到两段变结构形式,表现为参数变结构的水平趋势项飘移型和状态开关型协整关系,最后建立了误差修正模型。     

广播谈话节目中细节的运用与处理

广播谈话节目是广播节目主持人与嘉宾、听众之间的以思想观念、感情心理的深层交流为目的的双向交流节目。怎样使节目能够不断出新、出彩从而吸引听众呢?细节的运用与处理大有文章可做。细节分为两种，即必然的细节和偶然的细节。必然的细节更多地运用在节目的开场和结尾，它可以很好地烘托节目主题；偶然的细节，它可以使节目”形散而神不散”、自然流畅、浑然天成。有人说细节成就精品就是这个道理。在谈话节目中，必然细节和偶然细节是可以根据实际情况灵活运用于开场白、主体部分及结束语中的，决不能视为固定不变的公式。     

中国行政法制度变迁的原因探析

在建设中国法治行政的过程中,行政法制度内部的失衡、外部社会环境的变化、公众参与热情的高涨,以及社会历史的可持续发展等,都促使行政法制度发生变迁。为更好地掌控制度变迁,探究这些因素如何引起制度变迁,具有重要的作用和意义。     

奥肯定律与扩大的奥肯模型估计——关于中国就业与经济增长的数量关系实证(1978-2003)

奥肯定律表明与正常的(或潜在的或趋势的)增长率相比,高产出增长伴随着失业率的降低,低产出增长伴随着失业率的上升.作为一种经验规律,奥肯定律在西方很多国家的实践中得到了良好的验证.本文根据1978年以来中国的宏观经济统计数据进行模型回归检验,结果显示我国城镇登记失业率的变化与实际产出增长率之间不存在典型的奥肯规律.由于我国公开的失业率并不能反映真实的市场失业率,为此用就业量代替失业率,建立扩大的奥肯模型,分别对我国第一、二和三产业的就业增长与经济增长的数量关系进行估计.实证的结果显示我国第二、三产业的就业增长与产出增长和物价上涨均为正相关;而我国农业的就业增长与产出增长存在负相关.     

高职教育实践性教学初探

加强高等职业教育的实践性教学,是高等职业教育教学改革的一个关键的突破口。只有加强实践性教学的探讨和创新,才能突出高职教育的特色。要积极探讨建立实践性教学为主的模式和运行机制,如实践性教学导师制、学生模拟实习公司等。同时,要处理好理论教学与实践教学的关系,处理好培养人才"宽"与"窄"的关系。     

论企业动态战略能力的构建

由于战略思维和战略制定与实施的线性化,传统的战略设计模式不能适应动态环境的变化,必须强调战略对外部环境和内部资源、能力的动态应变性,改变传统的线性战略思维和静态的战略设计及实施模式.仅对战略设计模式进行改进是不够的,必须在企业内构建动态战略能力.企业的动态战略能力包括动态战略思维能力、战略转变能力和战略评价能力.     

Forecasting recovery rates on non-performing loans with machine learning

We compare the performance of a wide set of regression techniques and machine-learning algorithms for predicting recovery rates on non-performing loans, using a private database from a European debt collection agency. We find that rule-based algorithms such as Cubist, boosted trees, and random forests perform significantly better than other approaches. In addition to loan contract specificities, predictors that refer to the bank recovery process — prior to the portfolio’s sale to a debt collector — are also shown to enhance forecasting performance. These variables, derived from the time series of contacts to defaulted clients and client reimbursements to the bank, help all algorithms better identify debtors with different repayment ability and/or commitment, and in general those with different recovery potential.