基于模型遴選規(guī)則的自適應(yīng)組合預(yù)測(cè)研究.pdf

1、預(yù)測(cè)是關(guān)于未來(lái)的描述。提高預(yù)測(cè)能力，加強(qiáng)預(yù)測(cè)精度一直是眾多學(xué)者所關(guān)注的熱點(diǎn)和孜孜以求的目標(biāo)。對(duì)于同一個(gè)預(yù)測(cè)對(duì)象，可以通過(guò)不同的預(yù)測(cè)模型進(jìn)行預(yù)測(cè)，每一種預(yù)測(cè)模型均基于不同信息集并在一定假設(shè)條件下給出。由于信息不對(duì)稱(chēng)與預(yù)測(cè)水平的差異，某個(gè)模型在一定時(shí)期或者一定環(huán)境下的預(yù)測(cè)精度可能高于其他競(jìng)爭(zhēng)模型;而當(dāng)環(huán)境發(fā)生變化時(shí)，該模型的預(yù)測(cè)精度卻可能很差。因此，如何在提高預(yù)測(cè)精度的同時(shí)，降低預(yù)測(cè)的不確定性，也就是預(yù)測(cè)的風(fēng)險(xiǎn)，是本文所關(guān)注的問(wèn)題。

2、　　J.M.Bates和C.W.J.Grange第一次提出了“組合預(yù)測(cè)”的思想，通過(guò)把不同的單項(xiàng)預(yù)測(cè)模型用特定的組合方法進(jìn)行組合，來(lái)提高預(yù)測(cè)的精度。雖然關(guān)于組合預(yù)測(cè)的文獻(xiàn)有很多，但主要集中在新的組合方法特別是智能算法研究上;對(duì)于組合預(yù)測(cè)的精度研究也大多局限在樣本擬合上，缺少實(shí)踐價(jià)值。此外，現(xiàn)有的研究很少涉及到在不同的預(yù)測(cè)環(huán)境下，如何進(jìn)行組合預(yù)測(cè)中單項(xiàng)預(yù)測(cè)模型的遴選及組合方法的遴選。
　　論文首先證明了組合預(yù)測(cè)的優(yōu)勢(shì)是:在保證預(yù)測(cè)的

3、精度的同時(shí)，最大程度地降低預(yù)測(cè)的風(fēng)險(xiǎn)。根據(jù)不同的標(biāo)準(zhǔn)，選擇了十二個(gè)單項(xiàng)預(yù)測(cè)模型作為備選模型;利用權(quán)威的M3-Competition作為樣本序列進(jìn)行實(shí)證分析，證明了組合預(yù)測(cè)的精度超過(guò)了大多數(shù)單項(xiàng)預(yù)測(cè)模型;但如果與預(yù)測(cè)精度最優(yōu)的單項(xiàng)預(yù)測(cè)模型相比，組合預(yù)測(cè)并無(wú)優(yōu)勢(shì)。
　　其次，本文對(duì)M3-Competition樣本進(jìn)行了組合預(yù)測(cè)實(shí)證分析，證明了簡(jiǎn)單組合方法并不比復(fù)雜智能組合方法的精度差。在眾多的組合預(yù)測(cè)方法中，簡(jiǎn)單方法與復(fù)雜方法一直存在

4、孰優(yōu)孰劣的爭(zhēng)論，復(fù)雜模型往往能夠很好的擬合樣本數(shù)據(jù)，并通過(guò)顯著性很強(qiáng)的假設(shè)檢驗(yàn);但由于將相同數(shù)據(jù)段同時(shí)用于參數(shù)估計(jì)和模型結(jié)構(gòu)識(shí)別的傳統(tǒng)做法，更由于模型存在不確定性，所得模型很可能僅具有預(yù)測(cè)精度高的假象。
　　然后，論文研究了如何根據(jù)實(shí)際的預(yù)測(cè)環(huán)境，對(duì)備選的單項(xiàng)模型進(jìn)行遴選。通過(guò)計(jì)算不同單項(xiàng)預(yù)測(cè)模型數(shù)量下的組合預(yù)測(cè)結(jié)果，證明了組合預(yù)測(cè)中單項(xiàng)模型的數(shù)量并非越多越好，最佳的單項(xiàng)模型數(shù)為不超過(guò)五個(gè)?，F(xiàn)有的組合預(yù)測(cè)研究在選擇單項(xiàng)模型時(shí)很隨意

5、，忽視了預(yù)測(cè)對(duì)象內(nèi)在的特征;論文通過(guò)協(xié)整驗(yàn)證和包容檢驗(yàn)，輔以實(shí)證分析，給出了單項(xiàng)模型的遴選方法。
　　接著，基于實(shí)證分析，論文通過(guò)偏度分析、單項(xiàng)模型預(yù)測(cè)誤差方差比、誤差相關(guān)性等指標(biāo)，給出了一個(gè)基于專(zhuān)家選擇的組合預(yù)測(cè)方法遴選原理;并根據(jù)該原理，建立了一個(gè)基于巴克斯范式的組合預(yù)測(cè)模型遴選規(guī)則，提高了組合預(yù)測(cè)的精度和穩(wěn)定性。
　　最后，考慮到預(yù)測(cè)對(duì)象的內(nèi)部特性可能隨著時(shí)間的變化而發(fā)生變化，而且組合預(yù)測(cè)方法也可能用于不同的預(yù)測(cè)領(lǐng)域，