01
使用機器學習技術處理高度不平衡資料以分類車禍緻命率
Handling highly imbalanced data for classifying fatality of auto collisions using machine learning techniques
Shengkun Xie & Jin Zhang
摘 要
準确預測車禍中的緻命事件對健康管理有重要意義。本研究探索了如何在機器學習中應用不平衡資料處理技術以提高預測性能。通過将這些技術應用于車禍資料上，衛生組織可以識别和預測緻命事件，進而更有效地配置設定有限的醫療資源。同時，通過不平衡資料處理技術提高機器學習模型的性能可以影響健康管理決策。我們的研究結果突出了不平衡資料處理技術在預測車禍緻命性方面的重要性，最終有助于提高道路安全和更好地管理健康資源。此外，有效利用不平衡資料可以顯著提高預測的特異性。解決機器學習技術對不平衡車禍資料的影響可以顯著改善整體健康結果。
掃碼檢視全文
02
綜述：用于評估新冠疫情非藥物幹預措施的大資料分析模型
A review of big data analytics models for assessing non-pharmaceutical interventions for COVID-19 pandemic management
Fatemeh Navazi, Yufei Yuan & Norm Archer
摘 要
新冠肺炎大流行期間，有疫苗之前，非藥物幹預（NPI）是減輕新冠肺炎感染的唯一解決方案。即使在開始接種疫苗之後，各國政府也繼續使用NPI。在這項研究中，我們回顧了用以以評估和優化NPI有效性的各種大資料分析模型。這些模型分為三類：描述性分析，衡量NPI引起的感染率變化；預測性分析，通過實施幾種NPI預測大流行的未來；資料驅動的規範性分析，提出最佳控制政策。我們進一步分析了每種方法在不同大流行階段和不同情景下的基本假設、局限性和适用性。這篇關于新冠肺炎NPI評估方法的綜述将有利于決策者了解在疾病大流行期間選擇哪種模型進行政策制定。最後，我們提出了一些未來的研究方向。
掃碼檢視全文
03
用于企業資源規劃選擇的語言猶豫模糊互動式多屬性群決策
Linguistic hesitant fuzzy interactive multi-attribute group decision making for enterprise resource planning selection
Shuping Wan, Chunyan Zeng, Jiuying Dong & Sishi Hu
摘 要
企業資源規劃（ERP）系統選擇涉及多個具有互動作用的評估屬性。它可以歸結為一種互動式多屬性群決策（MAGDM）。語言猶豫模糊集（LHFS）是表示決策者偏好的不确定性、猶豫性和不一緻性的有力工具。本文提出了兩種基于綜合雲幂幾何聚合算子的LHFS互動式MAGDM新方法。首先，定義LHFS的綜合雲，并提供兩個綜合雲之間的距離度量。考慮到聚合LHFS之間的互動作用，我們開發了一些LHFS的綜合雲幂幾何聚合算子。首先，我們定義了LHFS的不确定度。然後，我們提出一種方法來推導決策者的權重，并提出一種方法來推導綜合屬性權重。由此，本文提出了兩種新的LHFS互動式MAGDM方法。最後，本文提供了一個ERP選擇示例，來驗證所提出的方法。
掃碼檢視全文
04
醫療産品的緊急生産：部分分權與完全分權
Emergency production of medical products: partial decentralization vs. complete decentralization
Huaige Zhang, Yimeng He, Yuke Hu, Yeming Gong, Xianpei Hong & Li Zhang
摘 要
在醫療産品的緊急生産中，擁有原材料的供應商通常是博弈中的上司者，并且具有決定供應鍊結構的優勢。以前關于供應鍊結構的研究主要關注上司者如何利用這一優勢獲得最佳利潤，而忽略了追随者在這種劣勢下的戰略補償。本文探讨了追随者如何通過合同設計和生産時機在由兩個買方（整合買方和非整合買方）和一個供應商組成的供應鍊中獲得最佳利潤。在醫療産品短缺的情況下，企業形成完全分權或部分分權（供應商和買方形成垂直整合實體）結構進行緊急生産。結果表明，在部分分權結構中，整合買方可以獲得更多利潤。此外，在部分分權結構中，非整合買方對生産時間更敏感。令人驚訝的是，在緊急生産中，非整合買方購買的産品越多，供應商的批發價格就越高。然而，在某些條件下，這種異常現象增加了買方獲得最佳利潤的可能性，并削弱了供應鍊結構的影響。
掃碼檢視全文
05
利用智能卡資料為快速公交系統開發基于起訖點矩陣的商業分析：以印度尼西亞雅加達為例
Using smart card data to develop origin-destination matrix-based business analytics for bus rapid transit systems: case study of Jakarta, Indonesia
Meditya Wasesa, Mochammad Agus Afrianto, Fakhri Ihsan Ramadhan, Yos Sunitiyoso, Shimaditya Nuraeni, Utomo Sarjono Putro & Sri Hastuti
摘 要
快速公交系統（BRT）一直是不可或缺的公共交通支柱，尤其是在人口稠密的地區。在BRT資源配置設定規劃背景下，準确了解BRT網絡的利用情況至關重要。這項研究的重點是營運商如何利用乘客的智能卡資料開發基于起訖點（OD）矩陣的商業分析。這項研究提出了一種結合行程連結、直接配對、模式估計方法和可視化分析開發的混合方法。這種新穎的方法在處理不完整的智能卡資料交易方面非常穩健，可以生成OD矩陣和相應的可視化分析，作為BRT營運商的決策支援系統。我們将提出的分析方法應用于印度尼西亞雅加達最大的全球BRT系統之一的2060多萬張智能卡交易資料，并對其進行了驗證。
掃碼檢視全文
06
考慮不同風險偏好投資者的ESG資訊披露政策分析
Analysis of ESG information-disclosure strategies considering different risk-appetite investors
Peilun Li, Jiali Zhu & Ye Zhou
摘 要
為了響應投資市場和公衆，截至2022年，已有1000多家中國上市公司開始自願提供環境、社會和治理（ESG）資訊。如何建立有效的ESG資訊披露機制對可靠外部融資的提供者很重要。在此，我們設計了一個風險管理模型來描述在不同風險偏好投資者下提供者的資訊披露政策決策，并分析資訊有效性、投資者的資訊敏感性和風險規避以及評級機構準确性如何影響最優ESG資訊披露政策。我們發現：（1）提供者采用适當的不充分披露政策可以降低其資訊收集和披露成本，進而最大化ESG資訊披露的效益；（2）投資者的資訊敏感性和風險規避将影響企業采用不充分披露政策的空間；（3）更專業的評級機構可以為ESG資訊提供更強的信用背書，促使提供者減少披露資訊。
掃碼檢視全文
07
在效益-機會-成本-風險平台下食品商業選址的三向決策TOPSIS
Three-way decision TOPSIS for food business location under a benefit-opportunity-cost-risk platform
Shawn Andre Scott, Celbert Himang, Rosein Ancheta , Jr.,Fatima Maturan, Joerabell Lourdes Aro, Samantha Shane Evangelista, Nadine May Atibing & Lanndon Ocampo
摘 要
本研究全面評估了可以幫助決策者在發展中經濟體中找到食品企業最佳位置的因素。它在确定标準權重（即利益、機會、成本、風險）方面結合了層次分析法（AHP），并在确定優先因素方面采用了新引入的三向決策-理想解相似度排序法（3WD-TOPSIS）。應用AHP使得優先級更多配置設定給了利益和機會，而非成本和風險，反映了食品企業以利益或機會為導向的态度。同時，通過實施3WD-TOPSIS發現，政府法規和限制、靠近消費者、停車能力、供應鍊戰略和社會經濟地位是最關鍵的位置決策因素。比較分析的結果表明，本研究的結果與其他可比方法的結果高度一緻。最後，本文概述了研究結果的管理意義。
掃碼檢視全文
08
評級披露分析：補償改革對降低信用評級偏差的影響
Rating disclosure analysis: compensation reform consequence on counteracting biased credit ratings
Kittiphod Charoontham, Kessara Kanchanapoom, Nartraphee Tancho & Jirawat Worakantak
摘 要
本研究分析了一項旨在防止信用評級機構産生不準确評級的補償改革提案。具體而言，本文分别在基于評級合同和激勵性合同下，探索了信用評級機構為觀察投資組合信号并采用評級披露政策而付出努力的動機。發行人擁有一個風險投資組合，并向信用評級機構征求評級，信用評級機構在評級過程中内生地觀察信号并決定評級披露政策。研究結果表明，在基于評級合同下，信用評級機構不會努力觀察信号并誇大評級。在激勵性合同下，信用評級機構總是付出最優程度的努力來觀察信号并采用完全披露制度。是以，與基于評級合同相比，激勵性合同更能激勵信用評級機構付出更多努力提高評級準确性，并實施完全披露政策。
掃碼檢視全文