田劲松

（西华师范大学 商学院，四川 南充637002）

0 前言

灰色GM(1,1)模型是邓聚龙教授针对经济现象预测过程中的“贫信息”而创造的，目前国内学术界对此的研究及实证运用非常广泛，基本上都以其所需原始数据较少而信息挖掘功能较强为分析基础。但任何经济现象的预测都不否认数据更新的有效性，即数据越多越新，建立的模型也相对有效，GM(1,1)模型群的概念也由此提出，根据刘思峰教授出版的《预测方法与技术》一书中，明确提出了四种GM(1,1)方程构成的模型群，即：全信息模型、部分信息模型、去老数据模型和新陈代谢模型，其实质意义是通过对原始数据的增加、删减及相关变动达到信息挖掘范围、有效性的调整。笔者认为，任何数学模型都可以借鉴此原理，运用同一个模型而对数据段进行拉长、缩短、类似于“天窗”滚动式数据更新，可以形成任一方法的模型群，从而在不改变数学方法思路的基础上，增强预测有效性，所以本文所针对的模型群有效性是指灰色GM(1,1)模型基本原理不发生变化下，由于数据序列调整导致的预测有效性。同时，针对具体的经济现象，金融产业更利于该方法的实证，因为金融产业与其他产业有较大区别，近年来我国金融产业蓬勃发展，虚拟经济占比越来越高，具有易收外界因素影响及波动性较强的特点，如果在一个发展较为稳定的传统产业，序列趋势规律较为明显，那么通过数据段的调整带来的预测有效性差异会不明显，而金融产业则符合数据变动较大这一特征，1997年和2008年的全球金融危机是做数据增减处理的最好节点。……