灰色Verhulst模型的背景值的改进及应用

基于灰色Verhulst模型的建模机理,分析了该模型的模型误差产生的原因,针对该原因构造了改进的背景值公式,使得模型的精度得到了有效的提高,扩大了模型的适用范围.实例证明,优化模型具有较高的理论意义和实际应用价值.     

无偏灰色Verhulst模型及其应用

针对灰色Verhulst模型自身所固有的偏差, 提出了无偏灰色Verhulst模型.利用递推解法,给出两种初始条件下无偏灰色Verhulst模型的递推预测公式. 结果表明,无偏灰色Verhulst模型对传统灰色Verhulst模型预测公式所表达的S型曲线进行模拟和预测具有完全重合性,完全消除了灰色Verhulst模型自身固有的偏差,也避免了以往建模方法由差分方程向微分方程的跳跃导致的误差.实例分析表明,无偏灰色Verhulst模型使得传统模型的模拟与预测精度得到了显著改善.     

融合自忆性原理的优化GM(1,1)幂模型构建及应用

针对因发展变化受众多因素影响而具有饱和增长趋势或单峰特性的原始波动序列,为了提高预测精度,以灰色GM(1,1)幂模型为基础,构建了自忆性原理与优化GM(1,1)幂模型的耦合预测模型,用动力系统自忆性原理来克服传统灰色模型对初值比较敏感的弱点。结果表明,新构建模型能够充分利用系统的多个历史时次资料,模拟和预测精度都高于传统优化GM(1,1)幂模型,进一步拓展了灰色模型的应用范围。最后,以我国高中升学率的数据为例验证了所构建模型的优越性和有效性。     

灰色离散Verhulst模型

针对传统灰色Verhulst模型适应性不强的情况,借鉴离散化思想,通过对原始数据序列进行倒数生成,建立了灰色离散Verhulst模型。灰色离散Verhulst模型充分考虑了数据序列的准指数规律,实现了从连续形式向离散形式的转变,消除了传统灰色Verhulst模型由微分方程直接跳到差分方程所产生的误差。同时给出了两种初始条件下的灰色离散Verhulst模型的预测公式,有效地解决了传统灰色Verhulst模型预测稳定性差的问题。实例分析表明,灰色离散Verhulst模型能够显著提高模拟和预测效果。     

灰色广义Verhulst模型的构建及其应用

一般认为,灰色Verhulst模型(grey verhulst model,简称GVM)适用于具有单峰或饱和S形的序列.然而,在利用GVM建模时,模拟值有时会出现"漂移"现象,使得模型精度变差.针对这一问题,将常数项引入GVM模型,构建了灰色广义Verhulst模型(grey generalized verhulst model,简称GGVM),并在参数的不同分类下,借助灰色建模序列的非负性,完整地给出了灰色广义Verhulst模型的时间响应式及其还原值.将GGVM与GVM模型分别对四个单峰型序列建模,发现GGVM能有效地解决GVM模型模拟值出现的“漂移”现象.在实证部分,利用新模型对江苏省石油与天然气的基础储量进行建模分析,并与GVM模型、数据分组处理算法比较,验证了GGVM在模拟及预测时的优势.     

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.     

估计Verhulst 模型中参数的线性规划方法及应用

估计灰色Verhulst模型中的参数通常采用最小二乘准则,而在模型精度检验时又经常采用平均相对误差.本文主要在平均相对误差达到最小准则或最大相对误差达到最小准则下,阐明了Verhulst模型中参数估计问题可转化为线性规划问题,可以利用线性规划方法估计Verhulst模型中的参数.实际应用表明本文的方法是可行的且有效的,比传统方法预测精度高.     

基于背景值和初值优化的灰色Verhulst建模方法与应用

针对灰色Verhulst模型的优化问题,提出从背景值和初值两个方面对灰色Verhulst模型进行优化,分别利用倒数变换和约束优化模型求解模型的背景值参数与初值参数,并给出基于背景值和初值优化的灰色Verhulst建模步骤,最后以案例验证了本文模型的有效性、适用性和优化效果。结果表明,利用背景值和初值的优化方法能够有效地提高Verhulst模型的模拟精度与预测精度。     

金融波动的平方根随机自回归波动模型

讨论了SR-SARV模型的时间聚合性和同期聚合性,比较了波动模型之间的关系,指出了SR-SARV模型研究的意义,并给出其参数估计方法,对上证指数进行了实证研究。     

灰色关联度模型正负性问题的研究及其改进

灰色关联分析是通过对序列几何关系的度量来比较系统中多因素关系的紧密程度,其紧密程度可由序列曲线几何形状的接近(或相近)程度来度量。因此可以利用参考序列和比较序列各对应时段斜率的比值来反映序列之间的紧密程度。首先定义了广义变异系数,并提出一种新的关联度计算方法,该关联度能够反映序列的正相关与负相关关系,并且只与序列的形状有关,而与它们在空间的相对位置无关。此方法充分利用了序列各时点的信息及正、负相关性。最后通过算例验证了它的合理性与实用性。     

随机波动模型的持续性和协同持续性研究

波动持续性是广泛存在于经济和金融时间序列的一类普遍现象，它反映了经济和金融的风险相关性，在介绍随机波动模型有关要概念和性质的基础上，从单整的角度讨论了随机波动模型存在的持续性，并以此为基础，讨论了向量随机波动模型存在的持续性和协同持续性，给出了随机波动模型的协同持续定理，此外，文中进一步讨论了协同持续存在的条件和有关性质，给出了协同持续关系的误差校正模型形式。     

基于贝叶斯原理的随机波动率模型分析及其应用

基于贝叶斯原理,对随机波动性模型进行研究,并将随机波动率模型应用股市风险价值VaR的估计与预测.针对中国股市数据进行的实证结果表明,与GARCH模型相比,随机波动率模型能更好地描述股票市场回报的异方差和波动率的序列相关性;基于随机波动率的VaR较GARCH模型的VaR具有更高的精度.     

基于灰色马尔可夫SCGM(1 ,1) C 模型的空难人数预测

空难事故预测是航空安全评价和决策的基础.灰色预测适合于时间短、数据量少和波动不大的系统对象,而马尔可夫链理论适用于预测随机波动大的动态过程.结合灰色预测和马尔可夫链理论的优点,提出了一种灰色马尔可夫SCGM(1,1)C模型.用单因子系统云灰色SCGM(1,1)C模型拟合系统的发展变化趋势,并以此为基础进行了马尔可夫预测.对1979~2003年全球空难人数进行了预测分析,结果表明该模型既能揭示了空难人数变化的总体趋势,又能克服了随机波动性数据对预测精度的影响,具有较强的工程实用性.     

灰色自记忆模型及应用

导出了GM（1，1）模型微分方程的自记忆计算格式，建立了一种新的对历史多个时刻观测数据具有记忆功能的灰色自记忆模型，模型克服了GM（1，1）模型“对初值比较敏感”，预见期短和序列数据非负的局限，并有效提高了模型的计算精度。大量数值计算结果充分表明了该模型具有精度高，稳定性好的优点。     

基于改进灰色关联分析的仿真模型验证方法

为客观有效地进行仿真模型验证,降低灰色关联分析应用于模型验证的风险,构建了改进的灰色关联分析模型。分析了当前基于灰色关联分析的模型验证所存在的问题,针对仿真模型验证的特殊需要,综合考虑仿真模型输出和实际系统输出时间序列之间的相近性和相似性,提出了改进的灰色关联度模型,并证明了改进模型满足灰色关联四公理。最后通过实例的分析与比较验证了该模型的合理性和有效性。     

基于多元条件极值模型的股指期货与现货下尾部相依性研究

运用多元条件极值模型研究了沪深300股指期货与现货指数之间的下尾部相依关系。通过先构建随机波动-超阈值（SV-POT）模型描述两种资产收益的边缘分布，再建立多元条件极值模型对分布下尾部的相依结构进行研究。实证结果表明：两个收益的下尾存在显著为正的相依关系且条件相依程度都在80%以上，但相差不大，两者可以看成是一个同质的市场。     

基于灰色相似关联关系的灰色变精度粗糙集模型及应用

针对决策信息系统含有大量的灰信息、噪声数据且属性值为区间灰数,而利用传统的方法对其处理时易造成信息损失,鉴于此,本文利用灰色系统理论的思想方法构建了一种新的灰色变精度粗糙集模型。该方法,首先利用灰色相似关联度定义基于阀值λ的灰色相似关联关系、灰色相似关联类,而后以灰色相似关联关系代替灰色变精度粗糙集模型的等价关系,构建了一种基于灰色相似关联度的灰色变精度粗糙集模型,进而研究了模型的相关性质,并以实例验证了新模型的有效性与适用性。     

随机波动模型分析及其在上海股市的应用

随机波动模型的产生既有其数理金融背景,又有其金融计量根源;它们能很好地描述金融市场中的诸多波动现象.本文利用基本的随机波动模型对上海股市的波动性进行实证分析,得到了一些有益的结论;最后提出了对未来研究的一些建议.