評價、預(yù)測和戰(zhàn)略預(yù)測模型、算法、系統(tǒng)

1、實用2017年專著第二版題目評估、預(yù)測與戰(zhàn)略預(yù)測-第二版簡介作者：路璐北京勤智數(shù)融信息技術(shù)有限公司2017年3月9日文檔實用主要研究方向和思路:本專著首先闡述人工智能專家評估系統(tǒng)的貝葉斯算法和處理因子聚合的自動系統(tǒng)設(shè)計； 其次，講述機器學(xué)習(xí)權(quán)重設(shè)定的算 法和其系統(tǒng)設(shè)計；再次，論述線性預(yù)測、場景預(yù)測算法和償債來 源偏離度預(yù)測的算法；最后，介紹用自然語言生成報告的算法和 評估報告自動生成系統(tǒng)的設(shè)計。現(xiàn)有工作基礎(chǔ)：1、2008年發(fā)布自動平衡原理，包含對預(yù)測函數(shù)的擬合、插值與逼近的數(shù)值分析方法；2、2009年推出貝葉斯智能評估算法、循環(huán)體預(yù)測算法和場景預(yù)測算法的成果；3、2010年路璐以第一作者在俄羅

2、斯伏爾加格勒國立技術(shù)大學(xué)發(fā)表4本關(guān)于評估、預(yù)測和戰(zhàn)略預(yù)測的專著（1000余頁）：經(jīng) 濟預(yù)測中的革新、戰(zhàn)略經(jīng)濟預(yù)測與循環(huán)、解決企業(yè)戰(zhàn)略經(jīng) 濟課題專家系統(tǒng)在經(jīng)濟預(yù)測領(lǐng)域中的運用、經(jīng)濟預(yù)測中的場 景預(yù)測法和循環(huán)體的應(yīng)用；4、2011年路璐完成了自動系統(tǒng)，推出評估預(yù)測的產(chǎn)品， 貝葉 斯專家評估系統(tǒng)、利用循環(huán)體預(yù)測的自動系統(tǒng)、經(jīng)濟戰(zhàn)略預(yù) 測程序，弁獲得俄羅斯國家知識產(chǎn)權(quán)辦公室的專利；5、2011年路璐以項目主要負(fù)責(zé)人身份參與俄羅斯洲級科研項目8項，弁得到優(yōu)秀成果：分析，診斷系統(tǒng)發(fā)展的戰(zhàn)略預(yù)測、貝文檔實用葉斯專家評估系統(tǒng)、利用循環(huán)確定經(jīng)濟評估的自動系統(tǒng)、人 工智能專家評估系統(tǒng)在心理語義學(xué)的聲音識別的應(yīng)用

3、、人工智 能專家評估系統(tǒng)在人的病歷 3D管理的應(yīng)用、人工智能專家評 估系統(tǒng)在心理和生理的特征曲線-相貌識別系統(tǒng)的應(yīng)用、人工 智能專家評估系統(tǒng)在按自動平衡方法自動選擇藥劑的應(yīng)用 、人 工智能專家評估系統(tǒng)在化學(xué)反應(yīng)數(shù)據(jù)庫的應(yīng)用 ；6、2012年路璐以評估、預(yù)測和戰(zhàn)略預(yù)測為課題通過俄羅斯 工科博士級別的國家答辯。 在此期間多次發(fā)表相關(guān)論文，參加國際學(xué)術(shù)科研會議，弁在會議上發(fā)表演講，得到法國、德國、烏克 蘭和日本國家的關(guān)注。其評估和預(yù)測的產(chǎn)品在多個俄羅斯科研項 目中得到好評和認(rèn)可；7、2012年山西陽泉2012招才引智計劃，簽署2.2億人民幣 協(xié)議。8、2014年大公國際資信評估有限公司關(guān)建中董事長出

4、版大公 信用評級原理。9、2014年俄氣集團在中國香港發(fā)債，12月我以大公國際信用分 析師身份赴俄羅斯莫斯科對俄羅斯天然氣集團“a 3 n p o m”信用評級，出評估報告。10、2015年路璐得到北京朝陽區(qū)政府海外高端人才認(rèn)定。11、2016年3月榮獲2016年北京博士后科研活動經(jīng)費 A類項 目資助。12、2016年7月注冊專家評估系統(tǒng)軟件著作權(quán)。13、2016年9月中報2016年全國博士后科研活動經(jīng)費面上 c 資助。文檔實用14、2016年9月研發(fā)數(shù)字化智能評估系統(tǒng)、數(shù)字化評級權(quán) 重自動生成系統(tǒng)、數(shù)字化評級機器學(xué)習(xí)權(quán)重優(yōu)化系統(tǒng)、信用 風(fēng)險監(jiān)測預(yù)警系統(tǒng)、評估報告自然語言生成系統(tǒng)。15、201

5、7年給貴陽市金融辦研發(fā)“數(shù)控金融”平臺項目。文檔實用專著內(nèi)容圖示:文檔實用專著邏輯思路圖示:文檔實用技術(shù)路線圖譜:大公數(shù)字化評級項目圖譜大公中央 數(shù)據(jù)庫文檔實用作者簡介人類從未停止過對未來的探索。2007年，歐美少數(shù)組織，如福特、殼牌公司，出現(xiàn)了以研究未來預(yù)測的職業(yè)人，大家稱他 們?yōu)椤拔磥眍A(yù)測家”。俄羅斯是在21世紀(jì)初期把預(yù)測未來提到戰(zhàn)略高度的。路璐，1980年濟南生人，2008年在電子計算技術(shù)和自動系 統(tǒng)設(shè)計專業(yè)的基礎(chǔ)上，以俄羅斯研究員身份對“評估、預(yù)測和戰(zhàn) 略預(yù)測”課題進行研究。同年發(fā)表了自動平衡原理，預(yù)測函數(shù)的 擬合、插值與逼近的數(shù)值分析方法。2009年對貝葉斯算法的人工智能專家評估系統(tǒng)

6、，循環(huán)體預(yù)測方法，場景預(yù)測方法進行研究； 在三代博士 8年共同的研究的基礎(chǔ)上，2010年作為第一作者在 伏爾加格勒國立技術(shù)大學(xué)出版了 4本關(guān)于“評估、預(yù)測和戰(zhàn)略預(yù) 測”的專著（1000余頁）。2011年完成了自動系統(tǒng)設(shè)計，推出 評估預(yù)測產(chǎn)品貝葉斯專家評估系統(tǒng)、利用循環(huán)體預(yù)測的自動系統(tǒng)、經(jīng)濟戰(zhàn)略預(yù)測程序，弁于 2011年12月7日獲得 俄羅斯聯(lián)邦知識產(chǎn)權(quán)辦公室頒發(fā)國家程序注冊專利證書。2012年以“評估、預(yù)測和戰(zhàn)略預(yù)測”為課題通過俄羅斯工科博士級別 的國家答辯。在此期間多次發(fā)表相關(guān)論文，參加國際學(xué)術(shù)科研會議和演講，其研究成果得到法國、德國、烏克蘭和日本國家的關(guān) 注和好評。2014年進入大公國際資

7、信評估公司研究院博士后站 從事評估、預(yù)測科研工作。2015年得到北京朝陽區(qū)政府高端人 才認(rèn)定。文檔實用專著簡介目錄序言第一章評估第一節(jié)評估中的眾因子聚合和歸一第二節(jié)層次分析法計算權(quán)重第三節(jié)機器學(xué)習(xí)的權(quán)重算法第四節(jié) 人工智能專家評估系統(tǒng)第二章預(yù)測第一節(jié)生命周期循環(huán)原理第二節(jié)場景預(yù)測原理第三節(jié)曲線預(yù)測第四節(jié) 時空預(yù)測的哲學(xué)觀點第三章偏離度第一節(jié)數(shù)據(jù)標(biāo)準(zhǔn)化處理第二節(jié) 關(guān)于受評主體隨時間變化的偏離度函數(shù)的擬合第三節(jié) 關(guān)于影響偏離度的可調(diào)節(jié)的N維指數(shù)的建模第四節(jié)場景預(yù)測和偏離度第四章 貝葉斯信用評估模型第一節(jié)貝葉斯方法基本原理文檔實用第二節(jié)貝葉斯估計推廣第三節(jié)貝葉斯信用評估模型第四節(jié) 貝葉斯方法在評級項

8、目中的應(yīng)用第五節(jié)貝葉斯專家評估系統(tǒng)第五章評估預(yù)測自動系統(tǒng)的設(shè)計第一節(jié)大公原理評級邏輯圖第二節(jié) 自然語言生成報告自動系統(tǒng)設(shè)計第三節(jié)權(quán)重自動系統(tǒng)設(shè)計第四節(jié) 專家評估自動系統(tǒng)的系統(tǒng)設(shè)計第五節(jié) 機器學(xué)習(xí)訓(xùn)練權(quán)重自動系統(tǒng)設(shè)計附錄1、貝葉斯算法的專家評估系統(tǒng)2.0版本使用說明2、貝葉斯算法的專家評估系統(tǒng)2.0版本知識庫編輯器說明3、貝葉斯算法的專家評估預(yù)測系統(tǒng)國家專利參考文獻文檔實用評估、預(yù)測與戰(zhàn)略預(yù)測評估是識別，分析及評價的全過程。預(yù)測是研究和評估未來將會發(fā)生的事件及結(jié)果， 是可供檢測 的科學(xué)方法。預(yù)測目的是為決策提供作為依據(jù)的信息， 預(yù)測值是 對未來數(shù)據(jù)值的無偏估計。戰(zhàn)略是通向預(yù)測目的優(yōu)化選擇。Eva

9、luation, Forecasting and Strategized ProjectionEvaluation is the process of recognition, analysis and assessment.Forecasting, usually adopting scientific methods that can be tested or proved, provides insights and estimations on possible contingencies and consequences of the future. As forecasting a

10、ims to produce accurate predicted values(unbiased estimations of future data), the objective of forecasting is to provide useful information in the decision-making process.Strategy is the optimized approach to reach a specific projection.文檔實用AbstractThe key methodology of this book is the applicatio

11、n of Artificialintelligence algorithms in Credit Rating, which isbriefly demonstrated below:The whole qualitative and quantitative aggregative index/indicators shall be processed by Bayesian Artificial Intelligence Evaluation System. Stored in the Constant Pool, impact factors would be trained under

12、 the Machine Learning Algorithms to produce the weight. The data training process should be driven by the difference between expected outputs and actual outputs. Consequently, the weight values would be updated constantly based on the changes of the learning speed and failure frequency, and the weig

13、ht would be adjusted accordingly. The Deviation Mathematic Model makes it feasible to adjust significant factors deviation index. The projections would be established in accordance with the trend curve of deviation index over a continuous time interval. The level/degree of deviation would be identif

14、ied based on the Circulating Prediction (coding) Methodology and each level/degree shall be defined by scenario/scene prediction method. The initial evaluation/rating reports, constituted by these scenario/scene modules, would be processed and文檔實用embellished through Natural language generation syste

15、m to form improved version of rating reports with higher quality.序言信用評級技術(shù)對于金融機構(gòu)具有重要意義。信用評級的傳統(tǒng) 方法主要是包括專家法、打分法等在內(nèi)的主觀綜合法，在信用評級行為越來越頻繁和普遍的今天，冗繁的評定過程和過強的主觀 性使人們開始尋求傳統(tǒng)法之外的信用評級方法。人工智能技術(shù)能顯著地提高信用評級的準(zhǔn)確度與適應(yīng)性?；谌斯ぶ悄芗夹g(shù)的信用評估模型，實現(xiàn)自動生成高質(zhì)量的信用評級報告。隨著經(jīng)濟和金融機構(gòu)業(yè)務(wù)的發(fā)展和擴張，對信用評級先進技術(shù)的需求日益顯著，利用人工智能技術(shù)構(gòu)建信用評估模型，具有獨特的優(yōu)勢，用 很高的研究意義和

16、使用價值，而且有著廣闊的應(yīng)用前景。信用評估的發(fā)展過程由三個階段組成：(1)定性分析階段：信用評估技術(shù)的研究最初可以追溯到 1930年，在1960年成為熱點。在1970年前，信用評估的主要 方法是依靠信用分析師，通過對所提供的各種財務(wù)報表的靜態(tài)數(shù) 據(jù)的分析，以及對受信主體的調(diào)查，從而得到相對主觀的評估結(jié)果。(2)定量統(tǒng)計分析階段：1941年，戴維德第一個用判別分 析技術(shù)來區(qū)分信用好的主體和信用差的主體，信用評估技術(shù)從此文檔實用進入定量研究的新階段。然后研究者們相繼提出了大量的定量信 用風(fēng)險的評估模型。(3)定量人工智能分析階段：1980年以來，如人工智能專 家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)等被廣泛的運用于構(gòu)建信

17、用評估模型，由于其具有良好的可以適應(yīng)于復(fù)雜的非線性分類的能力，因此性能結(jié)果優(yōu)于統(tǒng)計學(xué)方法。近年來一些新的人工智能算法被開發(fā)出來用于 信用評估，典型的有兩階段評估模型： 雜合評估模型和分類器集 成評估模型，這些模型將單個分類器進行組合以提高精度，通過實驗測試表明，這些算法能顯著提高單個分類器的分類精度和穩(wěn) 定性。從國內(nèi)的研究現(xiàn)狀來看，信用評估研究還處于起步階段， 我 國評級機構(gòu)和商業(yè)銀行雖然建立了信用風(fēng)險管理機制，但由于實際中遇到的各種問題，目前我國信用評估技術(shù)還主要停留于定性 分析的水平上，只有少部分采用了定量統(tǒng)計分析的方法，信用風(fēng)險的評估明顯滯后。隨著評級行業(yè)的需要，國內(nèi)評級機構(gòu)已經(jīng)把 人工

18、智能算法應(yīng)用到信用評級方法中，建立人工智能評估系統(tǒng)是信用評級的發(fā)展趨勢。信用評級是發(fā)現(xiàn)弁披露信用風(fēng)險的手段，大公信用評級原理提出償債來源與財富創(chuàng)造能力偏離度的思想，弁把它作為核心評級思想。大公評級原理采用了綜合歸一法，把影響企業(yè)信用級別的眾多因素歸為偏離度表示，用多個可以影響偏離度的指標(biāo)進行 調(diào)節(jié)。企業(yè)偏離度隨著時間而發(fā)生變化，與行業(yè)和其他企業(yè)做比較，擁有安全區(qū)間，弁能通過其他方法實現(xiàn)預(yù)測。用人工智能的 算法解決評級方法中的關(guān)鍵技術(shù)： 用貝葉斯算法的人工智能專家文檔實用評估系統(tǒng)處理眾定性和定量因子的綜合指數(shù)；在影響因子的靜態(tài)池中用機器學(xué)習(xí)的方法訓(xùn)練權(quán)重， 用期望輸出與實際輸出的差異 引導(dǎo)著學(xué)習(xí)

19、過程，權(quán)重值會隨著學(xué)習(xí)的速度和失敗的次數(shù)而不斷 更新，使權(quán)重隨著環(huán)境的變化而實現(xiàn)偏差糾正；給偏離度數(shù)學(xué)建 模，實現(xiàn)重要因子可以調(diào)節(jié)偏離度指數(shù)；根據(jù)偏離度在時間軸上的曲線走勢，進行預(yù)測；用循環(huán)體預(yù)測的思想分解偏離度的級別， 用場景預(yù)測法對不同級別的偏離度進行定義；眾多場景模塊式組成評級報告，用自然語言生成技術(shù)對評級報告優(yōu)化，從而自動生成高質(zhì)量的評級報告，最大可能的排除評估分析師的主觀干擾， 走出具有民族特色的信用評級、評估、預(yù)測、戰(zhàn)略預(yù)測的道路。文檔實用第一章評估第一節(jié)評估中的眾因子聚合和歸一評估中需要對眾多因子進行聚合計算和歸一化處理。眾因子聚合是指被評估對象的大量影響因子通過某種算法，使其用

20、一個或幾個指數(shù)反映整體的屬性。歸一化是一種被簡化計算方式，即 將有量綱的數(shù)學(xué)表達(dá)式經(jīng)過變換，轉(zhuǎn)化為無量綱的數(shù)學(xué)表達(dá)式， 成為標(biāo)量，在多種評估計算中都經(jīng)常用到這種方法。最常見的因子聚合算法是各級因子的量化值在標(biāo)準(zhǔn)化處理 后，與其權(quán)重系數(shù)乘積的和， 這種和的集合構(gòu)成反映整體屬性的 指數(shù)。歸一化是一種無量綱處理方法，使物理系統(tǒng)數(shù)值的絕對值變 成某種相對值的關(guān)系。可以達(dá)到簡化計算，縮小量值的效果。數(shù) 據(jù)歸一化手段一般有兩種形式：一種是把數(shù)變?yōu)椋?, 1）之間的小數(shù)，一種是把有量綱表達(dá)式變?yōu)闊o量綱表達(dá)式。1、把數(shù)變?yōu)椋?, 1）之間的小數(shù)。為了數(shù)據(jù)處理方便，把 數(shù)據(jù)映射到0-1范圍之內(nèi)，之后的運算變得更

21、加便捷快速，屬于 數(shù)字信號處理范疇之內(nèi)。2、把有量綱數(shù)學(xué)表達(dá)式變?yōu)闊o量綱數(shù)學(xué)表達(dá)式。歸一化是 一種簡化計算的方式，經(jīng)過將有量綱的數(shù)學(xué)表達(dá)式變化為無量綱 的數(shù)學(xué)表達(dá)式，成為純量。眾因子聚合和歸一的方法經(jīng)常會用于評估過程中。文檔實用第二節(jié)層次分析法計算權(quán)重美國運籌學(xué)者薩提于1970年初發(fā)表了著名的層次分析法。 層 次分析法是將與決策有關(guān)的元素分解成目標(biāo)、 方案、準(zhǔn)則等方面， 在此基礎(chǔ)之上進行定量和定性分析的決策方法。 該方法具有簡潔、 系統(tǒng)、靈活的優(yōu)點。層次分析法一般有四種方法用于計算權(quán)重。當(dāng)利用層次分析法解決實際問題時，都是使用其中的某一種方法求權(quán)重向量，從而得出相應(yīng)的結(jié)果。四種計算方法算出的權(quán)

22、重向量一般比較相似， 但也有細(xì)微差距，而這些細(xì)微的差距在解決實際問題時可能會得 出不一樣的結(jié)果。通過互相比較四種算法求解權(quán)重向量，得出更科學(xué)有效的決策。一、層次分析法的基本原理與步驟當(dāng)用層次分析法建模來解決實際問題時，可按下面四個步驟進行：步驟1-建立遞階層次結(jié)構(gòu)模型。應(yīng)用分析決策問題時，首先要把問題層次化、條理化，構(gòu)建 出一個有層次的結(jié)構(gòu)模型。 把這些層次分為三類：目的層（最高 層），準(zhǔn)則層（中間層），方案層（最底層）。遞階層次結(jié)構(gòu)中的 問題和層次數(shù)的復(fù)雜程度， 與需要分析的詳盡程度有關(guān)， 一般的 層次數(shù)不受限制。每一層次中各元素所支配的元素一般不要超過 9個。文檔實用步驟2-構(gòu)造出各層次中

23、的所有判斷矩陣。準(zhǔn)則層中的各準(zhǔn)則在目標(biāo)衡量中所占的比重是不同的， 在決 策者的眼中，它們各占據(jù)一定的比例。引用數(shù)字 1-9及其倒數(shù)作 為標(biāo)度來定義判斷矩陣A= （見表1）。步驟3-層次單排序及一致性檢驗。1）計算一致性指標(biāo)CLCI=,其中，為判斷矩陣的最大特征值2）查找一致性指標(biāo)RI （見表2）。表1 -判斷矩陣標(biāo)度定義標(biāo)度含義1表示兩個因素相比，具有相同重要性3表示兩個因素相比，前者比后者稍重要5表示兩個因素相比，前者比后者明顯重要7表示兩個因素相比，前者比后者強烈重要9表示兩個因素相比，前者比后者極端重要2, 4,6,8表示上述相鄰判斷的中間值倒數(shù)若因素i與因素j的重要性之比為=1/。,那

24、么因素j與因素i重要性之比為表2 -平均隨機一致性指標(biāo)。n1234567891011121314RI000.520.891.121.241.361.411.461.491.521.541.561.583）計算一致性比例CRCR=CI/RI當(dāng)CR0.10時，認(rèn)為判斷矩陣的一致性是可以接受的，否則 應(yīng)對判斷矩陣作適當(dāng)修正。文檔實用步驟4-層次總排序及一致性檢驗。最后要得到各元素，特別是最低層中各方案對目標(biāo)的排序權(quán)重，從而進行方案選擇。對層次總排序也需作一致性檢驗，計算 各層元素對系統(tǒng)總目標(biāo)的合成權(quán)重，弁對其他的方案排序。二、層次分析法權(quán)重向量W勺計算方法計算方法有幾何平均法（方根法）、算術(shù)平均法（

25、求和法）、特 征向量法和最小二乘法4種。1、幾何平均法（方根法）,i=1,2,，n其計算步驟為：a、A的元素按行相乘得一新向量；b、將新向量的每個分量開n次方；c、將所得向量歸一化即為權(quán)重向量。2、算術(shù)平均法（求和法）由于判斷矩陣A中的每一列都近似地反映了權(quán)值的分配情況, 因此可采用全部列向量的算術(shù)平均值來估計權(quán)向量。即文檔實用oo其計算步驟為：a、A的元素按列歸一化，即求b、將歸一化后的各列相加c、將相加后的向量除以n即得權(quán)重向量3、特征向量法將權(quán)重向量 岫乘權(quán)重比矩陣A,有AW= *W同上， 為判斷矩陣的最大特征值，存在且唯一，W勺分量均為正分量。最后，將求得的權(quán)重向量作歸一化處理即為所求

26、。4、最小二乘法用擬合方法確定權(quán)重向量，使殘差平方和為最小。即求解如下模型：s.t.層次分析法是對定性問題進行定量分析的一種靈活、簡便而文檔實用又實用的多準(zhǔn)則決策方法，以上四種計算方法分別來求權(quán)重向量, 其計算結(jié)果會有不同。當(dāng)處理大量影響因子的權(quán)重計算時， 層次分析法顯得力不從 心，尤其面臨評估對象隨著條件變化， 其影響因子的權(quán)重也不斷 的變化，因此我們提出機器學(xué)習(xí)的方法計算權(quán)重。文檔實用第三節(jié)機器學(xué)習(xí)的權(quán)重算法用機器學(xué)習(xí)來計算權(quán)重，有一定的優(yōu)勢，這種計算模型可以 根據(jù)環(huán)境和調(diào)節(jié)的變化，所算的權(quán)重也隨著變化， 達(dá)到與時俱進 的效果。針對已經(jīng)設(shè)定好指標(biāo)的被評估主體， 指標(biāo)體系中各指標(biāo)有不 同的量

27、綱，需要轉(zhuǎn)換為無量綱的標(biāo)準(zhǔn)化指標(biāo)。關(guān)于評估指標(biāo)標(biāo)準(zhǔn)化方法：評估指標(biāo)分為正向型和逆向型。正向型具有越大越優(yōu)的性質(zhì)， 逆向型是越小越優(yōu)的性質(zhì)。 在(1 wjwn)個評估指標(biāo)中，m個評估方案(待評)(1i n) ,m個方案n個指標(biāo)構(gòu)成矩陣X=() 叫做評估矩陣。在評估矩陣 中，對于正向指標(biāo)，取 二() 則 ,(1 i m, 1 j n);對于逆向型指標(biāo)，取=(),則=一,(1 i m, K j Fa,則回歸方程具有顯著意義，回歸效 果顯著；F t -a或ta / 2 ,則回歸系數(shù)bi與0有顯著關(guān)異，反之，則與 0無顯著差 異。統(tǒng)計量t的計算公式為：文檔實用其中，Cij是多元線性回歸方程中求解回歸系數(shù)

28、矩陣的逆矩陣（xx）- 1的主對角線上的第j個元素。對二元線性回歸而言,可用下列公式計算： = S口 q rr E011022 爸。22= J爐011022 0 12其中，&】 = （f-短了 =力產(chǎn)f S22 = （亞 一 x2）2 = 曷一 ：（的產(chǎn) f L512 = E（毋1 -巧）（附-如）=S2L處均一；（處）（去）.多重共線性判別若某個回歸系數(shù)的t檢驗通不過，可能是這個系數(shù)相對應(yīng)的 自變量對因變量的影平不顯著所致，此時，應(yīng)從回歸模型中剔除這個自變量，重新建立更為簡單的回歸模型或更換自變量。也可能是自變量之間有共線性所致，此時應(yīng)設(shè)法降低共線性的影響。多重共線性是指在多元線性回歸方程中

29、，自變量之彰有較強的線性關(guān)系，這種關(guān)系若超過了因變量與自變量的線性關(guān)系，則回歸模型的穩(wěn)定性受到破壞， 回歸系數(shù)估計不準(zhǔn)確。 需要指出的 是，在多元回歸模型中，多重共線性的難以避免的，只要多重共 線性不太嚴(yán)重就行了。判別多元線性回歸方程是否存在嚴(yán)懲的多文檔實用重共線性，可分別計算每兩個自變量之間的可決系數(shù)r2,若r2 R2接近于R2,則應(yīng)設(shè)法降低多重線性的影響。亦可計 算自變量間的相關(guān)系數(shù)矩陣的特征值的條件數(shù)k =入1 /入p（入1為最大特征值，入p為最小特征值）,k100 ,則不存在多重 點共線性；若100W k1000,則自變量間存在嚴(yán)重的多重共線性。降低多重共線性的辦法主要是轉(zhuǎn)換自變量的取

30、值，如變絕對數(shù)為相對數(shù)或平均數(shù)，或者更換其他的自變量。.D.W 驗當(dāng)回歸模型是根據(jù)動態(tài)數(shù)據(jù)建立的，則誤差項e也是一個時間序列，若誤差序列諸項之間相互獨立，則誤差序列各項之間沒 有相關(guān)關(guān)系，若誤差序列之間存在密切的相關(guān)關(guān)系，則建立的同歸模型就不能表述自變量與因變量之間的真實變動關(guān)系。D.W僉驗就是誤差序列的自相關(guān)檢驗。檢驗的方法與一元線性回歸相同。文檔實用第四節(jié)時空預(yù)測的哲學(xué)觀點關(guān)于時空預(yù)測的哲學(xué)觀點，我想以中國古代易經(jīng)理論為 案例進行解釋。首先提一下易經(jīng)在中國文化的地位和意義。易經(jīng)是中國傳統(tǒng)思想文化中自然哲學(xué)與人文實踐的理論根源，是古代漢民族思想、智慧的結(jié)晶，被譽為“大道之源”，是古代帝王之學(xué)

31、， 政治家、軍事家、商家的必修之術(shù)。易經(jīng)含蓋萬有，綱紀(jì)群倫，是漢族傳統(tǒng)文化的杰出代表；廣大精微，包羅萬象，亦是中 華文明的源頭活水。然后籠統(tǒng)介紹一下易經(jīng)中提到的各種組成部分。易經(jīng) 以宇宙間萬事萬物為觀察和研究的對象，用“陰”和“陽”兩個 基本要素，描述了一個陰陽變化的系統(tǒng)?！盁o極生有極，有極生太極，太極生兩儀（即陰陽），兩儀生四象（即少陽，太陽，少 陰，太陰），四象演八卦，八八六十四卦” O兩儀是對太極的細(xì) 分；八卦是對陰陽的細(xì)分；六十四卦是對八卦的細(xì)分。每卦及卦 爻的含義有單獨的章節(jié)進行釋義。易經(jīng)由“經(jīng)”和解說的“傳” 構(gòu)成。“經(jīng)”由六十四個用象征符號（即卦畫）的卦組成，每卦 的內(nèi)容包括卦畫、卦名、卦辭、爻題、爻辭組成。每一卦由兩個 三卦畫或三個兩卦畫組成， 內(nèi)