趙 勤, 王 力
(安徽大學(xué) 經(jīng)濟學(xué)院,合肥 230601)
1969年,Bates和Granger[1]提出組合預(yù)測的概念,通過統(tǒng)計的方法,對單項預(yù)測結(jié)果的有用信息進行賦權(quán)并集成,從而提高預(yù)測精度。自這一概念被提出以來,在理論上和應(yīng)用上均成為近年來的研究熱點[2-8]。
本文遵循Bates和Granger[1]給出的結(jié)果預(yù)測這一組合預(yù)測概念,重點關(guān)注組合預(yù)測中各單項預(yù)測結(jié)果權(quán)重的確定。傳統(tǒng)的確定權(quán)重的方法甚多,就組合預(yù)測權(quán)重隨時間變化而言,可以分為不可變權(quán)重和可變權(quán)重;就某個準則的優(yōu)劣程度來說,可以分為最優(yōu)化權(quán)重和非最優(yōu)化權(quán)重。非最優(yōu)權(quán)重的確定方法主要有算術(shù)平均方法、預(yù)測誤差平方和倒數(shù)方法、均方誤差倒數(shù)法、簡單加權(quán)平均方法、二項式系數(shù)方法等。由于傳統(tǒng)的非最優(yōu)化組合預(yù)測方法沒有考慮到約束條件的限制,導(dǎo)致最終的組合預(yù)測效果不佳,于是,許多學(xué)者開始考慮構(gòu)建有約束條件的最優(yōu)化組合預(yù)測模型確定權(quán)系數(shù)的模型。例如,文獻[7]提出以組合預(yù)測誤差平方和為目標函數(shù)的固定權(quán)重的確定,這樣的最優(yōu)化模型只能從誤差數(shù)值上反映預(yù)測方法的效果,存在一定的缺陷;同時固定權(quán)重組合預(yù)測模型未考慮到就同一種單項預(yù)測方法而言,在不同時點的預(yù)測精度可能不同,即在某個時點的預(yù)測精度高,而在另一時點的預(yù)測精度較低,于是引入了變權(quán)組合預(yù)測模型。因此,近些年來,變權(quán)組合預(yù)測方法開始引起學(xué)者們的重視,文獻[9]提出一種以預(yù)測值誤差序列的近似熵測度為效果評價準則,建立基于近似熵測度的變權(quán)組合預(yù)測模型;文獻[10]從成分數(shù)據(jù)的角度出發(fā),將每個時刻各單項預(yù)測方法的權(quán)重構(gòu)成一個向量,看成一個成分數(shù)據(jù),通過對成分數(shù)據(jù)進行預(yù)測,以預(yù)測未來時刻的權(quán)重。該文獻通過對成分數(shù)據(jù)作非對稱比變換以預(yù)測未來的權(quán)重,但是當模型中存在權(quán)重為零的情況時,該方法失效。
因此,本文對文獻[10]的方法進行了拓展,提出一種對成分數(shù)據(jù)作球坐標變換的非負可變權(quán)重的確定方法,避免了模型中權(quán)重為零時所帶來的不便,并運用實例驗證了本文方法的可行性和有效性。
組合預(yù)測通過對各單項預(yù)測結(jié)果有用信息的集成,在某種程度上可以提高其預(yù)測精度。其核心是確定各單項預(yù)測結(jié)果的權(quán)重,其中確定定權(quán)組合預(yù)測權(quán)重的方法甚多,本文主要介紹以組合誤差平方和達到最小為目標函數(shù)的最優(yōu)化模型方法,具體如下:
在這里,eit=yt-yit表示第i種單項預(yù)測方法在第t時刻的預(yù)測誤差。
基于本文主要實驗和實例的考慮,這里主要介紹預(yù)測誤差平方和倒數(shù)法。預(yù)測誤差平方和倒數(shù)法確定權(quán)重的方法如下:
成分數(shù)據(jù)的概念最早被提出于1866年,將滿足
的空間稱為D維成分數(shù)據(jù)空間,這里c為常數(shù),SD為D維行向量。
成分數(shù)據(jù)預(yù)測的基本步驟如下:
Step1 對成分數(shù)據(jù)作變換(如非對稱對數(shù)比變換、球坐標變換等);
Step2 對變換后的數(shù)據(jù)做擬合,并對擬合的數(shù)據(jù)做樣本點外預(yù)測;
Step3 根據(jù)成分數(shù)據(jù)反變換公式,反解可以得到原成分數(shù)據(jù)的預(yù)測值。
1.4基于成分數(shù)據(jù)作球坐標變換的預(yù)測期權(quán)重的確定
本文從另外一個角度考慮成分數(shù)據(jù),將組合預(yù)測各單項結(jié)果在不同時點所占的權(quán)重看成成分數(shù)據(jù),通過預(yù)測權(quán)重更進一步地預(yù)測組合預(yù)測的預(yù)測精度。
算法Ⅰ
Step5 通過轉(zhuǎn)角的預(yù)測模型作樣本點外預(yù)測;
Step6 利用轉(zhuǎn)角的反變換公式,得到樣本點外各單項預(yù)測結(jié)果權(quán)重的預(yù)測值,即
ω(t+p)=(ω1,t+p,ω2,t+p, …,ωm,t+p)T
其中p為往后預(yù)測的期數(shù)。
綜上,本文給出如下的變權(quán)系數(shù)組合預(yù)測算法Ⅱ:
算法Ⅱ
Step2 通過模型(1)確定最優(yōu)化組合預(yù)測模型的權(quán)重ω=(ω1,ω2, …,ωm)T,并依據(jù)算法Ⅰ確定變權(quán)組合預(yù)測權(quán)重ω(t)=(ω1t,ω2t, …,ωmt)T;
Step4 就樣本點外時點進行預(yù)測。
Step5 對組合預(yù)測的結(jié)果進行評價和對比分析。
為了驗證本文所提出方法的有效性,運用2017-07-03—2018-05-11的美元兌換人民幣日匯率開盤價數(shù)據(jù)進行了實證研究,并將樣本分為兩個部分,其中將2017-07-03—2018-05-04的260個數(shù)據(jù)作為訓(xùn)練樣本,用于構(gòu)建預(yù)測模型;2018-05-07—2018-05-11的5個數(shù)據(jù)作為檢驗樣本,并用于驗證模型的有效性。
通過訓(xùn)練樣本的220個數(shù)據(jù)建立模型,預(yù)測樣本外的5個數(shù)據(jù),最終的單項預(yù)測結(jié)果表1所示:
表 1 實際值及預(yù)測值
本文首先通過預(yù)測誤差平方和倒數(shù)法求解出每個時刻每種單項預(yù)測方法的權(quán)重如表2所示:
表 2 各單項預(yù)測方法權(quán)重
其次,通過對成分數(shù)據(jù)作球坐標變換預(yù)測各單項預(yù)測結(jié)果的權(quán)重,球坐標變換步驟如下:
表 3 各時刻轉(zhuǎn)角值
Step2 建立轉(zhuǎn)角預(yù)測模型:
Step3 預(yù)測樣本外的轉(zhuǎn)角數(shù)據(jù),并利用轉(zhuǎn)角的反變換公式求得樣本外各時點各單項預(yù)測結(jié)果的權(quán)重如表4所示:
表 4 各單項預(yù)測方法的權(quán)重
最后,通過對各單項預(yù)測結(jié)果集成,計算出變權(quán)組合預(yù)測值。
作為對比,考慮傳統(tǒng)的以組合預(yù)測誤差平方和達到最小為準則構(gòu)造權(quán)重的方法,利用Lingo軟件運行得到如下的一組權(quán)重:ω1=0.051 9,ω2=0.010 7,ω3=0.937 4。
此外,通過對各單項預(yù)測結(jié)果進行集成,計算出定權(quán)組合預(yù)測值。
為了驗證本文提出的基于成分數(shù)據(jù)作球坐標變換的變權(quán)組合預(yù)測權(quán)重構(gòu)造的有效性,從如下幾方面對所提出模型的有效性進行驗證。
運用常用的幾種誤差評價指標對單項預(yù)測結(jié)果及組合預(yù)測結(jié)果進行分析,結(jié)果如表5所示:
表 5 模型擬合效果比較
由表5,可以得出以下結(jié)論:
1) 相對于3種單項預(yù)測方法而言,從4種評價指標來看,不論是相對指標還是絕對指標,組合預(yù)測模型的預(yù)測結(jié)果都優(yōu)于各單項預(yù)測方法。
2) 變權(quán)組合預(yù)測模型優(yōu)于定權(quán)組合預(yù)測模型。繪制單項預(yù)測方法和組合預(yù)測方法的預(yù)測結(jié)果圖(圖1),可以看出,單項預(yù)測結(jié)果的預(yù)測效果較差,兩種組合預(yù)測的結(jié)果都優(yōu)于單項預(yù)測方法,并且隨著時點的推移,本文所提出的變權(quán)組合預(yù)測方法與實際值越接近。
圖1 預(yù)測結(jié)果圖Fig.1 Forecast result graph
目前,針對變權(quán)組合預(yù)測方法的研究較少,不同于基于傳統(tǒng)預(yù)測效果評價準則的定權(quán)組合預(yù)測方法,本文提出了基于成分數(shù)據(jù)作球坐標變換的非負可變權(quán)的組合預(yù)測方法,優(yōu)化了已有文獻關(guān)于基于成分數(shù)據(jù)作非對稱比變換的變權(quán)系數(shù)的確定方法,并用實例驗證了本文所提出的方法,提高了組合預(yù)測的預(yù)測精度。在未來的工作中,還可以考慮將成分數(shù)據(jù)的球坐標變換方法進行改進,提出更有效的變換方法,使得建立的組合預(yù)測模型的精度更高。