Resumen

La teoría del sistema gris ha sido ampliamente utilizada para pronosticar los datos económicos que a menudo son altamente no lineales, irregulares y no estacionarios. El tamaño de estos conjuntos de datos económicos suele ser muy pequeño. Muchos modelos basados en la teoría del sistema gris podrían adaptarse a varios datos de series temporales económicas. Sin embargo, algunos de estos modelos no consideraron el impacto de los datos recientes o los parámetros efectivos del modelo que pueden mejorar la precisión del pronóstico. En este documento, proponemos el modelo PRGM(1,1), un mecanismo de rodadura basado en un modelo gris optimizado por la optimización por enjambre de partículas, con el fin de mejorar la precisión del pronóstico. El experimento muestra que PRGM(1,1) obtiene una precisión de pronóstico mucho mejor entre otros modelos grises ampliamente utilizados en tres conjuntos de datos económicos reales.

• Materias:Ecuaciones diferenciales Ecuaciones integrales Variables independientes Sistemas dinámicos Combinaciones convexas
• Subjects:Differential equations Integral equations Independent variables Dynamic systems Convex combinations
• Palabras claves:Teoría del sistema gris; Datos económicos; Precisión de pronóstico; Modelo PRGM(1,1); Optimización de enjambre de partículas; Conjuntos de datos económicos
• Keywords:Grey system theory; Economic data; Forecast accuracy; PRGM(1,1) model; Particle swarm optimization; Economic datasets