综合版

方法习惯

• 强化学习及其变体高频出现，尤其是 deep RL、Bayesian RL、transfer learning to DRL，适合做动态定价或 ancillary/库存决策。
• 期刊偏好“预测+优化”串联，而非只做单纯预测；常见结构是 demand forecasting/choice estimation 之后接 pricing、assortment 或 RM policy。
• 混合方法受欢迎，如 analytical model + ML、XGBoost-Ridge hybrid、统计模型 + DL ensemble。

常见数据

• 航空与酒店是最稳的数据场景：航班票价、ancillary seats、air cargo、hotel reservations、booking cancellations。
• 平台与电商数据被持续吸收，包括 refurbished smartphone listings、OTT subscription、online pricing、digital economy 场景。
• B2B/供应链数据与参数化数值实验都可接受，尤其当含 sustainability、carbon、contract design 或 Procurement 4.0。

备选题目

来源链接

方法习惯

• 强偏好多阶段/多时域 stochastic programming，而不是只做静态确定性模型。
• 偏好 uncertainty-aware 方法：CVaR、chance constraints、Distributionally Robust Optimization、stochastic dominance、extreme value theory。
• bilevel、MPEC、equilibrium、variational inequality 一类方法持续出现，尤其在能源转型、市场设计、政策博弈问题上。

常见数据

• 高频数据场景集中在能源与基础设施：gas pipeline network、EV charging data、hydrogen production siting、CO2 transport、electricity prices，这类带时序和不确定性的真实运营数据很受欢迎。
• 金融数据偏好多源风险与组合配置：daily returns、market index panels、ESG ratings from multiple agencies、mortality/longevity inputs，通常配合滚动窗口或风险度量做 out-of-sample 检验。
• 平台与企业场景也能发，但更偏“数据+决策”而非纯预测：Airbnb listings scraped data、SME financial/non-financial records、omni-channel demand/return parameters、retail sales elasticity data。

备选题目

来源链接

方法习惯

• 偏好“经济/金融结构模型 + 机器学习”的混合范式，而不是纯黑箱预测。
• regime-aware 建模很常见：HMM/Markov switching、time-varying copula、state-dependent forecasting。
• 强调可解释性与可比较基准：SHAP、interpretable ML、与 ARIMA/ANN/XGBoost/FDM/FEM 等基线系统比较。

常见数据

• 金融市场高频或中高频序列很常见：Bitcoin、options、corporate bonds、futures、ETF、US equities 等价格/收益率/波动率数据。
• 文本+宏观联合数据是近年明显升温场景：FOMC statements/minutes、news articles、public speeches、yield curve、季度 GDP 与其他 macro indicators 被直接用于预测。
• 中国情境样本占比不低，尤其是 corporate bonds、edible oil futures、digital financial services diffusion、greenwashing/ESG 等政策与市场交叉场景。

备选题目

来源链接

方法习惯

• 偏好“金融问题牵引的方法创新”，不是纯算法投稿；RL、LLM、PINNs 可以进，但必须服务于资产配置、压力测度、定价或风险管理。
• 理论模型与实证识别并存：同刊既发 Markov/mean field/PDE/随机过程，也发 event study、Fama-MacBeth、动态面板、工具变量/GMM。
• 很多文章强调可解释的结构框架或机制推导，而不是黑箱预测本身。

常见数据

• 公开或半公开金融市场数据常见：old NYSE dataset、Euro-denominated green and conventional bonds、German twin Govies、Google search intensity。
• 宏观-金融长样本面板受欢迎，如 equity premium 预测使用 1960-2022 的 155 个宏观金融技术预测变量。
• 银行与实体经济连接数据明显活跃：Korean firms 1991-2019、US counties 1994-2020、银行贷款与就业/创业数据。

备选题目

来源链接

方法习惯

• PLS-SEM、CB-SEM、层级回归、链式中介/调节仍是主流实证语法，且大多服务于 capability -> process/performance 的解释框架。
• 混合方法明显增多：SEM-ANN、PLS-SEM + fsQCA、mixed-methods、meta-analysis + MASEM，期刊偏好“线性效应 + 配置/非线性补充”的设计。
• 方法型 BPM 论文仍有位置，但要把技术方法嵌回业务流程问题：如 BPMN/DMN、probability-based BPMN、AHP、fuzzy TOPSIS、design science、agentic AI + RAG。

常见数据

• 高频数据场景是制造业、供应链、物流、SMEs/MSMEs，尤其是中国、印度、越南等新兴经济体。
• 管理者/专业人员问卷是主流数据源，常见样本规模约 200-400；也接受跨行业职业样本和公共部门官员样本。
• 案例研究并未消失，尤其适合流程重构、区块链、PMO、医院/医疗流程、3D printing 等强场景问题。

备选题目

来源链接

方法习惯

• 系统建模是硬偏好：Stackelberg game、evolutionary game、queueing、multi-channel supply chain model、coordination/contract design 持续高频。
• 实证识别在升温：Difference-in-Differences、multi-period differential model、two-stage mediating effect model、dynamic spatial Dubin model 已直接出现在 2025-2026 文章中。
• 数据驱动方法偏好“可解释 + 混合式”：hierarchical regression + ensemble learning、GARCH-GRU transfer learning、self-attention + LightGBM、Random Forest/Gradient Boosting + RFE/PCA。

常见数据

• 平台与交易级数据很受欢迎：Ethereum transaction data、NFT trading data、ride-hailing 平台、live streaming e-commerce、two-sided market 等高频出现。
• 零售/运营场景偏好多门店或SKU级销售数据：offline retail 销售、chain drugstore 销售，并会叠加天气、节假日、折扣、门店密度、区域属性等外生变量。
• 中国情境数据占比高，尤其是城市/地区面板与政策数据：如 2006-2019 China’s 276 prefecture-level panel data、碳交易市场数据、低碳城市试点。

备选题目

来源链接

方法习惯

• 明显偏好有严格数学结构的论文：优化理论、随机过程、博弈论、变分分析、队列/库存模型、金融网络。
• 算法稿件通常不能只报 heuristic；官网 scope 明确强调算法建议应包含相对 state-of-the-art 的数值证据。
• 近两年方法热点包括 mixed-integer / multi-objective optimization、set optimization、column generation、approximation schemes、stochastic accelerated methods、distributionally robust optimization、inverse / bilevel learning、mean field games。

常见数据

• 高频仍是计算实验与合成 benchmark，而不是大规模田野/问卷数据；很多论文用随机生成实例、公开 OR 基准集或自建数值实验比较 state-of-the-art。
• 应用型数据场景集中在队列与服务系统、库存与需求序列、金融网络清算、物流/选址/装箱、投票与选区划分等可形式化系统。
• 近两年出现少量更贴近管理现实的数据接口，如 county-level redistricting 数据、demand time series、transport order / routing 实例、classification/logistic regression 数据，但最终仍服务于模型与算法验证。

备选题目

来源链接

方法习惯

• 明显偏好理论驱动的问题设定，常见 socio-technical、process theory、sensemaking、enterprise transformation 等视角。
• mixed-method 很合刊：如“33 次访谈 + 53 份专家调查”的 supplier cyber risk 研究。
• 案例研究占比不低，且接受多案例、组织过程研究、公共部门失败案例。

常见数据

• 平台与数字痕迹数据较常见，如 Twitter/X 扩散数据、在线商务行为、EXM/协作平台使用情境。
• 组织现场数据权重高，常见半结构访谈、案例材料、项目资料、跨案例比较。
• 公共治理与政策场景可行，AJIS 接受政府网站、议会/听证会、委员会报告、政策文本等公开资料整合。

备选题目

来源链接

方法习惯

• 明显偏好理论框架、taxonomy、process theory、conceptual synthesis 这类“有方法意识的理论建构”。
• 混合方法很常见：systematic/scoping review、case study、expert interview、focus group、panel/workshop report 反复出现。
• 问卷实证是主力，但不局限于单一回归；PLS-SEM、NCA、fsQCA、moderated mediation、AHP 都被接受。

常见数据

• 平台与生态系统场景高频：open banking、data spaces、equity crowdfunding、online social networks、app updates、digital fundraising 等。
• 组织级与用户级双层数据常见：管理者/员工/消费者/患者调查与专家访谈并用。
• 健康与公共价值场景稳定出现：patient portals、chronic disease management、secondary use of health data、rural e-governance。

备选题目

来源链接

方法习惯

• System GMM、动态面板与多种稳健性回归仍是企业金融/银行金融主力识别框架。
• TVP-VAR、connectedness、quantile dependence、Delta-CoVaR 等动态风险传导方法出现频繁。
• 高频金融计量明显受欢迎，如 HAR、DCC、realized covariance、realized kernel、pre-averaging。

常见数据

• 亚洲与新兴市场语境很强，近两年反复出现 India、China、Vietnam、Pakistan、BRICS、日本市场等样本。
• 数据形态偏多元：上市公司年报文本、银行面板、IMF Financial Access Survey、绿色债券/ESG指数、加密资产高频数据、REIT与油价日频或高频数据。
• 不少文章直接使用市场微观或高频数据做波动、协方差、传导和交易策略检验，说明刊物接受“数据密度高+金融工程”路线。

备选题目

来源链接

方法习惯

• 系统综述非常高频：systematic literature review、scoping review、PRISMA/thematic analysis 是该刊近两年的显著方法信号。
• 设计导向方法偏强：Design Science Research、Action Design Research、taxonomy、metamodel、reference architecture、framework、pattern design 很常见。
• 质性组织研究占比不低：longitudinal case study、ethnography、expert interview、Delphi、content analysis、interpretive structural modeling 都被持续采用。

常见数据

• 企业级真实业务场景很常见：life insurance、global manufacturing、hospital、SME、public transport、professional consulting。
• 流程与运营数据场景突出：business process、RPA bot 行为、embedded analytics、IIoT condition monitoring、service control tower。
• 平台与生态数据场景持续出现：digital platforms、subscription-based crowdfunding、social commerce、MaaS ecosystem、freemium SaaS。

备选题目

来源链接

方法习惯

• 明显偏好“机器学习/深度学习 + 传统计量”混合路线，而非只做黑箱算法堆叠。
• 高频出现 transformer、LSTM/GRU、attention、graph learning、random forest、XGBoost、Gaussian process、GNN。
• 接受经典宏观计量扩展：MIDAS、TVP、Markov/regime switching、DSGE、GARCH/realized volatility、Kalman filter。

常见数据

• 金融高频与交易级数据：minute-level transaction data、intraday returns、realized volatility、portfolio covariance。
• 宏观实时数据：inflation、GDP、output gap、term spread、public debt、central bank/ECB/Bank of Korea forecast records。
• 能源与绿色转型数据：carbon prices、EU ETS、electricity price、crude oil、wind power、climate shocks、climate transition risk。

备选题目

来源链接

方法习惯

• 强偏好 empirically-based papers，尤其是围绕 customer behaviour、adoption、trust、satisfaction、recommendation、well-being 的理论扩展型实证。
• 技术采纳范式非常强：TAM、UTAUT、push-pull-mooring、IS success 等模型仍频繁出现，适合数字银行、chatbot、open banking、fintech continuance 研究。
• SEM/PLS-SEM 仍是主流方法之一，特别是在 AI/chatbot/mobile banking/fintech 采纳研究中。

常见数据

• 国家级个人/家庭调查数据很常见，如 USA National Financial Capability Study、PSID、Italian household survey、Latin American multi-country survey。
• 银行/保险/fintech 用户问卷仍是高频数据场景，常见国家包括 Portugal、India、Saudi Arabia、Brazil、South Africa、Jordan。
• 银行层面的 ESG、integrated reporting、sanctions、disclosures、brand value、eWOM/sentiment 数据正在增多，适合做银行层 panel 或文本披露研究。

备选题目

来源链接

方法习惯

• 常见“方法+管理问题”组合：GBDT/XGBoost/LightGBM 集成、VMD-BiGRU、SMOTE/Counterfactual generation、KPCA、多源数据融合。
• 系统综述/文献计量很活跃，常见 Scopus 检索、PRISMA、VOSviewer/bibliometric mapping。
• 组织层面经验研究接受度不低，尤其是 TOE/TAM/PLS-SEM、面板回归、异质性分析、中介机制检验。

常见数据

• 偏好可操作的真实业务/运营数据：如零售商品特征与销售趋势、A-share上市公司面板、制造过程结构化数据+图像数据、交通社交媒体数据+事故记录。
• 经常使用公开或半公开数据并补充交叉验证：如WHO COVID-19 time series、Twitter/X帖子结合 police crash reports、Scopus文献库。
• 中国与新兴市场场景占比不低：A-share firms、Pakistani manufacturing SMEs、跨境电商与风险管理议题明显活跃。

备选题目

来源链接

方法习惯

• 明显偏好可计算、可复现实证的方法论文，常见写法是“提出模型/框架 + 多基线对比 + 多数据集实验”。
• 深度学习仍是主轴，尤其是 attention、GRU/LSTM、CNN、self-supervised learning、ensemble deep learning。
• 图学习与知识表示是稳定信号，graph representation learning、GNN、knowledge graph 已不只是边缘话题。

常见数据

• 高频数据形态是多变量时间序列，覆盖工业传感器、网络安全日志、股市/加密货币价格与技术指标。
• 关系型/网络型数据明显增多，包括 university application graph、social bot network、power grid knowledge graph 等。
• 医疗健康场景持续出现，且不只做诊断，也做 telehealth 安全、contact tracing、longitudinal non-imaging health data。

备选题目

来源链接

方法习惯

• 强偏 connectedness / spillover / network 路线：quantile time-frequency connectedness、TVP-VAR、R2 decomposed connectedness。
• 看重“可交易/可预测”实证：in-sample + out-of-sample forecasting、economic utility / portfolio implication 经常出现。
• 面板计量常见且不排斥更复杂扩展：two-way fixed effects、multivariate regression、spatial GS2SLS、quantile regression。

常见数据

• 高频或日度金融市场数据常见：cryptocurrency、传统金融市场、ETFs、bond spreads、交易量。
• 跨国/跨地区面板密集：G20、ASEAN-5、国家级 adoption panel、中国地级市或省级面板。
• 中国微观数据很吃香：线上借贷平台数据、运营商 mobile phone data、12万+ household survey。

备选题目

来源链接

方法习惯

• 系统综述、bibliometric analysis 与 future research agenda 文章近两年明显增多，尤其围绕 AI adoption。
• 机器学习/NLP 是强信号，包括 XGBoost、LSTM、FCN、BERT、semi-supervised learning、text classification、sentiment analysis、causality extraction、SHAP/Class Activation Maps。
• 期刊偏好“算法+管理解释”而非纯模型竞赛，常要求把预测、识别或优化结果连接到 firm performance、engagement、risk、adoption、decision support 等管理结论。

常见数据

• 企业年报、公告与财报文本，常被用于构造 AI adoption / AI orientation / competitive strategy 等变量，并连接销售、风险、劳动成本黏性等结果变量。
• 社交媒体与内容平台数据很常见，包括短视频、品牌帖文、直播、电商评论、匿名金融评论、在线创作者行为等。
• 在线健康社区与医疗决策支持场景稳定出现，既有问卷/医师调查，也有对话文本、社交支持信息与平台交互数据。

备选题目

来源链接

方法习惯

• 偏好“方法创新+场景落地”而非纯应用复现，常见组合是新型 fuzzy/rough/neutrosophic 框架 + MCDM 或 forecasting/optimization。
• 可解释与混合智能方法有信号，如 Stacking GA2M、文本嵌入 + CNN、deep reinforcement learning、brain storm optimization + Q-learning。
• 许多论文要求严格的系统建模或算法设计，常带有收敛性、策略改进、鲁棒性或多目标权衡。

常见数据

• 文本+时序混合数据反复出现：financial news publishers、航空安全事件文本、评审绩效记录、价格/需求序列。
• 不确定性决策数据很常见：fuzzy time-dependent risk、triangular neutrosophic information、rough-set / concept-cognitive structures。
• 场景数据偏系统运营与工程管理：交通运输、制造供应链、vehicle edge computing、job shop、应急救援。

备选题目

来源链接

方法习惯

• 偏好标准金融实证而非重算法：panel data、fixed effects、cross-country comparison、robustness checks、identification analyses 反复出现。
• 接受较强时间序列/资产定价工具，只要金融问题明确，例如 Wavelet Quantile Correlation、price discovery、two-stage regressions。
• 文本与替代数据可用，但最好服务于经典金融结果变量，如 liquidity、risk-taking、market reaction，而不是纯 NLP 方法贡献。

常见数据

• 跨国/跨制度比较数据很合口味，如 Brazil vs South Korea、France/Germany/UK、六个发达国家并列设计。
• 银行层面面板、存款/监管相关数据、金融机构样本是近两年最强数据场景。
• 市场微观结构与高频或日频市场数据可行，包括 EBS benchmark exchange rates、bid-ask spread、turnover、Amihud illiquidity。

备选题目

来源链接

方法习惯

• 偏好短篇实证 note，但识别并不水：双向固定效应、IV、PSM、熵平衡、稳健性和异质性几乎是标配。
• 文本挖掘非常强势，常用年报/MD&A/新闻文本构造 AI adoption、managerial sentiment、climate disclosure、readability 等变量。
• 接受 BERT、FinBERT、LLM 类 NLP 工具作为变量构建或文本度量方法，而不只是传统词典法。

常见数据

• 中国 A-share 上市公司面板是高频场景，常配年报文本、绿色专利、ESG、融资约束、银行信贷、供应链关系等变量。
• 银行与数字金融数据常见，尤其是 commercial banks、green credit、digital inclusive finance 指数、regional fintech development。
• 跨市场资产数据也很常见，包括股票、商品、绿色债券、加密货币、DeFi、clean energy 指数及各类 uncertainty/climate risk 指数。

备选题目

来源链接

方法习惯

• 强方法导向，偏好能提出新框架/新指标/新 pipeline 的论文，而不只是换数据做应用。
• LLM/PLM/Transformer 已成主流方法栈，尤其是 RAG、multi-agent、prompt-based classification、LLM evaluation。
• 文本挖掘 + 计量/统计检验组合常见，如 topic modeling、zero-inflated negative binomial、因果/机制检验、human preference assessment。

常见数据

• 高频使用平台抓取数据：online social networks、online health communities、X/Twitter、news outlets、common Q&A platforms。
• 明显偏好多源异构数据拼接：research papers、patents、policy documents、media news、social posts 的联合分析。
• 健康信息场景持续活跃：health misinformation、health AI framing、OHC 帮助性与知识提供者表现。

备选题目

来源链接

方法习惯

• 明显偏好 OR/MS 与工程管理方法：MILP、bi-level programming、robust optimization、network design、scheduling、vehicle routing。
• AI/ML 不是孤立出现，而是常与业务决策结合：machine learning forecasting、attention-based fusion、hybrid metaheuristics、feature selection + classifier。
• 期刊持续接受 fuzzy / neutrosophic / MCDM / group decision 方法，说明“复杂不确定性下决策支持”是稳定题型。

常见数据

• 零售交易级销售数据与时间序列特征反复出现，2026 current issue 中可见 AI-driven sales forecasting、intermittent demand forecasting 这类 SKU/门店级预测场景。
• 工业运维与设备管理数据开始增多，包括 aircraft maintenance 的多源运维数据融合、urban water infrastructure 的专家知识与资产管理数据。
• 供应链网络与物流仿真/优化场景很常见，涉及 cold chain、raw milk distribution、global supply chain network、two-echelon routing、shared manufacturing。

备选题目

来源链接

方法习惯

• 偏好“理论模型 + 实证检验”双轮结构，如 multisector growth model、general equilibrium、macro-banking model 再接企业/城市/国家面板证据。
• 结构宏观与政策模拟仍是招牌：DSGE、CGE、dynamic general equilibrium、VAR/DSGE 明确在官网 scope 中被点名。
• 实证上常见 DID、IV、阈值回归、空间/网络 connectedness、机制检验与异质性分组。

常见数据

• 中国情境非常多，尤其是上市公司、城市、地区、省级面板与政策试点数据。
• 企业层面常配专利、ESG、碳排放、年报文本、投资者互动、海外销售、M&A 等微观数据。
• 金融与风险方向接受高频市场数据，如 15-minute futures、stock-return connectedness、commodity returns。

备选题目

来源链接

方法习惯

• 偏好可在 8 页内讲清的新定理、新界、复杂性结论、近似比、结构性质或 primal-dual / dynamic programming / decomposition 类算法。
• 高频方法是 stochastic optimization、distributionally robust optimization、data-driven optimization、MDP/CMDP、queueing、inventory theory、approximation algorithms、branch-price-and-cut。
• 机器学习相关更偏“ML for OR”或“OR with learning/uncertainty”，如 constrained MDP、nonparametric learning、data-driven policies，而非纯预测模型堆叠。

常见数据

• 以理论模型+数值实验为主，常见 synthetic instances、benchmark graphs、coverage/set-system、routing/warehouse layouts，而不是大规模专有企业微观数据。
• 高频场景是库存/供应链网络、仓储拣选、排队与检测拥堵、交通分配、车辆路径、匹配市场、电力与风险市场。
• 若有应用，通常要求数据场景服务于方法贡献，例如 traffic assignment、multilocation inventory、testing facility queue，而非纯经验识别。

备选题目

来源链接

方法习惯

• 偏好多国/跨市场面板、国际比较和大样本数据库，而不是纯本土小样本描述。
• 常见识别框架是 DID、事件研究、阈值/异质性检验、中介机制与制度调节项的组合。
• 风险类论文偏好 connectedness、spillover、network、quantile、tail-risk、probabilistic analysis 等非线性方法。

常见数据

• 国际或跨国 firm-level / bank-level / fund-level 面板数据是高频配置。
• 绿色债券、ESG 评级、ESG 新闻、气候风险、碳价、排放交易等可持续金融数据明显增多。
• 银行贷款、贷款质量、信用风险、系统性风险、保险股价等金融机构数据是稳定来源。

备选题目

来源链接

方法习惯

• 偏好“OR 核心方法 + 真实应用场景”组合，而不是纯概念讨论
• 精确算法与分支定价/分支切割仍很活跃，适合 VRP、scheduling、network design、packing
• metaheuristic、matheuristic、simheuristic 持续高频出现，且常要求大规模算例或案例验证

常见数据

• 港口/航运/集装箱码头运营数据，尤其是 telemetry、travel time、inventory routing 等高频物流过程数据
• 医院急诊与住院流转数据，含 triage chief complaints、final diagnoses 等非结构化临床文本
• 电动车/零排放运输场景数据：charging stations、battery swap stations、parcel lockers、partial recharge

备选题目

来源链接