商業(yè)銀行人民幣貸款規(guī)模分配及盈利問題(編輯修改稿)
2025-04-21 12:25 本頁面
【文章內(nèi)容簡介】 此在進(jìn)行灰色關(guān)聯(lián)度分析時，一般都要進(jìn)行數(shù)據(jù)的無量綱化處理。229。xi(k)xi162。(k)=(3)計算關(guān)聯(lián)系數(shù)x0(k)和xi(k)的關(guān)聯(lián)系數(shù)為xi(k)1nnk=1(i=1,2,L,m)minminx0(k)xi(k)+maxmaxx0(k)xi(k)x0(k)xi(k)+r maxmaxx0(k)xi(k)r(x0(k),xi(k))=ikkkkk定義參考數(shù)列對于各比較數(shù)列間的絕對差為Di(k)=x0(k)xi(k)(i=1,2,L,n。1163。i163。m)r(x0(k),xi(k))=Di(k)+r maxmaxDi(k)記Di=(Di(1),Di(2),L,Di(n))稱之為差數(shù)列。于是，可以得到比較數(shù)列xi對參考數(shù)列x0在第k點(diǎn)的灰關(guān)聯(lián)系數(shù)為minminDi(k)+rmaxmaxDi(k)i k i ki k其中，常數(shù)r206。[0,165。]，稱為分辨系數(shù)。r越小，分辨力越大，一般r的取值區(qū)間為(0,1),具體取值可視情況而定。r時，分辨力最好，通常取r=(4)計算關(guān)聯(lián)度因為關(guān)聯(lián)系數(shù)是比較數(shù)列與參考數(shù)列在各個時刻（即曲線中的各點(diǎn)）的關(guān)聯(lián)程度值，所以它的數(shù)不止一個，而信息過于分散不便于進(jìn)行整體性比較。因此有必要將各個時刻（即曲線中的各點(diǎn)）的關(guān)聯(lián)系數(shù)集中為一個值，即求其平均值，作為比較數(shù)列與參考數(shù)列間關(guān)聯(lián)程度的數(shù)量表示。對于所有的點(diǎn)k=1,2,L,n，則定義比較數(shù)列xi對參考數(shù)列x0的灰關(guān)聯(lián)度為229。r(x0(k),xi(k)) (i=1,2,L,m)ir=r(x0,xi)=1nnk=1i即用灰關(guān)聯(lián)度r可以表示因素xi對行為因子x0的關(guān)聯(lián)(影響)程度。（5）關(guān)聯(lián)度排序1i關(guān)聯(lián)度按大小排序，如果rr2，則參考數(shù)列x0與比較數(shù)列x2更相似。在算出xi(k)序列與x0(k)序列的關(guān)聯(lián)系數(shù)后，計算各類關(guān)聯(lián)系數(shù)的平均值，平均值r就稱為x0(k)與xi(k)的關(guān)聯(lián)度。直接擬合預(yù)測模型結(jié)合題表數(shù)據(jù)，利用MATLAB軟件對存貸款情況進(jìn)行三次多項式擬合預(yù)測，得出擬合曲線如圖圖LinearmodelPoly1:f(x)=p1*x+p2Coefficients(with95%confidencebounds):p1= (,)p2= (,)Goodnessoffit:SSE:Rsquare:AdjustedRsquare:RMSE:利用MATLAB編程可得三次擬合方程為：y=+發(fā)現(xiàn)利用此方程預(yù)測2018年該銀行存貸款誤差較大。應(yīng)采用誤差較小的灰色預(yù)測模型，具體步驟如下?；疑A(yù)測模型（1）為了保證建模方法的可行性，需要對已知數(shù)據(jù)列作必要的檢驗處理。設(shè)參考數(shù)據(jù)為x(0)=(x(0)(1),x(0)(2),L,x(0)(n))，計算數(shù)列的級比l(k)=x(0)(k1)x(0)(k)(k=2,3,…,n) ,e如果所有的級比l(k)都落在可容覆蓋x=(e22n+1n+1)內(nèi)，則數(shù)列x(0)可以作為模型GM(1,1)和進(jìn)行數(shù)據(jù)灰色預(yù)測。否則需要對數(shù)列x(0)做必要的變換處理，使其落入可容覆蓋內(nèi)。即取適當(dāng)?shù)某?shù)c，作平移變換y(0)(k)=x(0)(k)+c(k=1,2,…,n)則使數(shù)列y(0)=(y(0)(1),y(0)(2),L,y(0)(n))的級比l y(k)= 206。Xy(0)(k1)y(0)(k)(k=2,3,…,n)其中x(1)(k)=229。x(0)(i)，k=1,2,L,n.x(0)(1),x(0)(2),L,x(0)(n)(2)設(shè)參考數(shù)列為x(0)={ }，它是系統(tǒng)輸出的非負(fù)原始數(shù)據(jù)序列。做一次一階累加，生成數(shù)列x(1)=(x(1)(1),x(1)(2),L,x(1)(n))=(x(1)(1),x(1)(1)+x(0)(2),L,x(1)(n1)+x(0)(n))ki=1則GM(1,1)預(yù)測模型相應(yīng)的微分方程為dx(1)dt+ax(1)=m式中：a為發(fā)展灰數(shù)；m為內(nèi)生控制灰數(shù)。q=(a,m)（3）記解得T為待估參數(shù)向量，可利用最小二乘法求解，q?=(BTB)BTYn1，( )231。2x(1)+x(2)1247。M M247。( )x(1)(n1)+x(1)(n)231。1247。( )Yn=x(0)(2),x(0)(3),L,x(0)(n)其中1 (1) (1)230。 246。231。 247。1(x(1)(2)+x(1)(3)) 12B=231。 247。231。 247。231。231。1 247。232。2 248。T?將q帶入上式，得x()(k+1)=231。x()(1)m?246。 a?k247。e1 230。 1232。?a248。+?m?ak=1，x =x(1)將預(yù)測累加值還原為預(yù)測值? ? ?x(0)(k+1)=x(1)(k+1)x(1)(k)把求取的參數(shù)帶入公式，且方程滿足初始條件(1) (1)求出其離散解為x?(1)(k+1)=234。x(0)(1)e233。235。m249。aka+ua在做累減還原，得到原始數(shù)據(jù)x(0)的灰色預(yù)測模型x?(0)(k+1)=(1ea)234。x(0)
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1