摘要:高失败率是创业热潮中创业者必须面对的基本事实.创业失败在为创业者带来大量情绪与财务成本的同时,也提供了独特的学习经验.如何激活创业失败者卷土重来的激情是降低创业社会成本的关键.文章整合组织学习和创业认知理论构建了统一的创业失败学习理论逻辑,结合全球创业观察(Global Entrepreneurship Monitor)、世界银行和松-紧文化3个跨国数据库,考察了不同国家文化与制度环境下不同性别个体的创业失败经历对其创业选择的影响.研究发现:与没有失败经历的个体相比,有创业失败经历的个体更可能选择创业;高宽松度的国家文化、好的制度环境分别强化了这一关系;性别与文化宽松度对这一关系有显著的三重调节效应.即在高宽松度的国家文化下,有创业失败经历的女性创业者再次创业的概率更高.将性别角色差异纳入到创业失败的分析框架中,同时也扩展了创业失败的文化与制度分析.

摘要:以续集电影为研究情境,探讨了电影制作经营方如何通过科学的电影续集片名策略,来提升观众的观影意愿和电影的市场表现.通过两个消费者实验和美国电影市场1960年～2017年的电影数据,研究发现,续集电影采用文字片名策略(vs.数字片名策略)会促使消费者有更高的观影意愿,想象可达性发挥中介作用.但是这一关系受到电影题材的调节,前瞻性题材的续集电影使用文字片名策略会产生更高的观影意愿,而回溯性题材的续集电影使用数字片名策略会产生更高的观影意愿.对影视产业如何采取不同的续集影视片名策略,从而打造影视知名品牌提供了战略启示;为更广泛的文化产业的品牌营销也具有战略借鉴意义.

摘要:在创新驱动发展战略指引下,近年来企业之间的研发联盟日趋增多.以研发联盟和创新活动都活跃的创业板公司为研究对象,分析了研发联盟对于技术创新的影响及其作用机理.运用"匹配法和双重差分法"研究发现,企业实施研发联盟对于创新具有显著的促进作用.在反映创新能力的多项指标方面,缔结研发联盟的企业都强于未缔结研发联盟的企业;无论是使用新增专利数量、新增发明专利数量、技术多元化还是创新突破性指标,都稳健地验证了研发联盟提升了企业创新能力.并且,研发联盟促进企业创新存在先递增后递减的滞后效应.进一步发现,研发联盟的治理结构对于企业创新具有调节效应.相对于股权式研发联盟,以契约形式缔结的研发联盟对企业创新的促进作用更大.对于深入认识中国企业缔结研发联盟的协同效应提供了理论基础和经验证据,并为政府和企业着力提升创新能力提供了决策依据和政策建议.

摘要:混合所有制改革过程中,公有企业引入民营资本对技术创新传播、产业发展以及社会福利状况产生的影响,是评估改革效果的重要因素.基于不对称信息混合寡头模型,从专利授权角度讨论部分民营化对企业技术推广决策及社会福利的影响.研究表明,在排他性合约、分离合约和混同合约3种合约类型中,前两者更受公有专利持有者青睐.民营化程度更高的专利持有者为提升资本增值能力,更倾向于排他性合约;授权方式上更倾向于特许权收费,而不是固定收费.民营化比例选取不当,将无法引导企业内生选择社会最优的技术传播路径.从技术传播角度,对理解民营资本在混合所有制改革中的作用,合理推进混合所有制改革,促进产业发展提供了新的分析视角.

摘要:假定火力发电商的上网电量和二氧化碳排放权价格(碳价)服从几何布朗运动,针对无营运成本和有营运成本两种情况分别构建收益下限政策下的发电商碳减排投资实物期权模型,在求解模型的基础上讨论了最优的收益下限及其实施期限.模型的实证性算例分析结果表明:1)收益下限政策可激励发电商进行碳减排投资,但最优的实施期限可能低于设施的运行年限; 2)发电商碳减排投资阈值最低点对应的收益下限,即为最优的收益下限; 3)在无营运成本情况下收益下限相对于直接补贴政策可节省资金,但在有营运成本情况下是否节省资金与电力需求等因素有关.

摘要:秘书问题是一类序贯观察与选择问题,描述了动态的信息搜索与决策过程.针对现有的以寻找满意解为目标的启发式方法存在诸多局限,提出了新的启发式方法,该方法基于当前观测中侯选项在已观察侯选项中的相对排名、待观测侯选项数量以及决策者的抱负水平,决策者可以通过设定抱负水平灵活决定该启发式方法的结果导向.推导了该启发式方法的性能指标,并通过仿真的方法与已有启发式方法的性能进行了比较.结果发现,该启发式方法在最终选择的侯选项的期望排名和稳定性,以及风险解的避免上均优于已有的启发式方法.

摘要:汇率波动性预测在金融和计算领域一直受到广泛关注,然而由于缺乏可以捕捉汇率波动动态变化的预测模型,高频汇率的波动率预测至今没有得到彻底的研究.文章提出了基于神经网络的双成分混合汇率波动率模型,该模型利用低通Hodrick-Prescott滤波器将已实现波动率分解为长期分量和短期分量,使用自回归神经网络模拟长期分量,一阶自回归过程模拟短期分量,通过实证分析确定自回归神经网络参数(10个隐神经元和四阶滞后输入神经元),以6种主要高频率汇率(英镑/人民币,美元/人民币,澳元/人民币,欧元/人民币,日元/人民币,和瑞士法郎/人民币),在5 h(d)、20 h(d)、100 h(d)、200 h(d)、360 h(d)和500 h(d)的预测区间构建1 h和1 d已实现波动率,并与双成分GARCH模型、EGARCH模型、四阶滞后自回归神经网络模型3个基准模型进行对比,分析模型的预测性能,实验评估表明,提出的混合预测模型在所有预测的范围内均显著地优于传统人民币汇率波动模型.

摘要:信用等级划分旨在区分不同客户的风险水平,然现有大多数信用等级划分研究要么无法严格保证划分的信用等级满足"信用等级越高,损失率越低"标准,要么无法保证尽可能地区分违约可能性不相似的客户,而无论不符合哪种标准,划分的信用等级都不能作为贷款决策的有效依据.基于此,以上述两个标准为目标划分信用等级.创新与特色一是以客户的非违约累计频率与违约累计频率之差的最大绝对值的代数和最大为目标,以后一个信用等级损失率大于前面信用等级损失率为主要约束,确保划分的信用等级满足上述两个标准.二是提出通过设置随机分割点的区间来划分信用等级的新算法,避免随机赋予信用等级分割点时,靠前的信用等级分割点落到靠后的客户中,导致后面的信用等级无论怎样划分均划分不出来的弊端.最后,以中国某商业银行3 045笔小企业贷款样本进行实证,结果表明本模型划分的信用等级满足"信用等级越高,损失率越低"标准,且其区分不同违约可能性客户的能力较强.