【文章內(nèi)容簡介】 之間的關(guān)聯(lián)性、事物發(fā)展間的相似性等特點的存在，根據(jù)預測的一些基本原則，科學的預測一般有以下幾種途徑或方法：因果分析：通過研究事物的形成原因來預測事物未來發(fā)展變化的必然結(jié)果。經(jīng)濟分析中的投入產(chǎn)出預測法、股票預測中的基本面分析、瑞利分布的多因素分析等都屬于此類；類比分析：通過對事物間相似條件的分析，根據(jù)一事物的發(fā)展推斷另一事物的發(fā)展。經(jīng)濟預測中借鑒經(jīng)濟領(lǐng)先的地方所走過的發(fā)展道路，在分析兩地差異基礎上推斷本地經(jīng)濟發(fā)展道路、通過對某種產(chǎn)品在一地的表現(xiàn)推斷出該產(chǎn)品在別的地區(qū)的可能表現(xiàn)就是利用類比分析的范圍。統(tǒng)計分析：運用一系列數(shù)學方法，通過對事物過去和現(xiàn)在的數(shù)據(jù)資料來進行分析，去偽存真，由表及里，揭示出歷史數(shù)據(jù)背后的必然規(guī)律性。（各種時間序列分析，股票預測中的技術(shù)面分析等）。 預測的基本過程為保證預測工作的順利進行，必須要有組織有計劃的安排好預測工作的進程，以期取得應有的成效，為制定決策、編制計劃和提高經(jīng)營管理水平提供有價值的情報。預測的過程由以下一些基本程序或者步驟組成。6 / 49明確預測任務、制定預測計劃。搜集、整理和審核原始數(shù)據(jù)和資料；準確無誤的調(diào)查統(tǒng)計資料和信息時預測的基礎。進行預測時需要有大量的歷史數(shù)據(jù)，掌握與預測目的、內(nèi)容有關(guān)的各種歷史資料，以及可能影響未來發(fā)展的現(xiàn)實資料。要達到預測的目的，掌握的資料要求根預測對象直接相關(guān)性、資料來源和內(nèi)容可靠性、同時保證資料和數(shù)據(jù)的最新性。選擇適當?shù)念A測方法和建立數(shù)學模型。預測方法的適當與否直接影響預測結(jié)果的好壞，因此要結(jié)合預測對象的特點以及預測方法本身的特點，選擇最能反映預測對象發(fā)展的方法。在選擇預測方法和建立數(shù)學模型時，需要克服盲目相信復雜技術(shù)的心理。應用復雜方法一方面代價高昂，另一方面預測的有效性并不與方法的復雜性呈正比。檢驗模型，進行預測。模型建立后必須要經(jīng)過檢驗才能用于預測。模型檢驗主要包括考察參數(shù)估計值在理論上是否有意義，統(tǒng)計顯著性如何，模型是否具有良好的超樣本特性等。雖然模型檢驗的方法各異，但是評價模型的基本原則類似，即必須理論上合理，統(tǒng)計可靠性高，預測能力強，簡單適用。分析預測誤差，評價預測結(jié)果。要對預測偏離實際值的程度以及產(chǎn)生偏差的原因進行分析，特別是對奇異數(shù)據(jù)的分析。對預測誤差的分析一方面可以對預測過程和預測方法的科學性有效性進行綜合考察，另一方面可以為以后的的預測工作提供經(jīng)驗上的積累。撰寫詳細的預測報告，并提交下一步工作使用。 預測的分類預測是一項系統(tǒng)性的工作，從預測對象所屬領(lǐng)域、預測涉及的時間長短、預測方法的特點、預測范圍的大小等不同的方面，對預測有不同的分類方法。 按對象不同分類按預測對象的不同，有經(jīng)濟預測、技術(shù)預測、氣象預測等，其中經(jīng)濟預測又包括產(chǎn)品預測、市場預測、銷售預測，費用預測、國民經(jīng)濟發(fā)展預測、家庭收入預測等。 按范圍或?qū)哟畏诸惏搭A測的范圍或者層次的不同，預測可分為宏觀預測和微觀預測。經(jīng)濟預測中，宏觀預測是從整個國家或者地區(qū)的角度出發(fā)，分析經(jīng)濟發(fā)展情況，而微觀預測則是從單個企業(yè)或者個人的角度，從細微處分析其在宏觀環(huán)境下的發(fā)展情況。宏觀環(huán)境由一個個的微觀個體構(gòu)成，宏觀預測要考慮到普遍的微觀個體行為，以微觀預測為參考，獲得宏觀發(fā)展的軌跡；微觀環(huán)境是宏觀環(huán)境的局部和構(gòu)成要件，微觀的浪花只能綻放7 / 49在宏觀的波濤之上，微觀預測要以宏觀預測為載體和指導，分析出微觀個體具體而微的行為。 按時間長短分類按預測時間的長短分，預測可分為長期預測、中期預測、短期預測、近期預測。經(jīng)濟預測中，長期預測一般指 10 年以上的預測，中期預測通常指 35 年之內(nèi)的預測，短期預測一般指的是 13 年的預測，而近期預測則是指一年之內(nèi)的極短期的預測。預測時間長短不同，預測的要求和方法都可能表現(xiàn)出極大的差異。 按預測性質(zhì)分類按預測方法的性質(zhì)分，預測可分為定性預測和定量預測。定性預測是對事物發(fā)展前景的性質(zhì)、方向和變動大致程度做出判斷進行預測的方法。經(jīng)濟預測中的定性預測是對經(jīng)濟發(fā)展前景的性質(zhì)、方向和程度做出判斷，通常為一種趨勢性預測。常用的定性預測方法主要有市場調(diào)查預測法，專家預測法（頭腦風暴法，德爾菲法），主觀概率法，預兆預測法，相互關(guān)系法，比例法等。定量預測是指根據(jù)準確、及時、系統(tǒng)、全面的調(diào)查統(tǒng)計資料和信息，運用統(tǒng)計方法和數(shù)學模型，對事物未來發(fā)展的規(guī)模、水平、速度和比例關(guān)系的測定。常用的定量預測方法有回歸分析預測，時間序列預測，因果分析預測和灰色系統(tǒng)預測等，近年來混沌理論和人工神經(jīng)網(wǎng)絡的發(fā)展和在預測中的應用為定量預測方法的發(fā)展帶來了新的內(nèi)容。定性預測和定量預測各有優(yōu)缺點，在實際的預測工作中，為了使預測結(jié)果比較切合實際，提高預測質(zhì)量，為決策和計劃提供可靠的依據(jù)，通常應將兩者結(jié)合起來，利用定性分析對定量預測的結(jié)果進行必要的修正和調(diào)整，以取得良好的效果。 按預測方法的運用分類根據(jù)預測時是采用一種方法還是多種方法的綜合進行，預測可分為單方法預測和多方法的組合預測。單方法預測就是應用一種方法對預測對象未來發(fā)展進行判斷的方法，對于事物發(fā)展條件比較簡單，發(fā)展過程比較平穩(wěn)的事物的預測常用單方法預測。組合預測是指在采用多種獨立方法對事物預測的基礎上，根據(jù)一定的組合條件，綜合采用各單項方法的結(jié)果，對事物發(fā)展未來進行預測的方法。Bates 和 Granger 提出的組合預測思想的基本出發(fā)點就是在大多數(shù)需要預測的情況下，難以獲得完全的信息集，即使對于給定的信息集也難以做到最優(yōu)利用，即承認構(gòu)造真是模型的困難，將各種單項預測看作代表不同的信息片斷，通過信息的集成，分散單個預測特有的不確定性和減少總體的不確定性，從而提高預測精度。組合預測法主要有：線性組合預測、最優(yōu)線性組合模型、貝葉斯組合模型、轉(zhuǎn)換8 / 49函數(shù)組合模型和經(jīng)濟計量與系統(tǒng)動力學組合模型等。 預測的檢驗任何預測對象的實際觀察值都可以由某種模型加某種隨機影響因子確定，設時刻 i時的觀察值為 yi，模型的預測值為 y，隨機影響因素為 ei 則 ii???事實上，任何社會經(jīng)濟現(xiàn)象始終存在著不確定性，所以隨機性總是存在的。無論預測方法的使用如何得當，預測模型對歷史數(shù)據(jù)的擬合程度怎樣高，觀察值與預測值之間仍然會存在偏差。預測對象第 i 個觀察值記作 yi，由預測模型得到的相應的預測值為 ，則誤差為iy? iiie???盡量使誤差減少到最低限度，即盡可能提高預測精度，是研究預測方法，實際設計預測方案的一項重要任務。 標準統(tǒng)計量指標預測精度的高低，通常采用一些指標評定。若有 n 個樣本數(shù)據(jù)，則建立預測模型后，就會有 n 個誤差。標準統(tǒng)計量有以下形式：（1） 平均誤差 ME（MEAN ERROR） neMEi??1（2） 平均絕對誤差 MAE（MEAN ABSOLUTE ERROR）neAi?1（3） 誤差平方和 SSE（ SUM OF SQUARED ERROR）?ieSE12（4） 均方誤差 MSE（MEAN SQUARED ERROR）neMSi??12（5） 誤差的標準差 SDE（STANDARD DEVIATION OF ERROR ）112??neSDEi由于平均誤差 ME 存在正負相抵的情況，常常無法準確反映預測值的偏離情況，9 / 49而平均絕對誤差 MAE 能克服這個缺陷比較好的反應預測值與真實值之間的差距累積情況。為了更好的觀察不同預測模型誤差的細微差別，使用均方誤差 MSE 比較適宜，因為它采用 的形式，放大了誤差，使得它對誤差的微笑變動比 MAE 更敏感。2ie 相對度量指標標準統(tǒng)計度量指標都是量綱值，具有比較直觀的量綱意義，在比較不同方法對同一預測對象的預測效果時有效，但是對于單個方法的預測結(jié)果到底如何，就不能很好的體現(xiàn)。對預測模型的預測精度的測定，通常采用相對參數(shù)來進行度量。常用的相對度量指標有以下三種：（1） 百分誤差 PEi（PERCENTAGE ERROR） 10)?(???iiYyPE（2） 平均百分誤差 MPE（MEAN PERCENTAGE ERROR）nMii??1（3） 平均絕對百分比誤差 MAPE（MEAN ABSOLUTE PERCENTAGE ERROR）10?11 ??????????nynPEAiiii由于不存在著平均百分誤差中正負相抵的情況，一般平均絕對百分比誤差都要比平均百分誤差大許多，常常更能有效地反映預測模型對實際值的偏差的大小，因此在評價模型的預測精度的時候常使用的時平均絕對百分誤差 MAPE。一般認為，若MAPE 小于 10，則模型的預測精度較高。（4） 兩面商 JANUS 商預測過程通常是利用樣本期內(nèi)的實際值用于建立預測模型，利用模型對樣本期外的數(shù)據(jù)進行預測。對樣本期后已經(jīng)發(fā)生的若干時期所進行的預測叫做事后預測，而對實際情況還未有發(fā)生的未來時期所進行的預測叫做事前預測，事前預測是預測的最終目的。在對模型進行檢驗時，可以通過把歷史數(shù)據(jù)分成兩個部分，大部分數(shù)據(jù)用來建立模型，小部分數(shù)據(jù)用來進行事后預測，根據(jù)事后預測的均方誤差跟歷史模擬的均方誤差的比值，即兩面商 J，來確定模型的優(yōu)劣。 ??????niiimiiinimii ye1212)?(10 / 49該指標涉及的時期可以用下圖表示：J 值越低，模型的預測性能越優(yōu)。當 J 接近于 0 時，表明事后預測的準確度要比模擬準確度高；當 時，表明預測對象在預測期的變化規(guī)律與樣本期內(nèi)基本相似；1?J表明對象在預測期內(nèi)的變化規(guī)律與樣本期內(nèi)完全不同。1?時間序列預測法，是將預測目標的歷史數(shù)據(jù)按照時間的順序排列成為時間序列，然后分析它隨時間的變化趨勢，外推預測目標的未來值。這樣，就把影響預測目標變化的一切因素由“時間”綜合起來描述了。 移動平均法移動平均法是根據(jù)時間序列資料逐項推移，一次計算包含一定項數(shù)得時序平均數(shù)，以反映長期趨勢的方法。當時間序列的數(shù)值由于受周期變動和不規(guī)則變動的影響，起伏較大，不易顯示出發(fā)展趨勢時，可用移動平均法消除這些因素的影響，分析、預測序列的長期趨勢。移動平均法有簡單移動平均法，加權(quán)移動平均法，趨勢移動平均法等。 簡單移動平均法移動平均法是根據(jù)時間序列資料逐項推移，一次計算包含一定項數(shù)的時序平均數(shù)，以反映長期發(fā)展趨勢的方法。根據(jù)處理方法的不同，移動平均法又可以分為簡單移動平均法、加權(quán)移動平均法和趨勢移動平均法等。簡單移動平均法定義式 NtNyyMtttt ?????，11經(jīng)整理，可得遞推計算公式為 tttt 11??則預測公式為 tty??1?即以第 t 期的滾動平均值作為第 t＋1 期的預測值。i=1,2,…，n i=n+1，n+2，…，n+m樣本期間 樣本期外11 / 49 加權(quán)移動平均法簡單移動平均將選擇各期等同看待，如果預測目標存在較大變化，會產(chǎn)生較大的預測偏差和滯后。因此，選擇各期置以不同的權(quán)重（通常距離預測期越近權(quán)重越大），采用加權(quán)移動平均法來預測。 NttttwwyyM???????211或者 1i1121 ?????? ???， 其 中ttttwyy?預測公式為： twtM??1?加權(quán)移動平均雖然可以通過對權(quán)重的設置，對預測結(jié)果所反映的歷史時期給你不同的主次輕重，在一定程度上減少了簡單移動平均存在的滯后。但是由于權(quán)重的歸一化取定，預測對象在預測期總是無法突破歷史出現(xiàn)的頂峰或者最低谷。這種缺陷的存在對于單一趨勢的序列預測，同樣將會產(chǎn)生越來越大的誤差。 趨勢移動平均法當預測的時間序列存在明顯的趨勢性的時候，簡單移動平均和加權(quán)移動平均都會產(chǎn)生較大的滯后和誤差，減少誤差的方法是進行修正，在移動平均的基礎上做二次移動平均，利用移動平均滯后偏差的規(guī)律來建立直線趨勢的預測模型。一次移動平均為 NtNyyMtttt ?????，11)1(二次移動平均為 MNtttt )1()1()1()2( ???遞推公式為 MNtttt )1()1()2()2( ????趨勢移動平均法對直線趨勢的發(fā)展有較好的預測效果，但是對于趨勢更強的發(fā)展仍然有較大的滯后，需要對方法做進一步的修正，如引入發(fā)展因子等。 指數(shù)平滑法指數(shù)平滑法作為移動平均法的改進和發(fā)展，克服了移動平均法存儲數(shù)據(jù)量較大，并且對最近的 N 期數(shù)據(jù)等權(quán)看待而對 t－T 期以前的數(shù)據(jù)則完全部考慮的缺點，具有不12 / 49需要存儲很多歷史數(shù)據(jù)，又考慮了各期數(shù)據(jù)的重要性，而且使用了全部歷史資料等優(yōu)點。根據(jù)平滑次數(shù)的不同，又可以將指數(shù)平滑法分為一次指數(shù)平滑法、二次指數(shù)平滑法和三次指數(shù)平滑法。 一次指數(shù)平滑法：對時間序列 ，一次指數(shù)平滑公式為?? ty,21 )1()1((???ttt SyS?式中， 為一次指數(shù)平滑值； 為加權(quán)系數(shù)，且 0 1。)1(tS一次指數(shù)平滑的預測模型為 )1(?ttSy?即 ttt y?)(1???也就是以 t 期的指數(shù)平滑值作為 t＋1 期的預測值。對一次指數(shù)平滑的兩個說明：確定 時，如果時間序列波動不大，呈現(xiàn)出比較平穩(wěn)的態(tài)勢，則 應取較小? ?（）左右；如果時間序列具有迅速且明顯的變動傾向，則 應取大一點，如（）左右。具體取值，根據(jù)變動的劇烈程度去定。在實際計算中，可根據(jù)不同得到的實際期的預測值與實際值的均方誤差，以較小者為優(yōu)。初始值確定：如果數(shù)據(jù)較多（比如大于 20 個），可以選取第一個數(shù)據(jù)作為初始值；如果數(shù)據(jù)較少，在 20 個以下時，可以取最初幾期的平均值作為初始值。 二次指數(shù)平滑法：當時間序列的變動出現(xiàn)直線趨勢時，一次指數(shù)平滑法預測會出現(xiàn)明顯的滯后偏差，修正的方法之一就是做二次指數(shù)平滑。計算公式為 )2(1)1()2(1???ttt ttt SSy?式中： 為一次指數(shù)平滑值； 為二次指