马尔可夫过程_srtp论文(7)

数学建模,马尔科夫链,论文

222

0.05，查表可得上分位点 (9) 16.919，由于 2 (m 1)2 0.05 (m 1)2 ，

故认为指数状态序列满足马氏性。

⑸计算状态序列的各阶自相关系数和各步长的马尔可夫链的权重，如表2所示：

表1 各阶自相关系数和各步长的马尔可夫链权重

k（阶数、步长）10.9959

rk（自相关系数） wk（权重）

0.2516

20.99180.2505

30.98770.2495

40.98340.2484

⑹利用1997年1月2日至2002年12月31日的状态指数序列，结合相应的状态转移概率对2003年1月2日的深证指数状态进行预测。

表2 2003年1月2日证券指数状态预测 基期 初状态权重 状态1 状态2 状态3状态4 概率来源

1 0.25160.96350.0365 0 0 02/12/31 1

P(1)(1,j)

02/12/30 1 02/12/27 02/12/26

2 3 4

0.25050.93820.0618 0 0

P(2)(1,j)P(3)(2,j)

2 0.24950.2484

0.06590.8703 0 0.06390.072

2 0.074 0.0854 0 0.5123

0.4539

P(4)(2,j)

转移至末状态i的概率加权和Pi

0.0338

由表2知，max{Pi} P即2003年1月2日的深证指数状态为1，实际当1 0.5123，日的指数为380.44，满足状态1的取值范围[305,395)，预测准确。

4 加权模糊马尔可夫链预测法

在第3节中的讨论中，采用了明确的状态划分方法，将整个指数取值区间划分为4个状态（低、较低、较高、高），使每个交易日的指数唯一地归属于某一状态，然而，这样的状态划分具有一定缺陷，比如处于两状态取值界限的数值兼有左右两侧状态的特点，而在这样的状态划分方式下，只能被强制归为其中的一个状态，这就可能损失部分信息，也很难有说服力。故在本节我们提出一种状态划分模糊的方法，进而建立相应的马尔可夫链模型。

4.1 状态划分模糊的马尔可夫链预测法的预测步骤

⑴将随机变量的取值范围设为U，建立U上的模糊状态集S1,S2, ,SM,对任意

搜索“diyifanwen.net”或“第一范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，第一范文网，提供最新初中教育马尔可夫过程_srtp论文(7)全文阅读和word下载服务。