多模型拟合与组合预测.docVIP

多模型拟合与组合预测 对时间序列建模好比替人物画速写；简单几笔素描突出人的特点并由此推测人物个性。时间序列模型也能模拟数据特征、提炼数据信息、预测数据规律。然而，正如每张素描仅能反映人物某一侧面，多个角度的素描才能完整逼真人物形象，非线性复杂时间序列的数学模型仅是该序列的某种简化和抽 象，其所包含的变量和参数必定是有所选择并十分有限的。不同模型对同一序列的描述往往各有特点、各有适用场合、也各有不足之处。理论和实践表明，多模型的拟合与组合预测能提高模拟的功效和预测的精度。 事实上，在预测实践中，对于同个问题，我们常采用不同的预测方法。不同的预测方法其预测精度往往也不相同。一般是以预测误差平方和作为评价预测方法优劣的标准，从各种预测方法中选取预测误差平方和最小的预测方法。不同的预测方法往往能提供不同的有用信息，如果简单地将预测误差平方和较大的方法舍弃，将推动一些有用的信息。科学的作法是将不同的预测方法进行适当组合，形成组合预测方法。其目的是综合利用各种预测方法所提供的信息，以提高预测精度。 早在1954年，美国人Schmitt曾经采用组合预测方法对美国37个最大城市的人口进行预测使预测精度提高。1959年，J.M.Bate t C。W。J。G拒有对组合预测方法进行比较系统的研究，研究成果引起预测学者的重视。此后，国外关于组合预测的研究成果层出不究，我国近十几年也很重视组合预测的研究，取得一系列研究成果。 采用组合预测的关键是确定单个预测方法的加权系数。设对于同一个问题有种预测方法。给出如下记号：为实际观察值；为第种方法的预测值；为第种方法的预测误差；为第种方法的加权系数，为组合预测方法的预测值；为组合预测方法的预测误差，于是。其中，。 记组合预测方法的预测误差平方和，则 记组合预测方法的预测加权系数向量为，第种预测方法的预测误差向量为，预测误差矩阵为 ，于是 中 而。为第种预测方法的预测误差平方和。反映了各种预测方法提供的预测误差信息，称为预测误差信息矩阵。 记，则国中权系数的约束条件改为。于是组合预测问题可表示成非线性规划模型（11.1） （11-1a） 11.1 综合模拟和预测的基本思想 自从60年代末模型综合研究开创以来，在经济预测和决策及证券投资等方面得到了有效的应用，但是在统计预测研究和应用方面目前尚属初级阶段。由前几章的讨论可见，不同的预测模型预测精度往往有差异。怎样对这些模型的预测结果进行客观的综合应用，一直是人们在探讨的一个问题，眼下大多是人为定性综合。本章提供一种科学的组合预测方法对模型进行定量综合，以期提高预测结果的可靠性和客观性。 设为某个统计量的观测序列，，为对应的用J个预测模型得到的拟合序列。对用J个不同模型获得的预测值记为，将这J个模型对的组合预测值记为，则通常有以下两类综合模式： 11.1.1 权重综合 （11-2） 式中为第j个模型在综合预测值中所占的权重，一般情况下为了保持综合模型的无偏性，应满足归一化约束条件 （11-3） 构成的方法有多种，常用的有算术平均法、均方倒数法、方差倒数法、二项式系数法、简单加权法和最优加权法等，将在下面加以介绍。 11.1.2 区域综合 设J种预测值有置信区间，则的置信区间是这J个区间的交集 （11-4） 如果上式为空集，则依次排除该时刻最大和最小预测值的置信区间，若剩余模型超过半数则仍由上式进行区域综合，否则需要新建模预测。若有模型无法估计置信区间，则将其排除后也按上法处理。 11.2 最优加权法 在研究和应用中我们通常较多地采用权重综合的方法，在确定各个模型的权重时，首先想到的是在某一意义上求得最优权重向量，因此下面先讨论最优加权法。 最优加权法的基本原理是依据某种最优准则构造目标函数Q，在约束条件（记为s.t.）下极小化Q求得综合模型的加权系数，这些权重系数就是各个模型的最优权。 11.2.1 最优加权模型 设为观测序列，有J个预测模型对之进行预测，拟合值记为，则最优加权模型的组合权重系数，是以下规划问题的解： （11-5） 式中Q为目标函数，s. t. 为该规划问题的约束条件。在有些实际问题中还要求非负，即。 （11-6） 目标函数Q 的形式由误差统计量及极小化准则的类型确定，常用的误差统计量有以下几种： ① 拟合误差 （11-7） ② 相对误差 ， （11-8） ③ 对数误差 （11-9） 目标函数极小化准则也有多种，最常用的有最小二乘准则、最小一乘准则和极小极大化准则，分别构成如下形式的目标函数： ① （11-10） ② （11-11） ③