282. 智能系统学报 第6卷 1了R岁- 128. AE=26j= 1100%=1.36%. [2]POTERBA J M,SUMMERS L H.The persistence of volatil- 由于股市判断方向也重要，这里也计算出了方 ity and stock market fluctuations[J].American Economic 向错误率ooR(directional errors)为 Review,1986,76(5):1143-1151. 3d,·100%=42.31%. [3]FRENCH K R,SCHWERT G W,STAMBAUGH R F.Ex- 1 ODIR 121 pected stock retums and volatility[J].Joural of Financial Economics,1987,19(1):3-29 式中： [4]李国平，于广青，陈森发.中国股票价格灰色预测研究综 ∫0，（--)（无--）>0 4=1,其他 述[J].东南大学学报：哲学社会科学版，2005,7(2)： 28-30,126 为了比较WGM-ARMA模型和其他模型，这里 LI Guoping,YU Guangqing,CHEN Senfa.A review of re- 也用相同数据计算了其他模型的误差率，表2为这 search on stock price gray forecast in China[].Journal of 些模型的误差比较结果， Southeast University:Philosophy and Social Science,2005, 表2采用不同模型预测股指的误差 7(2):28-30,126. Table 2 Prediction errors based on different models [5]郭宁，向凤红.灰色理论和神经元网络在证券市场中的 模型 OTAE MAPE/10 PIR/10 应用[J].自动化技术与应用，2008,27(10)：1-3， GUO Ning,XIANG Fenghong.Application of grey model ARIMA 4500.15 0.195 5.769 and neural network in the stock-market[J].Techniques of GM(1,1,,） 3990.67 0.173 5.769 Automation and Applications,2008,27(10):1-3. [6]吴庚申，梁平，龙新峰.基于GM-ARMA的年电力负荷组 RGM-ARMA 3852.97 0.169 5.384 合模型[J].湖北电力，2005,29(2)：21-23 WGM-ARMA 3122.090.136 4.231 WU Gengshen,LIANG Ping,LONG Xinfeng.An annual e- 从表2可以看出，WGM-ARMA模型明显优于 lectric consumption combined model based on GM-ARMA 单个的ARMA模型、GM(1,1,4,v)模型，也优于 [J].Hubei Electric Power,2005,29(2):21-23. [7]吴朝阳.改进的灰色模型与ARMA模型的股指预测[J], RGM-ARMA模型.特别是方向误差低于50%，这说 智能系统学报，2010,5(3)：277-281. 明了引进小波分解到RGM-ARAM模型中是一个很 WU Zhaoyang.Forecasting stock index based on revised 好的办法，同时也说明了直接在原始序列上建模不 grey model and ARMA model[J].CAAI Transactions on 能发挥出灰色模型和ARMA模型的优势，必须排除 Intelligent Systems,2010,5(3):277-281. 干扰后才能将这些模型的优势发挥出来，以达到减 [8]郑纪安.基于小波分析和神经网络的金融时间序列预测 少预测误差的目的. 研究[D].厦门：厦门大学，2009：4561. ZHENG Ji'an.The research on forecasting of financial time 3结束语 series baesd on wavelet analysis and neural network D]. 本文在分析股票运动特征的基础上，提出了基 Xiamen:Xianmen University,2009:45-61. 于小波分解、灰色模型和ARMA模型的组合模型， [9]曲文龙，李海燕，刘永伟，等.基于小波和支持向量机的 实例证明该模型在各个指标上都明显优于本文中用 多尺度时间序列预测[J].计算机工程与应用，2007,43 (29):182-185, 到的单个和其他的组合模型.更为重要的是，本文提 QU Wenlong,LI Haiyan,LIU Yongwei,et al.Research 出了一个全新的构建组合模型的思路，利用这个思 on multi-scale prediction of time series based on wavelet 路，可以对其他基于小波分解的组合模型进行有效 and support vector machines[J].Computer Engineering 的优化，进而构建出更多更精确的预测模型.尽管 and Applications,2007,43(29):182-185. WGM-ARMA模型的初衷是用来预测股票，但是 [10]PETERS EE.Fractal market analysis:applying chaos the- WGM-ARMA模型也可以用于其他时间序列的预 ory to investment and economics[M].New York,USA: 测，例如GDP和销售量的预测. John Wiley and Sons Inc,1996:39-50. 作者简介： 参考文献： 吴朝阳，男，1975年生，工程师，主 [1]朱宁，徐标，仝殿波.上证指数的时间序列预测模型[J]. 要研究方向为灰色系统理论、时间序列 和小波变换的股票预测 桂林电子工业学院学报，2006,26(2)：124-128 ZHU Ning,XU Biao,TONG Dianbo.Time-series predic- tion model of Shanghai composite index[J].Joumnal of Gui- lin University of Electronic Technology,2006,26(2):124-