灰色预测漫谈--附部分参考资料
来自:MACD论坛(bbs.macd.cn)
作者:fract
浏览:15067
回复:35
马上注册,结交更多好友,享用更多功能,让你轻松玩转社区。
您需要 登录 才可以下载或查看,没有帐号?立即注册
x
灰色预测漫谈--附部分参考资料
灰色系统理论是邓聚龙教授在80年代初提出的,他的著作和论文甚多。早期的代表作是《灰色预测与决策》,近期的有《灰理论基础》。
灰色系统理论问世后,由于它涉及的数学理论较浅,所需数据量小,易学易用,应用范围广,因此很快形成了灰色预测热。这一热浪波及国民经济的许多领域,自然也包括股市。
灰色系统理论的模型有很多种,一般处理的只是常微分方程,表示为GM(N,H)模型。GM是灰色模型之意,N是微分方程阶数,H是变量数。最简单的就是单变量一阶GM(1,1)模型,一般所说的灰色预测,多数都是用此模型。
按照灰色系统理论的基本思想,原始数据序列中所含的随机波动,正是一种灰色信息。为了使灰变白,需对原始数据序列进行处理。这就要根据原始数据序列的特征,选用合适的生成因子。最简单的生成因子是1-AGO法(一次累加生成法)。
实际上,GM(1,1)模型和1-AGO生成法是有它的应用条件的。它要求原始数据序列是光滑的,至少应是准光滑的。一次累加生成后的数据序列是接近指数分布的,这从一阶常微分方程的解中就可看出。
GM(1,1)模型和1-AGO生成法既然有它的应用条件,对于不符合条件的数据序列,例如波动较大的数据序列,预测精度显然不会高。
当前,对GM(1,1)模型预测精度的改进方法研究已有不少,运用其它模型的也有不少。因此类专著和论文很多,只能选几篇作为代表。
最后要说明的是,我在这里对灰色预测作简单介绍,并上传一些论文资料,并不表示我对灰色预测有深入研究,也不表示我推荐这种预测方法。因为时间序列分析方法很多,它们各有其优缺点和适用条件。灰色预测所需数据量小,这既是优点,在许多情况下也是缺点。例如,股市数据序列一般较长,且常具混沌分形特征,数据序列往往有长程相关性。但灰色预测一般只取近期较少数据,反而舍去了一些有用信息。所以,灰色预测只是一种可用的方法之一。各种预测方法的比较,不在此帖讨论。 |