灰色预测模型GM(1,1)

所属分类：时间序列分析

这个方法是做什么的

面向“数据很少、机理不清”的场景。做法是先对原始序列做一次累加生成，把杂乱的波动累成一条近似指数的曲线，再用一阶灰色微分方程 dx¹/dt + a·x¹ = b 去拟合它，最后还原回原尺度得到拟合值与外推值。发展系数 a 决定长期走向：−a 为正是增长，绝对值越大衰减或增长越剧烈，超过一定范围模型就失去预测意义。

它没有 p 值、没有置信区间，因为这是确定性的微分方程拟合而不是统计推断——参数由最小二乘辨识，模块也如实说明不提供标准误与显著性检验，预测只给点值不给区间。取而代之的是灰色系统理论自带的精度四检验：平均相对误差、灰色关联度、后验差比 C、小误差概率 P，每项按四档判级，联合等级取最差的一项而不是加权平均。读这份报告的着眼点是卡① 的级比检验——它是 GM(1,1) 唯一的硬性数据前提，也是它唯一能自动发现“这份数据不适合本方法”的闸门。

需要准备什么数据

• 放入时间序列数据 [定量] 变量Y：1 个，定量变量（数值）
• 放入时间项 [定类] 变量（可选）：0~1 个，定类变量（分组/标签）

数据要求

• 数据表至少 4 行。
• 单列缺失率不超过 10%。
• 不接受取值全都一样的列（零方差列没有可分析的变异）。

以上条目由系统从该方法的校验规则直接生成，与上传数据时的实际拦截规则一致。

什么时候用它

• 只有四到十个观测点，样本量少到跑不了 ARIMA 或指数平滑
• 新产品、新政策实施后的短期趋势外推，历史积累不足
• 序列近似单调的指数增长或衰减，波动不剧烈
• 需要一个中长期的粗略走势判断，而不是精确的区间预测

前提有三条硬的：序列不含 0 值（级比要做除法）、非常数、至少 4 行（3 行会被直接拦下）。最关键的是级比检验：所有级比 λ(k)=x⁰(k−1)/x⁰(k) 必须落在 (e^{−2/(n+1)}, e^{2/(n+1)}) 内，越界时模块会自动把序列整体平移后复检。这个模块不按时间列排序，行序即时序，时间标签只用于标注。序列过长反而不好——早期数据的结构变化会拉低精度，常用 4 到 10 个近期数据点。

什么时候不要用它

• 样本有几十上百个点：GM(1,1) 的单一指数假定会浪费信息，用「时间序列分析(ARIMA)」或「指数平滑模型」。
• 序列有明显的季节或周期波动：级比会大面积越界，用「季节性ARIMA模型」或先用「季节分解模型」拆开看。
• 你需要预测区间或参数的显著性：确定性拟合给不了，用「时间序列分析(ARIMA)」。
• 序列中间发生过拐点或结构突变：单一指数曲线拟合不了，先用「突变点检测(Pettitt)」定位再分段。
• 要比较的是多个方案与理想序列的贴合度而不是做预测：那是另一件事，用「灰色关联分析」。

容易误读的地方

• 精度等级按最差的一项定，相对误差再小也救不回来。 演示数据的平均相对误差只有 0.67%（一级）、后验差比 C=0.0299（一级）、小误差概率 P=1.000（一级），唯独灰色关联度 0.5577 落在四级，联合等级就是“四级(不合格)”，卡③ 直接写“外推结果只宜作趋势参考，不宜直接用于决策”。看到不合格不要只盯着相对误差喊冤——要去卡④ 的明细表看是哪一项拖后腿，四项衡量的是四件不同的事。
• 关联度低而相对误差小是常见组合，两者度量的不是一回事。 相对误差看数值贴不贴，关联度看曲线形状像不像，且关联系数 ξ(k)=(Δmin+ρΔmax)/(Δ(k)+ρΔmax) 的分母里带着全局最大偏差 Δmax。演示的 Δmax 只有 2.7761，于是任何一点几个单位的偏差都会把该点的关联系数压得很低。序列本身拟合得越好、Δmax 越小，关联度反而越容易偏低。
• 级比检验是它唯一的自检闸门，通过与否要当回事。 把演示数据的行序打乱后重跑，级比立刻有 8 个越界，自动平移 284 个单位后仍有 3 个越界，报告明说“序列波动过大，GM(1,1) 结果须谨慎解读”，同时平均相对误差从 0.67% 涨到 17.38%。反过来说，级比通过并不保证结论对，但级比不通过时继续往下读没有意义。
• 4 行就能建模，但“能跑”不等于“能信”。 这是全族门槛最低的模块，代价是它对每一个点都极其敏感——四个点里改动一个，发展系数就会明显移动。样本极少时应当把 GM(1,1) 的结果当成一个趋势方向，而不是一组数值；并且明确说明外推了几期。
• 外推能力随步长快速衰减，通常只建议外推 1 到 3 期。 报告里所有误差都是样本内拟合误差，模块不做留出法或滚动回测，因此不能据此宣称样本外精度。演示向后推了 3 期（309.886 → 370.505），这三个数是同一条指数曲线的延伸，越远越依赖“指数规律一直成立”这个假定本身。

报告里有什么

1. 输出结果一：数据概览与前提检验
2. 输出结果二：模型参数与拟合预测结果
3. 输出结果三：拟合预测图与残差诊断图
4. 输出结果四：精度检验与事后分析
5. 输出结果五：结论与学术表述