排序方式： 共有9条查询结果，搜索用时 234 毫秒
1
2.
通过选取国内科技创新领域100个典型PPP项目作为案例,应用模糊集定性比较方法（fsQCA）进行组态分析,研究影响PPP可融资性必要条件,探索不同付费模式下科技创新PPP项目可融资性提升路径。研究结果表明：（1）合理的物有所值评价（VfM）和财政承受能力评价是影响融资交割的必要条件,印证了PPP项目“两评一案”的重要性;（2）存在6条提升科技创新PPP可融资性路径,利益分配机制、风险分担机制和运行合理性是这6条路径的关键因素,科技创新PPP项目对社会资本实力要求最低;（3）可通过提高利益分配机制合理性及政府管理水平提升政府付费项目的可融资性,通过提高PPP项目运行机制合理性和市场需求稳定性提升使用者付费项目可融资性,通过提高PPP项目利益分配机制合理性提高可行性缺口补助项目可融资性。 相似文献
3.
可融资性难问题持续制约PPP健康发展,社会资本往往从项目本身和地方政府两个维度评价项目的可融资性.通过综合比较主流样本合成算法在合成样本的精细度以及分类器算法对非平衡样本集少数类样本的识别能力,针对我国财政部政府和社会资本合作中心库中PPP案例样本数据存在非平衡性及高噪声异质性问题,提出Borderline-SMOTE Bagging算法,按照不同领域对其中4组项目进行可融资性评价.结果表明:基于数据挖掘算法对PPP可融资性进行评价具备可行性;Borderline-SMOTE Bagging算法具备良好的样本分类能力和优秀的泛化能力,能有效降低因合成样本形成的噪音所带来的负面影响,且具备良好的少数类样本识别能力.最后结合实证过程遇到的问题,对未来PPP数据化发展,提出政府部门应增强PPP项目数据收集能力并逐步实现数据开放共享,借助大数据技术提升PPP项目管理效率和精准度等建议. 相似文献
4.
5.
在归纳TOT项目风险测量变量对TOT特许期决策因素影响过程的基础上,构建基于着色Petri网的TOT特许期风险评估模型,引入颜色集区分风险测量变量,在给定风险因素概率分布基础上,通过计算机仿真的方法,得出TOT特许期决策因素受风险测量变量的影响概率分布,由此对TOT项目风险进行评估。 相似文献
6.
可融资性难问题持续制约PPP健康发展,社会资本往往从项目本身和地方政府两个维度评价PPP项目可融资性。通过综合比较主流样本合成算法在合成样本的精细度以及分类器算法对非平衡样本集少数类样本识别能力,针对CPPPC库中PPP案例样本数据非平衡性及高噪声异质性,提出Borderline-SMOTE Bagging算法,对四组PPP项目进行可融资性评价。研究结果表明：基于数据挖掘算法对PPP可融资性进行评价具备可行性;针对PPP非平衡数据集问题,Borderline-SMOTE Bagging算法具备良好的样本分类能力和优秀的泛化能力,能有效降低因合成样本形成的噪音所带来的负面影响,且具备良好的少数类样本识别能力。 相似文献
7.
运用模糊集定性比较分析（fsQCA）方法,探讨多发性因素对大数据产业发展能力影响机制,研究条件变量与结果变量关系属性,以提出针对不同发展基础的大数据产业发展能力提升路径。结果表明：（1）R&D经费投入强度、每万人中研发人数、信息资源开发利用指数、信息产业规模水平四个条件变量构成大数据产业发展能力的必要非充分条件,是大数据产业发展不可或缺的因素;（2）信息技术创新能力和信息资源开发能力等八个条件变量构成大数据产业发展能力的七种前因条件构型,形成七种影响大数据产业发展能力的因素组合;（3）在经济发展水平相对落后的区域,充分开发利用自身优势资源,努力提升科技创新水平,也可实现后发赶超大力提升大数据产业发展能力。最后根据大数据产业发展能力七种前因条件构型,并结合各地区大数据产业基础条件,总结提出三条大数据产业发展能力提升路径,为各省提升大数据产业发展能力提供政策建议。 相似文献
8.
[目的/意义]针对现有数据资源定价标准模糊、交易规则缺失、买卖双方信息不对称的问题，提出基于Stacking多算法融合模型的数据资源定价方法。[方法/过程]首先，基于四分位法及Box-Cox方法对样本数据进行预处理，剔除异常数据的同时调整数据分布，并基于Lasso算法以均方根误差最小为目标完成特征筛选；其次，基于Pearson系数选取最优算法组合，构建基于Stacking集成学习融合多种机器学习算法的数据资源价格预测模型；最后，以国信优易数据平台交易数据为样本进行算例分析。[结果/结论]相较于单算法模型及其他集成算法模型，XGBoost、SVR、KNN、MLP融合模型的预测精度及性能均明显提升；实现了数据资源自身和市场的双向反馈平衡，形成闭环的价值链，为数据资源定价提供参考。 相似文献
9.
针对现有的数据资源价值评估与定价方法主观性强、定量标准缺乏的问题，提出基于模型堆叠集成GBDT(Stacked-GBDT)算法的数据资源价值评估方法。首先，基于敏感性分析，从数据自身和市场两个维度归纳并建立了数据资源价值评估指标体系；然后，基于GBDT机器学习算法与Stacking集成学习算法，提出了基于StackedGBDT的数据资源价值评估算法，并与Random Forest和XGBoost算法进行对比以验证所提方法的正确性及有效性；最后，应用Stacked-GBDT模型对数据集进行动态定价。结果表明，Stacked-GBDT算法构建的数据资源价值评估模型可为数据价值测算及动态定价提供精确可靠的依据与支撑。 相似文献
1