|||
用邓聚龙灰色系统理论预测股票第1个实例
美国归侨冯向军博士,2017年12月22日写于美丽家乡
【灰色模型值的本质应该还是灰数而不是白数】
灰数是指只知道大概范围而不知道其确切值的数。在应用中,灰数实际上指在某一个区间或某一个一般的数集内取值的不确定数。邓聚龙灰色系统以部分信息已知,部分信息未知的小样本、贫信息不确定性系统为研究对象,因此其所涉及的数本质上都是灰数而不是白数。这个认识非常重要,这是因为灰色建模的本质是将灰数在一定程度上白化。基于灰色模型的模型值有“灰性残缺不全”的本质缺陷,因此在一定程度上“还原灰色模型值的灰数性质或灰性”是十分必要的。
【股票在一定条件下是可以进行灰色预测的】
股票在一定条件下是可以进行灰色预测的,关键在于要把模型值视为灰数而不是白数。我们只能减小灰数区间而不应追求完全将灰色模型值白化,这是因为完全被白化的白数反而是脱离了股票“本性成灰”这一实际的“虚妄相想”。
【股票灰色预测第一个实例】
本文展示了一个事实:用本人首创的多项式灰色系统灰数反馈模型,可以很好地对A股贵州茅台的某一段时间内的收盘价进行建模,然后对随后的日子的收盘价实施预测。
以下是A股茅台酒2017年6月6日至15的实际收盘价。
日期 | 收盘价 |
2017/6/6 | 448.82 |
2017/6/7 | 459.37 |
2017/6/8 | 464.31 |
2017/6/9 | 465.74 |
2017/6/12 | 472.88 |
2017/6/13 | 473.04 |
2017/6/14 | 474.39 |
2017/6/15 | 464.3 |
我们先用本人首创的多项式灰色系统模型对经二次累加的A股茅台酒2017年6月6日至14日的收盘价建模并对2017年6月15日收盘价进行预测,然后还原以上2017年6月6日至14日原始数据的无累加模型数据,得到关于原始数据的无累加模型数据与原始数据之间的误差error。再把误差error作为一种负反馈加入到二次累加建模中重新建模,结果发现再次还原后的关于以上原始数据的无累加模型数据,从整体上而言更加逼近原始数据。以上所述的事实得到了下面的表格的支持。这种原始数据的无累加模型数据与原始数据之间的误差error映射的是股票的原始数据的本质灰性与被部分白化的无累加模型数据之间的差别。以这种误差error作为负反馈而重建灰色模型,其实质是部分还原模型值的灰性。结果我们发现部分还原了灰性的模型值,从整体上而言更加逼近“本性成灰”的股票的原始数据。在此建模基础上对2017年6月15日收盘价再进行最终预测。结果如下表所示。
改进后的灰色系统模型数据 | 初始灰色系统模型数据 | 原始数据 | 误差(%) | 改进后的误差(%) |
459 | 456.193 | 459.37 | -0.692 | -0.081 |
465.893 | 460.923 | 464.31 | -0.729 | 0.341 |
467.636 | 466.783 | 465.74 | 0.224 | 0.407 |
472.379 | 475.853 | 472.88 | 0.629 | -0.106 |
471.912 | 475.283 | 473.04 | 0.474 | -0.238 |
470.555 | 471.893 | 474.39 | -0.526 | -0.808 |
463.108 | 463.143 | 464.3 | -0.249 | -0.257 |
上表中,最后一行全都是与2017年6月15日收盘价有关的原始数据和预测值。全表所对应的日期如下所示。
2017/6/7 |
2017/6/8 |
2017/6/9 |
2017/6/12 |
2017/6/13 |
2017/6/14 |
2017/6/15 |
本实例所对应的A股贵州茅台多项式灰数反馈二次累加灰色系统模型如下图所示。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-10-19 21:32
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社