您的检索：
学者姓名：张永安
精炼检索结果：
年份
成果类型
收录类型
来源
综合
合作者
语言
清除所有精炼条件
摘要 ：
基于1999～2019年北京16个市辖区数据,运用断点回归方法考察国家自主创新示范区政策对其所在地区创新能力及经济发展的影响,并借助中介效应模型分析其影响机制.研究发现:国家自主创新示范区政策显著促进了地区创新能力的提升,平均提升6个百分点,示范区政策滞后期为2.8年;从创新能力分指数看,示范区的确立显著促进了创新投入、创新主体以及创新产出的增加,但对创新环境作用效果不显著;示范区的确立显著促进地区经济增长,创新能力每提升1％,全要素生产率则增加约4％;通过中介效应模型分析发现,创新能力在示范区政策对北京地区经济增长的影响中发挥了完全中介作用.
关键词 ：
创新能力 创新能力 国家自主创新示范区 国家自主创新示范区 断点回归 断点回归 中介效应 中介效应
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 张永安 , 关永娟 . 国家自主创新示范区政策对地区经济的影响研究 [J]. | 软科学 , 2021 , 35 (1) : 101-107 . |
| MLA | 张永安 等. "国家自主创新示范区政策对地区经济的影响研究" . | 软科学 35 . 1 (2021) : 101-107 . |
| APA | 张永安 , 关永娟 . 国家自主创新示范区政策对地区经济的影响研究 . | 软科学 , 2021 , 35 (1) , 101-107 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
国家自主创新示范区政策对地区经济的影响研究
关键词 ：
中介效应 中介效应 创新能力 创新能力 国家自主创新示范区 国家自主创新示范区 断点回归 断点回归
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 张永安 , 关永娟 , 软科学 . 国家自主创新示范区政策对地区经济的影响研究 [J]. | 张永安 , 2021 , 35 (1) : 101-107 . |
| MLA | 张永安 等. "国家自主创新示范区政策对地区经济的影响研究" . | 张永安 35 . 1 (2021) : 101-107 . |
| APA | 张永安 , 关永娟 , 软科学 . 国家自主创新示范区政策对地区经济的影响研究 . | 张永安 , 2021 , 35 (1) , 101-107 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
基于政策组合视角,运用2015～2019年中国光伏企业A股上市公司的面板数据,采用面板门槛回归技术,实证分析创新政策与环境政策及其组合对企业创新数量和创新质量的影响.结果表明:对于中国光伏企业而言,在创新数量积累阶段,创新政策与环境政策组合效应为正协同,在创新质量提升阶段,两者组合效应为负协同;政府补助对创新数量存在显著的倒U型门槛效应;环境规制与创新数量之间存在正向的非线性关系,且这种正向影响呈现边际效率递减特征,环境规制对创新质量的影响存在显著的倒U型特征;当环境规制强度存在差异时,政府补助对创新数量的影响呈现U型的非线性关系.
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 张永安 , 关永娟 . 政策组合对中国光伏企业创新绩效的影响 [J]. | 系统管理学报 , 2021 , 30 (3) : 500-507,515 . |
| MLA | 张永安 等. "政策组合对中国光伏企业创新绩效的影响" . | 系统管理学报 30 . 3 (2021) : 500-507,515 . |
| APA | 张永安 , 关永娟 . 政策组合对中国光伏企业创新绩效的影响 . | 系统管理学报 , 2021 , 30 (3) , 500-507,515 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
政府补助对企业创新绩效的影响
关键词 ：
PVAR PVAR 创新数量 创新数量 创新能力 创新能力 创新质量 创新质量 政府补助 政府补助 方差分解法 方差分解法 模型 模型
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 张永安 , 关永娟 , 工业技术经济 . 政府补助对企业创新绩效的影响 [J]. | 张永安 , 2021 , 40 (2) : 18-25 . |
| MLA | 张永安 等. "政府补助对企业创新绩效的影响" . | 张永安 40 . 2 (2021) : 18-25 . |
| APA | 张永安 , 关永娟 , 工业技术经济 . 政府补助对企业创新绩效的影响 . | 张永安 , 2021 , 40 (2) , 18-25 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
市场需求、创新政策组合与企业创新绩效——企业生命周期视角
关键词 ：
企业生命周期 企业生命周期 创新绩效 创新绩效 市场需求 市场需求 研发投入 研发投入 税收优惠 税收优惠
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 张永安 , 关永娟 , 科技进步与对策 . 市场需求、创新政策组合与企业创新绩效——企业生命周期视角 [J]. | 张永安 , 2021 , 38 (1) : 87-94 . |
| MLA | 张永安 等. "市场需求、创新政策组合与企业创新绩效——企业生命周期视角" . | 张永安 38 . 1 (2021) : 87-94 . |
| APA | 张永安 , 关永娟 , 科技进步与对策 . 市场需求、创新政策组合与企业创新绩效——企业生命周期视角 . | 张永安 , 2021 , 38 (1) , 87-94 . |
| 导入链接 | NoteExpress RIS BibTex |
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | Khan, Umair , Zhang, Yongan . The global inequalities and climate change [J]. | ENVIRONMENTAL SCIENCE AND POLLUTION RESEARCH , 2021 , 28 (16) : 19543-19543 . |
| MLA | Khan, Umair 等. "The global inequalities and climate change" . | ENVIRONMENTAL SCIENCE AND POLLUTION RESEARCH 28 . 16 (2021) : 19543-19543 . |
| APA | Khan, Umair , Zhang, Yongan . The global inequalities and climate change . | ENVIRONMENTAL SCIENCE AND POLLUTION RESEARCH , 2021 , 28 (16) , 19543-19543 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
深度学习能够从大量原始数据中提取高级抽象特征而不依赖于先验知识,对于金融市场预测具有潜在的吸引力.基于"分解—重构—综合"的思想,提出了一种全新的深度学习预测方法论,并在此基础上构建了一种股票市场单步向前的深度学习复合预测模型——CEEMD-LSTM.在此模型中,序列平稳化分解模块的CEEMD能将时间序列中不同尺度的波动或趋势逐级分解出来,产生一系列不同特征尺度的本征模态函数(Intrinsic Mode Function,IMF);采用深度学习中适合处理时间序列的长短期记忆网络(Long-Short Term Memory,LSTM)分别对每个IMF与趋势项提取高级、深度特征,并预测下一交易日收盘价的收益率;最后,综合各个IMF分量以及趋势项的预测值,得到最终的预测值.基于3类不同发达程度股票市场的股票指数的实证结果表明,此模型在预测的两个维度即预测误差与预测命中率上均要优于其他参照模型.
关键词 ：
股票市场预测 股票市场预测 深度学习预测方法论 深度学习预测方法论 互补集成经验模态分解 互补集成经验模态分解 深度学习 深度学习 长短期记忆网络 长短期记忆网络
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 张永安 , 颜斌斌 . 一种股票市场的深度学习复合预测模型 [J]. | 计算机科学 , 2020 , 47 (11) : 255-267 . |
| MLA | 张永安 等. "一种股票市场的深度学习复合预测模型" . | 计算机科学 47 . 11 (2020) : 255-267 . |
| APA | 张永安 , 颜斌斌 . 一种股票市场的深度学习复合预测模型 . | 计算机科学 , 2020 , 47 (11) , 255-267 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
基于2008-2018年我国内地30个省市面板数据,采用面板固定效应模型分析创新政策工具及其交互项对创新能力及创新绩效的影响.结果发现:①供给型和环境型创新政策均有利于促进技术创新能力提升和创新数量增长,需求型创新政策对创新能力及创新绩效的影响均不显著;②需求型、环境型和供给型创新政策两两交互项能够显著提高基础创新能力和技术创新能力,并显著增加创新数量,但对创新质量均呈显著负向影响;③需求型与供给型以及需求型与环境型创新政策组合功能呈协同互补性特征,供给型和环境型创新政策组合功能呈竞争性特征;④基础创新能力在创新政策工具对创新质量的影响中发挥完全中介作用,技术创新能力在创新政策工具对创新数量的影响中发挥完全中介作用.
关键词 ：
创新政策组合 创新政策组合 创新数量 创新数量 创新绩效 创新绩效 创新能力 创新能力
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 张永安 , 关永娟 . 创新政策工具组合、创新能力与创新绩效研究 [J]. | 科技进步与对策 , 2020 , 37 (21) : 118-126 . |
| MLA | 张永安 等. "创新政策工具组合、创新能力与创新绩效研究" . | 科技进步与对策 37 . 21 (2020) : 118-126 . |
| APA | 张永安 , 关永娟 . 创新政策工具组合、创新能力与创新绩效研究 . | 科技进步与对策 , 2020 , 37 (21) , 118-126 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
Metalloenzymes are promising anticancer candidates to overcome chemoresistance by involving unique mechanisms. To date, it is still a great challenge to obtain synthetic metalloenzymes with persistent catalytic performance for cancer-specific DNA cleavage and operando imaging. Here, an artificial metalloenzyme, copper cluster firmly anchored in bovine serum albumin conjugated with tumor-targeting peptide, is exquisitely constructed. It is capable of persistently transforming hydrogen peroxide in tumor microenvironment to hydroxyl radical and oxygen in a catalytic manner. The stable catalysis recycling stems from the electron transfer between copper cluster and substrate with well-matched energy levels. Notably, their high biocompatibility, tumor-specific recognition, and persistent catalytic performance ensure the substantial anticancer efficacy by triggering DNA damage. Meanwhile, by coupling with enzyme-like reactions, the operando therapy effect is expediently traced by chemiluminescence signal with high sensitivity and sustainability. It provides new insights into synthesizing biocompatible metalloenzymes on demand to visually monitor and efficiently combat specific cancers.
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | Gao, Liang , Zhang, Ya , Zhao, Lina et al. An artificial metalloenzyme for catalytic cancer-specific DNA cleavage and operando imaging [J]. | SCIENCE ADVANCES , 2020 , 6 (29) . |
| MLA | Gao, Liang et al. "An artificial metalloenzyme for catalytic cancer-specific DNA cleavage and operando imaging" . | SCIENCE ADVANCES 6 . 29 (2020) . |
| APA | Gao, Liang , Zhang, Ya , Zhao, Lina , Niu, Wenchao , Tang, Yuhua , Gao, Fuping et al. An artificial metalloenzyme for catalytic cancer-specific DNA cleavage and operando imaging . | SCIENCE ADVANCES , 2020 , 6 (29) . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
Deep learning is well-known for extracting high-level abstract features from a large amount of raw data without relying on prior knowledge, which is potentially attractive in forecasting financial time series. Long short-term memory (LSTM) networks are deemed as state-of-the-art techniques in sequence learning, which are less commonly applied to financial time series predictions, yet inherently suitable for this domain. We propose a novel methodology of deep learning prediction, and based on this, construct a deep learning hybrid prediction model for stock markets-CEEMD-PCA-LSTM. In this model, complementary ensemble empirical mode decomposition (CEEMD), as a sequence smoothing and decomposition module, can decompose the fluctuations or trends of different scales of time series step by step, generating a series of intrinsic mode functions (IMFs) with different characteristic scales. Then, with retaining the most of information on raw data, PCA reduces dimension of the decomposed IMFs component, eliminating the redundant information and improving prediction response speed. After that, high-level abstract features are separately fed into LSTM networks to predict closing price of the next trading day for each component. Finally, synthesizing the predicted values of individual components is utilized to obtain a final predicted value. The empirical results of six representative stock indices from three types of markets indicate that our proposed model outperforms benchmark models in terms of predictive accuracy, i.e., lower test error and higher directional symmetry. Leveraging key research findings, we perform trading simulations to validate that the proposed model outperforms benchmark models in both absolute profitability performance and risk-adjusted profitability performance. Furthermore, model robustness test unveils the more stable robustness compared to benchmark models. (C) 2020 Elsevier Ltd. All rights reserved.
关键词 ：
Deep learning Deep learning Principal component analysis Principal component analysis Complementary ensemble empirical mode decomposition Complementary ensemble empirical mode decomposition Financial time series Financial time series Stock market forecasting Stock market forecasting Long short-term memory Long short-term memory
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | Zhang, Yong'an , Yan, Binbin , Aasma, Memon . A novel deep learning framework: Prediction and analysis of financial time series using CEEMD and LSTM [J]. | EXPERT SYSTEMS WITH APPLICATIONS , 2020 , 159 . |
| MLA | Zhang, Yong'an et al. "A novel deep learning framework: Prediction and analysis of financial time series using CEEMD and LSTM" . | EXPERT SYSTEMS WITH APPLICATIONS 159 (2020) . |
| APA | Zhang, Yong'an , Yan, Binbin , Aasma, Memon . A novel deep learning framework: Prediction and analysis of financial time series using CEEMD and LSTM . | EXPERT SYSTEMS WITH APPLICATIONS , 2020 , 159 . |
| 导入链接 | NoteExpress RIS BibTex |
导出
| 数据： |
选中 到 |
| 格式： |
