再论离散GM(1,1)模型的病态问题研究

针对离散GM(1,1)模型在参数辩识过程是否出现病态问题,利用矩阵条件数进行了研究,研究结果表明:直接用原始数据建模,模型会出现很大的病态问题,问题的严重性很大程度上与原始数据大小有关.解决问题的方法是通过数乘变换,使原始数据都变成为小于1的数,则离散灰色GM(1,1)模型中的病态问题就会得到有效解决.     

累积法GM(2,1)模型及其病态性研究

为了解决GM(2,1)模型中存在的病态性问题,引入累积法对GM(2,1)模型进行参数估计,给出了新的参数估计公式。该方法避免了采用累加法时复杂的矩阵运算,降低了计算量。利用数乘变换解决了该方法在参数估计中的严重病态性问题,证明数乘变换不改变模型的发展系数及精度。通过实例分析表明累积法GM(2,1)模型是一种值得广泛推广的模型。     

灰色模型的病态问题研究

针对灰色模型在参数辨识过程是否出现病态问题利用矩阵条件数进行了研究,研究结果表明:只有在原始序列首项不为零其它各项近似为零的常数序列的情况下灰色模型才会发生病态性问题,对于这类序列在进行预测时是没有实际意义的.因此在灰色预测所建立的灰色GM(1,1)模型是不会存在病态问题.     

GM(1,1)幂模型的病态性

针对GM(1,1)幂模型参数辨识过程中可能出现的病态性问题, 首先基于矩阵求逆的条件数分析灰色模型病态程度的衡量方法, 然后按照GM(1,1)幂模型的背景值和幂指数的不同取值, 分三种情形讨论了数据矩阵求逆条件数的取值范围, 在此基础上总结影响GM(1,1)幂模型病态性的主要因素, 并通过实例加以验证. 结果表明, 在部分情形下GM(1,1)幂模型的数据矩阵求逆不存在病态性, 但在部分情形下可能出现数据矩阵求逆的病态性, 其中, 背景值和幂指数是影响模型病态性的直接因素.     

灰色GM(1,1)派生模型病态性的差异分析

本文主要研究GM(1,1)六种不同派生模型的病态性.首先利用特征分析法和参数估计矩阵B~TB的条件数探讨了辨识参数系数矩阵的病态性情况,根据病态性程度对派生模型进行归类,进而分析了各类模型产生病态性的原因,并对具有病态性的派生模型采用向量变换法进行改进.在此基础上,比较了定义型与派生模型在建模机理、计算繁简程度等方面的差异.研究结果表明:1)派生模型b型、派生模型内涵型属于第一类即不存在病态性的模型;定义型、派生模型x~(1)型、离散型属于第二类即存在一般程度病态性的模型;派生模型x~(0)型、派生模型指数型属于第三类即具有严重病态的模型;2)与各类派生模型相比,定义型在建模机理、计算量的大小等方面有明显优势.最后,通过数值实例验证了分析结果的合理性.     

灰色Verhulst预测模型的病态特性

为揭示灰色Verhulst模型的建模精度在原始序列存在微小扰动下的变化规律.采用矩阵谱条件数作为研究工具对该模型系数矩阵谱条件数的取值进行分类讨论.研究结果表明,当且仅当系统原始数据序列第一项为大于零的常数,其他所有项数据皆为0时,建立灰色Verhulst模型才会呈现严重病态性,而采用已呈现特定规律的数据序列构建灰色Verhulst预测模型毫无实际意义.研究结论认为,灰色Verhulst模型并不存在严重病态性.     

灰色Verhulst预测模型的病态特性

为揭示灰色Verhulst模型的建模精度在原始序列存在微小扰动下的变化规律,采用矩阵谱条件数作为研究工具对该模型系数矩阵谱条件数的取值进行分类讨论. 研究结果表明,当且仅当系统原始数据序列第一项为大于零的常数,其他所有项数据皆为0时,建立灰色Verhulst模型才会呈现严重病态性,而采用已呈现特定规律的数据序列构建灰色Verhulst预测模型毫无实际意义. 研究结论认为,灰色Verhulst模型并不存在严重病态性.     

离散GM(1,1)模型的特性与优化

GM(1,1)模型在对纯指数序列进行拟合时通常仍然存在偏差,对原始序列和发展系数有太多限制.离散GM(1,1)模型与原模型的很多性质很相似,可以看成是原模型的精确形式,而且对发展系数和原始序列没有非负限制,因此对于离散GM(1,1)模型的特性研究就极为重要.文章对离散模型模拟数据增长率特点、对指数序列的拟合以及数乘变换下的参数特性进行了理论证明.研究表明离散GM(1,1)模型可以完全拟合指数序列.数乘变换不改变原始序列的模拟精度,为解决灰色预测模型的病态性提供了思路.文章提出了分段修正离散GM(1,1)模型并对建模机理进行了证明.应用实例表明了该模型能够显著提高模拟精度.     

GLM约束估计及病态问题研究

利用Ｌａｇｒａｎｇｅ乘子方法解决了广义线性模型（ＧＬＭ）的约束估计问题，并由此引出了广义线性模型的病态问题。通过从减小参数估计的均方误差及消除自变量间的多重共线性着手，本文探讨了改进病态矩阵有效方法。     

股本权证发行后的定价与模型求解

利用权证发行后的可观察量,构建定价权证的非线性方程组,进一步分析验证了此方程组解的存在性.将新的评价函数和加权梯度方向搜索引入遗传算法,给出了一种求解带约束不等式的非线性问题的扩展混合遗传算法.最后,结合实际市场数据进行了实证研究,并针对不同的数值例子进行了算法的检验.数值结果表明该方法在权证定价模型求解方面比其他方法更有利.