论文部分内容阅读
TOPSIS方法是多属性决策的一种常用方法,在经济、金融、管理、军事等方面有着广泛的应用,目前有关三角模糊环境下的多属性决策,通常认为三个端点的重要性程度相同,并且很少有文献对各端点之间的交叉影响加以考虑。另外,组合预测的信息集结方法被广泛应用于决策思想中,但是决策思想在组合预测中应用较少,而组合预测最优权重系数的确定实际上是归一化权重在各个单项预测中的权重最优分配的决策问题。因此,本文基于上述想法,探讨TOPSIS准则及其在多属性决策和组合预测中的应用,具体内容如下:(1)考虑到两个三角模糊数,尤其是非对称的三角模糊数,三个端点并不以简单的等权方式反映其差异,同时各端点间的交叉影响也应当考虑在内。本文将定积分思想应用于隶属度函数,将其作为被积函数,提出了三角模糊差异度量函数的概念,并指出差异度量函数实际为三角模糊数空间上的距离,将该距离应用到模糊TOPSIS方法中,文章最后给出实例验证了本文方法的有效性与计算的简便性;(2)考虑到将所有可能权重的单项预测方法构成的组合预测方法作为备选方案,以用来评价预测方法好坏的指标作为属性,则组合预测最优权重系数的选取问题转化为一个在诸多组合方案中择优的多属性决策问题。在此基础上本文以预测精度的均值和方差作为多属性决策的两个属性,构建了以贴近度为准则的多目标组合预测模型,并将其运用到股票指数的点位预测中;(3)考虑到传统的实数组合预测不能很好地刻画当前复杂的金融环境,将单项预测方法的预测环境由实数推广到三角模糊数,同时微观上在每一个预测时刻,以当前时刻的单项预测方法作为备选方案,三个端点的误差平方和作为属性,建立一个基于TOPSIS方法的多属性决策模型,并以各单项方法的贴近度作为当前时刻的IOWA算子的诱导值。在此基础上构建了基于TOPSIS方法和IOWA算子的模糊组合预测模型,并将其运用到股票指数的点位预测中。