简介：期权波动率预测是期权风险预警管理的关键问题，传统方法采取GARCH等时间序列模型。与传统方法不同，本文创建了基于机器学习算法的“SKRG递进集成”新预警体系，体系以中国波指为对象，采取48个相关指标作为对中国波指预测的特征（Feature），依次引入SVM机器学习、KNN样本不平衡机器学习、RF划分、GBDT优化完成机器学习建模过程，逐步提高预测精准率。测试样本显示，基于机器学习的预测效果好于传统的GARCH模型。本文的理论价值在于丰富了期权随机波动率预测领域的相关文献，应用价值在于为波动率的预测进而期权风险预警提供了新的方法。

简介：概称句的形式刻画涉及到知识表达和常识推理，由人工智能研究首先提出。之后出现了多种类型的理论，对于更为合理的概称句形式刻画方案的探讨也仍在继续。Delgrande首先开始用条件句逻辑处理概称句，并由Asher、Morreau和Boutilier等继续发展，其要点是将“鸟会飞”理解为“正常情况下鸟会飞”，毛翊继而提出双正常解读，将“鸟会飞”理解为“正常情况下，正常的鸟会飞”。以此前工作为基础，周北海提出概称句是揭示概念内涵的句子，“鸟会飞”表示的是“鸟”这一概念的内涵有“会飞”这一内涵项。

简介：自愿性信息披露理论在西方学术界已经被广为接受，实务中也多有应用。然而，综观我国资本市场的发展进程，IPO公司盈余预测自愿性披露甚为缺乏。本文就这一现象展开分析，发现新兴资本市场与成熟资本市场相比，在新股发行制度、资本市场的有效性和竞争强度、信息的供求结构、法律法规和监管制度方面，均存在显著区别，从而形成了盈利预测自愿性披露的外部约束机制差异。本文进一步展开实证分析，发现外部约束机制与IPO盈利预测显著负相关，且统治了其它因素对盈利预测的影响。IPO公司根据盈利预测制度变革和监管规定不断做出权衡和反应，是影响盈利预测行为的首要因素。本文的政策意义在于，无论是政策制定者、监管方还是学术研究人员，在借鉴和应用自愿性信息披露理论时，不能脱离我国资本市场发展和法律监管的实情，否则难免南辕北辙。