最佳子集选择能精准高效地从高维数据中挖掘重要信息以建立精简回归模型, 近年来, 它在机器学习、图像处理和生物医学等领域的应用越来越多. 然而, 现有的最佳子集选择方法大多基于最小二乘或极大似然, 导致在处理异质性数据时不够稳健. 为了有效地应对高维数据的异质性以及全面地分析响应变量的条件分布, 文章基于$\ell_{0}$惩罚与平滑分位数损失函数设计一种稳健的最佳子集选择算法. 在实践中真正的重要变量个数通常是未知的, 文章进一步提出了一种截断顺序搜索算法用于高效且准确地选择重要变量的个数. 通过随机模拟与现存变量选择方法对比, 发现文章所提方法在变量选择和参数估计精度方面更具优势. 最后, 文章运用新方法分析枯草芽孢杆菌产生核黄素的相关基因数据, 实验结果表明新方法估计核黄素产生率方面具有更小的分位数预测误差.

计算机试验在科学研究和工程设计领域应用广泛. 其前期阶段通常涉及大量因子, 此时设计的低维空间填充性质是识别活跃因子的重要保证. 基于效应稀疏和效应等级原则, 文章提出投影分层型以衡量设计的1维至全维度的投影分层性质, 并有效地筛选出具有低维空间填充性的设计. 但当试验规模较大时, 其所需的计算量将指数级增长. 文章提出了计算复杂度更低的投影分层性度量, 即极大投影分层枚举器. 该枚举器可表示为投影分层型的线性组合形式, 且可发展出极大投影分层型的一种快速求解方法. 此外, 文章还给出了极大投影分层枚举器取值下界相关的理论结果, 以及极大投影分层设计的数值构造方法.

增长曲线模型是纵向数据分析的经典模型, 该模型的两个重要假定是: 1) 随机误差项服从多元正态分布; 2) 组别矩阵已知. 文章放松以上两个假设, 首先将随机误差项的分布从多元正态分布扩展到更一般的多元权指数分布, 研究增长曲线模型下的参数估计问题; 然后研究组别矩阵未知的增长曲线模型(称为混合增长曲线模型)的参数估计问题, 并获得了一种纵向数据聚类的新方法, 即基于混合增长曲线模型的聚类方法. 模拟分析和实际数据分析都表明所提出的方法具有有效性和合理性.

聚合降维 (Wang等, 2020; Wang和Yin, 2021)是一族重要的充分降维方法, 在应对复杂模型方面颇具优势. 该方法在每个样本点的$k$邻域上进行降维, 再将各局域上的降维结果聚合. 文章试图调整局域内的数据分布,使其接近椭圆分布, 从而改善其上的局部降维效果, 以提高最终的聚合逆均值估计的精度. 然而,由于各局域内样本量不能取得太大, 现有的基于Voronoi权重的重加权方法 (Cook和Nachtsheim, 1994)会面临两个问题:一是,难以构建与数据适配良好的目标分布; 二是, 样本点的权重求取也变得困难. 为此, 文章提出了自适应重加权方法, 以解决上述问题. 该方法依托局域内的一个初始充分降维的结果来获得其中的数据点权重. 文章导出了几个性质, 揭示初始充分降维方向与自变量向量投影不满足线性设计条件的子空间之间的关系, 以说明该方法的合理性. 通过模拟和真实数据分析, 该方法的效果得到了验证.

随着互联网技术的不断发展, 数据流受到了广泛的关注, 但异常值的存在可能会对数据流的统计推断产生不利影响, 所以研究有效的异常值检测方法至关重要. 由于数据流具有实时性, 传统的异常值检测方法将面临挑战. 针对这一挑战, 文章提出一种适用于数据流的异常值在线检测方法. 首先, 在线更新数据流的样本均值函数, 进而更新数据流的主成分得分, 获取最小修剪得分集并评估其均值估计量的稳健性; 其次, 基于距离的渐近分布构造阈值规则来检测异常值, 运用一步重加权方法控制异常值检测的假阳性率; 最后, 通过模拟研究和实例分析验证了文章所提出方法的合理性与有效性.

问卷中的开放题因为不设置备选答案,不仅允许回答者更自由地表达个人想法,而且能方便调查者理解回答者在复杂议题上的观点,也能促进发掘新的研究角度.因此,对开放题内容进行系统化的研究是非常重要的.目前,学术界和业界对问卷开放题的研究方法主要采用基于扎根理论的人工编码,然而,该方法需要人工对材料进行归纳整理,工作量大且繁琐,耗时耗力.目前虽然也有指导性的编码规范,但并没有成熟的方法实现编码过程的自动化,这一点限制了问卷开放题的实际使用效果.基于这一现状, 文章提出一种自动化的问卷开放题的编码方法.该方法通过文档嵌入、层次聚类、关键词提取和自动摘要等步骤,能够对输入的开放题回答文本进行层次主题建模,从而实现对开放题回答文本的三级编码.将该方法应用在政府环境测评相关的问卷开放题数据集上,表现效果良好,能够识别出有明确意义的层级编码,并且明显提高了人工编码效率.

文章关注汽车充电服务供给端, 构建以政府、运营商、第三方平台(下称平台)为主体的分散(即运营商和平台以自身利益最大化为目标)和集中(即运营商和平台以二者整体利益最大化为目标)两种充电服务运营决策微分博弈模型. 研究发现: 在收益分配比例固定的均衡状态下, 相较于分散决策模式, 集中决策模式可提高运营商与平台的努力程度、服务质量及社会效益; 当平台较为弱势而收益分配占比较低时, 采用集中决策模式可实现运营商和平台收益的帕累托改进; 当平台较为强势而收益分配占比较高时, 采用分散决策模式可使运营商和平台收益增加. 这表明随着平台由弱变强, 汽车充电服务供给的决策模式或将从集中转向分散, 此时政府的政策支持比例将提升, 社会效益和服务质量反而下降.

文章研究多目标分式规划问题的近似强Karush-Kuhn-Tucker条件. 首先, 针对该问题的有效解, 建立了近似强Karush-Kuhn-Tucker必要和充分条件; 其次, 针对该问题的Geoffrion真有效解, 提出了近似强Karush-Kuhn-Tucker充分条件; 最后, 探讨了近似强Karush-Kuhn-Tucker和经典强Karush-Kuhn-Tucker之间的关系.

对于多目标存零约束优化问题, 因存零约束的存在, 使得Karush-Kuhn-Tucker (K-K-T)条件在可行点处可能不成立, 因此, 研究更弱的稳定性概念及适用的最优性必要条件是有必要的. 文章首先定义了这类问题的广义Guignard约束规范, 然后在此约束规范下, 构建并证明了其最优性必要条件. 存零约束规划问题由于可行域可能不连续, 导致传统的非线性规划方法难以直接应用. 最后, 文章提出了该问题的松弛模型, 并证明了在一定条件假设下, 松弛模型的Pareto有效解集和Pareto弱有效解集分别Kuratowski-Painlevé收敛到原问题的Pareto有效解集和Pareto弱有效解集, 同时松弛模型的Pareto KKT集上收敛到原问题的Pareto弱稳定点集.

借助群体最大化任意目标支付的思想, 引入了多目标群体博弈强Pareto-Nash均衡的概念. 利用Ky Fan截口定理, 在向量支付函数连续和一个锥真拟凹假定下, 得到了均衡的存在性定理. 同时, 建立了多目标群体博弈强Pareto-Nash均衡与向量强变分不等式问题解的等价关系. 应用均衡的等价关系, 研究了多目标群体博弈强Pareto-Nash均衡的稳定性. 最后给出相应的例子解释得到的结果.

制造商可能在生产上与供应商进行外包合作, 同时在销售上与供应商产生竞争. 当消费者对某一零件或品牌存在偏好时, 另一方可以通过宣传合作关系促进自家产品销售, 即实施品牌溢出策略. 在考虑零件品牌溢出或产品品牌溢出的情形下, 研究供应商成本优势、制造商产品优势以及品牌溢出水平如何改变制造商外包决策, 进而影响供应链中的品牌溢出策略, 为企业实施营销战略提供参考. 研究表明: 1) 零件品牌溢出情形下, 品牌溢出可能导致批发价高于制造商成本, 供应链均衡总是选择品牌溢出; 2) 产品品牌溢出情形下, 品牌溢出可能使批发价低于制造商成本. 供应链实施品牌溢出策略需要考虑双方影响力、生产成本差异等因素; 3) 供应商并不总会因为制造商成本劣势增加而获利.

换电站建设支撑新能源汽车“车电分离”模式的推广, 通过契约机制设计促使供应链企业共同参与换电站投资至关重要. 文章研究不同权力结构下新能源汽车供应链企业换电站投资和产品定价联合决策问题, 设计基于换电站投建数量的电池价格折扣契约和电池价格让利契约模型, 分析相关系数对各方决策的影响. 研究表明电池价格让利契约和电池价格折扣契约都能使供应链实现Pareto改进; 不同权力结构下电池企业和车企任意一方投建换电站皆有利于推广换电模式, 增加双方企业利润; 换电站建设成本显著影响电池企业和车企换电站投资意愿和定价决策. 研究结果为企业进行换电站投资决策提供了合作思路和新的契约机制.

为有效应对和化解云服务提供商 (CSP)与云服务用户(CSC)在云联盟形成和采纳时面临的信任未知危机, 避免承担额外的信任成本, 需实时掌握并约束云联盟信任水平. 为此, 文章提出了一种各属性参照点复合可调、体现奖惩的云联盟信任动态评估方法. 该方法采用犹豫模糊元 (HFE)汇合联盟内各成员CSP差异化信任表现, 从而全面、真实地刻画待评联盟信任水平; 引入COWA算子和犹豫模糊语言量词构造了一种各属性可调的联盟信任理想点, 以双可调理想点 ($FIS$)为基准开展优劣评估; 此外, 还提供了体现动态奖惩思想的三种不同场景联盟可信度、负可信度 ($TD$、$UD$)衡量方式, 以满足决策者的实际需要. 最后, 通过将所构建的云联盟动态评估方法应用于某公司联盟合作伙伴选择的实例, 验证了该方法的适用性. 此外, 深入讨论了理想点的绝对-相对倾向系数对$FIS$生成的影响, 进一步证明了方法灵活性和优越性.

针对考虑依赖跑道的多目标航班排序问题,提出了一种改进多目标重启变邻域搜索算法.该算法提出了一种基于滚动与交换的启发式初始化方法,在构造初始解时考虑了多个航班对方案的影响,增加了初始解跳出局部最优的概率,设计了基于邻近延误反馈的变邻域搜索策略,根据航班附近的延误情况选择被调整的航班以及调整策略,提高了算法的搜索速度与局部搜索深度,并增加了重启算子,避免算法过早收敛.最后,通过不同规模下的30个公开算例,将文章所提算法与探索性扰动搜索算法、迭代模拟退火算法、启发式非支配排序遗传算法、基于滚动时域控制的大邻域搜索模拟退火算法等现有求解航班排序问题的算法进行对比,得到解集的反世代距离、超体积比率均有更好的表现,验证了所提算法在多目标航班排序问题上的优越性和稳定性.

文章基于2011-2021年78家城市商业银行和农村商业银行平衡面板数据, 采用固定效应模型检验数字普惠金融对区域商业银行经营绩效的影响. 结果表明: 两者间存在显著负向关系, 这一结论经过内生性处理和稳健性检验后仍然成立,说明当前竞争挤出效应仍然影响较大. 进一步通过调节效应和门槛效应分析表明, 数字普惠金融技术溢出效应驱动区域商业银行业务创新和提升风险承担能力, 减弱了两者负效应, 且风险承担调节效果更加显著; 门槛值参数估计结果显示, 业务创新对农村商业银行负向收敛调节效果更加显著, 风险承担对城市商业银行负向收敛调节效果更加显著. 文章研究结论对区域商业银行数字化转型及区域经济的可持续健康发展具有重要的实践启示.

基于制造商利用收益分享合同拓展B2P (Business-to-Peer)共享销售渠道这一现实观察,文章建立了描述一个制造商、一个传统零售商 (或简称零售商)和一个B2P共享平台 (或简称平台)之间策略互动的动态博弈模型, 并基于相应的均衡结果,揭示了收益分享比例对制造商(在传统零售渠道和B2P共享平台渠道之间)渠道决策和各博弈方利润的影响.结果表明: 1) 当产品使用率很低或很高, 收益分享合同对制造商的渠道选择没有影响.但当产品使用率处于中等水平时, 收益分享合同会影响制造商的渠道选择.在这种情况下,存在一个收益分享比例阈值,当收益分享比例高于此阈值时,制造商的最优渠道选择是单一B2P共享平台渠道;否则其最优渠道选择是双渠道. 2) 该收益分享比例阈值随着产品使用率的增加而增加,随着生产成本和平台服务水平的增加而降低. 3) 当收益分享合同影响制造商的渠道权衡时,收益分享比例的增加将增加制造商的利润,降低B2P平台和零售商的利润,但对供应链整体利润具有非单调的影响.

极端气候事件频发对区域性金融体系构成威胁, 研究其影响机制对防范系统性金融风险具有重要意义. 在这一背景下, 文章构造2014-2022年期间选取的中国31个省市及自治区区域性金融风险指数作为样本构建方差分解溢出指数, 与此同时,构建极端高温、极端低温和极端降水三个极端气候代理变量,实证检验了极端气候对区域性金融风险波动溢出的影响, 并对金融风险波动溢出的区域异质性作进一步分析. 研究发现, 极端高温显著提升区域性金融风险波动溢出水平, 极端低温和极端降水对区域性金融风险波动溢出影响程度较弱; 经济基础薄弱、产业结构单一的区域如内蒙古、西藏、西北地区等更易在极端气候风险冲击下产生金融风险波动溢出. 此外, 研究发现区域碳排放强度越高, 极端高温对区域性金融风险波动溢出的影响程度越大, 强化事前的碳减排机制成为缓解极端高温对区域性金融风险波动溢出的“压舱石”. 因此, 提升地方政府应对极端气候风险的意识, 强化碳减排机制, 是应对极端气候的必要举措.

为探索更加完善的智慧养老服务体系, 文章构建了一个集成演化博弈模型, 涵盖了政府机构、智慧养老服务提供商、数字平台运营商以及老年用户群体. 该模型旨在通过深入分析这四方主体在智慧养老服务发展过程中的互动动态与策略选择,得出各方有限理性特质和适应性调整过程, 揭示四方主体在智慧养老服务中的合作机制. 研究发现, 通过加强政府、企业、数字平台和老年群体之间的合作, 可以有效提升智慧养老服务的发展, 进而提高老年人的生活质量, 在有效的政策和监管机制下, 智慧养老行业能够达到一定的稳定性. 文章的研究结果可推动智慧养老行业的发展, 为建设智慧养老服务体系提供重要的理论依据.

文章基于东方财富股吧论坛投资者行为数据, 利用有效转移熵方法, 探讨股吧论坛在股票市场中的媒介作用更能表征投资者关注还是情绪. 研究发现: 1) 股吧论坛中的投资者关注向股票市场传递的信息流更有价值, 能够更精准地表征投资者行为; 2) 帖子净评论数作为投资者关注的重要指标, 与股票市场强相关, 显著影响个股波动率, 且这一影响可持续一个月; 3) 在不同情绪(积极、中立、消极)的帖子中, 投资者关注均能传递可预测个股波动率的信息流, 而投资者情绪向市场传递的信息流缺乏显著的信息增益价值. 文章进一步强调了股票论坛捕捉投资者关注的媒介作用, 特别是帖子净评论数的独特预测价值, 为投资者提供了分析在线股票论坛数据的新视角. 未来研究应聚焦于更全面的数据整合与深度挖掘, 以提升市场预测的准确性和投资决策的科学性.

利用2009年至2023年华证ESG评级数据, 文章检验上市公司ESG评级对企业下一年度在股价、财务和经营三个方面的风险水平的影响. 研究发现, 较好的ESG评级对企业未来一年三项风险水平均有显著的抑制作用. 具体地, 对于股价崩盘风险, 高于基准水平的ESG评级作为一种强烈的市场信号对企业股价崩盘风险水平的降低更显著; 投资者关注程度高的个股, ESG降低企业股价崩盘风险作用更强; 此外, 在《环境保护法》实施后ESG和股价崩盘风险的负向关系更加显著. 而对于财务风险, ESG对于企业财务风险的降低具有边际递减效应, ESG评级从低到中的提高能够改善企业财务风险水平, 但随着ESG评级进一步的提高, 该作用变得不显著; 同时,企业自愿披露非财务信息行为强化了 ESG 对于财务风险的抑制作用. 对于经营风险, ESG评级降低经营风险作用同样具有边际递减效应; 同时股权性质对ESG评级降低经营风险有调节作用, 相比于私企, ESG评级对国有企业经营风险的抑制作用更强. 文章基于企业年限长短的分样本异质性检验结果显示, 对于成立年限长的企业, ESG评级对风险的抑制作用更强, 而对于成立年限短的企业则较弱.

针对季节性时间序列系统预测建模问题, 本文从系统视角出发将多元系统行为序列统一纳入自下而上的嵌套式建模框架中, 首先通过引入季节性时变效应项与冲击性虚拟变量拓展灰作用量, 充分挖掘复杂系统的灰色有效信息, 进而基于结构离散化构建具有季节性时变效应的离散系统灰色模型 (DSTSGM$(1, m)$); 其次辨析模型结构兼容性与无偏性, 增强了其灵活性、可靠性; 再次, 提出基于角蜥优化算法的模型非线性参数求解优化方案, 并通过消融实验、蒙特卡罗模拟、敏感性分析保证了模型稳健性. 最后, 在多模块模型性能检验框架下, 将DSTSGM$(1, m)$ 模型应用于中国季度班轮运输连通性-水产品进出口贸易的预测中, 结果显示其测试集平均绝对百分比误差为最低的 0.883%、4.917%, 表明该模型展现出更为优越的季节性、系统性、小样本预测性能.

在处理效应与缺失数据研究中, 倾向得分具有重要意义. 协变量平衡倾向得分作为一种新颖的估计方法, 引起学界广泛关注. 本文研究有效协变量平衡倾向得分的奇异性问题与改进. 对有效协变量平衡倾向得分的权重矩阵进行分解, 证明以下三个条件同时出现时, 将导致权重矩阵奇异: 倾向得分基于广义线性模型, 协变量平衡变换函数为线性函数, 真实倾向得分为退化函数. 模拟实验与应用案例证实, 有效协变量平衡倾向得分的奇异性不仅是理论上的可能性, 也是实证研究中存在的实际问题. 讨论多种消除奇异性的改进方法, 其中恰好识别协变量平衡倾向得分、单位矩阵协变量平衡倾向得分的性质较好, 可在估计有效性与稳健性之间取得平衡.

在复杂多变的运行环境和不确定性的外界扰动下, 保证系统安全、可靠运行已成为工程核心问题. 现有研究多集中于静态环境或冲击的一致性损伤效果, 导致在捕捉动态环境下随机冲击对系统的具体影响方面存在明显的局限性, 进而影响了可靠性评估的准确度. 因此, 本文综合分析了两者对可靠性的影响, 考虑不同环境下系统退化速率的差异, 并将冲击对系统造成的损伤依其幅值大小划分为安全区、随机破坏区、破坏区和致命区. 基于此, 提出了动态环境下考虑区域冲击影响的竞争失效系统可靠性评估方法, 给出了系统可靠性指标的解析表达式, 并基于 Monte-Carlo 模拟算法, 验证了方法的正确性. 最后, 以转子系统为例, 证明了方法的有效性及潜在的工程应用场景. 结果表明: 所提方法能有效提高可靠性评估准确度, 且随着冲击落入随机破坏区的概率从 10% 增加至 50%, 准确度也从提高 10% 增加到提高 27.5%, 为工程实践提供有力支撑.

城市轨道交通短时客流量预测对提升其服务水平至关重要. 然而, 现有模型往往忽视不同时序模式客流之间的相关性, 导致预测精度下降. 文章首先将进站客流量分为实时时序模式、日时序模式和周时序模式, 以提取时间信息; 进一步提出了一种基于深度学习的组合预测模型 (Graph-GAN), 该模型结合了图卷积神经网络 (GCN)、因果卷积层、注意力机制和生成对抗网络 (GAN), 能够有效提取不同模式间的时空交互信息, 同时采用 GAN 进行生成对抗训练以提升预测精度. 本文在北京地铁两个真实数据集上进行测试, 结果显示, Graph-GAN 相较于基准模型具有更高的预测精度, 其在两个数据集上的 RMSE 分别为 34.73 和 32.87, MAE 分别为 20.47 和 16.85, WMAPE 分别为 7.72% 和 8.62%. 多步预测实验结果表明 Graph-GAN 能够准确预测未来多个时间步的进站客流, 验证了该模型的实用性. 消融实验结果表明GAN、不同模式客流之间的交互信息和时空特征对提升预测精度的重要性, 同时 GCN 有效提取了轨道交通网络的空间信息.

为提升集装箱码头作业效率并降低运营成本. 本文提出了使用集卡与驳船在不同码头之间运输集装箱的作业方法. 首先, 考虑集卡排队行驶和速度调控对燃油消耗的影响, 建立以其运输成本最小为目标的混合整数二阶锥规划模型, 获得符合多约束条件下较远码头之间陆地侧集卡运输方案. 其次, 考虑驳船泊位协调与停泊安全时间间隔等因素限制, 建立闭环的驳船在码头水域侧运输集装箱的调度模型, 获得符合较近码头之间低成本的水路运输方案. 最后, 针对模型特点, 提出了融合混沌搜索和双层 transformer 编码器的强化学习算法来求解. 仿真算例表明: 提出的方法与算法能够有效地获得两阶段陆海协同运输方案.

民机研制在基于模型的系统工程 (model based systems engineering, MBSE) 方法指导下发展迅猛, 民机系统制造作为民机研制过程中重要的环节, 其复杂程度不断提高, 在民机系统制造过程中凸显出制造周期较长、资源消耗较多等实际问题. 针对上述问题, 首先, 分析了MBSE 民机系统制造流程间的复杂关系, 建立了民机系统制造流程数学优化模型. 其次, 为了兼顾算法的收敛性与解集的多样性, 设计了一种改进的 SPEA2 算法 (strength pareto evolutionary algorithm 2, SPEA2), 提出了一种基于解区域密度的邻域搜索方法和基于模糊自适应的遗传算子动态调整方法. 最后, 以机载平视显示系统为例进行分析, 验证了改进算法在收敛性、多样性方面的有效性. 验证案例表明, 所提方法能够有效提高民机系统制造的效率并减少了资源消耗, 实现 MBSE 民机系统制造流程的优化.

大城市交通系统不仅拥堵不堪重负, 排放问题也引起越来越多的重视, 尤其是在我国确立 “双碳” 战略目标之后. 本文将在定制公交与私家车双模式交通系统中采用燃油排放成本策略并构建该策略下的双模式网络均衡模型, 以此分析交通拥堵与排放的关系, 研究低碳低拥堵的城市道路交通均衡模式. 根据平台和乘客的双向选择过程, 推导出定制公交匹配条件并筛选潜在需求, 对模型进行等价变化和松弛处理并采用拉格朗日松弛算法进行求解. 数值实验结果验证了模型的有效性, 分析了定制公交配置、燃油排放成本策略对交通系统拥堵和排放的影响, 进一步探讨了定制公交方式对系统拥堵和排放不一致现象的影响, 以及出行需求变动对定制公交在系统性能提升效果上的影响. 研究成果可以为缓解城市交通拥堵和降低交通系统排放提供理论支持.

在 “高质量发展” 和 “乡村振兴” 的双重国家战略目标下, 村镇装配式建筑的有序推进离不开地方政府财政补贴的支持. 本文从现实层面发现政策需方 (装配式建筑生产商、村镇居民) 与政策供方 (地方政府) 双方基于补贴政策形成了一种 “你弱我扶” “你进我退” 的策略状态, 采用演化博弈的方法分析两者决策间的双向联动关系, 设置补贴率对财政补贴的参与状态进行刻画, 并利用实际项目数据进行了仿真模拟. 研究结果表明: 1) 财政补贴程度在村镇装配式建筑的发展过程中呈现 “先增强后减弱” 的 “倒 U 型” 关系. 2) 存在实现补贴最佳绩效的政策嵌入 (退出) 率.

供应链网络中断风险可以通过供需关系向上下游企业传播, 进而危害供应链网络的整体绩效. 在中断风险的传播过程中, 往往伴随着风险信息的传播、风险信息的披露以及风险防控措施的采纳, 其传播规模和爆发阈值也与这些因素直接或间接相关, 研究风险信息传播、风险信息披露、风险防控措施采纳与中断风险传播之间的动态耦合传播特性, 对探究供应链网络中断风险传播机理具有重要意义. 本文构建了三层复杂网络模型, 旨在探究风险披露意识、风险防控措施采纳以及中断风险传播方向对中断风险传播的影响. 与以往研究不同的是, 本文将企业分为披露风险信息的企业和未披露风险信息的企业, 风险信息的披露影响信息的传播过程; 此外, 本文与以往研究的风险传播无向性假设不同, 考虑了正向和反向中断风险传播对中断传播过程的影响. 通过建立状态概率转移树, 使用微观马尔可夫链方法建立了状态转移方程, 并推导出中断风险爆发阈值. 本文仿真实验结果表明, 增强风险披露意识可以提高中断风险爆发阈值, 减少中断风险传播规模. 此外, 有必要区分正向中断风险传播和反向中断风险传播, 因为它们对中断风险传播的影响存在差异.

引入自有品牌成为电商平台突破利润增长瓶颈的有效方式, 而选择在何种产品类别下引入则是其策略决策的关键问题. 本文构建由电商平台和品牌商组成的平台型供应链, 采用 Stackelberg-Nash 博弈方法, 探讨产品竞争下的电商平台自有品牌引入与产品类别选择策略. 研究结果发现: 不管是集中类别还是分散类别, 自有品牌基础需求水平和佣金率都是影响电商平台自有品牌引入决策的关键因素. 在集中类别下, 电商平台引入自有品牌伤害了品牌商; 但在分散类别下, 当自有品牌基础需求水平较大, 或者基础需求水平较小且交叉价格敏感性较小时, 电商平台引入自有品牌能够使双方都获益. 电商平台在集中类别下引入自有品牌比在分散类别下引入获得更高的利润; 相反在分散类别下引入比在集中类别更有利于品类总需求的扩大. 此外, 当初始产品类别的产品数量增加时, 在集中类别下, 电商平台和品牌商可以从引入中达成共赢. 本研究为电商平台选择合适产品类别来引入自有品牌的实践提供了建设性的管理启示.