数字经济时代下, 数据成为新型生产要素. 然而, 普遍存在的数据质量问题严重制约着数据要素的价值释放, 甚至可能会演变成数字经济发展的"灰犀牛". 目前, 数据科学发展日新月异, 围绕数据质量的研究亟待进一步归纳总结, 以期有效地支撑数据管理实践和数据要素可信流通. 本文以系统化视角探寻数据质量发展脉络, 综合多种方法对于30多年来国内外相关文献进行梳理, 总结了研究所遵循的"内涵-理论-方法-应用"逻辑链条, 并构建了数据质量研究体系框架. 其次, 分别针对数据质量内涵及维度、理论基础发展、评估与优化方法、影响因素与价值作用四个方面进行回顾总结. 最后, 探讨数据质量研究发展趋势, 并对未来的发展方向提供一些洞察.

本文基于2021年我国三千余家地方融资平台的有息债务明细和60家主要银行年度报告数据, 综合风险来源和风险放大传染机制, 分别从债务总量、经济行业与经济区域层面对我国地方政府债务可能导致的银行体系系统性风险的测度与评估进行建模. 在不考虑任何救助干预措施的情形下进行情景分析和压力测试的结果表明: 1)在各行业融资平台贷款中, 租赁和商务服务业的风险敞口最大, 且与房地产业关联度高, 该行业违约率升高即可触发银行体系系统性风险; 2)从融资平台贷款的区域层面来看, 西部地区违约率较高, 东部地区风险敞口较大, 在违约率基本相同的情况下, 分地区融资平台贷款违约引发的系统性风险呈现"东高西低"特征, 且东部地区隐性债务引发系统性风险的违约率安全边界较中西部更窄; 3)当前, 单从隐性债务(融资平台贷款)违约或是显性债务(政府债券)可能的流动性危机来看, 二者安全边界较宽, 银行体系系统性风险发生的可能性不大. 但如果二者同时出现问题, 安全边界将大幅收窄, 叠加银行体系网络的风险传染, 极小的冲击都可能引发重大损失.

随着社会经济活动的数字化、网络化和智能化发展, 企业间联系日益紧密, 关联风险对企业财务困境的影响增大. 现有研究通常采用社会网络分析方法量化拓扑结构和关联风险影响, 但该方法难以适用于包含不同类型实体和关联关系的异质关系网络. 特别是关联风险路径长, 如何量化基于间接路径传播的高阶关联风险面临挑战. 为此, 本文设计了融入高阶关联风险特征的企业财务困境预测框架, 提出了一种无监督异质图表示学习模型, 构造高阶关联风险特征; 开发了一种面向高阶关联风险的可解释性方法, 识别高阶关联风险传播路径. 实验结果表明, 高阶关联风险特征显著提升了财务困境预测的准确性, 并发现了两类有助于预测企业财务困境的高阶关联风险传播路径.

高质量发展导向下, 中国企业绿色转型的激励难题亟待解决. 本文基于区域贸易协定的视角构建理论模型和实证检验了开放型环境规制对中国企业绿色创新的影响及潜在机制. 首先构建了一个开放经济下企业绿色创新决策模型, 发现环境条款可以通过技术激励效应和产品结构效应两个渠道影响企业技术进步方向. 接着使用贸易协定文本、国别双边贸易数据与中国海关库企业进出口数据, 构建企业 "环境条款嵌入度", 并采用面板固定效应模型实证检验开放型环境规制对中国企业绿色技术进步的作用效果. 研究发现, 环境条款显著促进了企业实质性绿色创新, 对企业策略性绿色创新没有显著影响. 从机制分析看, 环境条款会推动企业加大研发性投入和产品结构绿色化转型, 从而促进企业绿色技术进步, 且环境条款的绿色创新效应对于非重污染行业企业、低融资约束企业、高社会关注度企业以及海外市场多元化程度较高企业更为明显. 进一步研究发现, 部分市场型环境规制工具可以放大环境条款的绿色创新效应, 这说明在制度型开放的过程中协调内外部环境政策有其必要性. 以上结论为中国通过高水平开放协同推进经济高质量发展和生态环境高水平保护提供了新的理论视角与经验证据.

气候政策是应对全球变暖挑战以及能否按时实现碳中和目标的关键, 而气候政策的评估充满不确定性, 包括参数不确定性和模型不确定性, 其影响涉及经济、气候和能源等多个方面. 本研究通过结合多个综合评估模型 (integrated assessment model, IAM) 和分布式鲁棒优化理论开发出基于 IAM 期望输出的气候政策鲁棒评估框架, 以研究模型和参数的联合不确定性对政策评估的影响. 此外, 我们还考虑了基于 Wasserstein 分布不确定集来刻画不确定参数的信息. 研究结果表明: 1) 减排力度的增加在减小不确定性对气候表现影响的同时增加气候政策成本; 2) 为实现碳中和目标, 不确定性的存在要求更严格的减排努力; 3) IAM 期望输出下的最差分布对期望净现值和期望温升的影响较小, 但对未来突发性气候损害的风险产生较大的影响; 4) 气候政策在温升表现方面的评估结果是跨模型稳健的. 本文为分布式鲁棒优化方法与一般性气候经济模型结合来评估气候政策提供了一个创新性框架, 并基于此首次评估了不确定性下多维气候政策实现碳中和目标的可能性, 给出了更加保守和可靠的政策评估结果.

气候变化及其引致的转型风险已成为关乎当今人类社会可持续发展的重大问题, 在此背景下产生的化石能源搁浅资产也逐渐成为影响企业长期投资和金融市场安全稳定的潜在因素. 本文基于气候转型风险扩散的客观事实, 利用我国A股高耗能行业上市公司1998-2021年数据, 探究资产搁浅风险如何影响投资者决策, 研究发现: 中国企业化石能源资产搁浅风险指数呈现振荡上涨的趋势, 并在"双碳"目标提出后出现明显上升; 化石能源资产搁浅风险与股票收益率之间存在正相关关系, 表明中国资本市场存在化石能源资产搁浅风险溢价现象. 影响机制表明资产搁浅风险会通过资本市场传导, 影响市场投资者资产配置和风险决策, 但有限理性的投资者存在决策差异. 面对资产搁浅风险, 投资者通过内外部多维度途径来对冲风险, 包括绿色金融、ESG信息披露、主动业务转型等, 尤其是绿色金融和ESG在引导投资者调整其投资组合、弱化资产搁浅风险的冲击方面起到了重要的作用. 本研究为中国高耗能企业如何积极布局低碳转型和化解资产搁浅风险提供思路. 并为投资者重新审视高碳企业转型和理性参与企业气候治理提供新的证据.

防范和化解金融风险, 助力企业 "脱虚向实", 是我国制造业实现高质量发展、落实经济结构转型的必然要求. 本文立足于智能制造的研究视角, 以工业和信息化部推行智能制造试点示范项目为准自然实验, 采用多期双重差分的研究方法系统考察智能制造能否有效推动企业 "脱虚向实". 研究结果表明, 企业实施智能制造通过抑制企业的套利动机与蓄水池动机显著降低了企业的金融化水平, 且上述结果在非国有企业、所属地区最低工资标准较高、采用多元化发展模式及银企距离较远的企业中更为明显. 经济后果分析发现, 实施智能制造不仅可以推动企业 "脱虚", 也可推动企业 "向实", 缓解金融化对企业实体投资的挤出效应. 本文通过考察企业实施智能制造对企业金融化的影响, 进一步拓展了智能制造与企业金融化等领域的研究文献, 对推动制造业企业转型升级、实现高质量发展具有重要参考价值.

工业4.0技术的广泛应用, 为制造企业和物流企业的合作提供了更加便利的条件, 加速了两业融合的发展, 物流企业或制造业的物流部门主动介入制造商的采购、生产等环节, 达到"你中有我, 我中有你"的深度战略合作. 但在此过程中, 工业4.0技术到底如何影响两业融合发展还尚不明晰. 为此本文基于对《物流业制造业深度融合创新发展典型案例(2021)》^[1]的实证研究, 构建了定性比较分析(QCA)与多元回归相结合的分析方法, 以定性与定量双视角, 提出包括大数据、物联网、人工智能、区块链、增强现实、5G在内的工业4.0技术对两业融合的影响路径, 并发现: 从整体路径上看, 企业可分别从创新、成本和效率三个方面实施两业融合发展路径, 如利用流程、资产双要素驱动实现创新发展, 利用模式、流程、资产三要素驱动模式实现成本优化, 也可利用技术引领驱动模式实现效率优化. 从技术影响上看, 单独应用区块链、增强现实等普及度不高的技术即可提升企业效率, 而商业化已成熟的技术, 如物联网、大数据、人工智能、5G等则需多种叠加应用; 同时, 规模越小的企业在两业融合中应用工业4.0技术效果越明显, 而物联网和大数据这两种技术对物流企业和制造企业显示出相反的作用特征, 对于制造企业呈现出企业规模越大效果越明显的规模化效应, 而物流企业则相反.

即将施行的"强制+自愿"碳市场机制允许碳配额交易机制与国家核证减排量交易并存, 是尚未被深入研究的新机制, 将推动形成一种新的"碳互补供应链"的运作模式, 即供应链成员通过碳排放权内部交易的方式促进内部成员合作和优势资源互补来实现高质量、低成本的节能减排. 因此, 在"强制+自愿"新机制下, 研究碳互补能源供应链合作模式选择和收益分配问题, 有利于进一步提升供应链的运营效率与协同效果, 对于促进我国能源产业低碳转型具有重要理论意义. 本文针对由减排企业、控排企业和消费端组成的碳互补能源供应链, 设计了五种合作模式, 并综合运用非合作与合作博弈理论方法深入探讨"强制+自愿"机制和可再生能源补贴政策下合作模式的选择和收益分配问题. 研究结果表明: 1) 控排企业与减排企业联盟的合作模式使供应端相对消费端更具竞争优势, 能源产品总数量最低且批发价格最高, 而减排企业与消费端联盟的模式恰相反; 2) 在补贴水平相同的前提下, 大联盟合作模式消除了双重边际效应的影响, 总利润最高, 是最优的合作模式; 3) 基于合作博弈模型所提出的加权收益分配方案能够在不同补贴水平下保证大联盟稳定, 具有一定优越性.

越来越多的制造商不仅通过传统零售渠道销售产品, 还建立直接面向消费者的渠道销售产品. 面对直接渠道的威胁, 零售商可以通过转换到外部供应商来应对渠道竞争. 考虑零售商持有外部选择时制造商的渠道管理问题, 构建由一个制造商和两个持有不同外部选择的零售商组成的二级供应链, 探讨了制造商的批发价格决策和零售商的转换供应商决策, 分析了零售商外部选择对制造商最优渠道策略的影响. 研究表明, 制造商的批发价格决策受到零售商外部选择的约束, 但采用定制化批发价格策略能够减弱零售商外部选择的约束; 放弃部分或保留所有零售商都有可能成为制造商的最优渠道策略, 并且直销渠道效率低下时放弃部分零售商有利于提高制造商的盈利能力; 当零售商外部选择优势较小时, 关闭低效率的直销渠道可能成为制造商的最优渠道策略.

基于核心零部件无法自主制造和再制造的特点, 考虑供应商向下游企业提供核心零部件, 建立了由供应商、制造商和再制造商构成的供应链决策模型, 其中制造商和再制造商在生产过程中均向供应商采购零部件. 分别探讨了供应商主导和制造商主导情形下的外包再制造模式和授权再制造模式, 分析和比较了两种模式下的均衡解, 以及相应的消费者剩余、环境影响和社会福利. 研究表明, 在供应商主导情形下, 供应商不会改变两种再制造模式下核心零部件的采购价. 但在制造商主导情形下, 供应商会改变对再制造商制定的采购价; 在任意主导情形下, 相比于授权再制造模式, 外包再制造模式下的回收率、供应链利润、消费者剩余和社会福利更高, 且环境影响更低. 此时, 制造商和再制造商之间应该采用外包再制造模式; 但在外包再制造模式下, 当回收规模系数较大时, 应鼓励制造商主导供应链; 反之, 应鼓励供应商主导供应链.

企业数字化转型已从内部业务、组织和商业模式的变革, 拓展为供应链上下游生产要素、组织关系等数字化协同. 本文依据数据价值链的data-to-information-to-knowledge-to-wisdom模型(DIKW)构建企业数字化转型多阶段模型, 以2007-2021年中国A股上市公司为研究样本, 考察企业数字化转型对供应链韧性的影响. 研究发现, 企业数字化转型能显著提高供应链韧性, 且在不同阶段的影响效应不同; 机制检验发现数字化转型通过促进供应链信息溢出和知识溢出, 提升供应链韧性; 进一步异质性分析发现, 当企业处于东部地区, 经济政策不确定性较高和行业竞争程度较强时, 以及规模较大, 高新技术行业和非制造业, 供应链集成度较低的企业, 数字化转型对供应链韧性的影响更为显著. 且数字化转型对供应链上下游企业具有扩散效应, 能提高上下游企业的数字化转型程度和价值创造水平. 研究结论揭示了企业数字化转型对供应链韧性的影响和机理, 为构建高韧性的供应链系统, 促进供应链协同发展提供了新思路.

考虑由制造商和零售商组成的绿色供应链, 构建零售商未采纳AI技术和采纳AI技术两种决策模型, 其中相比未采纳AI技术, 零售商采纳AI技术时可以更加准确预测潜在需求, 研究零售商的AI技术采纳策略及其对绿色供应链和社会福利的影响. 研究发现: 零售商对潜在需求的估计和绿色投入成本系数是影响零售商AI技术采纳策略的重要因素. 具体而言, 零售商低估潜在需求时, 随着估计偏差的增加或绿色投入成本系数的降低, 零售商更加偏好采纳AI技术; 相反, 零售商高估潜在需求时, 零售商在绿色投入成本系数较低时应不采纳AI技术, 而绿色投入成本系数高于给定的阈值时, 零售商则应采纳AI技术. 同时发现, 零售商采纳AI 技术可能会损害供应链利润和社会总福利. 拓展研究发现, 应用AI技术单位成本及AI技术的预测精度均会影响零售商的AI技术采纳策略.

在技术专利许可下, 根据企业是否引入职业经理人, 建立了四种管理策略(不引入、供应商/制造商单独引入和都引入)下新能源汽车供应链的分散决策博弈模型, 旨在深入探讨职业经理人引入对企业创新决策的影响. 此外, 从多个角度研究了供应链成员是否引入职业经理人的问题. 研究表明, 企业创新水平与激励水平负相关. 引入职业经理人的企业, 其利润随着自身设置的激励水平的增加而增加, 但随对方设置的激励水平的增加而减少. 从创新和市场需求角度来看, 都引入职业经理人是最明智的选择. 然而, 综合考虑各方利益的话, 双方的选择可能出现两种极端情况, 即都不引入或都引入. 但是, 在都引入策略下设计收益共享-成本分担契约可实现供应链成员利润的Parto优化. 这表明当供应链成员都引入职业经理人时, 设置合适的协调机制有助于促进企业创新和维护供应链的稳定运行.

在展示广告保量投放过程中, 发布商需要提前根据与广告主签订的合同制定分配策略, 将曝光按照一定的比例分配给各个广告活动. 然而, 实际中的需求合同存在多级的现实与曝光供应量的极大不确定性给这一过程带来了巨大挑战. 为解决这一问题, 本文提出了分布鲁棒机会约束规划模型, 在该模型中将曝光需求的确定视为一个决策过程. 采用保守近似方法, 将模型转化为易于求解的混合整数二阶锥规划(mixed-integer second-order cone programming, MISOCP)模型. 同时考虑了当风险水平是决策变量时问题的求解, 设计了可行的MISOCP模型进行求解. 与基准模型相比, 大规模样本外测试验证了本文模型和求解方法具有良好的性能.

为减少网约共享出行系统中乘客高频取消订单现象, 进一步提升平台运营效率, 从数据驱动的角度出发, 在先预测-再优化的理论研究框架下, 本文将数据科学中的预测方法与运筹优化方法相结合, 对网约共享出行系统中考虑乘客订单取消的平台派单复杂问题进行分析. 研究发现: i) 先预测再优化的研究框架可有效将考虑乘客订单取消的平台派单优化问题简化为线性规划模型, 这极大地提高了模型的可解性, 降低了理论分析难度; ii) 结合真实数据, 机器学习模型可有效预测乘客是否取消订单, 这避免了对乘客决策过程进行数学建模所带来的假设的局限性; iii) 相较于不考虑乘客订单取消行为的派单模型, 本文提出的模型可以有效提高网约共享出行平台的收益. 数值实验表明: 随着供求比(司机/乘客)的增大, 考虑乘客订单取消行为的派单策略与不考虑乘客订单取消行为的派单策略的解逐渐接近; 相较于短出行距离与长出行距离的订单, 中等出行距离的订单对平台收益的贡献更显著; 相较于成本优先和利润优先策略, 考虑乘客订单取消行为的派单策略会取得更高的收益, 且可有效降低乘客总等待时间, 等. 本文针对考虑乘客取消订单行为的共享出行派单优化问题, 给出了建模思路和求解方法, 为出行平台派单策略改进提供理论参考.

多元区间值时间序列(interval-valued time series, ITS)复杂的运算规则使一般的点值分析方法面临窘境, 且鲜有针对多元ITS变动模式建模的理论分析工作. 本文将多元区间值视作高维随机集合空间元素, 利用分解-集成预测方法论思想构建了一种融合谱分解和傅里叶系数的多元ITS预测(MITSSD-FC-IVAR)模型. 首先, 定义一种单位方向离散加权内积, 并给出多元区间值随机变量的距离、方差运算公式. 其次, 提出多元ITS谱分解(MITSSD)算法, 将原始多元ITS分解为多个具有特定频谱成分的多元ITS子序列. 最后, 为适应多元ITS频率域性质, 构建一种具有傅里叶系数的区间值向量自回归(FC-IVAR)模型预测多元ITS子序列并集成为原始多元ITS预测值. 基于多元能源收益率和多元天气条件数据的预测应用发现本文所提出模型预测效果优于多种基准模型.

在稳健参数设计中, 数据的质量和模型参数不确定性往往会影响模型的建立与最优参数的获取. 此外, 在实际的产品制造过程中, 需要考虑批次效应. 针对上述问题, 提出了一种能够处理批次效应产品或过程且对异常值不敏感的稳健方法, 即基于贝叶斯分位数混合模型的多响应建模与优化方法. 首先将分位数混合模型纳入贝叶斯框架, 然后利用贝叶斯定理推导模型参数的后验分布并采用马尔可夫链蒙特卡罗算法计算参数的估计值, 其次构建多变量期望质量损失函数, 最后最小化期望质量损失函数以求得最优参数设置值并计算批次之间预测响应的欧式距离. 模拟例子和3D打印的例子表明所提方法能够抵抗异常值的干扰并且能够降低模型参数不确定性对建模与优化的影响.

序贯加速寿命试验(sequential accelerated life tests, SALT)通过收集不同应力水平下的寿命数据, 不断更新模型系数先验信息, 进而得到更优的试验方案, 已经在企业得到成功的应用. 然而, 该方法要求寿命数据的分布已知, 如果模型未知会使得分析结果严重偏离真实值. 为解决上述问题, 本文提出一种考虑模型不确定的序贯加速寿命试验设计与分析方法. 首先, 在序贯试验设计下, 利用高应力水平下得到的寿命数据更新模型参数信息; 接着, 以最小分位寿命渐进预测方差和平方偏差为最优准则进行低应力水平的寻优; 最终, 在得到所有应力水平下的试验数据后, 使用贝叶斯模型平均(Bayesian model averaging, BMA)方法来估计低分位寿命. 本文所提出的方法, 通过更新信息保证了加速寿命试验设计中各水平均为最优, 同时在分位寿命估计阶段采用BMA方法, 有效地避免了单一指定分布模型导致结果的不确定性, 具有较强的稳健性.

知悉回音室的结构和形成机制, 对打破信息茧房, 消除过滤气泡, 缓解在线社交媒体中信息窄化和群体极化等现象有着重要意义. 为此本文对观点互动网络建模, 构建用户立场和邻居立场两个指标来描述网络中立场分布, 并从三个角度建立了可衡量网络中回音室状态的效应函数. 为进一步探讨网络中邻居效应对回音室内用户立场的影响, 构建网络因果推断模型, 使用剂量-效应函数描述邻居效应对用户立场转变的影响. 本文使用国内外两个关于俄乌讨论的数据集进行实证分析, 实验结果表明了所构建的回音室效应函数对量化网络中回音室状态的有效性, 以及在回音室结构中邻居状态不仅会强化相似观点用户的立场, 并且也会使意见相斥的用户立场往群体立场偏移, 进一步强化回音室结构.

科技金融有别于传统金融部门, 能够有效支持科技活动, 对增强我国自主创新能力和实现经济高质量发展具有重要意义. 本文使用熵值法, 从资源、经费、融资、产出四个维度综合评估科技金融发展水平, 基于2007-2021年31个省份的面板数据, 构建空间计量模型实证检验了科技金融对技术创新的影响. 研究发现, 科技金融不仅对本地的技术创新具有显著的促进作用, 且具有明显的空间溢出效应, 若不考虑空间溢出效应, 会低估科技金融对技术创新的影响. 进一步研究表明, 在东部地区, 科技金融对技术创新的直接效应和空间溢出效应更显著, 科技金融通过缓解企业融资约束和优化产业结构提高区域技术创新水平. 本文的研究为评估科技金融的影响效果提供了数据支撑, 也为技术创新提升路径的探索提供了政策参考.

工业机器人应用推动了制造业的智能化进程, 深刻改变了企业用工结构, 为经济高质量发展提供了重要契机. 本文基于2012至2022年中国制造业企业机器人数据, 实证检验了工业机器人应用对企业人力资本结构的影响. 研究发现: 1)工业机器人应用能够促进企业人力资本结构升级, 且在一系列稳健性检验后, 该结论依然成立. 2)渠道检验表明, 工业机器人应用通过发挥替代效应和创造效应, 进而优化企业人力资本结构. 3)异质性检验表明, 在劳动密集型企业、技术更迭速度更快与处于要素市场发育程度更高地区的企业中, 工业机器人应用对企业人力资本结构升级的促进作用更为显著. 在国家出台 "延迟退休"政策以缓解人口老龄化趋势加速与劳动力成本持续上升的背景下, 本文研究为实现企业提质增效与经济高质量发展提供了政策启示和经验证据.

人工智能创新是形成新质生产力的引擎, 能够创造更多社会财富的同时, 也会影响就业机会, 冲击居民消费. 能否通过人工智能创新实现供给侧优化产品供给体系和需求侧提升居民消费能力来破解居民消费不足的现实困境, 是推动经济高质量发展的关键. 本文在人工智能创新任务模型基础上, 构建人工智能创新与居民消费的理论模型, 从理论上厘清人工智能创新影响居民消费的作用渠道, 并对理论模型进行数值模拟. 进一步利用2012-2020年各省投入产出数据和国家知识产权局专利数据对理论模型进行实证检验. 研究结果表明: 1)人工智能创新促进了居民消费, 促进效应存在于大部分分类消费中, 并且对享受型消费的促进效应最大, 是实现居民消费提质扩容的牵引力; 异质性分析发现, 人工智能创新对东部及城镇与高技能要素密集行业的居民消费促进效应更大. 2)供给侧路径分析发现, 人工智能创新通过提高生产效率和实现产品创新来提升居民消费水平, 提升效应最大的作用渠道是产品创新; 分城乡来看, 人工智能创新均对城镇居民消费提升效果更大. 3)需求侧路径分析发现, 人工智能创新带来的"岗位创造效应"拉伸技能溢价程度小于"鲶鱼效应"抑制技能溢价程度, 提高居民消费能力, 促进居民消费增长.

以数字要素赋能绿色创新, 是企业培育竞争优势和实现绿色升级的关键路径. 随之而来的问题是, 目前数字化转型能否有效赋能绿色创新的全面迭代优化? 既有研究仅讨论了数字化转型对绿色创新的积极作用, 却忽视了数字化转型中绿色创新内部不同领域创新活动的地位和结构变化, 未能明晰当前数字化与绿色化的阶段性匹配问题及内在机理. 基于此, 本文依据"国际专利分类绿色清单"对2007-2022年A股上市企业绿色专利信息检索分类, 按照应用领域归纳得到经营管理与设计类、生产节能类与末端治理类绿色创新, 基于资源编排理论和技术一致性理论分析, 实证考察了数字化转型对绿色创新的非对称作用. 研究发现: 数字化转型显著推动了经营管理与设计类绿色创新, 对生产节能类与末端治理类绿色创新的赋能作用不足; 相较于数字业务场景应用, 数字底层技术的布局和发展对绿色创新的非对称作用更为显著; 从研发资源配置的角度来看, 数字化转型推动经营管理与设计类绿色创新既是新增研发资源的结果, 也以挤占其他领域绿色创新的研发资源为代价. 同时, 绿色创新的三元共治因素(市场、政府和社会)在数字化与绿色化协同演进中具有重要的作用. 本文研究结论反映了以数字要素培育绿色竞争优势的现状, 即数字化转型主要通过信息技术领域的绿色升级实现经营流程中资源利用效率的提高, 具有显著的"局部赋能"作用. 这一发现不仅为政府制定更具针对性的"两化协同"政策措施提供了现实参考, 也为企业创新资源的优化配置与创新战略的制定提供了实践依据.

绿色创新是推动企业可持续发展的关键因素, 其与企业绩效的关系受到广泛关注. 然而, 现有研究缺乏针对不同类型绿色创新对不同类型企业绩效影响机制的深入分析与比较. 为此, 基于2008-2022年中国上市公司数据, 本文比较分析了绿色管理创新和绿色技术创新对企业短期绩效和长期绩效的影响机制. 研究发现, 在样本区间内, 绿色创新可以提高企业绩效, 但绿色管理创新仅对企业短期绩效存在显著正向影响, 而绿色技术创新仅对企业长期绩效存在显著正向影响. 利益相关者参与在绿色创新与企业绩效关系中发挥了显著正向调节作用, 区域市场化程度仅在绿色技术创新与企业长期绩效关系中发挥了显著正向调节作用, 行业竞争程度在绿色创新与企业绩效关系中的调节作用不显著.

数字孪生通过仿真建模映射物理实体, 基于虚实交互, 利用数据融合、行为模拟、优化决策和可视化技术, 显著提升系统可靠性并降低维护成本. 在智能运维实践中, 普遍存在数据质量不佳、异常样本稀缺、退化过程不明等痛点, 数字孪生技术为这些问题的解决提供了新范式. 本文针对装备的运维需求, 系统梳理了数字孪生中的仿真技术和建模技术, 总结了在异常检测、剩余使用寿命预测、故障诊断和运维决策等关键领域的研究进展, 进而围绕数字孪生驱动的智能运维, 对相关研究成果与技术路线进行归纳分析. 基于前期理论研究与应用实践, 本文提出数字孪生驱动的装备全寿命周期智能运维等级——以孪检实(DM1)、以孪预实(DM2)、以孪诊实(DM3)和以孪优实(DM4). 进一步, 通过舰船运维的真实案例, 展示了数字孪生驱动的装备全寿命周期智能运维在具体业务场景中的应用. 最后, 基于研究现状和工程实践, 提出若干未来发展方向, 为数字孪生驱动的装备全寿命周期智能运维提供借鉴与参考.

全球产业链供应链加速重构背景下, 美国试图实行友岸化近岸化战略以减少其产业链供应链对我国的依赖. 东南亚和墨西哥等经济体成为我国产业转移的主要去向, 这势必会对我国产业部门在全球价值链上的影响范围、获利能力和抗风险能力带来不利影响. 本文采用多区域投入产出(MRIO)数据库的中间产品贸易数据构建了全球生产网络模型, 并分别提取出从不同视角反映全球价值链骨干的现实网络(零模型)和人造网络(反事实模型), 然后在此基础上分析了美国对华贸易政策对全球生产网络重构和我国产业链外迁风险的潜在影响. 研究表明: 美国依托"阿尔塔西亚(Altasia)''实行的友岸化战略和依托"美墨加三国协议(USMCA)''实行的近岸化战略会导致全球范围内产业链供应链的部分脱钩, 且友岸化战略加剧了经济逆全球化趋势和我国产业链外迁风险. 最后, 本文提出在美国针对中国供应链实施"去风险化(De-Risking)''政策背景下, 提升我国产业链供应链韧性和安全水平的政策建议.

企业跨国经营是我国构建双循环新发展格局不可忽视的重要环节, 但企业跨国经营是否会加剧内部股东机会主义行为, 既有研究尚未给出解答. 为此, 本文以2007-2021年中国A股上市公司为样本, 基于本文提出的"减持三角模型", 实证探讨了企业跨国经营对企业内部股东股票减持行为与减持动机的影响. 研究发现, 跨国经营会显著加剧企业内部股东股票减持行为. 而且, 跨国经营企业内部股东减持具有明显的机会主义动机与套利减持倾向, 意味着跨国经营企业存在较高的违规减持风险. 该结论经过多时点双重差分模型、Bartik工具变量法等一系列检验后依然成立. 机制分析发现, 跨国经营加剧了企业面临的市场风险、信息不对称问题与股价泡沫现象, 进而分别构成内部股东减持压力、减持机会与减持借口. 异质性检验发现, 跨国经营主要加剧了董事的减持行为, 并没有加剧监事与高管的减持行为. 经济后果检验发现, 跨国经营企业内部股东减持会加剧公司股价崩盘风险. 不过, 持续稳定的出口规模, 强有力的政策监管, 良好的机构投资者治理环境、内部控制环境与审计师治理环境能够有效遏制跨国经营企业内部股东减持行为. 文章丰富了企业跨国经营经济后果及内部股东减持动因方面的研究, 研究结论对于引导资本市场利益相关者关注跨国经营企业潜在的违规减持风险具有一定的现实意义.

服务化成为了当下制造企业对抗市场冲击时的重要选项, 关于该战略实施的落脚点的研究已遍及企业经营的各个领域. 但从目前来看, 尚缺乏从供应链视角进行的观察. 本文将对供应商的贸易信贷的影响作为服务化战略实施的对象进行探索, 通过信号理论的视角分析企业服务化所释放的信号对于企业获得贸易信贷的可能影响, 并采用上市制造企业的数据进行论证. 实证分析结果表明, 服务化与贸易信贷呈"U"型关系. 在企业自身特征中, 财务宽松程度对这种"U"型关系有负面调节作用, 而服务相关性则对上述关系没有产生显著的影响. 在分组检验中, 相比于非国有企业以及装备制造业的企业, 国有以及轻工业企业服务化与贸易信贷之间的"U"型关系会相对缓和. 本文基于信号理论实证验证了服务化对制造业企业贸易信贷的影响, 研究结果可以为运营管理领域的学者和从业者提供一些重要的理论和管理启示.

社交媒体的崛起改变了资本市场的信息格局和参与者行为. 在此背景下, 本文利用新浪微博数据, 探究了上市公司社交媒体账号使用对分析师报告市场反应的影响. 借助回归分析以及工具变量法等, 研究发现, 分析师报告发布前一周内, 若上市公司新浪微博存在更新, 市场对分析师报告的反应会显著降低, 即上市公司微博可以部分替代分析师报告向市场传递信息. 此外, 微博发布的次数、字数、评论量和转发量越多, 上市公司的机构持股比例越低、分析师跟踪人数越少, 上市公司微博使用对分析师报告所引起的市场反应的削弱作用越明显. 本文的研究发现丰富了对资本市场中信息中介交互以及社交媒体在信息传播中作用发挥的理解.

本文创新性地从实时互动性强、难以事前完全准备的业绩说明会入手, 研究了我国上市公司由管理层自主把控、战略决策的异常情感语调与债券信用利差的关系. 研究发现, 业绩说明会管理层异常情感语调与债券信用利差显著负相关. 机制研究发现, 业绩说明会的管理层异常情感语调与公司未来业绩显著正相关, 与未来破产风险显著负相关, 即异常情感语调可作为预测公司未来业绩和破产风险的可靠信号. 这说明异常情感语调符合信息增量观, 具有财务定量信息以外的信息增量, 使得债券信用利差的定价更精准化. 此外, 在公司信息透明度更低、机构投资者持股比例更少、民营企业和债券票面利率更高的子样本中, 异常情感语调与债券信用利差的负相关关系更加显著. 最后, 异常情感语调与债券信用评级和发行规模显著正相关, 与发行利差显著负相关. 上述结果表明, 上市公司业绩说明会的异常情感语调会影响企业在债券市场的直接融资成本, 使更高质量的企业获得更低的融资成本, 从而对债券市场产生了多方面的跨市场积极溢出效应. 这些研究发现对提升债券市场定价效率、化解债券市场风险和促进资本市场高质量信息披露等具有重要启示.

碳中和背景下, 林业碳汇项目投资成本高、回报周期长, 碳排放企业面临资金约束等困难. 针对这一问题, 本文基于现实林业碳汇融资机制, 构建了银行碳汇预期收益权质押、产业投资基金与BOT三种融资模式模型, 并从碳排放企业利润与碳汇产出水平视角, 对比分析了不同融资模式下碳排放企业的均衡结果. 研究表明, 当碳排放总量较高时, 无论自有资金量如何变化, 企业基于利润最大化将首选产业投资基金融资模式; 当自有资金较高但碳排放总量较低时, 企业将优先选择银行质押融资模式; 当自有资金与碳排放总量均较低时, BOT融资模式将成为企业的最佳融资决策. 基于可持续发展视角, 政府应推动企业采用产业投资基金融资模式以实现社会经济与环境的双赢.

根据实践中三种不同形式的生产者责任延伸(EPR)制度, 面向由原始设备生产商(OEM)和独立再制造商(IR)组成的制造-再制造竞争系统, 通过构建动态博弈模型, 设计三种与碳税规制相结合且具有EPR特征的混合规制, 探讨EPR制度内涵的引入对于碳税规制政策效能的提升作用. 研究表明: 对于发挥混合规制政策效能而言, 减排技术溢出效应的存在至关重要; 相对于碳税规制, 三种混合规制的实施均可提高消费者剩余和环境绩效, 并具有更强的减排及再制造激励效果, 但适用范围存在较大差异; 基于"征补-奖惩"的混合规制可较好地平衡减排激励效果、企业利润、环境绩效, 并在一定程度上带来更高的社会福利. 研究结论对于EPR与碳税的组合政策设计具有一定参考价值.

数据规模的增大与数据更新频率的加快为效率评价带来挑战. Free Disposal Hull (FDH) 是非凸技术下一种经典效率评价方法. 相比于凸性技术下的数据包络分析, FDH效率求解的过程更加复杂, 且在数据快速更新的情形下难以保证评价结果的时效性. 针对上述问题, 首先在现有枚举算法的基础上提出了一种基于决策单元之间支配关系与参考关系的快速枚举算法(fast enumeration algorithm, FEA), 用于计算大规模样本FDH效率值. 其次, 结合支配关系和参考关系的传递性提出了动态快速枚举算法(dynamic fast enumeration algorithm, DFEA), 用于更新FDH效率评价结果. 最后, 通过数值模拟与好大夫平台的医生评价应用验证算法的有效性. 实验结果表明, 与枚举算法相比, FEA完成大规模样本FDH效率评价的用时明显减少, 且DFEA能够对大规模样本FDH效率评价结果进行实时更新.

恒定应力加速退化试验(ADT)是可靠性评估的有效手段, 通过分析高应力水平下的退化数据, 外推产品在正常应力下的可靠性水平. 处理退化数据的常用方法包括一步法和两步法, 一步法通过最大化基于退化数据的对数似然函数进行模型参数估计和后续推断; 而两步法首先估计每个样本的伪寿命, 进而转化为加速寿命试验(ALT)分析. 随着计算能力的提升, 一步法的计算变得更加容易, 已有研究对一步法和两步法在非加速情境下进行了比较. 然而, 在考虑ADT情境下, 有关这两种方法比较的文献相对匮乏. 本研究旨在针对恒定应力ADT系统地比较这两种方法, 为选择适用于ADT的可靠性评估方法提供更为准确和有效的指导. 在本文中, 我们提出了伪寿命对真实寿命高估或低估的判别标准, 并通过数值模拟在线性退化情况下比较了一步法和两步法对平均失效时间(MTTF)的评估效果. 此外, 我们应用于一组经典数据集, 其结果与模拟结论相符合. 总体而言, 模拟结果表明, 对于不同样本量和观测次数, 相较于基于不同分布的伪寿命的两步法, 一步法在产品MTTF评估方面具有更高的准确性, 且在小样本情形下尤为明显.

在复杂多变的金融市场环境中, 充分利用高频交易数据中的当前不确定信息有助于改善资产波动率的建模与预测表现. 本研究将该信息纳入已实现乘法误差模型, 构建已实现实时乘法误差模型(realized real-time MEM模型)对波动率与已实现波动率测度进行联合建模. 与现有模型不同的是, 该模型将当前已实现测度观测值经尺度变换后的随机扰动项看作是高频信息的"实时"日内因子变量, 从而将资产收益的当期条件波动刻画为由历史已实现测度观测值与"实时"日内因子所共同驱动的混合函数. 在此模型框架下, 探讨已实现测度的条件分布定理及相关性质、模型的弱平稳性和强平稳性条件、参数的拟极大似然估计方法和样本外向前多步波动率预测定理. 另外, 对此模型进一步拓展以纳入该信息的杠杆效应和波动反馈效应特征. 以四组国际指数为研究对象, 实证结果表明: 1) 高频数据的当前不确定信息使得已实现测度的条件分布具有时变峰度特征, 以此提升模型对资产收益波动的样本内建模能力. 2) 相比于基准模型, realized real-time MEM族模型在波动率、已实现测度的条件分布及波动率的在险值(VolaR)等方面均具有更高的样本外预测精度.

近年来, 全球资本市场剧烈震荡, 黄金期货的避险与保值功能愈加凸显, 其价格预测研究受到投资者的高度关注. 本文结合MEMD多频率尺度同步分解功能与WGAN-GP高效提取多元时序复杂模式优势, 提出基于LASSO影响因素体系的沪金价格多频率尺度集成预测模型MEMD-WGAN-GP. 首先, 从宏观政策、黄金市场、股票市场及原油市场中选取30个指标变量, 再通过LASSO筛选构建沪金价格影响因素体系; 其次, 对解释变量集和沪金价格序列进行MEMD同步分解, 获得各频率尺度下若干组IMF分量, 并分别建立每一频率尺度下IMF分量的WGAN-GP预测模型; 然后, 从预测有效性角度对IMF组合方式进行优化, 并加和集成优化后各IMF分量预测值得到沪金价格整体预测值; 最后, 全面评估了本文模型在沪金价格不同市场行情下的预测性能. 研究表明: MEMD-WGAN-GP具有最强趋势预测能力、最小回归误差和最低预测滞后性.

快速发展的社交媒体不仅为商家提供产品营销平台, 也是产品销售渠道. 在传统电商渠道基础上引入社交电商渠道有助于拓宽消费者市场, 但会加剧渠道竞争, 为此, 对制造商来说需要充分考虑用户特性, 进行有效的渠道策略选择. 本文基于三种不同的供应链结构: 不引入社交渠道、引入自营社交渠道和引入第三方社交渠道, 构建模型研究社交渠道对制造商的影响. 研究发现: 制造商引入自营社交渠道时, 随着渠道间价格竞争程度的加剧, 若社交渠道潜在需求量较低, 其会降低批发价; 反之, 则提高批发价. 同时, 当社交渠道潜在需求量较大或当社交渠道潜在需求量较小, 渠道间价格竞争程度较弱, 粉丝比例较低且粉丝和普通用户间差异较大时, 制造商总是引入社交渠道. 还发现制造商引入社交渠道时, 随着粉丝和普通用户间差异的扩大, 若社交渠道潜在需求量较低, 其兼任社交零售商的可能性增多; 反之, 则与第三方社交零售商合作的可能性增多.

城市特定区域往往同时存在路内、路外和共享三种停车设施, 它们的服务特征具有显著差异. 区域内交通系统在其演化过程及对其状态指标的观测过程中通常均存在不确定. 本文以最小化区域内交通参与者总出行成本(包括区域通行成本、寻泊成本、管理成本和步行成本)为目标, 构建基于滚动优化与数据融合估计的双驱动模型, 对区域多类型停车服务的动态供给策略进行设计, 并通过蒙特卡罗数值模拟验证了策略的有效性. 研究发现: 首先, 所构建的动态优化问题可等价转化为带有不等式约束的二次规划问题, 且该规划问题的解若存在则一定为唯一全局最优解; 其次, 在考虑过程和观测两类不确定性的情况下, 系统观测结果与系统目标轨迹之间会存在较大误差; 最后, 引入卡尔曼滤波器能够有效减少后验状态估计与系统目标轨迹之间的误差, 进而提高区域内通行效率并降低总出行成本.

在港口腹地集疏运中, 不确定的在港周转时间给集卡调度带来重重挑战. 本文提出了一种基于在港周转时间预测的外集卡调度优化方法, 通过分析港口的历史闸口数据, 提取相关特征, 并应用随机森林的机器学习方法, 训练集卡周转时间的预测模型, 在外集卡调度优化模型中, 通过对随机森林预测模型的反复调用, 将周转时间反馈到优化模型中, 从而制定更可靠的集卡调度方案. 基于我国华南某集装箱码头的闸口数据训练预测模型, 结果显示其在拟合港口集卡周转时间预测上具有较高的精度, 拟合优度均超过0.9; 在优化模型数值实验中, 误差中位数均分布在1%, 表明基于机器学习的在港周转时间预测与调度优化模型的结合, 能减少在港周转时间不确定对调度计划的扰动, 提升集卡公司集疏运调度提供的可靠性和有效性.