论现行死缓制度与清代死刑监候之不同

死缓制度作为新中国的一种独创,历来是学界讨论的一个焦点。在以往的研究中,有的学者认为明清的朝审和秋审是现行死缓制度的萌芽形式,也有的误将二者等量齐观。然而,在大量占有材料的基础上,经比较分析,我们便会发现它们本质的不同。     

篮球运动员罚球心理训练研究

罚球对于现代篮球竞赛的胜负有着极其重要的意义。通过对罚球时出现的心理问题进行分析,认为影响罚球的主要心理问题是：焦虑紧张情绪的控制能力弱;注意力不集中;产生不适宜的兴奋,并针对罚球出现的主要心里问题提出罚球心理训练的方法主要有：模拟训练法、意念训练法、注意力训练法、自信心训练法和呼吸调整法。     

多小区OFDMA系统基于改进PSA的资源分配算法

针对载波、功率资源分配问题,考虑本小区对其它小区的干扰情况,提出了一种应用于多 小区正交频分多址复用（OFDMA）系统中的改进罚函数模拟退火(PSA)算法。该问题模型是在 传输速率和性能 一定的条件下,最小化传输功率。该算法是一种随机寻优算法,是一种能将局部搜索扩展为 全局搜索的启发式算法。仿真结果表明,改进算法简化了问题模型,可以在不影响系统性能 的情况下减少运算时间。基于模拟退火算法的离散功率的取值具有随机性,但是整体规律性 仍很明显,且能够获得较高的单位功率吞吐量。     

汽车运输中的超载问题及相关对策

随着我国公路建设不断发展,汽车作为实惠而又便捷的运输工具,被越来越多的用于运输货物。由于道路乱收费不合理导致的运输成本增大以及对超载危害性认识不够等因素,造成目前汽车运输中因为超载而引发的道路安全事故越来越频繁地见诸报端,并成为近年来汽车运输过程中交通事故频发的重要诱因。必须重新认识汽车运输途中的超载问题,并采取针对性相关对策。     

On the Pricing of Contingent Claims with Frictions

This paper studies the problem of pricing contingent claims in a market which has frictions in the form of costs, such as penalty functions corresponding to constraints. An arbitrage-free interval is identified, and a fair price based upon utility functions is proposed. It provides a framework to study incomplete markets that is simplier than the one related to constraints on portfolios introduced by Karatzas and Kou.     

海关行政处罚中“漏缴税款”之法律解释学研究

“漏缴税款”是海关行政处罚中较有争议的一个的问题,对该词的不同理解,会导致海关行政处罚结果的天壤之别.通过法律解释学中文义解释、逻辑解释、目的解释、系统解释四种主要解释方法对该词进行分析,可发现“漏缴税款”的字面含义为“税款有流失”,不包括“税款可能流失”的风险,且其他法律、行政法规对“漏缴税款”（漏税）均以“税款有流失”为认定标准,海关“涉税”违法行为处罚条款的设定也是以确保海关正常履行征税职责为目的,故海关行政处罚中的“漏缴税款”应理解为“税款实际流失”.     

证监会处罚对公司盈余管理的影响后果及机制研究

以2001—2009年因财务舞弊而被证监会处罚的上市公司为样本,检验公司受罚前后的盈余管理行为变化,结果发现:违规公司受罚后的盈余管理行为不仅没有减少,反而更多地使用了较为隐蔽的盈余管理方式——构建真实的活动以规避证监会的处罚;就处罚强度和处罚引起的市场反应这两种影响机制而言,市场反应的作用相对更大,市场反应的弱化会对公司的盈余管理行为起反向的激励作用。     

一种基于二阶锥规划的新时差定位算法

针对传统时差定位算法在量测噪声较大情况下定位性能不佳的缺点,提出了一种基 于二阶锥规划的新时差定位算法。该算法通过凸松弛和引入惩罚项,将难以求解的用户位置 最大似然估计问题转换为一个易于求解的二阶锥规划问题,并将松弛问题的最优解作为用户 位置的初始估计,利用传统的泰勒级数展开法得到最终定位结果。仿真给出了不同基站数目 及量测噪声下算法的定位性能。仿真结果表明,在量测噪声较大的情况下,新算法的定位精 度 仍可以逼近理论克拉美罗下限, 而且算法中惩罚因子的选取范围易于确定。     

SCAD‐penalized quantile regression for high‐dimensional data analysis and variable selection

The present penalized quantile variable selection methods are only applicable to finite number of predictors or do not have oracle property associated with estimator. This technique is considered as an alternative to ordinary least squares regression in case of the outliers and the heavy‐tailed errors existing in linear models. The variable selection through quantile regression with diverging number of parameters is investigated in this paper. The convergence rate of estimator with smoothly clipped absolute deviation penalty function is also studied. Moreover, the oracle property with proper selection of tuning parameter for quantile regression under certain regularity conditions is also established. In addition, the rank correlation screening method is used to accommodate ultra‐high dimensional data settings. Monte Carlo simulations demonstrate finite performance of the proposed estimator. The results of real data reveal that this approach provides substantially more information as compared with ordinary least squares, conventional quantile regression, and quantile lasso.