检索结果-南通市图书馆

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进YOLOv8的火灾检测算法研究

基于改进YOLOv8的火灾检测算法研究

作者：刘科国中北大学

学位级别：硕士

钯催化硝基芳烃还原脱硝偶联合成二芳胺和三芳胺的反应研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

钯催化硝基芳烃还原脱硝偶联合成二芳胺和三芳胺的反应研究

作者：雷志国广西大学

学位级别：硕士

基于Transformer的行人重识别研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Transformer的行人重识别研究

作者：郑香国黑龙江大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向高质量视图合成的光场图像编码研究

面向高质量视图合成的光场图像编码研究

作者：刘发国上海师范大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

E典当公司发展战略研究

E典当公司发展战略研究

作者：郭成国贵州大学

学位级别：硕士

环境规制对债券信用利差的影响研究 ——基于新《环保法》的准自然实验

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

环境规制对债券信用利差的影响研究 ——基于新《环保法》的准自...

作者：魏远国山东财经大学

学位级别：硕士

自2014年我国首次出现债券违约事件以来,债券违约事件频出,刚性兑付被打破,这极大地增加了投资者在债券市场投资的风险。对此,债券定价问题被人们广泛关注,学术界也就债券信用利差进行了大量的研究。以往从政策角度研究债券信用利差的... 详细信息

自2014年我国首次出现债券违约事件以来,债券违约事件频出,刚性兑付被打破,这极大地增加了投资者在债券市场投资的风险。对此,债券定价问题被人们广泛关注,学术界也就债券信用利差进行了大量的研究。以往从政策角度研究债券信用利差的影响因素多集中于经济政策,忽视了环境政策所带来的环境规制对债券信用利差的影响。在我国当前协同推进降碳、减污、扩绿、增长的大背景下,人们越来越重视环境问题。特别是,2015年出台的新《环保法》被称为“史上最严”环保法,使重污染企业面临着严重的环境监管问题,增加了投资者所面临的风险。因此,本文基于环境规制角度,研究了新《环保法》的实施对企业债券信用利差的影响,丰富了环境规制与资产定价方面的研究。本文利用2010-2021年非金融类A股上市公司发行的债券作为研究样本,将环境规制的效应延伸到债券市场,以新《环保法》的实施作为准自然实验,采用双重差分模型研究环境规制对企业债券信用利差的影响。本文研究发现:第一,新《环保法》的实施能够显著提高重污染企业债券二级市场的信用利差,经过一系列稳健性检验后,该结论仍然成立。进一步将债券信用利差分解为流动性利差和违约利差之后,本文发现新《环保法》的实施显著提高了债券违约利差,对流动性利差并未产生显著的影响。第二,新《环保法》对债券信用利差的作用会随着客户集中度的降低、社会关注度的提高以及企业积极改善自身环境绩效而减弱。作用机制检验发现,新《环保法》对债券信用利差的提高作用主要通过处罚效应、投资者情绪效应以及资源效应来实现。第三,考虑企业生命周期、地方政府环境规制强度以及债券剩余期限的异质性影响,本文发现,相比于成熟期企业,新《环保法》实施之后,成长期和衰退期企业的债券信用利差上升会更加明显。地方政府环境规制强度越高、债券剩余期限越长,新《环保法》对债券信用利差的提升作用更为显著。第四,考虑到重污染企业对债务融资高度依赖,本文进一步分析新《环保法》实施之后,重污染企业财务风险和债务结构的变化,研究发现,新《环保法》实施之后,重污染企业采取更为保守的负债策略,积极降低自身的杠杆水平,这在一定程度上也排除了政策实施之后财务风险对本文研究结论的潜在干扰。而且,本文还探讨了新《环保法》实施对债券一级市场发行利差的影响,发现无论是在债券一级市场还是二级市场,新《环保法》所带来的环境监管风险都在债券中得到有效定价。本文研究对评估新《环保法》的经济效果,推动政策进一步精准发力,实现经济绿色转型具有一定的参考意义。

关键词：环境规制新《环保法》债券信用利差双重差分

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向非平衡数据的可伸缩贝叶斯网络研究

面向非平衡数据的可伸缩贝叶斯网络研究

作者：国露吉林大学

学位级别：硕士

贝叶斯网络分类器(Bayesian Network Classifier,BNC)是贝叶斯网络(Bayesian Network,BN)的一种特殊形式,在分类任务中展现出巨大潜力。BNC能够清晰地表示变量之间的概率依赖性,为解决分类问题提供了一种强有力的基于概率理论的方法。然... 详细信息

贝叶斯网络分类器(Bayesian Network Classifier,BNC)是贝叶斯网络(Bayesian Network,BN)的一种特殊形式,在分类任务中展现出巨大潜力。BNC能够清晰地表示变量之间的概率依赖性,为解决分类问题提供了一种强有力的基于概率理论的方法。然而,BNC的应用也面临着一系列挑战:1)现实世界中的数据集常常是非平衡的,某些类别的样本数量远多于其他类别。由于BNC的损失函数旨在优化给定的度量标准,通常偏向多数类别。即使在全局类别平衡下,BNC的局部网络拓扑仍可能倾向于一个或多个多数属性值。所以在整体类别平衡的下仍需关注局部网络结构的倾向性。另外,数据的非平衡特性不仅存在于整体数据集中,还会随着数据集的子空间的不同数据特性而变化。对于BNC学习而言,非平衡数据将导致非平衡的网络拓扑结构。这将导致对条件或联合概率分布的偏向估计,最终降低分类准确性。2)现有的BNC在构建网络拓扑结构时通常会固定属性之间的依赖关系。一旦确定了这些依赖关系,网络结构将不再改变。由于复杂度的限定,模型可能会包含一些弱的或者冗余的依赖关系。同时基于训练数据构建一个对所有测试实例都有效的分类器是极其困难的,而且分类器无法针对不同的测试样本中的依赖关系冗余情况采取不同措施,只能根据训练数据学得的知识进行分类,忽略了隐藏在测试实例中可能有利于分类的信息。针对上述几个问题,本文的主要贡献如下:1)为了解决在使用非平衡数据学习BNC时,生成非平衡的网络拓扑结构最终导致分类准确性下降的问题,本文提出了一种新的信息论测度。经验证,该测度能更平衡地表达属性间或属性值间的依赖性。无论是在类别边缘概率高的情况下还是在类别边缘概率低的情况下,都能提供一个公平的、均衡的依赖性测度。这不仅有助于BNC在不平衡数据集上的性能提升,还增强了其在数据子空间中的鲁棒性。2)为应对普遍存在的BNC中因固定依赖关系而导致的模型复杂性与噪声问题,本文构建了一个可伸缩模型,利用阈值调整固定的网络拓扑结构。该可伸缩模型不仅可以根据训练集的特性来调整网络拓扑结构,同时还针对每一个测试样本的特性学习一个对应的局部模型以拟合样本。也就是说,本文提出的平衡贝叶斯分类器(Balanced Bayesian Classifier,BBC)算法利用启发式搜索策略,分别对有标记和无标记数据构建可伸缩的DAG。最终,BBC运用集成学习的方法,把从训练数据中得到的模型与从测试样本中学习到的模型相结合,以实现分类任务。3)为了验证BBC的有效性,本文在32个数据集上对该算法进行了广泛的实验评估。结果显示,BBC在多个评价指标上,包括0-1损失、均方根误差、偏差-方差分析以及运行时间等,都展现出与其他先进算法相比具有竞争力或更优越的性能。此外,通过应用统计测试,如Friedman检验和Nemenyi后续检验,进一步证实了BBC相对于其他算法的显著差异。

关键词：数据挖掘非平衡数据平衡贝叶斯分类器有向无环图启发式搜索策略集成学习