信息分析方法__市场时间序列分析预测法.docVIP

第九章 市场时间序列分析预测法(三)——市场随机时间序列预测法 在第七、八章我们讨论的是市场确定性时间序列分析预测法，用一个确定性的模型去拟 合所研究的市场现象。实际上，人们所遇到的市场变量时间序列，就其本质而言，绝大多数并非是确定性的而是由随机过程产生的。时间序列中，单个数值的出现具有不确定性，但整个时间序列却存在一定的统计规律性。把时间序列作为随机变量序列加以处理，建立随机时序模型进行预测的方法，称之为随机时间序列预测法。在市场预测中，应用较多的随机时间序列预测法主要有灰色预测法、博克斯—詹金斯法和马尔柯夫法三种。下面分别予以介绍。 第一节灰色预测法 灰色预测法是我国学者邓聚龙教授于20世纪80年代初提出的一种新的预测方法。它是以灰色系统理论为基础，通过建立灰色动态模型(Grey Dynamic Model简记为GM)对现象未来进行预测的。由于这种方法具有所需要的数据少、预测精度高等优点，目前正被广泛用于市场预测，并已取得了良好的预测效果。 灰色预测法是以灰色系统理论为基础的。灰色系统理论认为，一切随机变量都是在一定范围内、一定时间上的灰色量一切随机过程都是灰色过程。表面上看，灰色量的变化是乱而无序的，但实际上，其背后却潜藏着一定的规律性。只要对灰色量作累加生成处理，就可以弱化其变动的随机性，显示出其固有的变动规律性，并且这种规律性可以利用微分方程予以揭示和反映。灰色预测法就是利用累加生成的数据而非原始序列数据，建立一个微分方程形式的时间连续函数模型GM(n,h)(n表示微分方程的阶数，h表示变量的个数)，并据此作出预测。 在市场预测中，最常用的为一阶单变量灰色动态模型，即GM(1,1)模型。本节主要介绍的就是GM(1,1)模型的建立、检验和预测方法。 一、GM(1,1)模型的建立 GM(1,1)模型的微分方程形式为 (9-1) 上式中，为一次累加生成数；t为时序；、μ为待估模型参数。 GM(1,1)模型的建立，一般经过如下步骤： 第一步，选择一原始时间序列X(0) X(0)={X(0)(1),X(0)(2),…,X(0)(t),…,X(0)(N)} 向量中元素X(0)(t)表示序列第t期(项)原始数据，右上角括号中的数字0表示原始数据。一般要求数据个数N≥4。 第二步，对原始序列作一次累加生成，得序列X(1) X(1)={X(1)(1),X(1)(2),…,X(1)(t),…,X(1)(N)} 上向量中元素X(1)(t)表示序列第t期一次累加生成数据，右上角括号中数字1表示一次累加生成，且 X(1)(t)= (9-2) 第三步，构造累加矩阵B与常数项向量YN 第四步，用普通最小平方法估计微分方程模型参数，则 (9-3) 第五步，将求出的参数代入(9-1)式，且令X(1)(0)=X(0)(1),将微分方程转化为如下时间函数。 (9-4) (9-4)式是根据一次累加生成序列建立的预测模型，不能直接用于预测，尚须作逆累加生成处理，予以还原。 第六步，对进行还原。用相邻两期的相减，即 (9-5) (9-5)式为最终所要求的GM(1，1)预测模型，经检验合格后，方可用于预测。 在利用(9-5)式求原始序列的追溯预测值时，一般令=,序列第2期及以后的追溯预测值按(9-5)递推计算。 下面以示例说明GM(1，1)的建模过程。 【例1】某地区1999～2005年农村居民消费水平数据如表9-1栏所示，试建立GM(1,1)模型并预测其2006年的消费水平。 表9-1某地区农村居民消费水平数据表单位 ：元 年份 1999 2000 2001 2002 2003 2004 2005 时序t 1 2 3 4 5 6 7 消费水平X(0)(1) 683 762 973 1251 1669 1945 2275 解：1.对原始数据作一次累加生成 X(1)(1)=X(0)(1)=683 X(1)(2)=X(0)(1)+X(0)(2)=683+762=1445 X(1)(3)=X(0)(1)+X(0)(2)+X(0)(3)=X(1)(2)+X(0)(3)=1445+973=2418 X(1)(4)=X(0)(1)+X(0)(2)+X(0)(3)+X(0)(4)=X(1)(3)+X(0)(4) =2418+1251=3669 同理X(1)(5)=5338,X(1)