基于同比的概率预测模型

个人外汇业务核查系统利用外汇交易大数据，通过对大数据的算法分析，将存在借用他人额度办理结售汇行为的个人，直接列入“关注名单”，能够及时地查找异常交易主体，预测分析可能成案的线索因素，为执法部门锁定目标、发现异常、甄别违规、快速执法提供依据，实现非现场数据分析与现场检查的有效结合，进而提高现场检查的实际效果。为了分析个人外汇业务中的分拆量、分拆金额总量的变化区间，掌握个人外汇业务数据的量变与质变，需要对个人外汇业务的分拆量、分拆金额量等进行预测分析。各种预测模型都有其应用范围，在对现有预测算法分析的基础上，我们基于同比预测模型，以概率为基础建立了同比概率预测模型。同比概率预测模型的外汇大数据的仿真验证表明：同比概率预测算法不仅能得到时间序列的数据变化趋势，同时可以使数据根据季节性特点呈现波动性变化。同比概率预测模型对年份间数据差距较大，且存在波动的数据进行预测时，精度高于以时间序列为主的灰色预测模型。

个人外汇业务核查系统是一个非现场核查系统，是为了加强个人外汇业务管理，防范跨境资本过度流动，将在现有个人外汇管理框架下，进一步便利银行及个人办理外汇业务，提升个人外汇业务监管效率。对个人外汇业务预测分析的目的是了解分拆量、分拆金额总量等数据的变化区间和发展趋势，掌握个人外汇业务数据的量变与质变，评估当前个人购付汇管理政策实施的效果，在检查实践和技术手段层面提出针对性的解决方案，在政策储备和监管理念方面提出相应的对策建议，对于促进个人外汇业务健康发展、改进外汇管理方式和手段、完善外汇管理体制框架具有重要实现意义。

每年的个人外汇支出业务数据量差距较大，同时受开学季的影响，以留学为由的个人外汇业务明显增多。由于灰色预测模型是对小样本数据序列建模，预测的值以时间序列为主，反应数据变化的总体趋势， 不能反应数据的波动情况(比如不能反应随着季节变动的数据波动)。若采用同比预测，虽然可以反应数据的波动情况，但是若前后两年数据差距很大，会造成预测值和真实值每个月都存在一个差值。为了能更准确地预测个人外汇业务数据的变化趋势，我们采用基于同比的概率预测算法，不仅可以消除年份之间数据差距较大带来的问题， 还可保持以时间序列为主的总体变化趋势， 同时也能够突出季节性数据的变化特点。

2. 相关工作 预测在我们生活中起着至关重要的作用，基于数学建模的预测方法种类繁多，根据各学科领域的需要以及数据自身的特点，各国专家学者致力研究提出了许多预测算法：时间序列分析法、灰色模型预测算法和马尔科夫预测算法等。