基于累积法的灰色马尔科夫预测模型及其应用

文章针时传统灰色马尔科夫预测模型运算量大等问题,将累积法与灰色马尔科夫预测模型相结合,提出了一种基于累积法的灰色马尔科夫预测模型,克服了传统预测模型的缺陷,并以贵州省历年旅游人数数据为例进行分析预测,结果表明该模型能够降低运算量,提高预测水平.     

灰色马尔科夫法在企业价值评估中的应用

收益预测是运用收益法评估企业价值的关键步骤之一.针对评估测算周期长、企业经营波动大和数据资料少等实际,融合灰色预测和马尔科夫链理论的优点,构造出灰色马尔科夫预测模型,并应用到MX公司企业价值评估案例中.与传统的评估操作相比,灰色马尔科夫法的预测结果更加符合企业动态发展轨迹,预测的准确度和可靠性都有较大的提高,因而对我国资产评估实务具有较好的借鉴价值.     

基于新维无偏灰色马尔科夫预测模型的中长期能源消费预测

本文针对中长期能源消费的特点,引入了新维无偏灰色马尔科夫预测模型。该模型充分利用结合了灰色预测与马尔科夫链理论的特点,用无偏灰色预测模型拟合系统的发展变化趋势,并以此为基础进行了马尔柯夫预测,在每一步预测中,不断推陈出新,对原始数据进行等维新息处理。实例结果分析表明,该模型预测准确度尤其是中长期预测准确度良好。     

基于改进的Grey-Markov对区域碳排放市场价格的预测

文章采用灰色预测法刻画碳价的发展趋势,运用马尔科夫(Markov)理论刻画碳价的随机波动特性,使用并改进Grey-Markov模型预测碳价波动.通过比较其与传统金融时间序列预测模型GARCH的结果,发现改进的Grey-Markov模型能够提高预测的精度.     

基于多因素影响的房地产价格预测模型

文章根据我国房地产发展情况以及与其影响因素之间复杂的非线性关系,提出了基于多因素影响的房地产价格预测组合模型.首先运用灰色关联法对影响因素进行计算排序,筛选出主要的影响因素变量,然后应用改进的小波神经网络组合预测法对房地产价格进行预测,最后使用马尔科夫链分析法将预测值区间化,提高预测值的可信度,得出最终预测结果.研究表明,考虑多种因素影响的房价预测模型能够有效地预测房地产价格,且较传统的预测方法大大提高了预测精度.     

我国股市可预测性的统计研究

股市可预测性是指"可以使用一般用于经济预测的方法包括数学和统计的方法等,建立起能在一定误差要求之下给出股价变动的预测模型".现有的可预测性分析理论,如ARMA模型、灰色理论、灰色-马尔科夫预测等等,大多基于线性理论.     

等维新息灰色预测模型及预测精度比较——基于我国城镇居民养老保险预测分析

本文在对我国城镇居民养老保险分析和预测中引用了等维新息灰色预测模型并与传统灰色预测模型进行了预测精度比较,最终引入了等维新息处理的灰色预测模型。等维新息灰色预测在每一步预测中,不断推陈出新对原始数据进行等维新息处理。通过对实际案例研究证实,文中提出的预测模型可以在建模过程中成功地反映数据运动规律,具有合理、有效的中长期预测功能。笔者希望通过对我国城镇居民养老保险的灰色预测分析,为今后养老保险系统的后续研究打点基础。     

基于灰色PGM(1,N)模型的人口发展预测

为提高我国人口预测模型的预测精度,文章分析了GM(1,1)和PGM(1,N)预测模型的特点,并分别利用GM(1,1)和PGM(1,N)模型对我国人口的变化情况进行了预测,发现灰色PGM(1,N)预测模型有更高的精度和可靠性,更适合于我国人口的预测。     

基于灰色神经网络的第三产业发展趋势的预测模型

第三产业发展趋势的预测对于国家或地方政府制定宏观政策有着重要的意义。为更加准确的进行第三产业的预测,从多角度选取指标利用信息墒理论合成综合指标,建立灰色神经网络对其进行预测,实证分析表明灰色神经网络比单一的灰色预测模型和传统BP神经网络预测模型拟合和预测能力要好,说明了模型适应成都第三产业发展趋势的预测。     

基于灰色线性回归组合模型的金融预测方法

建立精确的金融预测模型对金融产品管理和风险控制具有重要的实用价值.文章针对新时期下金融产品推出周期短,可建模数据少的特性,构建了一种少数据建模的灰色线性回归组合金融预测模型.针对传统GM模型中忽略了数据的线性变化规律,对传统的GM模型进行改进,加入线性部分,构建了灰色线性组合金融预测模型,并给出了灰色线性组合金融预测模型的参数识别算法.最后实证分析了灰色线性组合金融预测模型对少数据建模的有效性,且实证结果显示该组合金融预测模型具有较高的预测精度.     

基于灰色关联度的小样本预测模型

针对传统灰色预测模型无法处理以及难以寻找统计规律的小样本数据,通过对序列之间灰色关联度物理含义的分析,挖掘序列内部以及序列之间的数据变化规律,并在此基础上构建了一种新的灰色预测模型;应用该模型对中国2008年度的GDP进行预测,预测结果验证了该模型的有效性及实用性;该模型的提出为小样本数据提供了一种新的预测方法。     

股价预测的GM(1,1)模型

本文应用灰色系统理论,对股票价格变化建立GM(1,1)预测模型,并进行了实证分析.结果表明,把股票价格动态变化过程看作一个灰色系统,利用所建立的模型可较好地预测股票价格的短期发展变化趋势;同时通过与用ARIMA模型预测的拟合比较,表明在对股票价格作短期预测时,用GM(1,1)模型进行预测比用ARIMA模型进行预测具有更高的精确度.     

灰色系统理论模型在耕地需求量预测中的应用

文章将灰色关联度模型应用于耕地利用变化的驱动力定量分析,并采用灰色系统预测法对耕地需求量进行预测.通过实证分析表明:灰色关联度模型能够较好地选出耕地利用变化的主要驱动力因子,灰色系统预测模型耕地需求量定量预测可行,且精度较高.     

基于CM(1,1)模型的江苏省民间投资规模预测

一、CM(1,1)灰色预测模型 灰色预测法是一种对含有不确定因素的系统进行预测的方法.灰色预测是对既含有已知信息又含有不确定信息的系统进行预测,就是对在一定范围内变化的,与时间有关的灰色过程进行预测.灰色预测通过鉴别系统因素之间发展趋势的相异程度,即进行关联分析,并对原始数据进行生成处理来寻找系统变动的规律,生成有较强规律性的数据序列,然后建立相应的微分方程模型,从而预测事物未来的发展趋势的状况.CM(1,1)模型是常用的一种灰色预测模型.     

基于GM(1,1)—逐步回归模型的用水量预测

为了对城市的用水量有个更精确的预测,文章将逐步回归模型与灰色预测模型相结合,提出了一种基于灰色预测——逐步回归的总用水量预测模型.该模型以逐步回归方法为基础,利用灰色相关性分析方法对观测数据进行处理,进而对预测模型的因变量进行筛选,并将灰色理论引入到回归模型分析中,对预测模型进行改进.通过实例分析可知:所提出的耦合模型与单一预测模型相比,在一定程度上改善了预测效果,达到了简化模型、提高拟合精度和增强模型预测能力的目的.     

灰色波形预测模型的改进及应用

文章针对波动幅度不规则的时间序列提出了一种灰色波形预测模型改进的方法,即应用分位数法选取非等间隔的等高线,并有选择地对等高时刻序列进行GM(1,1)建模.最后,本文选取了目前世界上使用最广泛的航运运价指数——波罗的海干散货运价指数(Baltic Dry Index,BDI)进行实证分析.通过对波罗的海干散货运价指数月数据的建模与预测表明,改进的灰色波形预测方法比传统的灰色波形预测方法在预测精度和运算效率方面具有明显的优势.     

基于联系数的区间灰数预测模型

文章针对传统灰色预测模型仅适用于实数序列而无法进行区间灰数序列建模的缺陷,引入集对理论中的联系数,将区间灰数序列转化为联系数序列,利用联系数序列的同部和异部序列分别建立灰色预测模型,再将同部序列和异部序列灰色预测模型的模拟预测结果还原为区间灰数序列,从而得到了一种基于联系数的区间灰数预测模型。最后,通过实例说明了该方法。     

基于改进灰色模型的售电量预测分析

售电量的科学预测对配电商生产规模的调整及营销决策具有重要意义。传统的灰色预测模型只对于光滑度高的原始数据列具有较高精度。采用提高原始数据列光滑度的方法提高灰色预测模型的精度,利用函数[a^-x^m]^N（α〉1,m〉1,N〉1）对原始离散数据列{x^（0）（k）}进行变换,结果证明该变换与已有提高数据列光滑度的变换相比具有优越性。将该方法应用于电力公司售电量的预测,与传统灰色预测方法比较,精度显著提高,并对预测结果进行分析。     

自然灾害经济损失及相关因素灰色关联分析

应用灰色系统理论中关联分析方法和GM(1,1)预测模型,对自然灾害经济损失与其相关影响因素之间进行了灰色关联分析,并对自然灾害经济损失和各个影响因素进行了GM(1,1)预测,进而在预测值基础上进行了趋势关联分析,从而可以发现自然灾害经济损失与其相关影响因素之间发展变化的规律,为制定相应政策和做出科学决策提供依据.     

基于灰色关联分析统计组合预测精度评价

灰色关联分析目的是寻求系统各因素之间的重要关系,而灰色关联度是灰色关联分析的基础,其算法基本思想是根据行为序列曲线几何形状的相似性来确定序列之间联系的紧密性.文章尝试将这一基本思想应用于同样单项预测模型所构成的不同组合预测模型预测精度的评价.通过构建组合预测方法预测精度评价指标体系,利用灰色关联分析方法给出了组合预测模型预测精度的评价.最后通过应用实例进行了分析,结果表明:该评价方法客观准确,可操作性强.