简介:学界普遍默认朝鲜对外政策难以预测,因此大量研究始终停留在“事后”诠释的水平,缺乏预判性、前瞻性研究。作者挑战了这一成见,建立了关于朝鲜核试验和导弹试验行为的短期预测模型。通过以2006~2018年朝鲜媒体国际新闻报道为数据集,以每月的数据作为一个数据样本构建最优特征集,应用朴素贝叶斯方法,建立了朝鲜核行为的预测模型。经过测试,模型对朝鲜历史行为的“预测”整体准确率超过80%。预测效果良好,且模型具有稳健性。根据统计结果建立的预测朝鲜核行为的预警指标体系,可以从长期、中期和短期三个时段实时监测朝鲜核动向。为解决报道搜集相对滞后的问题,运用SARIMA时间序列分析方法,模拟补全出未来六个月的特征集数值,估算数据在统计上具备可信性,预测准确率高。研究发现,朝鲜核行为远非外界印象中那样无章可循,事实上,朝鲜在相当长时间段内的核行为呈现出高度稳定的模式化倾向。即使像朝鲜这样信息极度封闭的国家,采用适当方法仍然可以对其行为做出较准确的预测。这种建模方法能够为发展关于国家行为预测的一般方法提供启发。
简介:因犯罪区域差异、主客体博弈、人为和外界、定性定量混杂、影响因素多杂、模型不适应、数据规模小等诸多原因导致犯罪趋势研究非常困难,经实验研究用大数据AI介入犯罪趋势研究是有效解决方案:可从宏观、中观以及微观三个层面研究犯罪趋势彩响因素,宏观上人、自然及社会三方面,中微观上要特别关注社会心理。对数据量小、种类少、结构化数据多、存在模糊和灰色情况下釆用模糊灰色小数据预测模型;而对大范围实证研究,半结构化与非结构化数据多,经算法比较研究采用三维卷积神经网络深度学习算法比较适合大数据动态实时跟踪犯罪趋势预测。
简介:【摘要】预测性信息是指上市公司对公司未来发展趋势、经营业绩及重大事项等作出的推测,因其在证券市场上具有很强的未来导向性,被世界各国证券市场所重视。美国作为世界上证券法律最为发达的国家之一,其证券市场上有关预测性信息披露制度的规范相当完善,其预测性信息披露的民事责任制度、审核责任制度和更新义务制度都具有一定的代表性和示范性。【关键词】预测性信息披露制度民事责任审核责任更新义务上世纪七十年代早期之前,美国证券交易委员会(SEC)一直是禁止披露预测性信息的,它认为这种信息在本质上是不可靠的,而且会使得无经验的投资者在做出投资决策时不适当地依赖这种信息,其认为披露预测性信息而带来的诉讼危险、更新义务和投资者不适当依赖的风险将超过披露这种信息所带来的利益,因此是得不偿失的。[1]在1969-1979年间,SEC动用了大量人力物力资源就允许还是强制披露预测性信息进行了广泛的论证,直至1978年SEC制定的《揭示预测经营业绩的指南》和《保护预测安全港湾规则》等规定的出台,以及1979年最终采纳了“安全港规则”[2],标志着美国证券法律不再禁止预测性信息的披露,而是将其转化为上市公司的一种自愿行为,并对其进行鼓励。而在相关法令颁布及运行一段时间以后……