一、网络企业的发展走势（论文文献综述）
陈擎霄[1]（2021）在《基于深度学习的股票走势分析系统的研究与实现》文中指出随着我国经济的快速发展,A股市场已经成为全球最受瞩目的股市之一,股票分析预测亦是学者们关注的焦点,研究表明传统的统计学和机器学习无法挖掘出股票背后深层次逻辑从而导致预测失准,反观深度学习更被推崇,能够给予广大股票投资者更可靠的帮助。本文的主要工作如下:首先对国内股市的环境现状进行了考察调研,对比了股票基本面分析法和技术面分析法,分析了影响股价波动的潜在性特征,然后使用TuShare进行股票数据的获取及预处理;调研了主流的聚类算法和股票聚类任务的痛点,使用近邻传播算法对日涨跌幅走势进行聚类,提出了初步降噪的聚类前驱式股票走势分析方法;调研了主流股票预测模型存在的不足,讨论了股票预测任务的痛点,对其网络结构和训练方法进行改进,提出了一个更具优势的股票走势预测的神经网络模型,使用TensorFlow和Keras对该模型进行构建、训练及探究,最后通过对比实验分析并验证了本模型在股票走势预测任务上具有更好的泛化效果;设计并实现了一个基于深度学习的股票走势分析系统,包括定期自动预测股票未来走势等功能。本文的主要创新点如下:提出了多特征来源的股票数据选取方法以强化股票特征的表达;设计了数据增量存储算法以解决股票数据采集速度过慢的问题;提出了聚类前驱式的股票走势分析方法以解决现有股票预测模型容易产生过拟合的问题;提出了区间涨跌幅的树状聚类思想以降低噪声干扰;提出了 SA-LSTM-CNN股票走势预测模型以解决主流神经网络拟合效果失真并且在突涨或骤跌时段预测失准的问题;对于模型实验设计与分析部分,考虑到实验周期是以股票交易日每隔24小时有限循环的,因此提出了双重维度的实验选股策略为每轮实验调参会朝着积极的方向发展奠定基础;提出了层级式超参数配置策略以平衡股票的聚类量级与模型拟合之间的矛盾;在股票走势分析系统中,通过配置化微调模型以维持系统功能的健壮性。本文所取得的研究成果对基于深度学习的股票走势研究具有一定的参考价值。
赖晓敏[2]（2021）在《中国农业专利的数量、质量与经济效果研究》文中研究说明科技兴农战略下,中国农业专利事业发展迅速,但发展过程中的研发不平衡与转化不充分问题愈发突显。得益于农业科技创新体系发展,中国农业专利规模持续扩大,新增专利数连续多年位居世界第一,且增速不断加快,后发优势明显,在特定技术领域实现由“跟跑”向“并跑”甚至是“领跑”的跨越。与此同时,专利发展过程中显现出研发不平衡、转化不充分问题,前者主要表现为农业专利在数量布局、质量层次和研发主体结构上存在失衡现象,后者主要表现为农业专利的加速扩张与农业经济的增速放缓不相适应,二者的脱钩反映出农业专利的质量不高与应用转化不足。对此,围绕如何量化并解释中国农业专利不平衡不充分发展问题,研究依次从专利数量、专利质量和专利经济效果三方面入手,综合利用专利文献计量、空间计量经济学、二元选择模型和机器学习等方法,在量化把握农业专利数量与质量水平现状的基础上,进一步探究中国农业专利产出数量水平的均衡收敛机制,农业专利质量水平的长期优化机制,以及农业专利推动产业经济发展的转化扩散机制,并据此提出推动中国农业高质量专利研发与转化的政策建议。研究主要内容和结论包括:（1）中国来源和受理的农业专利规模整体不断扩大,1985-2019年中国来源和受理的累计农业发明申请、发明授权和实用新型数分别居世界第一、第二和第一;中国农业专利多布局在以植物栽培、农药、饲料、养殖管理和肥料等小类为主的农业生产领域和以食品饮料加工处理小类为主的食品加工领域;首要应用行业是以农业生产专用设备制造、农业中间品制造和农产品加工等为主的制造业,其次是以各种农作物种植栽培为主的农林牧渔业;企业和科研机构是研发主力,个体占比趋于下降。整体上,专利数量和申请人规模在1985-1995年技术引进期较小,此后进入技术发展期,并在2008-2019年技术发展期第二阶段加速增长;不同技术领域和研发主体的技术生命周期演进存在一定差异。（2）中国农业专利呈现自东向西递减分布,数量水平由高到低分别为华东区、华北区、东北区、中南区、西北区和西南区,且各区域研发主体结构不同;数量水平的省域分布高度失衡,失衡主要由区域间差异引起,区域内相对均衡;数量水平分布具有负空间自相关性,省域分布以低高聚类为主,其次是高低聚类。发明申请和实用新型水平的省域分布呈绝对β收敛,且在技术相似和产业相似两种关联矩阵下的收敛速度快于反距离和邻接关系两种地理矩阵,而科研机构和企业三类专利水平均呈绝对β收敛,个人则仅发明授权和实用新型水平收敛;引入控制变量后,全样本和各主体的三类专利水平仍呈现条件β收敛,其中技术市场发育对各专利水平增速均有促进效果。（3）中国农业专利质量水平符合技术生命周期演化特点,在1996年进入技术发展期之后质量水平被稀释下降,质量综合指数由期初的0.70降至期末的0.40,质量的子维度技术通用性、技术创新性、法律价值和经济价值也在发展期有所下降;空间分布上,技术创新性、法律价值和经济价值呈现东高西低特点,三者分布在前期呈现一定的空间失衡,而技术通用性和综合质量水平始终较为均衡。专利规模扩张也带来泡沫专利规模的上升,累计泡沫23,135件,整体泡沫化程度为11.70%,泡沫规模在2008-2019年呈加速上升趋势,但泡沫化程度略有下降;泡沫专利空间格局与农业专利总量格局一致,即东多西少,省域分布由失衡转为均衡,但本土专利的泡沫化程度远高于境外来源专利。无论是Logit、Probit和异方差Probit模型,还是随机森林和BP神经网络算法,各方法对非泡沫专利的预测精度均趋于100.00%,但在泡沫专利的预测上,仅随机森林算法在训练样本内有99.24%的预测精度,其余方法均有明显第一类错误。（4）静态空间杜宾模型表明,中国农业专利质量及其构成受本地和相关地区农业研发要素投入、研发主体发育和创新外部环境三方面因素影响,其中研发人员投入在关联矩阵下对专利技术创新性和法律经济的间接效应为负,经费投入对技术通用性和法律价值的直接效应为正,对技术价值、法律价值和整体质量的间接效应均为负;科研机构发育对技术创新性具有正向间接效应,企业发育在地理矩阵下对法律价值和整体质量的间接效应为正,在关联矩阵下对法律价值的间接效应为负;基础研究在地理矩阵下对技术通用性、法律价值和综合质量的各效应均为负,技术市场对技术通用性、法律价值和综合质量的各效应均为正,科技转化服务对法律价值和综合质量的直接效应为负,对临近地区技术创新性的间接效应为正,信息化在地理矩阵下对技术通用性和法律价值的间接效应为负,但对经济价值为正。动态空间杜宾模型表明专利的技术通用性和法律价值具有累积性,受经济价值影响,综合质量在地理矩阵下具有累积效应,在关联矩阵下具有收敛性;动态模型中上述长期边际效应依旧成立,并进一步证实长期与短期效应的作用方向多相反。（5）以种植业为例,各空间模型中农业有效专利对农业经济产出的回归系数均显着为正,并大于普通面板模型结果,表明农业专利同时存在地理临近和技术供需联系两种扩散渠道;反距离矩阵、邻接关系矩阵、技术相似矩阵和产业相似矩阵四种空间权重下,专利对农业经济产出的总贡献分别为12.30%、12.72%、13.41%和13.16%,贡献率仅次于化肥（50.00%左右）和劳动（20.00%左右）投入,与机械投入（10.00%左右）相近;专利对农业经济的总贡献效应以本地直接效应为主,四种矩阵下的直接效应分别为11.97%、16.07%、18.29%和14.36%,而间接效应分别为0.33%、-3.35%、-4.88%和-1.21%,这种差异化的间接效应表明专利的空间溢出包含由技术扩散产生的正向辐射增益效应和农业物候相似凸显的专利权负向排他效应两部分。研究可能的创新之处有三个方面:（1）拓展并验证了农业科技创新活动的空间关联。在探讨农业科技研发绩效和经济贡献过程中,不仅考虑了反距离矩阵和邻接关系矩阵刻画的常见地理溢出效应,还基于夹角余弦定理拓展并检验了技术和产业结构相似地区间的技术供需关联溢出效应。（2）基于专利视角测度农业技术创新的经济效果。相比以往研究采用的政府科技经费投入变量,专利作为应用研究的直接成果,避免了兼顾基础研究的政府经费投入会夸大实际技术研发支出,并能全面涵盖科研机构、企业和个人等各类技术研发主体。（3）探索了农业专利质量的影响因素及其作用机制。综合技术价值、法律价值和经济价值三个维度构建质量评价体系,系统量化了中国农业专利质量现状格局,并讨论了研发要素投入、科研主体发育和创新外部环境三方面因素对综合质量及其子维度构成的影响。
于世东[3]（2021）在《基于日志数据的多维数据可视分析的研究及应用》文中研究指明在大数据时代,如何从海量的数据中获取价值是企业所关心的问题,也是科研工作者的研究热点。传统的数据挖掘和数据分析方法能够从数据中获取信息,但是这些信息如何能被用户所理解则又是一个难点。而数据可视化能够把数据中隐藏的规律和特征以图形的方式呈现出来,使得用户可以快速地、直观地了解数据中的信息,提高了人们对数据的认知和探索能力。在大数据时代,可视化不再局限于科学研究和企业应用领域,数据的交互可视分析和智能计算已成为社会重大需求的共性基础,比如智慧医疗、智慧交通、数字产业等各个方面。面对大数据的海量、异构、多维等特征,传统的可视化技术已无法满足对这些数据的分析,因此对可视化技术的深入研究是时代的需要,可视化技术的创新将对大数据资源的高效利用产生重大的推动作用。多维数据可视化是信息可视化领域的研究热点之一,是将多维的原始数据或处理后的数据进行直观展现的技术。如何将多维数据可视化应用于各领域的数据智能分析与辅助决策中是一个有迫切需要且有意义的研究问题。本文主要基于交易日志对多维数据可视分析中的几个问题展开研究,并提出相关的解决方案。本文的主要研究工作:1.基于日志数据的多维数据趋势性可视分析。在线交易日志记录了商品、用户、商家、交易量、地理位置等相关信息,以及这些信息随时间的变化情况等,利用这些信息可以帮助分析人员了解商品的销售情况。现有的可视化方法主要从用户的角度进行购买行为分析,而通过对商品的销售走势情况进行分析能更好地帮助商家进行商业决策。本文基于交易日志数据,提出了多维数据趋势性可视分析框架和对应的数据处理算法;提出了数据走势波动性和动力性的概念,通过数据走势动力性将多维的时序数据映射到二维空间;设计了数据点的颜色映射方案;设计了“特征环”来展示个体对象的数据详细信息;基于上述方法设计并实现了可视化分析系统。通过在线交易数据进行测试,验证了可视化方法的有效性。2.基于日志数据的多维数据协同可视分析。在线交易数据呈现出显着的多维和时空属性,本文提出了一种多维时空数据协同可视分析的方法。首先,设计了一种多维属性协同可视化视图,以销售数据为例对多维属性及其相互关系进行了展示。其次,为了有效地探索多维时空数据的时序演化规律及其隐含的特征模式,设计了时空协同可视分析方法。通过多维尺度变换,将原始数据集按时间顺序映射到二维空间,进一步实现了序列平行坐标的构建,用来同时展现大量空间对象的时序变化规律。为了提高对平行坐标系的视觉感知,对坐标轴进行缩放,压缩稀疏区域,拉伸密集区域。当数据量较大时,在平行坐标中存在大量的曲线交叉和重叠,用户无法准确地识别不同的对象,本文利用层次聚类进一步分析平行坐标的显示结果,可以更清晰地发现不同类别的时间特征。通过对在线交易数据的实际案例进行分析,表明该方法能够帮助用户快速发现隐藏在多维时空数据集中的特征模式。3.基于日志数据的多维数据排序及分类可视分析。对海量的多维数据进行分类是一项复杂的工作,通常需要对聚类参数、数据特征和实例进行迭代实验。一个数据集可能的聚类数量有时是非常庞大的,对此空间的探索是一个巨大挑战。人们通常对部分数据有更全面的理解,如认为数据点A比数据点B好,但并不知道哪些属性是重要的,因此一个有力的交互分析工具有助于大幅度提高探索性聚类分析的有效性。本文提供了一个可视化的分析方法来对多变量数据进行排序和分类,该方法首先通过用户的交互操作确定用户的偏好,根据用户的偏好模型计算各个属性的权重,再利用得到的属性权重集对整个数据集进行排序,最后根据排序结果和用户对部分数据的标记完成类别划分。通过可视化显示,让用户直观地进行数据排序和分类操作,快速地了解数据的特性和类别特征。
郭嘉宁[4]（2021）在《动力煤价格中短期预测方法研究》文中指出煤炭作为我国一次能源使用方式的最主要形式,其价格预测对于企业生产经营以及市场的前瞻都具有重要意义,而动力煤作为能源供给的煤炭种类,更是占领着重要地位。近年来,专家学者对于煤炭价格的预测进行了许多研究,主要基于计量经济学方法、时间序列方法差分整合移动平均自回归（Autoregressive Integrated Moving Average,ARIMA）、反向传播（Back Propagation,BP）神经网络以及循环神经网络长短期记忆（Long Short-Term Memory,LSTM）,其中 LSTM 算法目前在煤价预测问题中获得了最佳的性能。但是,由于其存在梯度消失、长期时序依赖信息丢失等问题,且现有研究大多将对于现货或期货市场的预测混为一谈,对于两类价格不同的复杂特性并不能针对性进行建模。因此本课题基于深度学习强大的特征提取与学习能力,对于动力煤现货及期货价格进行针对性的模型构建。本文的具体工作包括:首先针对动力煤现货价格的内在特征,结合对于影响变量的相关性分析,针对现货价格多变量时间序列数据,设计一种基于注意力机制的深度学习预测模型。模型中,使用双向LSTM对长期的时序特性建模,引入卷积神经网络（Convolutional Neural Network,CNN）模块提取各变量的局部时序特征,然后采用横向注意力学习不同变量间的依赖关系,从而提升网络对于大时间范围的信息提取能力,同时充分利用变量间的关联性进行建模。在真实数据集上测试所提算法的性能,分析模型在不同时间步中的误差指标,对比拟合的趋势曲线,验证了所提模型优于主流的时间序列预测模型。针对动力煤期货价格的预测问题,首先分析其与现货价格的关联及差异,根据期货价格序列的变化规律特性针对性设计基于生成对抗网络的期货价格预测模型。在Wasserstein生成对抗网络（Generative Adversarial Network,GAN）网络的基础上,针对期货价格序列特征改进目标函数,并在生成器端增加均方误差项以及拐点预测损失项,以解决期货序列高变化频率、拐点多的问题。定义了期货价格趋势预测性能的评价指标符号预测准确度（Accuracy of Sign Prediction,ASP）,通过实验对比LSTM、Wasserstein GAN网络及所提出算法模型在ASP、均方根误差（Root-mean-square Deviation,RMSE）以及平均绝对百分比误差（Mean Absolute Percentage Error,MAPE）中的性能,验证了所提出模型在整体预测性能以及趋势预测上都达到了更好的效果。
贺珊[5]（2021）在《A商业银行人民币汇率衍生业务的营销策略研究》文中认为金融衍生品的本质是一种契约,其价值受到其基础资产的影响,金融衍生品包含许多形式,主要的几种种类是远期、掉期、期权和期货。这种约定可以采取制式的方式,也可以自行约定。而人民币汇率衍生产品作为金融衍生品的一种,具有轻资本的特点,它一定程度上占用银行的资金较少、承担的信用风险小和获得的利润相对较高等优势,在一定程度上可以优化银行经营结构、提高经营效益、培育新的利润增长点。A商业银行自1997年起开始涉猎人民币汇率衍生业务,随着人民币汇率形成机制的改革,A商业银行的人民币汇率衍生业务发展迅速,在此期间,A银行借助自身的优势地位和海外机构,通过强大的人才战略、优势产品结构和全球化的网点建设,占有了50%以上的市场份额,一度让A商业银行成为汇率衍生业务的龙头银行。如今,随着国际金融市场的不断成熟完善,我国企业参与全球经济的密度在不断提高,企业所面临的汇率、利率、大宗商品等价格波动风险也在加大,尤其是人民币汇率不再像过去一样只有单边升值走势,或者单边贬值走势。特别是近几年,人民币对美元即期汇率先后表现出“先贬值后升值再贬值又升值”的M字型走势,从近几年汇率走势中我们能看出汇率双向波动的幅度大大增加,走势的不确定性也逐渐增强,不再是简单的事件或因素就可判断的。人民币汇率波动方向和波动幅度的不确定性导致进出口企业经营成本不确定性风险加大,企业的汇率保值的需求显着增大,企业对于对金融衍生品业务的实际需求持续攀升。衍生品市场已成为我国银行业新的收入增长点,成为了我国商业银行竞争日趋激烈的新市场领域。当前,我国已有25家人民币外汇做市商,极大瓜分了 A商业银行在人民币汇率衍生业务的市场份额,为了在日益加剧的市场竞争下保持领先地位,A商业银行需要进一步细分市场满足不同客户的多元化需求,不断优化自身产品结构提高企业的保值效果,创新业务模式不断提高工作效率,这也是A银行在发展中存在的突出问题。因此,本文以“理论基础--问题分析—环境分析—营销策略设计—保障措施”为研究主线,阐述A商业银行代客汇率衍生业务发展现状,发现问题并分析成因,结合该行所面临外部环境情况、行业内竞争力情况、自身优劣势情况,帮助A银行进行营销策略设计。本文以具体的A商业银行为例,详细分析了 A商业银行汇率衍生业务开展背景、目标客户、市场营销策略等内容,并总结和提炼国内外在汇率类衍生金融业务的营销管理方案,提出了在7Ps的基础上构建以客户为中心的服务导向的营销战略,帮助A商业银行设计人民币汇率衍生业务的营销策略,提出系统性的市场营销策略,补充了我国商业银行在汇率衍生业务营销策略上的空白。
汤霞[6]（2021）在《集装箱班轮运价市场波动及传导特征研究》文中研究指明随着全球经贸往来的日益频繁,国际集装箱班轮运输发展速度远远超过其他海上运输方式,正发挥着越来越重要的作用,班轮运输市场波动也备受国内外学者关注。受国际经济形势、政治局势、重大事件、科技发展等多种不确定性因素影响,国际集装箱班轮运价市场波动剧烈,给航运企业、货主货代、金融机构等市场参与者带来极大的经营及投资风险,也不利于国家对外经贸的健康发展。如何从不同维度深入挖掘集装箱班轮运价市场波动及传导动力学特征,为市场参与者提供更全面有效的市场信息辅助决策,是航运经济领域的重点关注问题。因此,本研究在不同形式的集装箱班轮运价市场的复杂波动特征分析的基础上,引入复杂网络理论,分别对时间维度上集装箱班轮即期市场运价指数自相关波动、空间维度上集装箱班轮分航线市场运价关联波动、金融属性维度上集装箱班轮期现货市场价格关联波动的传导动力学特征进行了研究,揭示了集装箱班轮运价市场内在波动传导规律,提出了针对市场参与者经营及投资决策、政府部门航运产业调控措施的相关建议。主要研究工作及创新如下:（1）挖掘了集装箱班轮运价市场不同时间尺度下的波动规律。基于VMD方法构建了集装箱班轮运价市场波动特征分析及走势预测模型,以上海出口集装箱班轮市场为实证研究对象,对其即期、分航线和期货等不同形式的集装箱班轮运价市场的复杂波动特征进行了分析,较好地提炼了其内在时间尺度特征,合理表达了其蕴含的经济意义,为集装箱班轮运价市场波动传导特征研究奠定了基础。研究结果表明,不同形式的集装箱班轮运价序列均呈现非线性、非平稳和多时间尺度特征,不同时间尺度下表现出的长期趋势、周期性、季节性和不规则波动规律略有不同,是典型的复杂性系统。（2）引入符号动力学方法和复杂网络理论,构建了集装箱班轮运价指数序列的自相关波动网络模型,以SCFI为实证研究对象,通过网络的核心模态、传导模式、集群效应、传导媒介能力、传导距离等拓扑结构分析,探讨了其自相关波动传导动力学特征,从微观视角深入理解即期市场整体波动规律和机理。研究发现,SCFI自相关波动具有一定的持续性、周期性和集群效应,波动传导模式有规律可循,以正相关波动为主,存在波动状态转变的前兆模态,可为市场波动风险提供预警信息,预测SCFI的波动方向。（3）借助格兰杰因果关系检验与复杂网络理论,构建了集装箱分航线市场运价波动格兰杰因果网络模型,以SCFI分航线市场为实证研究对象,从系统整体新视角研究了其运价波动传导范围、传导距离、传导媒介能力、集聚能力及传导路径等动力学特征,从空间结构维度加深对集装箱班轮运价市场的认识。研究表明,SCFI不同航线运价波动的影响范围和被影响范围均不同、航线子市场间运价波动传导的速度很快、不同航线媒介能力及集聚能力不同、可划分为4个社团等。市场参与者可据此确定重点监测子市场,把握市场波动传导路径,优化经营决策,强化市场精准调控。（4）通过集装箱班轮期现货市场关联波动状态的定义、符号化和粗粒化处理,构建了集装箱期现货价格关联波动网络模型,以SCFI欧洲、美西航线期现货价格为实证研究对象,通过分析关联波动网络的拓扑结构研究了集装箱期现货价格关联关系的动态波动传导特征,从金融属性维度加强集装箱班轮市场发展特征的理解。研究发现,期现货价格关联波动的主要趋势为同向关联,美西航线同向关联概率大于欧洲航线,关联波动具有周期性、群簇性和小团体特征,存在少数介数高点强度低的关联波动模态是群簇关联波动转换的前兆。市场参与者可据此合理制定航线运价、调整跨市场投资策略等。
吴筱菲[7]（2021）在《基于结构突变的人民币汇率与股票市场间动态溢出效应研究》文中研究说明随着人民币汇率频繁波动,中国股票市场宽度和厚度的增加,两者关联性愈益趋强,其动态溢出效应已经影响到中国金融市场的稳定发展。在资本流动、信息高频传导下,一个市场价格变动及其幅度迅速扩散到另一市场,两者间溢出效应呈异质性、阶段性、联动性、滞后性等复杂性特征。与2008年次贷危机不同,2018年中美贸易战等政治经济关系变化,不仅对人民币汇率产生巨大冲击,而且也会影响中国金融市场的资产价值和股票市场的走势。因此,在我国金融市场之间的动态溢出效应趋强的态势下,需要具体研究溢出效应的特征和结构突变位置,分析哪些国内外影响因素会导致结构突变和特征变化,从而进一步警惕和规避金融市场的系统性风险,有助于中国经济稳定发展。结构突变是指在未知时间点的突然的、重大的变化,其在各种学科中具有普遍性,虽然发生的概率不高,但造成的一系列后续影响辐射面广而深。金融危机、贸易战、英国脱欧、疫情爆发等都是此类事件的典型代表,金融领域中的“黑天鹅”、“灰犀牛”等不容忽视的大事件往往造成时间序列数据内部的结构突变,而不仅仅是断层和跳跃极值。本文基于结构突变,从三方面研究人民币汇率与股票市场的动态溢出效应。首先,分析均值溢出和波动溢出的时变走势中是否含有结构突变,通过搜寻条件相关系数得到结构突变位置,分析由哪些重大经济事件造成影响。由数据本身内生性进行结构突变分段,避免人为分段的主观性和金融时间序列的“伪回归”。通过分析突变前、突变中、突变后的一系列动态溢出过程,可以更加有效地得知宏观或者微观因素会影响汇率市场和股票市场的结构突变。其次,分析信息溢出效应即均值溢出效应和波动溢出两个层面结合,综合反映金融市场收益和风险的不同含义。基于方差分解的信息溢出指数,系统性度量收益率和波动率两种不同的溢出的方向、强度以及记忆性等特征。最后,本文以问题为导向,研究人民币汇率与股票市场间的溢出效应传导路径及主要影响因素,深化认知负面溢出效应蕴含交叉叠加感染的风险,提出相关政策建议。特别地,结构突变有可能使得市场之间溢出效应的溢出方和接收方角色发生转变。在我国面临突发性危机和金融尾部风险时,期望有益于监管部门能够应对市场结构变化的突发事件,避免诱发系统性风险。文章的主要内容和结论如下:一、分析人民币汇率与股票市场的溢出效应传导路径及结构突变因素。从金融时间序列数据的规律归纳动态溢出效应的特征,进一步揭示人民币汇率与股票市场的形成机理。人民币与股市两者关系的经济学理论包括流量导向模型、存量导向模型和戈登模型等,在此基础上得到四条主要传导渠道,具体为:国际贸易进出口企业（中美贸易战）、国际资本流动（境外资金净流入）、心理预期（资本市场的开放程度加深）和货币供应量（外汇占款减少）。括号内为中国新常态下会对两者之间溢出效应造成结构突变因素,通过分析得出,在当前错综复杂国内外背景下两者间溢出效应可能造成的不同影响。其中,股票市场跨境资金的流入流出与外汇市场呈现具有前后不同时滞效应的互相引导关系。另外,人民币汇率对于投资者心理预期的正面积极效应大于负面消极情绪和心态,主要是通过渗入宏观经济层面改善整体景气程度预判。第三章从四条传导路径对人民币汇率与股票市场进行现状分析,为构建人民币汇率和股票市场实证模型提供理论和现实的准备。二、构建时变t-Copula与Bai-Perron结构突变检验法研究均值溢出效应。选取GJR（1,1）的偏t分布对人民币汇率与股市的对数收益率进行拟合得到边缘参数估计,拟合的残差通过KS检验后,构造时变t-Copula模型得到两者之间的条件相关系数,其动态参数α和β均在5%的置信水平下显着。Copula模型能够将金融时间序列不同形态分布的尾部联合在一起,突破了传统聚集性、非对称性造成的限制等。设定最大个数m=5,ε=0.05的步长进行均值结构突变点搜索,在1%的显着性水平下得到两个结构突变点,突变点的位置均发生在2018年6月20日,净均值变化大于0.2;在10%的显着性水平下新增一个点,位置在2018年5月15日。分析三个结构突变点的位置得出,中美贸易战是人民币汇率与股票市场的收益率结构突变主要影响因素,且其对人民币汇率与股票市场双方面均较大影响,产生双重叠加溢出效应。三、构建DCC-GARCH与修正的ICSS结构突变检验法研究波动溢出效应。选取DCC-GARCH（1,1）的t分布对人民币汇率与股市的波动率进行拟合得到两者之间的动态条件相关系数,满足α+β小于1的假设条件,且在1%的置信水平下显着。其中沪深300股指与恒生指数的DCCα+β最接近1,易受到历史波动和市场变动情况的影响,且具有持续性。将四个指数两两一组形成六组数据进行方差结构突变检验,通过修正的ICSS算法克服了方差是稳定的假设条件,并且避免了金融时间序列的“尖峰厚尾”和波动的聚集性导致的样本扭曲。实证结果表明离岸人民币与沪深300指数的动态相关系数存在2个结构突变点,将样本时间段分为三个子区间;分别是2014.05.05-2015.03.25、2015.03.26-2015.09.11、2015.9.14-2019.12.31。2015年3月到9月,标准差从0.2712上升到0.3851,变化幅度为0.1139。汇改机制为人民币汇率与股票市场的波动率结构突变的主要影响因素,市场化的改革机制有助于进一步缩小在岸与离岸人民币汇率之间的数值差额。四、构建基于方差分解的静动态溢出指数模型研究信息溢出效应。构建VAR（4）阶方差分解的溢出指数,设定200个滚动窗口度量动态收益率和波动率的信息溢出值,从总体信息溢出值、单一市场净溢出、成对净溢出等方面完善溢出效应的动态方向性及持续性,通过溢出方（TO）和接受方（FROM）的差值计算得到动态净溢出的特征。为进一步检验模型的稳定性和结论的可靠性将设置VAR为2-6阶,预测期设定在5-10天的范围内。实证结果表明,在大小强度上,细分各个市场的收益率溢出效应与波动率溢出存在相反走势的情况,即两者之间收益率相关性不高,不代表两者之间的风险交织感染传递的概率低。在方向持续性上,波动率的溢出效应均为双向交替,即风险的传染者和承受方。需要系统地从收益率和波动率两个层面探求人民币汇率与股票市场间的动态信息溢出。本文的主要创新点:一、运用均值与方差两种内生结构检验与动态模型相结合来捕捉结构异动。鉴于现有的动态模型思路为得到条件相关系数进行动态溢出效应分析,并未深究条件相关系数的结构性问题。在结构突变点的判别及样本分段上,大多数文章采用主观进行子样本或者区间分段构建模型,避免平稳性问题。收益率层面选择均值结构突变检验,波动率层面选择方差结构突变检验,使得结构突变检验对应的研究对象符合经济学含义。本文根据收益率与波动率的序列特征构建动态实证模型和两种结构突变检验相结合的方法,对数据内部产生的过程进行结构突变点的搜寻。此外,Bai-Perron突变检验将默认的ε=0.15调整为0.05,提高结构突变点寻找过程的精度,将修正的ICSS算法进行调整,提高运算速度。二、运用时变参数及滚动窗口两种方法来刻画非线性动态关系,提高研究度量的精准度。由于非线性模型的假设条件等限制较多,较少涉及到动态方程和滚动窗口两种方式。在实证模型的选择上,选取时变t-Copula和DCC-GARCH来研究收益率与波动率。Engle提出的条件相关系数可以研究多维变量模型,将常相关系数的假设条件用动态方程替换,可以用来估计大规模的相关系数矩阵,研究不同市场的市场信息时具有良好的计算优势。滚动窗口的含义可以理解为指定一个单位长度的窗口,通过不断滚动测量时间序列的统计量达到时变动态。类似于,在量尺上固定窗口大小的滑块,不断滚动得到每个单位的数据和观测值。两种方法均为目前金融领域主流的时变性研究方法,使得本文的动态溢出效应更为全面。三、构建基于方差分解的溢出指数,对比分析四个指数在两个不同经济含义层面。目前大部分文章研究两者之间的动态关系未考虑收益率与波动率两个层面,并且仅能够两两一组进行研究,研究仅仅停留在相关系数层面,未能体现出溢出的方向性等特征。采用静态和动态的方法同时研究四个指数作为一个整体,其中不但包含了总体的溢出程度,还能针对一个指数,分析其他三个指数对其的信息溢入和溢出效应,比较研究分析收益率和波动率。信息溢出指数模型增加了动态方向性转变,反映溢出方和接受方的方向性主导关系,体现出其方向结构性交替转换与重大事件金融事件之间的联系。
陈可心[8]（2020）在《基于深度神经网络的股票走势预测研究与应用》文中提出股票是一种高风险、高收益的常见理财产品,为了更好的进行股票投资分析,获得有效的选股方案,提出了一种预测股票走势的模型,并将改进的模型加以运用,构建出股票走势预测系统,使投资者根据该系统的股票推荐结果和股票预测结果进行相对正确的投资决策,从而有效的降低投资风险,获得高额稳定投资收益。与现有的股票走势预测模型相比,改进模型结合股价走势、新闻信息和投资者情绪进行预测,不但利用了股票市场中的交易数据,同时考虑到财经、政治新闻以及股票论坛言论对于股票市场的影响。首先对股票论坛言论进行情感分类,提出一种以朴素贝叶斯为基础的股票论坛言论模型,实验证实,利用朴素贝叶斯分类器时分类效果较好,可以较为准确的获得投资者情绪,为整个股票走势预测模型的建立奠定了基础。其次在原始的LSTM基础之上,本模型由BiLSTM和CLSTM混合构建,BiLSTM提取股票交易数据以及投资者情绪指数相关特征,CLSTM对新闻的语境特征进行整合和处理,最终通过全连接层输出预测结果。在实验模型中,对股票走势采用分类方法进行实验,得到分类为股票上升的概率和股票下降的概率。实验使用沪深300股数据作为数据集合。通过准确率和收益率进行预测效果评估,实验结果表明,相较于单一的LSTM预测模型,提出的方法在股票走势预测的准确率上有了一定的提升,在一定程度上能够准确有效的对股票走势进行预测。同时,设计并实现了深度神经网络的股票走势预测系统,将训练好的预测模型上传到股票预测模块中。通过对股票走势预测系统的需求分析和各个功能模块设计,经过开发、测试等环节,完成了整个股票走势预测系统。投资者可以借助该系统进行股票选择与投资。
陈阳,姜莉,谭立献[9]（2020）在《突发公共卫生事件对民营企业综合发展的影响测度——基于多源异构数据视角》文中研究表明近年来,突发公共卫生事件给各国经济社会发展带来较大冲击,民营企业作为我国经济发展的重要力量,其健康发展至关重要。因此,研究突发公共卫生事件对民营企业综合发展影响测度对政府宏观调控和风险防范具有重要意义。本文构造"突发公共卫生事件影响下民营企业综合发展评价得分"这一综合指标,解决影响测度的问题,主要思路是在政府统计民营经济监测研究的基础上,整合部门统计和互联网数据资源,选取25项结构化和非结构化数据指标,构建多源异构指标体系进行研究。政府统计民营经济监测部分主要是使用传统统计方法对民营企业主体的生产效益等结构化数据进行分析。互联网数据资源应用主要是通过网络爬虫获取百度指数、生产资料价格、消费者情绪、经济学家观点等文本资料,运用基于朴素贝叶斯的融合算法对文本数据进行量化。模型选择上,采用CRITIC-AHP主客观组合赋权法确定指标权重,通过BP神经网络预测模型对综合评分进行预测。通过2020年新冠疫情对民营经济发展影响的实证分析,综合发展评价得分较好的测度了疫情对民营经济的影响。疫情爆发初期,民营企业受影响较大,1-2月综合发展评分约为去年同期水平的74%。3月份,在坚持疫情防控情况下,逐步开始复工复产,生产生活秩序逐步恢复,综合发展评分提升到68.35,恢复到去年同期水平的77%。二季度实现恢复性增长,基本恢复到去年同期水平的90%。4月综合发展评分达到83.93,5-6月,由于全球确诊人数指数级上升,国内部分地区境外输入病例出现小规模爆发,消费者情绪有所降低,综合评分较4月有轻微下滑,5月为79.38,6月为81.51。预测模型显示,假如全国新冠疫情不出现大规模反复,下半年民营企业经济发展将会呈现出逐步恢复趋势,年底综合评价评分将处于[91.75,96.16]区间内,能够达到或者好于去年同期水平,并且因为疫情造成的压抑能量明年会释放出来。为进一步推动民营企业的发展,建议:一是鼓励民营企业积极参与市场竞争。二是完善有利于激发民营企业活力的政策环境。三是鼓励引导民营企业改革创新。四是服务民营企业健康发展。
夏洁瑾[10]（2020）在《双边政治关系影响中国对“一带一路”沿线国家投资贸易研究》文中研究指明当前,在国际体系中不确定因素持续增多背景下,各国进行政策沟通和合作进而为自身发展创造更加稳定外部环境的必要性大为增强,将国家间关系的政治优势转化为切实合作成果成为各国获取发展动力的重要途径。“一带一路”倡议作为新时期中国对外开放的重大举措,即致力于通过促进中国与沿线国家间政治互信来深化利益融合。眼下,蔓延全球的新冠肺炎疫情对世界经济和国际贸易投资造成严重冲击,也对正处于转变发展方式阶段的我国经济产生较大负面影响。由此,继续推进“一带一路”倡议,在扩大开放中深化我国与广大亚欧非国家间的战略合作具有更为重要的意义。本文主要回答了以下问题:第一,如何准确度量中国与“一带一路”沿线国家间的双边政治关系?中国与沿线国家间政治关系的历史发展特征与趋势是怎样的?第二,双边政治关系是否显着影响中国对“一带一路”沿线国家的直接投资?影响效力能够持续多久?影响机制是什么?第三,双边政治关系是否显着影响中国对“一带一路”沿线国家的出口贸易规模?双边政治关系对出口传统二元边际、出口频率等的影响又是怎样的?基于以上问题,本文首先提出改进后的双边政治关系量化方法,并根据该方法构建了中国与“一带一路”沿线国家间高频月度双边政治关系数据库。基于此数据库,本文结合集成经验模态分解方法,对中国与“一带一路”沿线国家间双边政治关系特征性事实及相关历史变化规律进行了剖析和总结。研究发现,中国与“一带一路”沿线国家间政治关系的长期发展趋势目前正处于上升阶段,与此同时影响总体政治关系的短期不确定性因素也在增多。另外,本文分析了近年来中国对“一带一路”沿线国家直接投资与出口贸易现状,从总体和国别区域分布角度对相关特征事实进行总结。本文基于所构建的双边政治关系数据库,考察了中国与“一带一路”沿线国家间政治关系对中国在沿线国家直接投资的影响。研究发现,良好的双边政治关系显着促进了中国在“一带一路”沿线国家的直接投资。政治关系冲击对企业对外直接投资的影响在当月达到最大,此后逐渐减弱至第12个月消失,由此政治关系冲击对直接投资的影响持续期为11个月左右。异质性检验表明:中国与“一带一路”沿线国家间政治关系对企业对外直接投资的影响在不同地缘板块存在较为明显的差异;良好的双边政治关系尤其对中国企业在“一带一路”沿线国家能源领域的直接投资具有显着促进效应;“一带一路”倡议提出后,国家间双边政治关系对中国企业对外直接投资的推动效应更强。影响机制检验表明,良好的双边政治关系能有效对冲“一带一路”沿线国家政治风险、经济风险以及文化冲突风险的负面影响,从而促进中国企业对外直接投资。本文使用企业—产品—出口目的国层面的月度数据以及扩展后的贸易引力模型,分析中国对“一带一路”沿线国家的出口贸易规模是否受双边政治关系影响。研究结果显示,国家间双边政治关系与中国出口至沿线国家的贸易规模无显着相关关系。在考虑内生性问题、改变政治关系测度方法、改变估计方法或样本等一系列稳健性检验中,基本研究结论依然成立。研究还表明,国家间双边政治关系对出口传统二元边际也无显着影响。为揭示双边政治关系与中国对沿线国家出口贸易规模“脱钩”现象背后的原因,本文进一步从生产者和消费者两个方面进行检验,发现在中国对沿线国家出口贸易中占绝对主体地位的外资企业对双边政治关系的欠敏感性以及出口目的国消费者较强的购买习惯,削弱甚至完全吸收了政治关系冲击对出口贸易规模可能造成的影响。为挖掘双边政治关系与中国对“一带一路”沿线国家出口间可能存在的深层次关联,本文进一步从出口频率角度对出口贸易额进行边际分解。出口频率作为一种重要的贸易拓展边际,对理解微观企业的出口贸易行为具有重要意义。本文首次研究了双边政治关系对中国企业出口至沿线国家频率的影响。在Melitz（2003）的框架下,构建将出口频率作为企业内生选择变量的理论模型,进而分析双边政治关系影响企业出口频率的机制。研究发现,良好的双边政治关系通过降低商品在目的国的进口通关成本,进而促进企业出口频率;双边政治关系冲击对出口频率的影响持续期为4个月左右;良好的双边政治关系对企业出口频率的促进效应在总统制出口目的国有更大的发挥空间;双边政治关系对外资及民营等非国有企业出口频率的影响显着,对国有企业出口频率无显着影响;调整运输频率是出口厂商面对国家间政治关系变化时更为灵活的策略选择。综上,本文在对中国与“一带一路”沿线国家间政治关系进行科学量化的基础上,融合运用经济学与国际关系学的分析方法,就国家间政治关系对中国在沿线国家直接投资与出口贸易的影响进行研究,为“一带一路”建设的顺利开展以及推动我国企业国际化进程提供了有益的政策启示。
二、网络企业的发展走势（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、网络企业的发展走势（论文提纲范文）
（1）基于深度学习的股票走势分析系统的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.3 研究内容与创新点 |
| 1.3.1 多特征来源的股票数据选取方法 |
| 1.3.2 聚类前驱式的股票走势分析方法 |
| 1.3.3 基于自注意力的股票走势预测模型 |
| 1.3.4 深度学习的股票走势分析系统 |
| 1.4 论文组织结构 |
| 第二章 相关理论与技术 |
| 2.1 引言 |
| 2.2 股票分析法 |
| 2.2.1 基本面分析法 |
| 2.2.2 技术面分析法 |
| 2.3 深度学习 |
| 2.3.1 多层感知器 |
| 2.3.2 卷积神经网络 |
| 2.3.3 循环神经网络 |
| 2.3.4 长短期记忆网络 |
| 2.3.5 注意力机制 |
| 2.4 相关框架 |
| 2.4.1 TensorFlow |
| 2.4.2 Keras |
| 2.4.3 Django |
| 2.5 本章小结 |
| 第三章 股票走势预测模型的研究与实现 |
| 3.1 引言 |
| 3.2 股票数据获取 |
| 3.2.1 基本面数据 |
| 3.2.2 行情面数据 |
| 3.2.3 技术指标面数据 |
| 3.2.4 资金面数据 |
| 3.2.5 权重系数 |
| 3.2.6 增量存储算法 |
| 3.3 股票数据预处理 |
| 3.3.1 股票数据清洗 |
| 3.3.2 股票数据变换 |
| 3.3.3 多特征来源的股票数据选取方法 |
| 3.3.4 滑动窗口算法 |
| 3.4 聚类前驱式的股票走势分析方法 |
| 3.4.1 主流聚类算法描述 |
| 3.4.2 股票聚类任务的痛点分析 |
| 3.4.3 近邻传播算法的实现原理 |
| 3.4.4 区间涨跌幅的树状聚类思想 |
| 3.4.5 股票走势分析方法的设计与实现 |
| 3.5 基于自注意力的股票走势预测模型 |
| 3.5.1 主流神经网络的不足 |
| 3.5.2 股票预测任务的痛点分析 |
| 3.5.3 自注意力机制的实现原理 |
| 3.5.4 股票走势预测模型的设计与实现 |
| 3.5.5 股票走势预测模型的训练方法 |
| 3.6 实验设计与结果分析 |
| 3.6.1 实验环境 |
| 3.6.2 评价指标 |
| 3.6.3 实验选股策略及数据 |
| 3.6.4 关于模型结构的探究实验 |
| 3.6.5 关于模型参数的探究实验 |
| 3.6.6 模型效果的对比实验 |
| 3.7 本章小结 |
| 第四章 股票走势分析系统的设计与实现 |
| 4.1 引言 |
| 4.2 股票走势分析系统的需求分析 |
| 4.3 股票走势分析系统的技术选型 |
| 4.4 股票走势分析系统的架构设计 |
| 4.5 股票走势分析系统的数据库设计 |
| 4.5.1 数据库概念设计 |
| 4.5.2 数据库逻辑设计 |
| 4.6 股票走势分析系统的设计与实现 |
| 4.6.1 账号管理模块的设计与实现 |
| 4.6.2 系统配置模块的设计与实现 |
| 4.6.3 股票分析模块的设计与实现 |
| 4.6.4 自选股模块的设计与实现 |
| 4.7 本章小结 |
| 第五章 股票走势分析系统的测试与验证 |
| 5.1 引言 |
| 5.2 测试目标与环境 |
| 5.2.1 测试目标 |
| 5.2.2 测试环境 |
| 5.3 账号管理模块的测试与验证 |
| 5.4 系统配置模块的测试与验证 |
| 5.5 股票分析模块的测试与验证 |
| 5.6 自选股模块的测试与验证 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（2）中国农业专利的数量、质量与经济效果研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究综述 |
| 1.3.1 专利研发 |
| 1.3.2 专利评价 |
| 1.3.3 专利转化 |
| 1.3.4 研究述评 |
| 1.4 研究内容与方法 |
| 1.4.1 研究思路 |
| 1.4.2 研究内容与技术路线 |
| 1.4.3 研究方法 |
| 1.5 可能的创新 |
| 第2章 理论基础与分析框架 |
| 2.1 理论基础 |
| 2.1.1 技术创新理论 |
| 2.1.2 TRIZ创新方法理论 |
| 2.1.3 内生经济增长理论 |
| 2.2 概念界定 |
| 2.2.1 农业专利 |
| 2.2.2 农业专利技术生命周期 |
| 2.2.3 农业专利质量 |
| 2.3 理论分析框架 |
| 2.3.1 农业专利的数量增长与趋同 |
| 2.3.2 农业专利的质量评价与甄别 |
| 2.3.3 农业专利的有效应用与转化 |
| 2.4 本章小结 |
| 第3章 中国农业专利的数量格局与技术生命周期 |
| 3.1 数据来源与研发方法 |
| 3.1.1 数据来源 |
| 3.1.2 研究方法 |
| 3.2 中国农业专利的数量分布 |
| 3.2.1 中国农业专利的全球地位 |
| 3.2.2 中国农业专利的IPC分布 |
| 3.2.3 中国农业专利的行业分布 |
| 3.2.4 中国农业专利的主体分布 |
| 3.3 中国农业专利的技术生命周期 |
| 3.3.1 中国农业专利技术整体发展阶段 |
| 3.3.2 主要农业技术领域的生命周期比较 |
| 3.3.3 三大主体的农业专利技术生命周期比较 |
| 3.4 本章小结 |
| 第4章 中国农业专利的空间分布与收敛性 |
| 4.1 研究设计 |
| 4.1.1 研究方法 |
| 4.1.2 数据来源 |
| 4.2 中国农业专利的空间分布 |
| 4.2.1 中国农业专利的省域分布 |
| 4.2.2 中国农业专利水平的空间均衡性 |
| 4.2.3 中国农业专利水平的空间自相关性 |
| 4.3 中国农业专利的收敛性 |
| 4.3.1 中国农业专利水平的绝对β收敛 |
| 4.3.2 中国农业专利水平的条件β收敛 |
| 4.4 本章小结 |
| 第5章 中国农业专利的质量分布与泡沫甄别——以授权发明为例 |
| 5.1 研究方法与数据来源 |
| 5.1.1 研究方法 |
| 5.1.2 数据来源 |
| 5.2 中国农业专利质量分布 |
| 5.2.1 基于综合评价指数的专利质量比较 |
| 5.2.2 基于专利宽度的技术通用性分析 |
| 5.2.3 基于专利被引的技术创新性分析 |
| 5.2.4 基于专利权利要求的法律价值分析 |
| 5.2.5 基于专利存续期的经济价值分析 |
| 5.3 中国农业泡沫专利分布 |
| 5.3.1 中国农业泡沫专利规模 |
| 5.3.2 中国农业泡沫专利分布 |
| 5.3.3 中国农业泡沫专利空间均衡性 |
| 5.4 中国农业泡沫专利识别 |
| 5.4.1 基于二元选择模型的泡沫专利识别 |
| 5.4.2 基于机器学习分类的泡沫专利识别 |
| 5.4.3 两类泡沫专利识别方法结果比较 |
| 5.5 本章小结 |
| 第6章 中国农业专利质量的影响因素及其作用路径 |
| 6.1 研究方法与数据来源 |
| 6.1.1 研究方法 |
| 6.1.2 数据来源 |
| 6.1.3 空间自相关检验 |
| 6.2 中国农业专利综合质量的影响因素分析 |
| 6.2.1 中国农业专利综合质量影响因素 |
| 6.2.2 中国农业专利综合质量边际影响 |
| 6.3 中国农业专利质量影响因素的作用路径 |
| 6.3.1 中国农业专利技术通用性路径 |
| 6.3.2 中国农业专利技术创新性路径 |
| 6.3.3 中国农业专利法律价值路径 |
| 6.3.4 中国农业专利经济价值路径 |
| 6.4 考虑创新累积效应的稳健性检验 |
| 6.4.1 综合质量影响因素稳健性 |
| 6.4.2 技术通用性影响因素稳健性 |
| 6.4.3 技术创新性影响因素稳健性 |
| 6.4.4 法律价值影响因素稳健性 |
| 6.4.5 经济价值影响因素稳健性 |
| 6.5 本章小结 |
| 第7章 中国农业专利的经济效果评价——以种植业为例 |
| 7.1 研究方法与数据来源 |
| 7.1.1 空间计量模型 |
| 7.1.2 数据来源 |
| 7.2 中国农业专利的经济贡献分析 |
| 7.2.1 模型适配度检验 |
| 7.2.2 地理视角下经济贡献分析 |
| 7.2.3 供需视角下经济贡献分析 |
| 7.3 中国农业专利的边际经济贡献 |
| 7.3.1 地理视角下边际经济贡献 |
| 7.3.2 供需视角下边际经济贡献 |
| 7.4 中国农业专利经济效果的稳健性检验 |
| 7.4.1 模型互为因果的内生性讨论 |
| 7.4.2 异方差空间面板杜宾模型 |
| 7.4.3 含固定效应的空间杜宾模型 |
| 7.4.4 广义空间两阶段最小二乘法 |
| 7.5 本章小结 |
| 第8章 研究结论与政策建议 |
| 8.1 主要结论 |
| 8.1.1 中国农业专利数量加速增长,省域间数量水平呈现β收敛 |
| 8.1.2 中国农业专利质量阶段性下降,质量受多方面因素影响 |
| 8.1.3 中国农业专利具有显着经济贡献,贡献以本地直接效应为主 |
| 8.2 政策建议 |
| 8.2.1 优化农业技术研发资源配置,推动农业专利产出合理收敛 |
| 8.2.2 壮大市场化农业技术研发主体,加快农业技术诱致性创新 |
| 8.2.3 构建农业技术创新生态系统,促进农业高质量专利应用转化 |
| 8.3 讨论 |
| 8.3.1 研究不足 |
| 8.3.2 未来展望 |
| 参考文献 |
| 攻读博士期间的研究成果 |
| 致谢 |
（3）基于日志数据的多维数据可视分析的研究及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多维交易日志数据可视化 |
| 1.2.2 时序和时空数据可视化 |
| 1.2.3 层次数据可视分析 |
| 1.2.4 交互式数据可视分析 |
| 1.3 研究内容 |
| 1.4 本文组织结构 |
| 1.5 本章小结 |
| 第2章 数据可视化概述 |
| 2.1 数据可视化与可视分析 |
| 2.2 与相关学科的关系 |
| 2.2.1 与计算机图形学的关系 |
| 2.2.2 与计算机仿真的关系 |
| 2.2.3 与人机交互的关系 |
| 2.2.4 与数据分析和数据挖掘的关系 |
| 2.3 可视化流程 |
| 2.3.1 可视化的基本步骤 |
| 2.3.2 可视化的一般流程 |
| 2.4 可视化设计 |
| 2.4.1 可视化设计原则 |
| 2.4.2 可视化设计组件 |
| 2.5 本章小结 |
| 第3章 基于日志数据的多维数据趋势性可视分析 |
| 3.1 问题描述 |
| 3.2 可视分析设计 |
| 3.2.1 变化趋势性能计算 |
| 3.2.2 数据降维及可视化 |
| 3.2.3 颜色映射 |
| 3.2.4 特征环的设计 |
| 3.2.5 交互设计 |
| 3.3 多维数据趋势性分析算法 |
| 3.4 测试与分析 |
| 3.4.1 销售走势分析 |
| 3.4.2 前后阶段销售走势分析 |
| 3.4.3 用户调研 |
| 3.4.4 实验分析 |
| 3.5 本章小结 |
| 第4章 基于日志数据的多维数据协同可视分析 |
| 4.1 问题描述 |
| 4.2 可视分析设计 |
| 4.2.1 多维属性协同可视化 |
| 4.2.2 时空协同可视化 |
| 4.3 测试与分析 |
| 4.3.1 销售趋势分析 |
| 4.3.2 地区销售差异分析 |
| 4.3.3 用户调研 |
| 4.3.4 实验分析 |
| 4.4 本章小结 |
| 第5章 基于日志数据的多维数据排序及分类可视分析 |
| 5.1 问题描述 |
| 5.2 相关工作 |
| 5.2.1 机器学习 |
| 5.2.2 多属性排序的数学模型 |
| 5.3 算法描述 |
| 5.3.1 权重求解 |
| 5.3.2 排序及分类 |
| 5.3.3 可视化属性排序 |
| 5.4 可视化设计 |
| 5.4.1 属性权重可视化及交互设计 |
| 5.4.2 分类结果迷你视图 |
| 5.4.3 属性特征可视化 |
| 5.4.4 属性对比分析可视化 |
| 5.5 测试与分析 |
| 5.5.1 了解产品特征 |
| 5.5.2 产品性能对比分析 |
| 5.5.3 用户调研 |
| 5.5.4 实验分析 |
| 5.6 本章小结 |
| 第6章 系统实现及应用案例 |
| 6.1 交易日志数据分析 |
| 6.2 系统概述 |
| 6.3 案例分析 |
| 6.3.1 趋势性可视分析 |
| 6.3.2 多维数据协同可视分析 |
| 6.3.3 多维数据排序及分类可视分析 |
| 6.3.4 领域专家评价 |
| 6.4 本章小结 |
| 第7章 结束语 |
| 7.1 论文工作总结 |
| 7.2 创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（4）动力煤价格中短期预测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 计量经济学方法研究现状 |
| 1.2.2 机器学习方法研究现状 |
| 1.2.3 深度学习方法研究现状 |
| 1.2.4 煤价预测中影响变量组合研究现状 |
| 1.3 论文研究内容和结构安排 |
| 1.3.1 研究内容 |
| 1.3.2 结构安排 |
| 第二章 动力煤价格预测的理论基础 |
| 2.1 动力煤市场分析 |
| 2.1.1 动力煤价格组成 |
| 2.1.2 动力煤价格形成机制 |
| 2.1.3 动力煤价格影响因素 |
| 2.2 LSTM模型预测原理 |
| 2.2.1 循环神经网络 |
| 2.2.2 LSTM模型原理 |
| 2.2.3 LSTM模型的优劣 |
| 2.3 注意力机制 |
| 2.3.1 注意力机制的概念 |
| 2.3.2 注意力机制的分类 |
| 2.3.3 典型的注意力机制 |
| 2.4 生成对抗网络 |
| 2.4.1 生成对抗网络原理 |
| 2.4.2 Wasserstein GAN |
| 2.5 本章小结 |
| 第三章 基于注意力机制的动力煤价指数深度学习预测方法 |
| 3.1 引言 |
| 3.2 动力煤价指数序列特征分析 |
| 3.2.1 非平稳性 |
| 3.2.2 季节性分解 |
| 3.2.3 时序相关性 |
| 3.2.4 影响因素相关性检验 |
| 3.3 构建基于注意力机制的动力煤价指数深度学习预测模型 |
| 3.3.1 模型设计思想与架构 |
| 3.3.2 双向LSTM长时序信息提取模块 |
| 3.3.3 CNN特征提取模块 |
| 3.3.4 横向注意力机制 |
| 3.4 实验与结果分析 |
| 3.4.1 数据预处理 |
| 3.4.2 模型训练与优化 |
| 3.4.3 实验结果及分析 |
| 3.5 本章小结 |
| 第四章 基于生成对抗网络的动力煤期货价格预测方法研究 |
| 4.1 动力煤期货价格分析 |
| 4.1.1 动力煤期货市场与期货价格组成 |
| 4.1.2 动力煤期货与现货价格的联系与差异 |
| 4.2 构建基于生成对抗网络的期货价格预测模型 |
| 4.2.1 网络设计思想与问题描述 |
| 4.2.2 基于生成对抗网络的预测网络设计 |
| 4.2.3 目标函数优化设计 |
| 4.3 实验与结果分析 |
| 4.3.1 模型训练及优化 |
| 4.3.2 模型评价指标 |
| 4.3.3 实验结果及分析 |
| 4.4 本章小结 |
| 第五章 总结和展望 |
| 5.1 论文工作总结 |
| 5.2 论文下一步工作方向 |
| 参考文献 |
| 致谢 |
（5）A商业银行人民币汇率衍生业务的营销策略研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第1章 前言 |
| 1.1 研究背景与研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究思路与研究方法 |
| 1.2.1 研究思路 |
| 1.2.2 研究方法 |
| 1.3 研究内容 |
| 1.4 研究创新点 |
| 第2章 相关理论概述及文献综述 |
| 2.1 相关理论概述 |
| 2.1.1 PEST分析 |
| 2.1.2 SWOT分析 |
| 2.1.3 STP营销战略 |
| 2.1.4 7Ps营销策略 |
| 2.2 汇率衍生业务概念 |
| 2.2.1 即期结售汇 |
| 2.2.2 远期结售汇业务 |
| 2.2.3 人民币汇率期权业务 |
| 2.3 国内外文献综述 |
| 2.3.1 国外文献综述 |
| 2.3.2 国内文献综述 |
| 2.3.3 国内外研究述评 |
| 第3章 A商业银行汇率衍生业务发展及营销现状 |
| 3.1 国内外商业银行汇率衍生业务发展现状 |
| 3.1.1 国外汇率衍生业务发展现状 |
| 3.1.2 我国汇率衍生业务发展现状 |
| 3.2 A商业银行汇率衍生业务发展及营销现状 |
| 3.2.1 银行简介 |
| 3.2.2 A银行整体业务发展情况 |
| 3.2.3 A商业银行汇率衍生业务发展情况 |
| 3.2.4 A商业银行汇率衍生业务营销现状 |
| 第4章 A商业银行人民币汇率衍生业务环境分析 |
| 4.1 外部环境分析(PEST分析) |
| 4.1.1 政治环境分析 |
| 4.1.2 经济环境分析 |
| 4.1.3 技术环境分析 |
| 4.1.4 社会环境分析 |
| 4.2 内部环境分析 |
| 4.2.1 企业资源分析 |
| 4.2.2 企业能力分析 |
| 4.3 SWOT分析 |
| 4.3.1 优势分析 |
| 4.3.2 劣势分析 |
| 4.3.3 机会分析 |
| 4.3.4 威胁分析 |
| 4.3.5 SWOT矩阵分析 |
| 第5章 A商业银行人民币汇率衍生业务STP营销战略研究 |
| 5.1 A商业银行汇率衍生业务市场细分 |
| 5.1.1 产品细分 |
| 5.1.2 企业细分 |
| 5.1.3 行为细分 |
| 5.1.4 地域细分 |
| 5.1.5 心理细分 |
| 5.2 A商业银行汇率衍生业务目标市场 |
| 5.2.1 无差别性市场策略 |
| 5.2.2 差别性市场策略 |
| 5.2.3 集中性市场策略 |
| 5.3 A商业银行汇率衍生业务市场定位 |
| 5.3.1 产品定位 |
| 5.3.2 品牌定位 |
| 第6章 A商业银行人民币汇率衍生业务营销策略设计 |
| 6.1 产品策略 |
| 6.1.1 产品重组 |
| 6.1.2 发展线上产品 |
| 6.1.3 设计个性化产品 |
| 6.1.4 产品增值服务 |
| 6.1.5 优化研发机制 |
| 6.2 价格策略 |
| 6.2.1 成本领先策略 |
| 6.2.2 差异化定价策略 |
| 6.2.3 组合产品定价 |
| 6.2.4 新产品定价 |
| 6.3 渠道策略 |
| 6.3.1 打造全球智能化服务网络 |
| 6.3.2 深化电子化渠道建设 |
| 6.3.3 打造移动端交易平台 |
| 6.4 促销策略 |
| 6.4.1 人员推广 |
| 6.4.2 新媒体运用 |
| 6.4.3 客户见面会 |
| 6.4.4 监管机构宣导 |
| 6.5 人员策略 |
| 6.5.1 优化人员配置 |
| 6.5.2 完善队伍建设 |
| 6.5.3 改进考核激励 |
| 6.6 服务过程 |
| 6.6.1 交易前的个性化服务 |
| 6.6.2 交易中的间接化服务 |
| 6.6.3 交易后的增值服务 |
| 6.7 有形展示 |
| 6.7.1 客户画像 |
| 6.7.2 场景化服务 |
| 第7章 A商业银行人民币汇率衍生业务营销设计保障措施 |
| 7.1 人员保障 |
| 7.1.1 严格专业队伍准入退出机制 |
| 7.1.2 提升服务人员营销能力 |
| 7.1.3 做好专业队伍培训提升 |
| 7.1.4 强化持续培养激励机制 |
| 7.2 文化保障 |
| 7.2.1 敏捷文化 |
| 7.2.2 人本文化 |
| 7.2.3 合规文化 |
| 7.2.4 信贷文化 |
| 7.2.5 廉洁文化 |
| 7.3 科技保障 |
| 7.4 风险管理保障 |
| 7.4.1 合规风险管理组织体系 |
| 7.4.2 合规管理制度 |
| 第8章 结论 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（6）集装箱班轮运价市场波动及传导特征研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 文献综述 |
| 1.2.1 航运运价市场波动特征及走势分析研究现状 |
| 1.2.2 航运运价市场波动传导特征研究现状 |
| 1.2.3 文献述评 |
| 1.3 研究的主要问题及内容 |
| 1.3.1 研究的主要问题 |
| 1.3.2 研究内容 |
| 1.4 研究思路及技术路线 |
| 1.4.1 研究思路 |
| 1.4.2 结构安排 |
| 1.4.3 技术路线 |
| 1.5 研究目的和意义 |
| 1.5.1 研究目的 |
| 1.5.2 研究意义 |
| 2 国际集装箱班轮概述及理论基础 |
| 2.1 国际集装箱航运市场 |
| 2.1.1 国际集装箱航运市场发展 |
| 2.1.2 国际集装箱航运市场特征 |
| 2.2 集装箱班轮运价概述 |
| 2.2.1 集装箱班轮运价定义及构成 |
| 2.2.2 集装箱班轮运价影响因素分析 |
| 2.2.3 集装箱班轮运价指数及其衍生品 |
| 2.3 航运运价波动及传导 |
| 2.3.1 航运运价波动 |
| 2.3.2 航运运价传导 |
| 2.4 复杂网络理论 |
| 2.4.1 复杂网络理论概述 |
| 2.4.2 复杂网络统计特征 |
| 2.4.3 复杂网络基本模型 |
| 2.5 本章小结 |
| 3 集装箱班轮运价市场波动特征分析 |
| 3.1 问题描述 |
| 3.2 集装箱班轮运价市场波动特征分析模型构建 |
| 3.2.1 波动特征分析模型构建 |
| 3.2.2 波动走势预测模型构建 |
| 3.3 集装箱班轮即期市场运价指数波动特征实证分析 |
| 3.3.1 数据选取与分析 |
| 3.3.2 SCFI波动测算 |
| 3.3.3 SCFI波动特征分析 |
| 3.3.4 SCFI走势组合预测 |
| 3.4 集装箱班轮分航线市场运价波动特征实证分析 |
| 3.4.1数据来源与说明 |
| 3.4.2 SCFI分航线运价波动统计特征 |
| 3.4.3 SCFI分航线运价长期趋势特征 |
| 3.4.4 SCFI分航线运价周期性和季节性波动特征 |
| 3.4.5 SCFI分航线运价不规则波动特征 |
| 3.5 集装箱班轮期货市场价格波动特征实证分析 |
| 3.5.1 数据来源与处理 |
| 3.5.2 SCFI期货价格波动描述性特征 |
| 3.5.3 SCFI期货价格长期趋势特征 |
| 3.5.4 SCFI期货价格季节性波动特征 |
| 3.5.5 SCFI期货价格不规则波动特征 |
| 3.6 本章小结 |
| 4 集装箱班轮即期运价市场自相关波动传导动力学特性 |
| 4.1 问题描述 |
| 4.2 即期市场运价指数自相关波动网络模型构建 |
| 4.2.1 运价指数自相关波动的建立 |
| 4.2.2 运价指数自相关波动符号化过程 |
| 4.2.3 运价指数自相关波动模态粗粒化过程 |
| 4.2.4 运价指数自相关波动网络模型构建 |
| 4.3 即期市场运价指数自相关波动传导动力学特性实证分析 |
| 4.3.1 数据来源与说明 |
| 4.3.2 SCFI自相关波动网络模型构建 |
| 4.3.3 SCFI自相关波动模态统计特征分析 |
| 4.3.4 SCFI自相关波动传导过程中核心模态识别 |
| 4.3.5 SCFI自相关波动模态间传导模式 |
| 4.3.6 SCFI自相关波动传导的集群效应分析 |
| 4.3.7 SCFI自相关波动模态传导媒介能力分析 |
| 4.3.8 SCFI自相关波动模态传导距离分析 |
| 4.4 本章小结 |
| 5 基于格兰杰因果网络的集装箱班轮运价波动传导特性分析 |
| 5.1 问题描述 |
| 5.2 分航线运价波动格兰杰因果网络模型构建 |
| 5.2.1 分航线运价波动序列平稳性检验 |
| 5.2.2 分航线运价波动格兰杰因果关系检验 |
| 5.2.3 分航线运价波动格兰杰因果网络模型构建 |
| 5.3 分航线运价波动传导特性实证分析 |
| 5.3.1 数据来源与处理 |
| 5.3.2 SCFI分航线运价波动格兰杰因果网络构建 |
| 5.3.3 SCFI分航线运价波动传导范围 |
| 5.3.4 SCFI分航线运价波动传导距离 |
| 5.3.5 SCFI分航线运价波动传导媒介能力 |
| 5.3.6 SCFI分航线运价波动集聚能力 |
| 5.3.7 SCFI分航线运价波动传导路径 |
| 5.4 本章小结 |
| 6 集装箱班轮期现货价格市场关联波动传导特征 |
| 6.1 问题描述 |
| 6.2 期现货价格市场关联波动网络模型构建 |
| 6.2.1 期现货价格关联波动的建立 |
| 6.2.2 期现货价格关联波动符号化过程 |
| 6.2.3 期现货价格关联波动模态粗粒化过程 |
| 6.2.4 期现货价格关联波动网络模型构建 |
| 6.3 期现货价格市场关联波动传导特征实证分析 |
| 6.3.1 数据来源及处理 |
| 6.3.2 SCFI期现货价格市场关联波动网络模型构建 |
| 6.3.3 关联波动关键模态识别与分布特征 |
| 6.3.4 关联波动模态集聚能力分析 |
| 6.3.5 关联波动模态传导距离分布特征 |
| 6.3.6 关联波动模态传导媒介识别及分布特征 |
| 6.3.7 关联波动模态的小团体分析 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间的科研成果 |
| 致谢 |
（7）基于结构突变的人民币汇率与股票市场间动态溢出效应研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究内容及创新点 |
| 1.2.1 研究内容 |
| 1.2.2 主要创新点 |
| 1.3 国内外文献综述 |
| 1.3.1 结构突变相关文献综述 |
| 1.3.2 溢出效应相关文献综述 |
| 1.3.3 文献评述 |
| 1.4 技术路线图 |
| 第2章 人民币汇率与股票市场的动态溢出效应理论研究 |
| 2.1 结构突变理论 |
| 2.1.1 结构突变的分类 |
| 2.1.2 结构突变参数估计方法 |
| 2.1.3 结构突变检测方法 |
| 2.2 人民币汇率与股票市场溢出效应的经典理论 |
| 2.2.1 流量导向模型 |
| 2.2.2 存量导向模型理论 |
| 2.2.3 戈登模型 |
| 2.3 溢出效应的特征及形成机理 |
| 2.3.1 溢出效应的含义 |
| 2.3.2 溢出效应的特征 |
| 2.3.3 溢出效应的形成机理 |
| 2.4 人民币汇率与股票市场溢出效应的传导机制 |
| 2.4.1 以国际贸易为渠道的传导机制 |
| 2.4.2 以国际资本流动为渠道的传导机制 |
| 2.4.3 以心理预期为渠道的传导机制 |
| 2.4.4 以货币供应量为渠道的传导机制 |
| 2.5 本章小结 |
| 第3章 人民币汇率与股票市场的动态溢出效应现状分析 |
| 3.1 人民币汇率的现状分析 |
| 3.1.1 人民币汇率国际化发展 |
| 3.1.2 人民币汇率监管政策 |
| 3.1.3 人民币汇率间的动态溢出效应分析 |
| 3.2 股票市场的现状分析 |
| 3.2.1 股票市场市场化发展 |
| 3.2.2 股票市场监管措施 |
| 3.2.3 股票市场间的动态溢出效应分析 |
| 3.3 人民币汇率与股票市场的动态溢出效应分析 |
| 3.3.1 国际贸易影响因素 |
| 3.3.2 国际资本流动影响因素 |
| 3.3.3 心理预期影响因素 |
| 3.3.4 货币供应量影响因素 |
| 3.4 本章小结 |
| 第4章 均值结构突变下人民币汇率与股市的动态溢出效应 |
| 4.1 均值溢出模型与方法 |
| 4.1.1 时变t-Copula模型 |
| 4.1.2 Bai-Perron均值结构突变检验 |
| 4.2 样本选取及描述性统计 |
| 4.2.1 样本选取及数据处理 |
| 4.2.2 描述性统计 |
| 4.3 边缘参数估计 |
| 4.4 t-Copula动态均值溢出效应 |
| 4.5 Bai-Perron均值溢出结构突变 |
| 4.6 本章小结 |
| 第5章 方差结构突变下人民币汇率与股市的动态溢出效应 |
| 5.1 波动溢出的模型与方法 |
| 5.1.1 DCC-GARCH模型 |
| 5.1.2 修正的ICSS算法 |
| 5.2 样本选取及描述性统计 |
| 5.2.1 样本选取及数据处理 |
| 5.2.2 描述性统计 |
| 5.3 DCC-GARCH动态波动溢出效应 |
| 5.4 修正ICSS算法波动溢出结构突变 |
| 5.5 本章小结 |
| 第6章 信息溢出指数下人民币汇率与股市的动态溢出效应 |
| 6.1 信息溢出指数模型及样本选取 |
| 6.1.1 静态溢出指数表 |
| 6.1.2 动态溢出指数模型 |
| 6.1.3 样本选取与数据处理 |
| 6.2 静态信息溢出效应实证研究 |
| 6.2.1 静态收益率信息溢出效应 |
| 6.2.2 静态波动率信息溢出效应 |
| 6.3 动态信息溢出效应实证研究 |
| 6.3.1 总信息溢出效应 |
| 6.3.2 单个市场净信息溢出效应 |
| 6.3.3 成对净信息溢出效应 |
| 6.4 稳健性检验 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 主要研究结论 |
| 7.2 政策建议 |
| 7.3 研究不足与展望 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 攻读博士学位期间主持或参加的科研项目 |
（8）基于深度神经网络的股票走势预测研究与应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 金融时间序列预测模型研究现状 |
| 1.2.2 投资者情绪与股票市场相关性研究现状 |
| 1.3 本文的内容与安排 |
| 1.3.1 研究内容 |
| 1.3.2 组织结构 |
| 第二章 相关理论与技术介绍 |
| 2.1 股价的影响因素与基本分析法 |
| 2.1.1 影响因素 |
| 2.1.2 基本分析法 |
| 2.2 感知机与神经网络 |
| 2.2.1 感知机 |
| 2.2.2 神经网络 |
| 2.3 深度学习 |
| 2.3.1 深度学习概述 |
| 2.3.2 相关模型介绍 |
| 2.3.3 Tensor Flow深度学习框架 |
| 2.4 嵌入式词向量技术 |
| 2.5 本章小结 |
| 第三章 基于改进LSTM的股票走势预测模型 |
| 3.1 股票走势预测模型概述 |
| 3.2 股票走势预测模型具体介绍 |
| 3.2.1 基于CLSTM的新闻信息分析 |
| 3.2.2 基于朴素贝叶斯的股票论坛言论分类 |
| 3.2.3 基于BiLSTM的数值型数据处理 |
| 3.2.4 Attention注意力机制 |
| 3.2.5 Softmax分类器的分类策略 |
| 3.3 股票走势预测模型设计 |
| 3.4 股票走势预测模型优化 |
| 3.4.1 基于Adam优化器的优化调整策略 |
| 3.4.2 基于Dropout与 L_2 正则化的泛化机制 |
| 3.4.3 ReLU激活函数 |
| 3.5 自定义选股策略 |
| 3.6 本章小结 |
| 第四章 实验与结果分析 |
| 4.1 实验数据 |
| 4.1.1 数据获取 |
| 4.1.2 数据预处理 |
| 4.1.3 数据集 |
| 4.2 实验设置 |
| 4.2.1 实验环境与工具 |
| 4.2.2 输入层和输出层设置 |
| 4.2.3 隐藏层数量与节点数 |
| 4.2.4 交叉熵损失函数 |
| 4.2.5 实验具体流程 |
| 4.3 实验评估与对比 |
| 4.3.1 基于准确率与收益率的评估 |
| 4.3.2 实验结果对比 |
| 4.4 本章小结 |
| 第五章 股票走势预测系统的实现 |
| 5.1 系统概述 |
| 5.2 系统软硬件环境 |
| 5.3 功能模块设计 |
| 5.4 系统流程 |
| 5.5 系统设计与实现 |
| 5.5.1 系统核心模块的设计与实现 |
| 5.5.2 系统其他模块展示 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录2 攻读硕士学位期间申请的专利 |
| 附录3 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（10）双边政治关系影响中国对“一带一路”沿线国家投资贸易研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究思路、内容与方法 |
| 1.2.1 研究思路 |
| 1.2.2 研究内容 |
| 1.2.3 研究方法 |
| 1.3 主要创新点 |
| 第2章 相关文献回顾与评述 |
| 2.1 双边政治关系的定量研究 |
| 2.2 双边政治关系对跨国投资的影响研究 |
| 2.3 双边政治关系对国际贸易的影响研究 |
| 2.4 中国对“一带一路”沿线国家直接投资与贸易往来研究 |
| 2.5 文献评述 |
| 第3章 双边政治关系与中国对“一带一路”沿线国家投资贸易现状分析 |
| 3.1 中国与“一带一路”沿线国家间双边政治关系现状分析 |
| 3.1.1 双边政治关系的量化方法 |
| 3.1.2 双边政治关系特征事实 |
| 3.2 中国对“一带一路”沿线国家直接投资与出口贸易现状分析 |
| 3.2.1 中国对“一带一路”沿线国家直接投资特征事实 |
| 3.2.2 中国对“一带一路”沿线国家出口贸易特征事实 |
| 3.3 本章小结 |
| 第4章 双边政治关系影响中国对“一带一路”沿线国家直接投资的研究 |
| 4.1 引言 |
| 4.2 影响机制分析 |
| 4.3 研究设计 |
| 4.3.1 计量模型设定与变量选取 |
| 4.3.2 数据说明 |
| 4.4 实证检验 |
| 4.4.1 基本回归 |
| 4.4.2 稳健性检验 |
| 4.5 进一步检验 |
| 4.5.1 影响机制检验 |
| 4.5.2 政治关系冲击影响持续性分析 |
| 4.5.3 异质性检验 |
| 4.6 本章小结 |
| 第5章 双边政治关系影响中国对“一带一路”沿线国家出口贸易规模的研究 |
| 5.1 引言 |
| 5.2 模型、变量与数据 |
| 5.2.1 计量模型与变量 |
| 5.2.2 数据来源 |
| 5.3 经验分析 |
| 5.3.1 基本回归 |
| 5.3.2 稳健性检验 |
| 5.3.3 双边政治关系对传统二元边际的影响 |
| 5.4 进一步检验 |
| 5.4.1 出口企业角度 |
| 5.4.2 出口目的国消费者角度 |
| 5.5 本章小结 |
| 第6章 双边政治关系影响中国企业对“一带一路”沿线国家出口频率的研究 |
| 6.1 引言 |
| 6.2 理论模型与影响机制 |
| 6.3 研究设计 |
| 6.3.1 数据来源与处理 |
| 6.3.2 计量模型设定 |
| 6.3.3 变量选取与测算 |
| 6.4 经验检验 |
| 6.4.1 基本回归 |
| 6.4.2 内生性问题讨论 |
| 6.4.3 其他稳健性检验 |
| 6.5 进一步检验 |
| 6.5.1 机制检验 |
| 6.5.2 影响持续性检验 |
| 6.5.3 异质性检验 |
| 6.5.4 双边政治关系对次均出口规模的影响 |
| 6.6 本章小结 |
| 第7章 结论与政策建议 |
| 7.1 主要结论 |
| 7.2 政策建议 |
| 7.3 研究展望 |
| 参考文献 |
| 致谢 |
| 附录 A 政治事件分值标准 |
| 附录 B 极限值推导 |
| 附录 C 经验模态分解和集成经验模态分解简介 |
| 附录 D 攻读博士学位期间的主要科研成果 |
四、网络企业的发展走势（论文参考文献）
- [1]基于深度学习的股票走势分析系统的研究与实现[D]. 陈擎霄. 北京邮电大学, 2021(01)
- [2]中国农业专利的数量、质量与经济效果研究[D]. 赖晓敏. 华中农业大学, 2021(02)
- [3]基于日志数据的多维数据可视分析的研究及应用[D]. 于世东. 中国科学院大学(中国科学院沈阳计算技术研究所), 2021
- [4]动力煤价格中短期预测方法研究[D]. 郭嘉宁. 北京邮电大学, 2021(01)
- [5]A商业银行人民币汇率衍生业务的营销策略研究[D]. 贺珊. 山东大学, 2021(02)
- [6]集装箱班轮运价市场波动及传导特征研究[D]. 汤霞. 大连海事大学, 2021(04)
- [7]基于结构突变的人民币汇率与股票市场间动态溢出效应研究[D]. 吴筱菲. 东华大学, 2021(01)
- [8]基于深度神经网络的股票走势预测研究与应用[D]. 陈可心. 南京邮电大学, 2020(03)
- [9]突发公共卫生事件对民营企业综合发展的影响测度——基于多源异构数据视角[A]. 陈阳,姜莉,谭立献. 2020年（第七届）全国大学生统计建模大赛优秀论文集, 2020
- [10]双边政治关系影响中国对“一带一路”沿线国家投资贸易研究[D]. 夏洁瑾. 湖南大学, 2020(02)