投资决策受投资者行为偏好的影响,因此合理地捕捉投资者情绪有助于预测股票市场未来变化趋势。结合机器学习算法,分析金融市场投资者情绪,利用SVM情感分类算法,对股吧个股评论中的文本数据进行分析,从而构建出反映投资者情绪的市场情绪指标。进一步使用LSTM深度学习网络,提取市场情绪指标特征,对上证50指数进行短期预测,并对比多种传统时间序列分析模型和机器学习模型。研究结果表明,LSTM神经网络在金融时间序列预测上具有更高的准确率和精确度;加入市场情绪特征后,能进一步提升LSTM模型预测结果的准确率和精确度,说明了投资者市场情绪对于市场指数预测的有效性和适用性;此外,对LSTM模型预测结果进行误差修正,能够有效优化LSTM模型的预测结果。
以国家自然科学基金委员会和FMS认定的管理类高质量中英文期刊为文献检索依据,按照管理科学部四个学科(管理科学与工程、工商管理、经济科学、宏观管理与政策)对生成式人工智能在经济管理学科的相关研究进行文献计量分析。研究结果表明:(1)中英文文献的期刊、研究机构和合作网络存在差异,中文文献集中于信息资源管理和图书情报领域,合作关系依赖于学科、机构和地理位置的相似性;英文文献更加多样和广泛,但机构间尚未形成持续稳定的合作成果输出;跨学科、跨机构和跨地域之间的协同研究有待加强。(2)现有研究主要集中在宏观管理与政策和管理科学与工程学科,侧重实证应用研究;工商管理和经济科学学科,以及专注于生成式人工智能技术和风险问题的研究相对较少;英文文献的研究主题和应用领域均比中文文献更加广泛,研究数量和聚焦程度也高于中文文献。未来研究可聚焦于生成式人工智能与管理工具、理论方法及复杂管理情境的交叉融合,并推动具体管理研究范式的变革。
人工智能(AI)的迅猛发展,催生了企业新的实践和营销模式,改变了企业与消费者的互动方式,使得营销科学的理论和实践经历着一场颠覆性变革。为了揭示人工智能驱动下的营销变革,本文基于近年来AI与营销科学等交叉领域的代表性文献,首先划分出AI与营销领域结合的萌芽、发展和深化等渐进式三阶段;然后提出了“AI认知—AI赋能—AI互动—AI集成”的理论分析框架,最后结合该框架展望了未来研究方向,包括构建更具解释力的AI采纳模型,开发公平的AI定价算法,探索AI互动中的消费者心理机制,和设计有效的人机协作管理机制等,以期推动人工智能和营销交叉领域的理论发展和实践应用。
本文在经典的基于极差的条件自回归极差(CARR)模型基础上,借鉴基于收益率的GARCH-MIDAS模型的建模思路,提出基于极差的CARR-MIDAS模型对人民币汇率波动率进行建模。该模型框架充分利用了日内极值信息,且允许低频宏观经济变量(宏观经济信息)通过波动率长期成分和灵活的MIDAS结构直接影响波动率。采用月度全球经济政策不确定性(EPU)指数和日度美元兑人民币(USD/CNY)汇率数据,利用引入EPU的基于极差的CARR-MIDAS(CARR-MIDAS-EPU)模型,实证检验了EPU对USD/CNY汇率波动率的影响及预测作用。实证结果表明:EPU对USD/CNY汇率长期波动率具有显著正向影响,即EPU水平的提高会加剧USD/CNY汇率长期波动率;基于极差的CARR-MIDAS-EPU模型相比其他众多竞争模型(包括基于收益率的GARCH模型、GARCH-MIDAS模型和GARCH-MIDAS-EPU模型以及基于极差的CARR模型和CARR-MIDAS模型)在不同的预测期上(从1天到3个月)具有显著更高的样本外波动率预测精确性,说明极差和EPU包含了USD/CNY汇率波动率预测的重要信息。采用不同版本的全球EPU指数和不同的样本外预测窗口进行稳健性分析,进一步证实了上述研究结论的可靠性。
新兴信息技术的持续涌现,推动了供应链与平台经济深度融合,使得供应链管理迈入新阶段——平台供应链阶段。尽管近年来学者们围绕平台供应链进行了广泛研究,但目前尚缺乏对这一领域的系统性文献综述。因此,本研究采用描述性统计与内容分析相结合的方法,对近十年来平台供应链管理领域的相关研究进行综述。基于“why-what-how”的逻辑,梳理和总结了平台供应链管理面临的新挑战,包括协同与整合的复杂性、技术与数据的双重困境、生态化设计与创新的压力、治理困境与规范难题。在此基础上,从新环境、新技术、新生态和新治理四个方面,提出平台供应链管理未来的新机遇,分别是复杂环境背景下的平台供应链协同运作、考虑技术赋能的平台供应链运营决策、生态化背景下平台供应链运作模式创新、多主体参与的平台供应链治理。本研究能为学术界提供理论创新和研究深化的新视角,为企业和组织应对实际问题提供参考依据和实践指导。
风险分析作为当今经济社会至关重要的技术工具,已在能源、金融、自然灾害及应急等诸多领域展现其显著的应用价值。尽管如此,风险分析尚未被广泛地认为是一门独立的科学,其相关理论与方法仍散布于不同学科领域,缺乏系统性整合与体系化发展。此外,基于概率与损失建模的传统风险分析方法相对狭隘,难以全面准确地反映现代社会及系统中风险的多元性与复杂性。鉴于此,本研究立足于近年来风险分析领域涌现的新思想与理论,倡导构建“风险科学”这一新兴的跨学科科学。通过深入剖析风险科学的内涵及其发展历程,本文提出了一个系统的风险科学框架体系,并综述了风险理解、风险识别、风险评估、风险感知、风险沟通及风险控制六个子领域的研究进展与未来趋势。本文旨在融合前沿的风险管理理念,整合风险分析和管理领域的知识与方法,推动构建更为完善、系统的风险管理体系,以应对日益复杂多变的风险挑战。
碳中和背景下,作为低碳项目针对性融资途径的绿色债券迎来了迅速发展的历史机遇期。为了对比了解中国绿色债券发展的现实情况,本文采用62个经济体2014-2020年的绿色债券发行记录数据对各国(地区)绿色债券发展程度水平进行了系统性评估,并通过聚类分析对各国(地区)情况进行归纳,以及探索各国(地区)绿色债券发展存在差异的动因。结果表明,全球绿色债券发展水平与速度各异,能够明显聚类出绿色债券发展的四个梯队。中国大体上位居全球绿色债券发展的第二梯度、发展速度较快。绿色债券发展的驱动因素主要包括宏观经济基本面、金融体系制度以及绿色低碳转型环境三个方面,并且上述因素对绿色债券发展成熟度的聚类结果同样能够产生显著影响。最后,本文为我国把握全球绿色债券发展态势,优化绿色债券发展路径,进而为推动绿色债券支撑碳中和进程提供了政策启示。
本文综述基于机器学习的资产收益率预测研究,涵盖股票、基金、加密货币及债券等资产。随着大数据与人工智能的发展,机器学习以其处理高维数据和非线性关系的能力,在资产收益率预测中展现出显著优势。本文系统梳理各类机器学习方法在资产收益率预测中的应用,包括算法选择、模型构建及性能评估。研究发现,机器学习方法在提高预测精度和模型泛化能力方面成效显著,尤其擅长处理非结构化数据。平衡预测能力与模型可解释性仍是未来研究的重点。拓展资产类别与市场覆盖,深化大语言模型的应用,将进一步提升机器学习在金融预测中的有效性和适用性。
在线评论反映了消费者对产品不同特征的偏好,挖掘其中的偏好信息可以帮助潜在消费者更好地了解产品,从而做出更明智的购买决策,同时,也能够为企业的产品改进、市场定位以及营销策略提供重要支撑。近年来学者围绕在线评论挖掘消费者偏好进行了广泛研究,但目前缺乏系统性的文献综述。因此,本研究采用文献计量和内容分析相结合的方法对该领域的现状、不足和未来研究趋势进行综述。首先,定量分析了相关文献发表情况和关键词聚类情况,依据在线评论偏好挖掘的处理层次,将其归纳为基于在线评论的消费者偏好识别、分析、应用三大研究主题,构建了系统性的研究框架。然后,对每个研究主题的具体内容,从现状和不足两个层面进行了全面分析。最后,从提升消费者偏好识别准确性、深入分析个性化偏好和动态偏好、拓展偏好应用领域、推动多模态信息融合四方面提出了未来研究展望。
无论是原子弹和人造地球卫星等高端复杂产品的制造,还是登陆月球和火箭回收等高度综合性技术工程,都是十分复杂的系统性实践过程。为了支撑高端复杂产品制造等系统工程的颠覆性创新发展,本文提出了科技战略供应链这一基本概念。深入研究科技战略供应链的形成与发展过程,能够回答高端复杂产品是如何从无到有的、如何发展演进的、根本动力是什么、有哪些基本规律等核心科学问题,从而促进高端复杂产品的原始创造和创新发展。本文首先回顾了高端复杂产品制造等复杂系统性实践过程;其次从科学、技术、工程、产业之间供求关系的供应链特征界定了科技战略供应链基本概念;然后在总结典型科技战略供应链发展进化过程基本特征的基础上,深入探讨了科技战略供应链的形成机理与动态演化、要素空间与协同优化、韧性设计与风险管控、运行机制与效率提升等四大科学问题;最后从创新人才、创新生态、尖端科技、主导企业、管理机制等方面给出了构建科技战略供应链的战略对策,以期推动我国科技战略供应链建设,助力我国科技与经济高质量发展。
数字人是将人类的外貌、行为、思维等特征数字化,能够实现虚拟世界与现实空间交互的虚拟形象。数字人的兴起为品牌形象塑造和消费者互动带来了新的契机,加速了传统数字营销向虚拟与现实融合营销模式的转变。有关数字人营销的问题得到了越来越多学者和管理者的关注,但数字人营销的理论研究与实践需求之间仍存在一系列关键阻碍亟需打通。基于Web of Science核心数据库和CNKI数据库,通过对213篇英文文献和216篇中文文献的剖析,本文首先分析了数字人的外在特征和内在特征,从个体认知、信息加工和情感交互三个角度探讨了数字人营销研究的理论基础,总结出数字人营销效果的四个维度。在此基础上,归纳出认知反应和情感反应两条中介作用机制,并从消费者、企业和环境层面梳理出影响数字人营销效果的三方面边界条件。最后,针对现有数字人营销研究中尚需解决的问题,展望了数字人营销研究的未来方向。
为了破解复杂系统管理活动中的复杂整体性,基于管理活动在过去、现在和将来的任何一个时间点上都有情景的生成与演化这一特征,以情景作为抓手,通过对复杂系统管理情景建模再现复杂系统过去的情景、重构复杂系统现在的情景、预测复杂系统将来的情景,为复杂系统管理活动提供实践指导。基于大数据和情景在学理上的同一性,分析了大数据驱动复杂系统管理情景建模的概念与内涵,明确了大数据驱动的复杂系统管理情景建模就是大数据驱动实现复杂系统管理情景模型化这一理念。从观测或实验手段采集或记录获得的大数据构成的情景数据集入手进行逆向建模,提出了这一建模过程中需要用到的情景结构化、情景数据的大数据化、核情景提炼、情景耕耘、情景校核和联邦式建模6大类关键技术,设计了探索性分析-概念情景构建-数据情景构建-核情景构建-计算情景构建-情景生成与校核这一具体建模流程,为复杂系统管理情景建模的实施和应用提供依据。
为提高市场渗透率、满足乘客差异化需求,共享出行企业在现有单平台基础上探索“双平台”运营模式。本文集成多智能体仿真及Hotelling模型构建了共享出行企业“双平台”定价仿真模型。其中,本文结合Hotelling模型,分析在联合定价策略下司机服务质量、司机忠诚度及乘客价格敏感度对企业“双平台”定价的影响,并进一步与独立定价、垄断定价两种策略进行对比,同时利用计算实验设计考虑个体动态行为规则的多智能体模型,在Repast中模拟共享出行企业运行场景,探究企业是否应该实施“双平台”战略以及企业实施“双平台”战略时的最优定价策略。研究发现:当新平台司机服务质量较低或乘客价格敏感度较低时,企业不应实施“双平台”战略;若企业实施“双平台”战略,则应采取联合定价策略;在“双平台”联合定价策略下,司机服务质量、司机忠诚度及乘客价格敏感度都将影响平台定价行为。本文为共享出行企业及其他平台型企业优化运营策略提供了理论指导。
应急物资调度是灾后应急响应的关键环节,其调度效率直接影响救援效果。突发自然灾害经常伴随着道路损毁,严重制约着应急物资的运输。在应急物资调度中,卡车载重量大、行驶距离长;无人机运输不依赖于地面路况但受到电池和载重约束,二者协同能够实现优势互补。为提升应急物资的调度效率,本文研究了卡车-无人机协同的灾后应急物资调度策略。以卡车和无人机完成所有物资运输并回到配送中心的时间最短为目标,考虑卡车和无人机的载重和里程约束、道路损毁和道路拥堵限制,建立了混合整数规划模型。针对所提出的模型属于NP难问题,融合遗传算法和动态规划算法的优点,提出了新的混合算法(hybrid method based on genetic algorithm and dynamic programming, HGADP)。本文针对提出的管理问题场景,设计了小、中、大三种不同规模的算例,通过将本文提出的算法与Gurobi求解器和前人提出的算法对比,验证了本文提出算法的有效性。通过算例结果分析,发现相比于传统车辆运输模型,本文提出的卡车-无人机协同运输模型可大幅地节省物资运输时间。最后,本文对无人机载重和续航里程进行灵敏性分析,分析了参数变化对应急物资调度效率的影响。本研究拓展了应急物资调度策略,为应急管理部门的应急物资调度决策提供了决策依据。
针对新能源汽车供应链创新的高成本及企业间合作鲁棒性较弱的现象,将持股策略引入到新能源汽车供应链中,通过构建供应商持股、制造商持股、交叉持股等不同情形下新能源汽车供应链纵向合作创新的博弈模型,探讨持股策略适用的必要条件及不同情形下企业的创新决策。研究结果表明:(1)纵向持股策略下,电池的续航能力和裸车质量水平随持股比例的提高而提高;电池批发价格和新能源汽车销售价格随供应商持股比例提高而降低,但随制造商持股比例的提高而提高。(2)交叉持股策略下,电池的续航能力、电池批发价格和新能源汽车销售价格对制造商持股比例反应较敏感,交叉持股对裸车质量水平的影响较为复杂。(3)电池供应商更倾向于选择交叉持股策略,但交叉持股策略对制造商利润影响较为复杂,只有当制造商持股比例较低且供应商持股比例在一定水平时,制造商才会选择交叉持股策略。
已有的实证研究表明,隔夜信息在提高波动率预测准确性、解释金融市场异象方面有重要的作用。然而,关于隔夜信息对期权市场影响的研究,特别是对期权定价效果作用的研究仍数量有限。为了同时刻画由日对数收益率进行分解后得到的日内和隔夜收益率过程,本文提出了二元Heston-Nandi GARCH模型,并推导出了具有显式解的期权定价公式。基于对上证50ETF期权的实证研究,本文对比了二元Heston-Nandi GARCH模型和传统一元模型的定价效果。样本内和样本外的实证结果均表明,在日收益率中区分日内和隔夜收益率,能够有效降低模型的定价误差。
本文首先回顾了时空理论自提出以来的研究进展和应用现状,并系统阐述了当前时空理论的内容体系,包括时空理论的基本思想、领导和管理领域的时空理论、个人成长的时空理论、个人学习和组织学习的时空理论、组织发展的时空理论等。时空理论从时间和空间这两个最基本的概念出发,旨在解决一个核心的议题——如何提高人的思维和行动的有效性(即效能)。本文讨论了时空理论如何突破西方管理学的传统范式,通过时间和空间的系统视角重新理解管理问题,使管理者能够优化决策并有效带领组织发展,从而为释放个人和组织潜能提供全新的框架。本文提出,未来应从以下六个方面来开展时空理论的研究:第一,深化现有时空理论中已经提出的概念和观点的研究和应用;第二,扩展时空理论在不同领域的研究和应用;第三,开展定性研究,进一步探讨真实事件的时空解释和时空预测;第四,开展定量研究,进一步丰富和发展时空理论;第五,推动时空理论在国计民生重要领域中的实践应用;第六,推动时空理论在国际上的传播和应用。时空理论是对当前管理学领域的理论范式的一种变革,将有助于推动管理学领域研究的发展和实践的进步,促进中国自主知识体系的构建,为增强文化自信贡献力量。
员工离职是当今组织中的重要问题。通过大数据对员工离职进行事前预测,能够为企业用人、留人决策提供科学依据,从而提升企业人力资源管理的前瞻性与智慧性。现有员工离职预测模型存在的关键问题在于业务驱动性不足,表现在其只能向人力资源管理者回答某位员工是否具有离职倾向,而无法进一步指示出其将为何离职,以及该如何针对性挽留。因此,针对这一问题,本研究依照数据准备、信息浓缩、模型构建与模型应用的全流程数据分析与应用脉络,集成PCA(主成分分析法)、CLARA(大规模数据聚类技术)、CART(分类与回归树算法),构建基于画像的员工离职预测模型,简称PCC(PCA-CLARA-CART)模型。最后,采用Kaggle数据分析平台上某包含14999个样本点的开源员工离职数据集对PCC模型开展实验研究,实验结果包括:(1)实验挖掘得到三种离职员工画像,包括职业倦怠型、追求成就型与劳累失望型;(2)采用多种指标对模型整体及分部标签的预测性能进行评估,结果为模型整体Accuracy达到0.913,Kappa系数达到0.8以上,各标签Balanced Accuracy达到0.92以上;(3)根据三种离职画像,提出针对性员工保留策略设计建议。理论分析与实验研究表明,本模型能够为员工离职预测、离职员工画像描摹与精准性员工保留策略设计提供理论参考,能够用于员工个体离职倾向预测与员工全体离职分布监测,可以从微观与宏观两个层面为企业员工保留和人才储备决策提供数据支持,是一套有可行效的人力资源智慧管理系统。
农产品供应链数智化转型是提升农业效率、增强供应链韧性和促进可持续发展的关键。本文以1998-2023年间Web of Science和中国知网收录的689篇国外学者发表的英文文献与753篇国内学者发表的中英文文献为样本,运用CiteSpace及VOSviewer对数据进行发文量、关键词和研究热点等方面进行文献计量分析,梳理了农产品供应链数智化转型研究的历史演变。研究结果显示:从发文量看,国内外农产品供应链数智化转型研究的发文量均呈现逐年上升趋势;从高频关键词看,农产品供应链数智化转型研究重点与区块链、物联网、大数据等技术密切相关;从高频关键词聚类看,农产品供应链数智化转型研究形成8个聚类,并存在一个共同类别“区块链”技术。最后,本文分析了农产品供应链数智化转型呈现出的新模式和新趋势,并进行了研究展望。
在城市风险增加和政府政策推动的双重背景下,韧性城市的建设进程加快,随之而来的运营管理问题已逐渐成为一个新兴的研究热点。韧性城市运营管理旨在运用复杂运营管理的思想、方法和技术,提升城市风险应对能力,优化城市资源配置,为增强城市安全韧性和推动城市治理体系现代化提供决策支持。本文基于2013-2023年国内外韧性城市运营管理相关文献,结合韧性城市运营管理内涵,运用定量分析与定性分析相结合的方式,归纳出韧性城市运营管理的交通管理、物流管理、水资源与能源管理、环境管理、安全管理和智慧发展六大主要研究领域,总结了各领域的研究进展,提炼出韧性城市运营管理研究的关注热点,并结合最新的研究成果分析了相关领域研究的必要性和紧迫性。