|
预测，即用已知的信息去估计和推断事物未来的发展趋势或结果。预测方法主要有：（1）移动平均预测法（简单移动平均、二项移动平均、三项移动平均）；（2）指数平滑预测法（简单指数平滑、二项指数平滑、三项指数平滑、温特斯指数平滑）；（3）趋势外推预测法；（4）回归预测法；（5）灰色预测法；（6）移动自回归预测法（ARIMA）。 以上预测方法，除了回归预测法，其余的方法考虑的自变量只有一个——时间。以前我不能理解，单纯按照时间序列排列起结果数据，进行预测将来时刻的结果，是不是考虑因素太少，因为影响事物发展变化的因素确实太多，但是随着深入的学习，我发现这样的预测是科学的。正因为影响事物发展变化的因素太多，无法一一找到并定量分析其影响，故只选择唯一变化因素，时间。这样做的依据是，事物的发展是有规律的，只要整体环境没有发生大的变化，就仍会沿着这种趋势发展下去，这是事物发展的规律性和惯性所决定，另外就是滞后性，前期的存量水平决定了后期的发展水平，如国民经济发展，前期的投资会呈现乘数效应。 时间序列模型考虑事物发展的趋势因素(T)、季节因素(S)、循环因素(C)和不规则因素(I)，通常时间序列可分解为有三个模型，即加法模型（Y=T+S+C+I）和乘法模型（Y=T*S*C*I）以及两者结合的混合模型。在预测之前，需要进行趋势剔除、季节调整等处理。 这些预测方法各有不同适用条件，需要说明的是，预测不等于精确值，预测值是一个估计值，是在一定概率范围内的平均值，因此预测结果和实际会存在不一致情况，但整体预测值趋于期望值，离差平方和最小。下面简单介绍： （一）移动平均 由于精确度不够，运用范围较小。二项移动平均预测适用于波动不大且呈线性上升预测，三项移动平均适用于呈抛物线上升预测。 （二）指数平滑 指数平滑的原理是通过对历史数据进行加权平滑，从而预测将来的数据。简单指数平滑没有市场了，二项指数平滑、三项指数平滑同移动平均法，适用呈线性和抛物线形发展的预测，由于需要主观设置平滑指数，指数设置也没有什么根据，精度不高。而温特斯指数平滑法包括趋势和季节因素调整，对这类预测效果较好。 （三）趋势外推 即用一条曲线拟合事物发展的趋势，从而建立曲线方程进行预测。常用的拟合曲线包括：多项式曲线（一次曲线、二次曲线、三次曲线），这和前面的移动平均预测类似；指数曲线、修正指数曲线；逻辑斯蒂曲线和龚伯兹曲线。 （四）回归预测 回归预测是通过找到影响事物发展变化的主要因素，从而建立一种因果关系，通过分析影响因素的变化预测事物未来变化值，即计量经济学学习的内容 （五）灰色预测法 适用于呈指数增长趋势的预测，不适用于包括季节因素的预测。 （六）移动自回归预测法 目前运用最广也最复杂的预测方法，精度较高，预测时需要大量的数据。白噪声、平稳性、单整协整检验……都是它的知识点 |
|
|
