《數(shù)據(jù)挖掘與數(shù)據(jù)分析(財會)》灰色預測及應用_第1頁
《數(shù)據(jù)挖掘與數(shù)據(jù)分析(財會)》灰色預測及應用_第2頁
《數(shù)據(jù)挖掘與數(shù)據(jù)分析(財會)》灰色預測及應用_第3頁
《數(shù)據(jù)挖掘與數(shù)據(jù)分析(財會)》灰色預測及應用_第4頁
《數(shù)據(jù)挖掘與數(shù)據(jù)分析(財會)》灰色預測及應用_第5頁
已閱讀5頁,還剩22頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

大智移云下的財務管理創(chuàng)新思維問題的提出已知最近四年的利潤,問:2021年的利潤在正常情況下是多少?年度2017201820192020符號利潤121.53預測現(xiàn)有預測方法,大都是數(shù)理統(tǒng)計方法。例如:回歸分析,神經(jīng)網(wǎng)絡,支持向量機,組合預測,時間序列分析等。這些方法:1.要求大樣本,即:大數(shù)據(jù)集2.要求樣本有明顯的分布規(guī)律3.計算工作量大4.可能出現(xiàn)量化的結(jié)果與定性分析的結(jié)果不符針對這種情況,有學者提出了灰色預測。1.灰色預測的由來華中理工大學鄧聚龍教授于1982年提出灰色系統(tǒng)理論?;疑到y(tǒng)指既含有已知信息、又含有未知信息的系統(tǒng)。(部分信息已知,部分信息未知的系統(tǒng))在自然界和思維領(lǐng)域,不確定性問題普遍存在。大樣本、多數(shù)據(jù)的不確定性問題,可以用概率論和數(shù)理統(tǒng)計解決;認識的不確定性問題,可以用模糊數(shù)學解決。然而,還有另外一類不確定性問題,即少數(shù)據(jù)、小樣本、信息不完全和經(jīng)驗缺乏的不確定性問題?;疑到y(tǒng)理論是處理少數(shù)據(jù)不確定性問題的理論。少數(shù)據(jù)不確定性亦稱灰性,具有灰性的系統(tǒng)稱為灰色系統(tǒng)。灰理論基本技術(shù)(1)灰生成技術(shù)灰色系統(tǒng)是通過對原始數(shù)據(jù)的整理、挖掘來尋求其變化規(guī)律的,這是一種就數(shù)據(jù)尋求數(shù)據(jù)的現(xiàn)實規(guī)律的途徑,即為灰色序列的生成,簡稱灰生成。特點:一切灰色序列都能通過某種生成弱化其隨機性,顯現(xiàn)其規(guī)律性。數(shù)據(jù)生成的常用方式有累加生成、累減生成和加權(quán)累加生成。序號1234符號數(shù)值121.53序號1234符號數(shù)值134.57.5灰理論基本內(nèi)容(2)灰關(guān)聯(lián)通過灰生成,系統(tǒng)有了較強規(guī)律性的數(shù)據(jù)序列,利用生成的數(shù)據(jù)序列建立微分方程模型,從而預測事物未來發(fā)展趨勢的狀況。2.GM(1,1)模型

灰色、模型、一階、一個

2.GM(1,1)模型

灰色預測步驟

AGO:AcumulatedGeneratingOperation)灰色預測步驟

灰色預測步驟

灰色預測步驟

對表達式進行檢驗

對結(jié)果進行檢驗

Python代碼實現(xiàn)1.準備數(shù)據(jù):縱觀我們的計算過程,需要用到兩個矩陣的點乘和轉(zhuǎn)置,求逆等運算。為了減少代碼,使用numpy和pandas包來實現(xiàn),因此需要引入這兩個包。importnumpyasnpimportpandasaspd數(shù)據(jù)準備年度2001200220032004200520062007財務杠桿系數(shù)71.172.472.472.171.472.071.6符號將以上數(shù)據(jù)準備好。importnumpyasnpimportpandasaspdgao_data=[0]*7#累加生成數(shù)據(jù),初始為零p_gao=[0]*7#計算的累加生成系列,計算后放入p_data=[0]*7#預測的未來數(shù)據(jù),計算后放入data=pd.DataFrame({"year":[2001,2002,2003,2004,2005,2006,2007],"val":[71.1,72.4,72.4,72.1,71.4,72.0,71.6],"gao_data":gao_data,"p_gao":p_gao,"p_data":p_data})data

取出財務數(shù)據(jù):check_data=data.loc[:,”val”]#利用循環(huán),檢驗數(shù)據(jù)check_data=data.loc[:,"val"]n=len(check_data)lambda_left=np.exp(-2/(n+1))lambda_right=np.exp(2/(n+1))lambda_1=np.zeros(n-1)foriinrange(1,data_count):lambda_1[i-1]=check_data[i]/check_data[i-1]iflambda_left<lambda_1[i-1]<lambda_right:continueelse:print("data_error")breakelse:print("data_ok")

np中的cumsum函數(shù)可以實現(xiàn)這個功能gao_1=np.cumsum(check_data)data["gao_data"]=gao_1

z=np.zeros(n-1)foriinrange(1,n):z[i-1]=(gao_1[i-1]+gao_1[i])/2

x_t=pd.DataFrame([-z,[1]*(n-1)])x=x_t.transpose()y=check_data[1:]beta_1=np.dot(x_t,x)beta_2=np.dot(x_t,y)beta=np.linalg.inv(beta_1).dot(beta_2)

y=[0]*ny_yu=[0]*ny[0]=check_data[0]y_yu[0]=check_data[0]forkinrange(1,n):y[k]=round((y[0]-beta[1]/beta[0])*np.exp(-beta[0]*k)+beta[1]/beta[0],2)forkinrange(n-1,0,-1):y_yu[k]=round(y[k]-y[k-1],2)data["p_gao"]=ydata["p_data"]=y_yu

xi=[0]*nx_0=data["val"]x_bar=data["p_data"]foriinrange(0,n):temp=(x_0[i]-x_bar[i])/x_0[i]xi[i]=tempzeta=max(np.abs(xi))ifzeta<0.1:print("hight")elifzeta<0.2:print("normal")

rou=[0]*(n-1)beta[0]forkinrange(0,n-1):rou[k]=1-((1-0.5*beta[0])/(1+0.5*beta[0]))*lambda_1[k]rou_max=max(np.abs(rou))ifrou_max<0.1:print("hight")elifrou_max<0.2:print("normal")else:print("nouse")如果模型可用,那么就可以預測2008年的數(shù)據(jù)了。從前面的數(shù)據(jù)看,2007年時,k=6,因此,將k變?yōu)?就是2008年的累加數(shù)據(jù):y[7]=round((y[0]-beta[1]/beta[0])*np.exp(-beta[0]*7)+beta[1]/beta[0],2)#從當前數(shù)據(jù)量(k=6),預測未來兩年的數(shù)據(jù),則k分別為7,82008年的累加數(shù)據(jù)-2007年的累加數(shù)據(jù),就是2008年的預測值:y_yu[7]=y[7]-y[6]forkinrange(7,12):y[k-6]=round((y[0]-beta[1]/beta[0]

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論