检索结果-南通市图书馆

维普期刊数据库

基于混频数据的中国上市公司财务困境动态预测研究

在线全文

学校读者我要写书评

暂无评论

中国管理科学 2024年第1期32卷 1-12页

作者：闫达文李存迟国泰大连理工大学数学科学学院辽宁大连116024 大连理工大学经济管理学院辽宁大连116024

本文以年度财务指标、年度失业率、季度GDP增长率以及月度通货膨胀率为解释变量,以年频的财务困境状态变量为响应变量,结合指数Almon多项式赋权和逻辑回归方法,构建了不同时间窗口(t-k年)的中国上市公司财务困境低频预测模型。进一步地... 详细信息

本文以年度财务指标、年度失业率、季度GDP增长率以及月度通货膨胀率为解释变量,以年频的财务困境状态变量为响应变量,结合指数Almon多项式赋权和逻辑回归方法,构建了不同时间窗口(t-k年)的中国上市公司财务困境低频预测模型。进一步地,本文捕捉了上市公司摘戴帽的季度时间信息,将财务困境状态设置为季频变量,又构建了中国上市公司财务困境的高频预测模型,揭示混频宏观和财务因素对企业未来每季度发生财务危机的预警功能。本研究创新和特色在于:构建年度的失业率、季度GDP增长率、月度CPI增长率与企业财务困境状态的非线性函数关系,反映不同频率的关键宏观因素变化对企业清偿能力的影响。本文研究结果表明:(1)通过引入高频宏观经济指标,能有效提高中国上市制造业企业财务困境的年度预测表现。以t-3年模型为例,混频模型相比同频的年度数据模型的AUC值提高了7.32%。(2)不同频率的关键宏观因素在不同年度的预测表现不同。月度的通货膨胀率仅在t-2年模型中具有显著预测功能。季度的GDP增长率、年度的失业率在不同窗口下的模型中,均具有统计意义下的显著影响。(3)与低频的年度财务困境预测相比,年度失业率指标不再对企业季度财务困境状况的变化具有显著影响,而行业景气指数却表现出明显的预测功能。季度GDP增长率和月度通货膨胀率数据的经济意义更加明显,在企业财务困境风险的季度高频预测中,表现出更强的时效性。

关键词：财务困境预警混频数据混频数据抽样方法高频宏观经济变量中国上市公司

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

“入世”与泸州食品工业发展对策思考

决策咨询通讯 2001年第2期12卷 21-22页

作者：贾国泰

我国即将加入世界贸易组织，认真分析和研究对占全市工业双重37％和地方财政收入40％的食品工业的影响，极早采取有效对策，对全市经济实现追赶、跨越式发展很重要。

关键词： WTO 泸州市食品工业发展对策

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

WTO与泸州食品工业对策初探

泸州科技 2000年第1期 13-16页

作者：贾国泰泸州市人民政府食品办公室

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

发展我市建设监理工作建议

泸州科技 2002年第1期 20-22页

作者：贾国泰

黄精黄酒酿造工艺及其对小鼠高脂血症改善作用研究

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

黄精黄酒酿造工艺及其对小鼠高脂血症改善作用研究

作者：张国泰陕西理工大学

学位级别：硕士

“健康中国2030”规划纲要指出推进健康中国建设是全面建成小康社会、基本实现社会主义现代化的重要基础。城市化及工业化高速发展背景下的快节奏工作生活方式及不良的饮食习惯,导致我国高血脂症等慢性疾病日益高发,这给“健康中国2030... 详细信息

“健康中国2030”规划纲要指出推进健康中国建设是全面建成小康社会、基本实现社会主义现代化的重要基础。城市化及工业化高速发展背景下的快节奏工作生活方式及不良的饮食习惯,导致我国高血脂症等慢性疾病日益高发,这给“健康中国2030”的落实带来了新的挑战。因此,以药食同源物品对高脂血症进行改善的相关研究逐渐成为研究热点。黄精(Polygonatum sibiricum,PS)作为传统药食同源物品,《神农本草经》记载了其诸多功效。现代研究表明,黄精富含黄精多糖、皂苷及酚类等活性因子,具有降血脂、抗疲劳及抗氧化的功能活性,但其相关产品的开发处于起步阶段,深加工程度不足。黄酒作为我国特有的酒种,其酿造原料的多样性及独特的酿造方式为功能性黄酒的开发提供了最佳载体。此背景下,本课题在传统麦曲制作的过程中添加不同比例的PS,探究PS添加对麦曲微生物菌群结构、功能基因及其酿造黄酒风味的影响,在此基础上酿造黄精黄酒(Polygonatum sibiricum Huangjiu,PSHJ),并对PSHJ的酿造工艺进行优化。通过建立小鼠高脂血模型评估PSHJ对小鼠高脂血症的改善作用,并利用广泛靶向脂质组学结合微生物组学探究其对高脂血症小鼠肠道菌群及脂质组代谢的影响,初步分析PSHJ对小鼠高脂血症改善的作用机制,主要工作如下:(1)以普通麦曲(PTMQ)为对照组,添加2.5、5%PS制作的麦曲(HJ100、HJ200)为实验组,使用宏基因组学技术对其微生物菌群及其功能基因进行注释,探究不同比例PS添加对麦曲微生物群落结构及功能基因的影响。结果表明不同比例PS添加对麦曲的微生物多样性及功能基因有重要影响,添加2.5%的PS对麦曲微生物多样性及功能基因的提升最为显著,且未影响麦曲的发酵性能。其中HJ100的物种多样性及均匀度均高于HJ200及PTMQ,其优势种为Paecilomyces varioti、Rasamsonia emersonii、Limosilactobacillus pontis、Pantoea agglomerans、Rhizopus microsporus及Puccinia striiformis,HJ200麦曲与PTMQ的优势种均为Paecilomyces varioti和Rasamsonia emersonii;此外,HJ100的功能基因比HJ200及PTMQ展现出更高的均匀度,碳水化合物代谢、蛋白质和氨基酸代谢是其优势功能基因,该基因与黄酒的品质直接相关;酿造实验表明,HJ100优于HJ200及PTMQ。(2)以PTMQ及其酿造黄酒(PTMQ-HJ)为对照,利用气相色谱-离子迁移谱(Gas Chromatography-Ion Mobility Spectrometry,GC-IMS)对HJ100\HJ200及其酿造黄酒中的挥发性化合物进行定性分析,探究不同比例PS添加对麦曲及其酿造黄酒风味的影响,并研究风味化合物与微生物的相关性。结果表明PS添加对麦曲及其酿造黄酒的风味有重要影响,不同麦曲及其酿造黄酒风味的组间差异显著,PS通过促进麦曲中Puccinia、Pantoea及Klebsiella等优势微生物的生长繁殖间接提高麦曲及其酿造黄酒中的醇类、醛类等风味物质的丰度。不同麦曲中共定性出10类46个风味化合物,主要为醇类(26%)、醛类(22%)及酯类(20%);与PTMQ相比,HJ100和HJ200中醇类、醛类的丰度占比得到提升,它们差异倍数较大的风味化合物主要为2-Butanol、(E)-2-Hexenal、1-hexanal、3-Methylbutyl-2-methylbutanoate、methyl-2-furoate、2-Butanone以及大部分酮类物质。不同黄酒中共定性出9类37个风味化合物,主要为酯类(36%)、醇类(28%)及醛类(11%);与PTMQ-HJ相比,HJ100-HJ和HJ200-HJ中醇类及醛类的丰度占比升高,差异倍数较大的风味化合物包括Butanoicacid 3-methyl ethyl ester、Ethyl 2-methylpropanoate、α-pinene等;差异风味化合物的风味特征与果香味、甜味及酒味有关;(3)以酒精度及多糖含量为指标,通过单因素和响应面实验优化PSHJ的酿造工艺。结果表明酵母添加量、酒曲添加量、初始发酵温度及前酵时间对PSHJ的酒精度及多糖含量均有显著影响。最佳酿造工艺为酵母添加量0.2%,酒曲添加量8%,初始发酵温度20℃,前酵时间7 d。该条件下酿造的PSHJ的酒精度为21.65%vol,多糖含量为14.04 g/L,与模型的预测值较为接近。同时各项指标符合GB/T 13662-2018中优级半干型黄酒的要求。(4)建立小鼠高脂血模型,Mol为阳

关键词：黄酒黄精风味分析酿造工艺高脂血症微生物组学脂质组学肠道菌群

基于Stacking方法的上市公司违约风险预警研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

系统工程理论与实践 2024年

作者：迟国泰王珊珊王逸然大连理工大学经济管理学院

违约预测作为金融机构区分潜在违约借款人的有效工具，一直被用于信用风险评估领域. 针对传统Stacking方法中元分类器较弱、预测效果不理想的现象，构建基于Stacking集成学习的违约风险预警模型. 根据多种基准模型对比思路，在准确... 详细信息

违约预测作为金融机构区分潜在违约借款人的有效工具，一直被用于信用风险评估领域. 针对传统Stacking方法中元分类器较弱、预测效果不理想的现象，构建基于Stacking集成学习的违约风险预警模型. 根据多种基准模型对比思路，在准确率等六个模型评价指标上，验证Stacking模型对中国A股3425家上市公司违约风险预警的有效性; 基于德国等五个公开信用数据集，通过Friedman检验与Bonferroni–Dunn检验，验证本文模型的稳健性. 创新与特色: 一是通过Lasso-logistic模型，在众多指标组合中，遴选违约鉴别能力最大的指标组合. 二是基于不同的基分类模型组合确定最优元分类器，构建Stacking集成学习模型预警上市公司违约风险，证明了不同方法的模型组合可以提高违约预警模型的分类性能，为公司信用风险评价研究提供新思路. 研究表明: 采用最优元分类器构建Stacking模型的违约预测精度F-measure有所提高; 在多个评价指标上， Stacking模型的预测性能普遍优于逻辑回归、决策树等多种基准模型; “带息债务/全部投入资本”“货币资金比例”及“审计意见类型”等指标对预测公司未来1–5年的违约风险具有重要作用.

关键词：违约预警指标组合遴选 Stacking 集成学习