灰預(yù)測(cè)模式評(píng)估觀光農(nóng)業(yè)之游客量

梁大慶,張俊斌

(1.臺(tái)灣虎尾科技大學(xué),臺(tái)灣 云林 63201;2.臺(tái)灣中州科技大學(xué),臺(tái)灣 彰化 51450)

1 前 言

時(shí)代的潮流與變遷,農(nóng)業(yè)產(chǎn)業(yè)的轉(zhuǎn)型成了解決農(nóng)業(yè)產(chǎn)業(yè)問(wèn)題的重要方向。休閑農(nóng)業(yè)將農(nóng)村資源提供觀光游憩使用,以提高農(nóng)民的所得與福祉,并增加游憩資源的供給,以滿足游客的需求。臺(tái)灣休閑農(nóng)業(yè)的推展有兩個(gè)方向:其一為農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)的提振,其二為休閑游憩機(jī)會(huì)的提供。為滿足休閑活動(dòng)需求的增加與多樣化的要求等多方面考慮,于1993年起實(shí)施 “休閑農(nóng)業(yè)區(qū)設(shè)置管理辦法”,隨著1996年 “休閑農(nóng)業(yè)輔導(dǎo)辦法”的修正完成,休閑農(nóng)業(yè)的推動(dòng)也有顯著之發(fā)展。近年臺(tái)灣地區(qū)政治與經(jīng)濟(jì)環(huán)境產(chǎn)生頗大的變化,所面對(duì)的環(huán)境亦不斷的變遷,相關(guān)的產(chǎn)業(yè)亦不斷地改變。以觀光旅游產(chǎn)業(yè)為例,餐飲、旅館、航空、運(yùn)輸、旅行業(yè)等多項(xiàng)產(chǎn)業(yè)過(guò)去都是觀光產(chǎn)業(yè)的主干,而農(nóng)業(yè)觀光休閑產(chǎn)業(yè)已被認(rèn)為是未來(lái)發(fā)展的優(yōu)先選擇[1],振興觀光還有助于活絡(luò)關(guān)聯(lián)產(chǎn)業(yè)。酒產(chǎn)業(yè)與酒文化向來(lái)與日常生活習(xí)習(xí)相關(guān),在臺(tái)灣酒產(chǎn)業(yè)漸漸地影響地方生活文化,可說(shuō)是帶動(dòng)觀光產(chǎn)業(yè)的火車頭。南投埔里酒廠是臺(tái)灣的酒鄉(xiāng),現(xiàn)已轉(zhuǎn)型為休閑觀光酒廠,設(shè)有酒文化館及產(chǎn)品展示中心,并結(jié)合當(dāng)?shù)赜^光資源共同推展文化活動(dòng),以 “文化釀酒、藝術(shù)觀光”為主軸,配合鄰近觀光游憩景點(diǎn),孕育旅游空間,活絡(luò)埔里的酒文化觀光特色,以吸引更多的觀光客到埔里來(lái)旅游和消費(fèi),埔里酒廠不僅是生產(chǎn)制造者,也是文化歷史保存者,更是觀光發(fā)展的推手[2]。雖自921震災(zāi)重創(chuàng)后,使得南投地區(qū)觀光一落千丈,如今埔里酒廠為埔里地區(qū)觀光產(chǎn)業(yè)的重點(diǎn)區(qū)域,因此以埔里酒廠為例進(jìn)行分析,實(shí)具有指標(biāo)性之意義。

目前關(guān)于觀光旅游產(chǎn)業(yè)之預(yù)測(cè),多半是透過(guò)單變量與多變量之解釋變量來(lái)建立預(yù)測(cè)模型。但傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)及統(tǒng)計(jì)分析需要龐大樣本數(shù)據(jù)作為建模的基礎(chǔ),且必須符合統(tǒng)計(jì)上的相關(guān)檢定,才會(huì)有較佳的預(yù)測(cè)精確度;相較于灰色系統(tǒng)理論是針對(duì)系統(tǒng)模型之不確定性及信息之不完整性下,只需少量數(shù)據(jù)便可建立預(yù)測(cè)模型,灰色系統(tǒng)理論更為簡(jiǎn)便[3]。因應(yīng)科技時(shí)代的快速變化,以往需要收集大量數(shù)據(jù)樣本才能預(yù)測(cè)長(zhǎng)期規(guī)律的預(yù)測(cè)模型,在現(xiàn)實(shí)環(huán)境中較沒(méi)效率;反而是樣本數(shù)據(jù)比較少,計(jì)算過(guò)程簡(jiǎn)單,較具時(shí)效性的灰色預(yù)測(cè)模型漸漸地被廣泛應(yīng)用于各領(lǐng)域中。H sing et al.將灰色理論應(yīng)用于職災(zāi)類型的分析與預(yù)測(cè)[4];Chen et al.應(yīng)用灰預(yù)測(cè)理論預(yù)測(cè)臺(tái)灣3G行動(dòng)電話市場(chǎng)[5];余尚武等應(yīng)用動(dòng)量權(quán)重及灰預(yù)測(cè)傅立葉殘差修正模型于臺(tái)灣股票市場(chǎng)電子股之投資組合策略[6];Wang使用模糊時(shí)間序列與灰色馬可夫修正預(yù)測(cè)模型來(lái)預(yù)測(cè)觀光需求,證實(shí)灰馬可夫修正預(yù)測(cè)模型能改善GM(1,1)預(yù)測(cè)模型對(duì)于數(shù)據(jù)隨機(jī)波動(dòng)性較大之缺點(diǎn)[3]。本研究應(yīng)用GM(1,1)、滾動(dòng)檢驗(yàn)、灰色馬可夫以及灰色傅立葉級(jí)數(shù)殘差修正預(yù)測(cè)模型來(lái)預(yù)測(cè)埔里酒廠游客量,并對(duì)它們進(jìn)行比較與分析,總結(jié)各預(yù)測(cè)模型對(duì)所選擇數(shù)據(jù)型態(tài)的適性,以提供未來(lái)游客量評(píng)估之參考依據(jù)。

2 基地概況

秉承 “文化釀酒、藝術(shù)觀光”的傳承與經(jīng)營(yíng)理念,埔里酒廠營(yíng)造 “紹興故鄉(xiāng)”在埔里生根發(fā)展,不僅已經(jīng)是屬于地方的一個(gè)活的產(chǎn)業(yè)文化,更已成為一個(gè)具有酒歷史內(nèi)容的產(chǎn)業(yè)體,且具指標(biāo)性意義的重點(diǎn)游憩產(chǎn)業(yè)。

2.1 區(qū)域地理位置

酒廠位處臺(tái)灣南投縣埔里鎮(zhèn)內(nèi),其位置如圖1、圖2。而埔里鎮(zhèn)位居南投縣北部,東與東北面臨接仁愛(ài)鄉(xiāng),南臨魚池鄉(xiāng),西與西北面接國(guó)姓鄉(xiāng),以埔里是皆為中心,西距草屯鎮(zhèn)41 km,西北距臺(tái)中61 km,東距霧社23 km,南距日月潭17 km,如圖3。

2.2 產(chǎn)業(yè)特色

埔里酒廠成立于1902年日據(jù)大正年間,其前身為埔里社制酒株式會(huì)社,大正11年日人禁止民間制酒,臺(tái)灣總督府專賣局于這一年的6月30日接收,改名為埔里出張所,臺(tái)灣光復(fù)后,埔里酒場(chǎng)由省政府煙酒公賣局管轄,這時(shí)的埔里酒廠只生產(chǎn)米酒、太白酒、糯米酒,而且生產(chǎn)不多,后來(lái)才改以生產(chǎn)紹興酒為主。埔里酒廠生產(chǎn)的紹興酒,之所以香醇芬芳廣受酒客歡迎,原因之一是拜埔里水質(zhì)甘良之所賜,酒廠生產(chǎn)酒的水來(lái)自愛(ài)蘭臺(tái)地的泉水,近幾年來(lái)埔里酒廠除了積極推出愛(ài)蘭白酒、愛(ài)蘭喜酒、吟釀清酒等新酒之外,同時(shí)還大力推動(dòng)觀光,設(shè)立酒文化館,舉辦酒文化活動(dòng),為酒廠的發(fā)展找到新的契機(jī),目前酒廠已成為埔里地區(qū)最熱門的一個(gè)觀光景點(diǎn)。藉由 “產(chǎn)業(yè)文化化、文化產(chǎn)業(yè)化”的策略,并且結(jié)合地方藝文,觀光資源,為國(guó)內(nèi) “觀光酒廠”經(jīng)營(yíng)休閑游憩方向經(jīng)營(yíng)成功的案例。

3 研究方法

灰預(yù)測(cè)理論屬于灰色系統(tǒng)理論的研究?jī)?nèi)容之一,該理論是由鄧聚龍教授于1982年所提出,主要是針對(duì)系統(tǒng)模型之不明確性及信息之不完整性之下,進(jìn)行關(guān)于系統(tǒng)的關(guān)聯(lián)分析及模型建構(gòu),并借著預(yù)測(cè)及決策的方法來(lái)探討及了解系統(tǒng)的情況。并能對(duì)事物的不確定性、多變量輸入、離散的數(shù)據(jù)及數(shù)據(jù)的不完整性做有效的處理。其中灰預(yù)測(cè)即是以GM(1,1)模型為基礎(chǔ),對(duì)現(xiàn)有數(shù)據(jù)所進(jìn)行預(yù)測(cè)的預(yù)測(cè)方法,找出某一數(shù)列間各個(gè)元素之未來(lái)動(dòng)態(tài)狀況,不需要太多數(shù)據(jù),且數(shù)學(xué)基礎(chǔ)較簡(jiǎn)單[7]。

3.1 灰預(yù)測(cè)GM(1,1)模型

灰預(yù)測(cè)理論的基礎(chǔ)是針對(duì)系統(tǒng)過(guò)去已發(fā)生之?dāng)?shù)據(jù)序列,透過(guò)累加生成進(jìn)行數(shù)據(jù)處理,以提供建模之中間訊息,弱化原始數(shù)列的隨機(jī)性,從而發(fā)現(xiàn)、揭示潛在的規(guī)律,并由規(guī)律中預(yù)測(cè)未來(lái)可能的情況[1]。

滾動(dòng)檢驗(yàn) (Rolling Checking)是利用同一序列前面幾個(gè)數(shù)據(jù) (通常為4筆)來(lái)建立GM(1,1)模型,預(yù)測(cè)下一個(gè)數(shù)據(jù)后,再舍棄原始序列中第1筆數(shù)據(jù),加入第5筆數(shù)據(jù)建立GM(1,1)模型,預(yù)測(cè)第6筆數(shù)據(jù),依此類推的做到原始數(shù)據(jù)的最后一筆數(shù)據(jù)為止[7]。由于滾動(dòng)檢驗(yàn)法是基于新訊息優(yōu)于舊訊息的觀點(diǎn),調(diào)整序列發(fā)展趨勢(shì)的變化度,因此對(duì)趨勢(shì)發(fā)展變化較為強(qiáng)烈的數(shù)據(jù)更能顯示預(yù)測(cè)的精確度。

3.2 灰色馬可夫預(yù)測(cè)模型

灰色馬可夫預(yù)測(cè)模型M arkov GM(1,1),是由田自力與劉碧發(fā)于1996年提出,認(rèn)為GM(1,1)預(yù)測(cè)模型適用于數(shù)據(jù)數(shù)據(jù)少且符合所謂 “廣義能量系統(tǒng)”的預(yù)測(cè),只需少量的數(shù)據(jù) (超過(guò)4個(gè))即可建立預(yù)測(cè)模型;但其擬合函數(shù)只是一條平滑的指數(shù)函數(shù)曲線,對(duì)于趨勢(shì)變動(dòng)較大的數(shù)據(jù)擬合較差,預(yù)測(cè)精確度也較低,故將GM(1,1)預(yù)測(cè)模型與馬可夫轉(zhuǎn)移矩陣預(yù)測(cè)的優(yōu)點(diǎn)相結(jié)合,充分利用歷史數(shù)據(jù)給予的信息,提高數(shù)據(jù)隨機(jī)波動(dòng)性較大之預(yù)測(cè)精確度,且適于長(zhǎng)期預(yù)測(cè),有效的提升GM(1,1)預(yù)測(cè)模型對(duì)于此類數(shù)據(jù)的預(yù)測(cè)精確度[8]。

3.3 灰色傅立葉級(jí)數(shù)殘差修正預(yù)測(cè)模型

傅立葉殘差修正方法分為傅立葉級(jí)數(shù)殘差修正法、傅立葉余弦級(jí)數(shù)殘差修正法及傅立葉正弦級(jí)數(shù)殘差修正法,本研究將以GM(1,1)傅立葉級(jí)數(shù)殘差修正預(yù)測(cè)模型來(lái)預(yù)測(cè)游客量,透過(guò)傅立葉函數(shù)適用于周期性系統(tǒng)表達(dá)之特性,以改善GM(1,1)預(yù)測(cè)模型做一次累加生成后的指數(shù)函數(shù)圖形常會(huì)因?yàn)樯鐣?huì)環(huán)境的變遷、循環(huán),而在不同時(shí)期有不同的指數(shù)率,造成此類大趨勢(shì)之周期性數(shù)據(jù)預(yù)測(cè)精確度較差。

3.4 殘差檢驗(yàn)

利用建模所得到的預(yù)測(cè)數(shù)據(jù)和原始數(shù)據(jù)間做殘差比較,以了解實(shí)際值和預(yù)測(cè)值間之誤差及模型精確度。

4 實(shí)證研究與分析

由于游客量的變化對(duì)于觀光旅游業(yè)者之經(jīng)營(yíng)管理具有決策性的影響,因此本研究整理統(tǒng)計(jì)南投埔里酒廠2008年1月至2009年3月之游客量,如表1所示。首先探討游客量之變化情形,再利用GM(1,1)、滾動(dòng)檢驗(yàn)、灰色馬可夫以及灰色傅立葉級(jí)數(shù)殘差修正方法建立預(yù)測(cè)模型,對(duì)它們進(jìn)行比較、分析,并預(yù)測(cè)2009年4月之游客人次。

4.1 游客量變化之探討

由圖4之結(jié)果可知,埔里酒廠每月游客量平均在15萬(wàn)人次以上;而7月、8月暑假期間,學(xué)生旅游族群較多時(shí)期,游客量突破20萬(wàn)人次,但相對(duì)于9月學(xué)生開學(xué)時(shí)期,其游客量由20萬(wàn)人次驟降只剩10萬(wàn)人次,惟至此后游客量均達(dá)15萬(wàn)人次以上,顯見(jiàn)埔里酒廠確實(shí)擁有相當(dāng)高的觀光游憩潛力。

表1 埔里酒廠游客量統(tǒng)計(jì)表

4.2 預(yù)測(cè)結(jié)果之探討

在觀光旅游市場(chǎng)中有很多未知的訊息,例如:氣候、景氣、流感疫情等因素,使得觀光旅游地區(qū)之游客人次具有不確定性、波動(dòng)性及周期性等特征,故本研究應(yīng)用前述研究方法建立預(yù)測(cè)模型,據(jù)以預(yù)測(cè)游客之?dāng)?shù)量。

4.2.1 GM(1,1)模式 以南投埔里酒廠統(tǒng)計(jì)2008年1月至2009年3月之游客量,建立原始數(shù)列(165 625,169 179,167 931,166 036),再由3.1節(jié)所介紹之GM(1,1)公式求得預(yù)測(cè)值 ,其預(yù)測(cè)結(jié)果如表2所示。由表2可知,最大殘差值為48.11%,最小殘差值為 0.06%,平均殘差值為10.50%,最佳模型精確度為99.94%,最差模型精確度為51.89%,平均精確度為89.50%,顯示預(yù)測(cè)模型預(yù)測(cè)效果在可接受的水平內(nèi)。

4.2.2 滾動(dòng)檢驗(yàn) 本研究利用滾動(dòng)檢驗(yàn)法新訊息優(yōu)于舊訊息的特性,且對(duì)于趨勢(shì)發(fā)展變化較為強(qiáng)烈的數(shù)據(jù)有較高的精確度,建立預(yù)測(cè)模型,即以(165 625,169 179,167 931,166 036)預(yù)測(cè)2008年5月之游客量;以 (169 179,167 931,166 036,169 479)預(yù)測(cè)2008年6月之游客量;以(167 931,166 036,169 479,152 581)預(yù)測(cè)2008年7月之游客量,以此類推的做到原始數(shù)據(jù)的最后一筆數(shù)據(jù)為止。由表3預(yù)測(cè)結(jié)果得知,最小殘差值為2.97%,最大殘差值為101.94%,平均殘差值為25.68%。然而,造成2008年9月實(shí)際值與預(yù)測(cè)值間之誤差過(guò)大的主要原因,是因滾動(dòng)檢驗(yàn)法以新信息取代舊信息,因而無(wú)法反應(yīng)過(guò)去舊信息之波動(dòng)性及周期性之變化,以致無(wú)法精確預(yù)測(cè)游客量,故滾動(dòng)檢驗(yàn)法較不適合此類具波動(dòng)性及周期性數(shù)據(jù)型態(tài)之預(yù)測(cè)。

表2 GM(1,1)之預(yù)測(cè)結(jié)果

表3 滾動(dòng)檢驗(yàn)之預(yù)測(cè)結(jié)果

4.2.3 灰色馬可夫 GM(1,1)預(yù)測(cè)模型能展現(xiàn)預(yù)測(cè)序列的發(fā)展變化總趨勢(shì),且只需少量數(shù)據(jù)(4筆以上)即可建模預(yù)測(cè);但其擬合函數(shù)只是一條平滑的指數(shù)函數(shù)曲線,對(duì)于隨機(jī)性較大的數(shù)據(jù)擬合較差,預(yù)測(cè)精確度也較低,而馬可夫鏈則適用數(shù)據(jù)隨機(jī)性較大的預(yù)測(cè),并可用來(lái)確定狀態(tài)的轉(zhuǎn)移概率。在進(jìn)行灰色馬可夫預(yù)測(cè)模型時(shí),首先要建立灰預(yù)測(cè)GM(1,1)模型,再加入馬可夫過(guò)程,而輸入變量是依據(jù)最小平均殘差值所選出的最適建模點(diǎn)數(shù)和狀態(tài)參考數(shù)據(jù)筆數(shù),因而Grey M arkov的所有相關(guān)參數(shù)設(shè)定如表4所示。

表4 灰色馬可夫參數(shù)設(shè)定表

由Grey Markov預(yù)測(cè)模式所求得的預(yù)測(cè)值與實(shí)際值間的殘差均明顯偏低,平均殘差值為3.53%,預(yù)測(cè)模型之平均精確度高達(dá)96.47%,顯示預(yù)測(cè)模型之準(zhǔn)確度相當(dāng)高,如表5所示。

4.2.4 灰色傅立葉級(jí)數(shù)殘差修正預(yù)測(cè)模型當(dāng)GM(1,1)預(yù)測(cè)模型之原始序列經(jīng)過(guò)累加生成后,會(huì)出現(xiàn)明顯的指數(shù)規(guī)律,但實(shí)際系統(tǒng)發(fā)展時(shí)會(huì)受各種因素影響,不可能以某一定速度發(fā)展,而是不同時(shí)期有不同的指數(shù)率發(fā)展。因此本研究利用傅立葉函數(shù)適用于周期性系統(tǒng)表達(dá)之特性,依據(jù)GM(1,1)建模方法求出預(yù)測(cè)值X(0)(j),并將預(yù)測(cè)值和實(shí)際值做殘差比較,得到殘差序列E(j)(108,-222,110,-4 881,104 83,-44 066,-60 978,51 498,6 695,-5 890,-818,-19 120,-5 944,-29370,-53 283),再利用傅立葉級(jí)數(shù)作殘差修正,得到修正后殘差Ea(j),預(yù)測(cè)結(jié)果如表6所示。由表6得知,最大殘差值為4.29%,最小殘差值為0.58%,其平均精確度高達(dá)97.66%。

表5 灰色馬可夫之預(yù)測(cè)結(jié)果

4.2.5 各預(yù)測(cè)模型之比較 由表7及圖4研究結(jié)果顯示,滾動(dòng)檢驗(yàn)法之預(yù)測(cè)精度較差,其平均殘差值為25.68%,平均精確度為74.32%?；疑R可夫及灰色傅立葉級(jí)數(shù)殘差修正預(yù)測(cè)模型之預(yù)測(cè)精確度均高達(dá)95%以上,顯見(jiàn)灰色馬可夫及灰色傅立葉級(jí)數(shù)殘差修正預(yù)測(cè)模型皆適合此類觀光旅游需求之預(yù)測(cè),唯透過(guò)此兩種預(yù)測(cè)模型預(yù)測(cè)2009年4月游客量與埔里酒廠于2009年5月所公布的游客量統(tǒng)計(jì)資料相比時(shí),灰色馬可夫預(yù)測(cè)之游客量為148 487人次,其殘差值為26.41%,而灰色傅立葉級(jí)數(shù)殘差修正預(yù)測(cè)模型之游客量為197 559人次,其殘差值為2.09%,顯然灰色傅立葉級(jí)數(shù)殘差修正預(yù)測(cè)模型之預(yù)測(cè)較為精準(zhǔn),且較灰色馬可夫預(yù)測(cè)模型更適于此類具波動(dòng)、周期性質(zhì)的數(shù)據(jù)型態(tài)之預(yù)測(cè)。

表6 灰色傅立葉預(yù)測(cè)結(jié)果

表7 各預(yù)測(cè)模型之比較及2009-04之預(yù)測(cè)值

圖4 預(yù)測(cè)模型之比較

5 結(jié)論與建議

以灰預(yù)測(cè)少量數(shù)據(jù)的特性,采用GM(1,1)、滾動(dòng)檢驗(yàn)、灰色馬可夫以及灰色傅立葉級(jí)數(shù)殘差修正預(yù)測(cè)模型建構(gòu)游客量預(yù)測(cè)模型,并以2008年1月至2009年3月南投埔里酒廠游客量統(tǒng)計(jì)資料為建模樣本進(jìn)行預(yù)測(cè)分析。研究結(jié)果顯示,灰色馬可夫及灰色傅立葉級(jí)數(shù)殘差修正預(yù)測(cè)模型均適合此類觀光旅游需求之預(yù)測(cè),其中灰色傅立葉級(jí)數(shù)殘差修正預(yù)測(cè)模型之預(yù)測(cè)精確度高達(dá)97.66%,主要是因游客量之趨勢(shì)變化受到旅游地點(diǎn)、交通路線、旅游潮流、氣候因素、景氣因素、流感疫情等影響,而具有周期波動(dòng)的特性,因此使用具周期波動(dòng)性質(zhì)的預(yù)測(cè)模型最為適合。然而馬可夫之長(zhǎng)期預(yù)測(cè)及數(shù)據(jù)隨機(jī)波動(dòng)較大的特性與傅立葉函數(shù)適用于周期性系統(tǒng)表達(dá)之特性,恰可以彌補(bǔ)灰色預(yù)測(cè)的局限。

此外,灰色馬可夫及灰色傅立葉級(jí)數(shù)殘差修正預(yù)測(cè)模型皆需使用較多的歷史數(shù)據(jù)才會(huì)有較佳的預(yù)測(cè)精度,才能反映其長(zhǎng)期的整體趨勢(shì)及周期性質(zhì),進(jìn)而訂定更精確、更完善的計(jì)劃及投資策略,相對(duì)必須花費(fèi)較多數(shù)據(jù)搜集的時(shí)間成本與前置成本。希望本研究建立之埔里酒廠游客量預(yù)測(cè)模型能提供后續(xù)研究者針對(duì)相關(guān)議題之參考,以及提供相關(guān)單位、地方政府與民間企業(yè)之相關(guān)策劃部門,做為對(duì)未來(lái)農(nóng)業(yè)休閑觀光需求政策方針之?dāng)M訂與觀光市場(chǎng)營(yíng)銷、營(yíng)運(yùn)策略之參考。

[1]高俊雄譯.觀光旅游地區(qū)發(fā)展[M].臺(tái)北︰桂魯有限公司,1998.

[2]黃躍雯,黃亦錫,葉碧華,等.酒類觀光對(duì)地方區(qū)域發(fā)展沖擊之研究 [J].觀光研究學(xué)報(bào),2003,10(1):1-19.

[3]Wang C H.Predicting tourism demand using fuzzy time series and hybrid g rey theory[J].Tou rism Managem ent,2004,25(3):367-374.

[4]Hsing C Y,Chang Y C,Yang CC,et al.An assessment of occupational accident impact factors using the grey system[J].Jou rnal of Occupational Safety and Health,2004(14):58-68.

[5]Chen H S,Yan T M,Kung C Y.A pplication of grey prediction theory to forecast 3G mobile phone in Taiw anese market[J].Journal of Grey System,2008,11(1):43-48.

[6]余尚武,盧瑞山,林盈成.應(yīng)用動(dòng)量權(quán)重及灰預(yù)測(cè)傅立葉殘差修正模型于臺(tái)灣股票市場(chǎng)電子股之投資組合策略[J].電子商務(wù)學(xué)報(bào),2009,11(1):259-286.

[7]溫坤禮,黃宜豐,陳繁,等.灰預(yù)測(cè)原理與應(yīng)用[M].臺(tái)北:全華科技圖書公司,2002.

[8]田自力,劉碧發(fā).灰色馬爾可夫鏈預(yù)測(cè)模型 [C]//臺(tái)灣第一屆灰色系統(tǒng)理論與應(yīng)用研討會(huì).1996:157-161.