稀土产业转型升级的熵机理分析

在WTO最终裁定中国限制稀土出口违规和下游市场需求低迷的现实背景下,中国稀土产业要走出困境而持续健康发展,产业升级和结构转型是必然选择。本文尝试从熵理论的视阈,来分析稀土产业转型升级的熵机理,按照转型总熵控制与调适的机制,针对稀土产业转型熵与转型负熵的主要影响因素,提出稀土产业转型升级应以减少产业内部转型熵,增加产业外部转型负熵为基本策略。     

基于集成学习的上市公司高送转预测实证研究

我国证券市场中高送转题材股备受中小投资者的追捧,但市场中也存在着借高送转概念炒作的乱象,如何利用上市公司的财务数据挖掘真正有潜力的股票无疑具有重要意义。采用2?158家制造业上市公司7年的财务指标作为研究数据,利用采样、特征选择以及集成学习算法构建上市公司高送转预测模型并进行实证研究。结果显示：采样和特征选择方法均能有效提高集成预测模型的性能;相较于数据集中的冗余信息,数据不平衡问题对模型预测准确率的影响更显著;ADASYN+mRMR+XGBoost组合模型取得了最好的预测结果,高送转样本的分类准确率达到84.96%,建议投资者优先选用该组合模型对上市公司的高送转情况进行预测。     

组织文化融合在高校合并中的作用

近十几年来，在高校合并过程中，文化融合所起的作用越来越重要。文化没有融合的合并是不成功的，甚至会造成合并的失败。     

基于代价敏感XGBoost的企业信用评估模型

我国信用不良的企业数量远小于信用良好的企业数量,样本类别的极端不平衡导致传统的信用评估模型在训练时无法充分学习信用不良企业的特征. 为提高极端梯度提升算法(Extreme Gradient Boosting, XGBoost)在企业信用评估这种不平衡分类问题中的准确率,提出一种基于代价敏感XGBoost的企业信用评估模型. 在XGBoost算法拟合过程中,加入代价敏感损失函数迫使模型更加关注少数类的特征,并引入贝叶斯优化调整模型的重要超参数. 以我国A股市场中小板块企业2016—2020年数据为样本,实证结果表明,基于代价敏感XGBoost的企业信用评估模型能够在保证总体识别精度的情况下提高对信用不良企业的识别准确率.