GM（1，1）模型的改进及其在银行贷款预测中的应用
叶谦
摘要 本文利用GM(1,1)模型预测分析中国近年来信贷变化，发现中国信贷规模发展趋势及其信贷结构具有显著的新特征，结合模型的适用条件和预测结果的检验要求，提出了四条思路解决数据缺损导致信息挖掘失真以及如何处理数据中所包含的大量“噪音”等问题，并认为对那些波动较大的数据应采取连续平滑的方法改造原始数据；对于那些有奇异值的原始数据可采用插值法替代它，试验和案例应用印证了改进的模型可以提高预测精度。
关键词 GM(1,1)模型 信贷预测 数据处理
一、引言
灰色系统理论以“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，主要通过对“部分”已知信息的生成、开发，提取有价值的信息，实现对系统运行规律的正确描述和有效控制。GM（1，1）模型作为灰色系统理论的一个重要预测模型，在多个领域得到广泛应用并取得了较好的效果。
但灰色预测模型仍存在一些局限，需要改进。目前一些文献在应用该模型时忽视了模型预测信息所反应的经济含义，没有考虑原始数据经济背景并对原数据做出取舍，使得数据中所包含的“噪音”干扰了模型建立，影响了预测的精度。
本文首先利用GM(1,1)模型对2002年-2004年三年月度信贷数据作预测趋势分析，并基于发展系数-a和预测误差的不同值对预测结论作对比分析，提炼出中国近三年来信贷市场若干特征。同时，在利用灰色预测GM（1，1）模型对中国1994年-2003年信贷数据作预测后，发现某些行业贷款预测误差较大，精度不够高。为此，采用两种方法对原预测模型作改进，一是采用连续平滑的方法对波动大的数据系列作改造，并讨论不同权数的影响；二是结合中国金融市场显著变动和中国宏观经济重大政策实施选择部分数据，并采用插值法替代奇异数据并对原始数据序列实施改造，形成新的初始数据序列以建立改进的GM（1，1）模型，并对比预测结果。
|