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。
数字经济正在深刻变革制造业的基础理念与价值创造逻辑，把握数字化转型的战略时机成为制造商面对的重要决策问题。本文考虑两个由制造商与零售商组成的竞争性供应链，使用动态博弈模型分析制造商数字化转型的博弈均衡与最优策略选择。研究结果表明：任一制造商先于竞争对手实施数字化转型均可实现自身利润、下游零售商利润与供应链市场份额最大化；制造商数字化转型对采用传统技术的竞争对手造成的技术冲击大于技术溢出，削减竞争对手利润并攫取其供应链的市场份额；在数字化转型的策略选择上，两个制造商无论是先后还是同时决策，全部实施数字化转型将产生双赢效应，提升制造商利润并形成供应链竞争的纳什均衡。研究结论有助于深入认识数字化转型对企业价值创造及市场竞争格局的作用机理。
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。
机器学习方法已经被应用于小微企业贷款审批和监测过程，并且在违约识别方面取得了良好效果，但是机器学习系统决策过程的不可见性导致其在违约特征识别领域未能得到进一步实际应用。基于某银行的小微企业贷款微观数据，在机器学习模型基础上加入SHAP（SHapley Additive exPlanations）解释方法对小微企业的违约特征进行研究比较，研究兼顾了实际情境中判别准确性和指标可解释的要求。研究发现，除传统的贷款信息与企业财务指标外，违约的核心特征中企业年龄、被告案件数量以及客户经理评价“软信息”等非财务指标对于识别小微企业违约具有重要价值。本文从可解释性的角度探讨机器学习方法在小微企业违约特征识别的应用，创新性地引入SHAP解释方法研究评级中的重要指标，同时所挖掘的关键指标对贷款业务开展具有指导意义。
针对传统方法提取文本特征向量存在语义缺失，以及有些文本情感识别任务涉及多分类问题，提出一种新的基于BERT（bidirectional encoder representations from transformers）和动态集成选择的多分类文本情感识别策略。首先，采用BERT对文本进行向量化处理，针对多分类文本情感识别任务采用OVO分解策略拆分成多个二分类子任务；其次，针对每个子任务采用动态集成选择策略构建分类器集成模型；最后，基于聚合策略获得最终的预测结果。采用公开的影评数据集对所提出的方法进行实证分析。结果表明：（1）相较于传统的TF-IDF与Word2Vec方法，基于BERT模型的词向量化处理有助于提高文本情感识别精度；（2）针对多分类情感识别任务中的每个子问题，采用动态集成选择策略可以有效提高识别效果；（3）本文建立的预测模型性能比其他现有情感识别模型具有显著优势。
本文研究了主播和商家在直播带货中的合作模式及其决策优化问题。建立了佣金率由直播市场决定情形下和佣金率由双方Nash讨价还价下的三种序贯博弈模型，引入直播人气值、商品折扣率和直播转化率设计了新的直播带货需求函数，分析了不同合作模式下双方的最优运营决策、消费者福利、竞争均势及其合作稳定性。研究结果表明：（1）佣金率由直播市场决定时，双方在6种合作模式下均无法达成合作均衡，且难以通过利润共享或成本分担契约实现长期协作；而引入佣金率协商机制后，可在一定程度上改善直播带货效益。（2）当前商家决定商品折扣率，主播负责直播转化率的合作模式，实际上是一种直播销售效率最低的“囚徒困境”式合作模式；当市场佣金率较高时，由强势“头部”主播来主导直播带货反而是最佳的一种合作模式。（3）直播坑位费并未对双方合作策略的选取产生实质性影响，而主播和商家通过虚标商品市场价并制定高折扣率来获利始终存在较强的“合谋”动机。本文研究可为当前直播市场治理和运营优化提供一定的支持。
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。
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。
在一个由生鲜农产品销售商、上游的供应商和3PL组成的供应链中，存在着销售商是否向供应链上游成员共享需求预测信息以及上游成员之间是否传递信息这一对矛盾的问题。本文考虑3PL保鲜努力对生鲜农产品新鲜度的影响，通过构建完全信息共享、部分成员信息共享以及无信息共享策略下生鲜农产品供应链多主体的博弈模型，分析了不同信息共享策略下的最优定价和保鲜努力决策，进而研究了销售商的信息共享策略。在此基础上，设计激励契约对信息共享策略进行改进，并探讨了激励契约对供应链均衡决策的影响。研究表明，销售商仅向3PL共享信息对自身最有利，但由于3PL和供应商之间存在信息传递，当新鲜度弹性较高时，信息共享均衡策略为完全信息共享；当新鲜度弹性较低时，信息共享均衡策略为无信息共享。而供应链整体绩效在销售商仅向3PL共享需求信息时达到最优。由此，销售商可以设计转移支付契约以规避上游成员之间的信息传递。契约实施后，在高市场需求信息下，生鲜农产品的品质得以提升，且对于新鲜度弹性较高的生鲜农产品，其销售价格还会降低。
本文研究电动汽车动力电池制造商在碳配额交易政策下的回收模式选择与碳减排策略，提出了四种混合渠道回收模式：（1）制造商和零售商共同回收；（2）制造商和第三方回收商共同回收；（3）零售商和第三方回收商共同回收；（4）制造商、零售商和第三方回收商共同回收。运用Stackelberg博弈模型求解不同模式下各成员最优定价决策、最优利润和制造商碳减排决策，并对均衡结果进行分析。研究结果表明，制造商最优碳减排水平随初始碳排放量增加而降低，随碳减排投资成本系数增加而降低，随单位碳交易价格的增加呈现先上升后下降再上升的趋势；当回收价格敏感系数高于特定阈值且回收竞争系数低于特定阈值时，制造商最优回收模式为制造商、零售商和第三方回收商共同回收，否则，制造商最优回收模式为制造商与零售商共同回收或者制造商与第三方回收商共同回收。
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。
碳交易作为减排政策中最有效率的市场手段之一，对企业碳减排有着深远的影响。本文基于系统动力学理论，在公众意愿等约束变量下，构建了碳交易驱动下的政企碳减排演化博弈模型。以湖北省为例，通过对政企行为演化路径的可视化分析，探讨了碳交易发展过程中双方可能存在的博弈状况，并针对性地给出相应策略。研究结果表明： 在碳市场发展过程中，政企碳减排博存在几种不同的博弈结果。针对（作为，减排）的博弈均衡，需激励企业采取减排措施的积极性，延长企业减排的“窗口期”。采取动态惩罚和动态补贴等策略，可以杜绝政企博弈过程中的周期性行为模式；通过降低企业碳排放和调控碳价格促使策略组合从（不作为，不减排）向（作为，减排）转变，并提高后者的比例。研究还发现，初始意愿在政企碳减排博弈中能够发挥作用，高的初始意愿更有利于达成（作为，减排）的策略组合。研究结果对碳交易过程中的企业减排策略和政府监管行为具有较强的启示，为碳市场的发展提供了参考。
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。
本文定量构建信用担保定价及其贝叶斯博弈模型，给出担保换费用（FGS）、担保换股权（EGS）和担保换期权（OGS）的比较分析。本文发现：信息不对称对FGS、EGS、OGS的负面影响程度依次增强；高盈利企业可能将部分利润转移给担保公司，以此阻止低盈利企业模仿；随着投资成本提高，高盈利企业净投资价值可能反而提升；信息不对称不一定导致社会整体福利损失。
通过对双销售渠道闭环供应链的政府不同补贴模式建立模型，分别研究了政府不补贴情形、政府单独补贴制造商或单独补贴回收商、政府同时补贴制造商和回收商情形下，闭环供应链节点企业的定价和回收率决策。进一步比较了政府不同补贴模式对闭环供应链节点企业决策、消费者剩余和社会福利的影响，从而探讨政府对闭环供应链的最优补贴模式。研究结果表明：（1）为实现消费者剩余和社会福利最大化，政府最优补贴模式为同时补贴制造商和回收商，并按一定比例给二者分配补贴数量；（2）当单位补贴一定时，存在唯一的补贴比例，此时消费者剩余、制造商和零售商利润最大，产品价格均最低，且回收商的利润、废旧产品的回收率均高于政府单独补贴制造商和无政府补贴的情形；（3）当市场规模大于阈值时，政府以任意比例补贴制造商和回收商均可以降低直销渠道的直销价、传统渠道的批发价和零售价，并提高废旧产品的回收率；（4）销售渠道竞争激烈程度的提高及再制造成本优势的增加均有利于废旧产品回收率的提高。
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。
随着数字经济的发展，平台型企业凭借大数据技术优势向入驻商家实施数据赋能策略，帮助平台与商家实现价值共创。本文考虑具有竞争关系的两个商家入驻同一电商平台，平台向商家有偿提供数据赋能服务，运用Hotelling模型刻画市场需求，构建电商平台与竞争性商家间的博弈模型，讨论电商平台数据赋能策略的实施方案，分析两个商家对数据赋能服务选择的博弈均衡，最后通过数值算例对结论进行验证。研究表明：电商平台数据赋能服务的收费标准影响竞争性商家是否接受数据赋能的博弈均衡，电商平台应根据不同条件决策是否实施数据赋能策略，在不同实施条件下制定相应的最佳收费标准及最优投资力度。本文为平台型企业大数据实施策略和入驻商家的运营决策提供理论参考。
近年来，越来越多电商平台与保险公司合作开展退货运费险服务以解决退货运费纠纷。本文基于双边市场理论，构建双寡头竞争型平台博弈决策的Hotelling模型，研究退货运费险下电商平台的定价策略。结果表明：（1）当平台差异性较大时，买方支付保费（CC情形），两平台收取的卖方注册费相同。（2）卖方支付保费（SS情形），平均退货概率较低的平台收取更高的注册费。（3）不同支付方支付保费（SC情形），由买方支付保费的平台收取更高的注册费。（4）当平台处于完全竞争且退货概率相等时，SS情形和CC情形下保险公司收取的保费最高。本文研究结论为双边市场下电商平台的运营决策提供了参考和借鉴。
为探究碳配额交易对碳减排效应的影响及对其协调机制，本文基于碳配额交易分别建立分散决策下零部件商与生产商单独减排投资、共同减排投资以及集中决策减排投资模型，对比不同减排投资模式下产品减排水平、产品定价效应及销量、供应链收益。研究发现：（1）碳配额交易下，集中决策较分散决策下产品减排水平更高，且分散决策下共同减排模式下产品减排水平最高。（2）供应链上下游企业进行减排将会提升产品销售量及供应链收益，集中决策下产品销量与供应链收益均高于分散决策。（3）碳配额交易下，供应链上下游共同减排投资并签订收益共享—成本分摊契约，能够实现集中决策模式下的最优协调机制。
针对生鲜食品易腐性、时鲜性和损耗性等特点，本文在考虑时间、价格和新鲜度对传统渠道和社区生鲜电商渠道需求的影响，以及保鲜成本、库存成本等因素的基础上，采用微分变分不等式分别建立了生鲜社区食品供应商和零售商的动态均衡模型。研究发现：首先，生鲜食品在其销售生命周期内存在一个的动态定价分界点，供应商和零售商可根据动态的质量变化特征，采取不同的定价方式，从而实现利润的提升。其次，在双渠道生鲜供应链中，企业可以依据大数据和居民线上购物特点，控制生鲜产品的保鲜成本及库存成本，对不同区域的产品进行定价决策以及库存规划和调配，从而减少由于生鲜食品过期而造成的损耗和浪费。最后，通过算例仿真，分析了供应商和零售商各自渠道的动态价格折扣策略，为供应商和零售商决策提供依据。
