2022年移動(dòng)通信業(yè)務(wù)管理及管理知識(shí)預(yù)測(cè)研究方案

1、移動(dòng)通信業(yè)務(wù)預(yù)測(cè)方法研究 TOC o 1-3 h z HYPERLINK l _Toc56934594 一、預(yù)測(cè)概述 PAGEREF _Toc56934594 h 1 HYPERLINK l _Toc56934595 1.1預(yù)測(cè)和經(jīng)濟(jì)預(yù)測(cè) PAGEREF _Toc56934595 h 1 HYPERLINK l _Toc56934596 1.2預(yù)測(cè)的基本原則 PAGEREF _Toc56934596 h 2 HYPERLINK l _Toc56934597 1.3預(yù)測(cè)的基本原理、途徑和過(guò)程 PAGEREF _Toc56934597 h 3 HYPERLINK l _Toc56934598 1.

2、3.1預(yù)測(cè)的基本原理 PAGEREF _Toc56934598 h 3 HYPERLINK l _Toc56934599 1.3.2預(yù)測(cè)的基本途徑 PAGEREF _Toc56934599 h 5 HYPERLINK l _Toc56934600 1.3.3預(yù)測(cè)的基本過(guò)程 PAGEREF _Toc56934600 h 6 HYPERLINK l _Toc56934601 1.4預(yù)測(cè)的分類(lèi) PAGEREF _Toc56934601 h 7 HYPERLINK l _Toc56934602 1.4.1按對(duì)象不同分類(lèi) PAGEREF _Toc56934602 h 7 HYPERLINK l _Toc

3、56934603 1.4.2按范圍或?qū)哟畏诸?lèi) PAGEREF _Toc56934603 h 7 HYPERLINK l _Toc56934604 1.4.3按時(shí)間長(zhǎng)短分類(lèi) PAGEREF _Toc56934604 h 7 HYPERLINK l _Toc56934605 1.4.4按預(yù)測(cè)性質(zhì)分類(lèi) PAGEREF _Toc56934605 h 7 HYPERLINK l _Toc56934606 1.4.5按預(yù)測(cè)方法的運(yùn)用分類(lèi) PAGEREF _Toc56934606 h 8 HYPERLINK l _Toc56934607 1.5預(yù)測(cè)的檢驗(yàn) PAGEREF _Toc56934607 h 8 H

4、YPERLINK l _Toc56934608 1.5.1標(biāo)準(zhǔn)統(tǒng)計(jì)量指標(biāo) PAGEREF _Toc56934608 h 8 HYPERLINK l _Toc56934609 1.5.2相對(duì)度量指標(biāo) PAGEREF _Toc56934609 h 9 HYPERLINK l _Toc56934610 二.時(shí)間序列平滑預(yù)測(cè)法 PAGEREF _Toc56934610 h 10 HYPERLINK l _Toc56934611 2.1移動(dòng)平均法 PAGEREF _Toc56934611 h 10 HYPERLINK l _Toc56934612 2.1.1簡(jiǎn)單移動(dòng)平均法 PAGEREF _Toc569

5、34612 h 11 HYPERLINK l _Toc56934613 2.1.2加權(quán)移動(dòng)平均法 PAGEREF _Toc56934613 h 11 HYPERLINK l _Toc56934614 2.1.3趨勢(shì)移動(dòng)平均法 PAGEREF _Toc56934614 h 11 HYPERLINK l _Toc56934615 2.2指數(shù)平滑法 PAGEREF _Toc56934615 h 12 HYPERLINK l _Toc56934616 2.2.1一次指數(shù)平滑法： PAGEREF _Toc56934616 h 12 HYPERLINK l _Toc56934617 2.2.2二次指數(shù)平滑

6、法： PAGEREF _Toc56934617 h 13 HYPERLINK l _Toc56934618 2.2.3三次指數(shù)平滑法： PAGEREF _Toc56934618 h 13 HYPERLINK l _Toc56934619 2.2.4差分指數(shù)平滑法： PAGEREF _Toc56934619 h 13 HYPERLINK l _Toc56934620 2.3自適應(yīng)濾波法 PAGEREF _Toc56934620 h 14 HYPERLINK l _Toc56934621 三.趨勢(shì)外推預(yù)測(cè)方法 PAGEREF _Toc56934621 h 14 HYPERLINK l _Toc56

7、934622 3.1指數(shù)曲線法： PAGEREF _Toc56934622 h 14 HYPERLINK l _Toc56934623 3.2修正指數(shù)曲線法： PAGEREF _Toc56934623 h 15 HYPERLINK l _Toc56934624 3.3成長(zhǎng)曲線法： PAGEREF _Toc56934624 h 16 HYPERLINK l _Toc56934625 3.3.1邏輯斯蒂（Logistic）曲線 PAGEREF _Toc56934625 h 16 HYPERLINK l _Toc56934626 3.3.2龔珀茲曲線（Gompertz） PAGEREF _Toc56

8、934626 h 18 HYPERLINK l _Toc56934627 3.3.3其他生長(zhǎng)曲線 PAGEREF _Toc56934627 h 18 HYPERLINK l _Toc56934628 四.灰色系統(tǒng)預(yù)測(cè) PAGEREF _Toc56934628 h 19 HYPERLINK l _Toc56934629 4.1GM（1，1）模型 PAGEREF _Toc56934629 h 20 HYPERLINK l _Toc56934630 4.2灰色Verhulst模型 PAGEREF _Toc56934630 h 22 HYPERLINK l _Toc56934631 五.Box-Jen

9、kins預(yù)測(cè)法 PAGEREF _Toc56934631 h 22 HYPERLINK l _Toc56934632 六.回歸分析預(yù)測(cè)法 PAGEREF _Toc56934632 h 24 HYPERLINK l _Toc56934633 6.1一元線性回歸模型 PAGEREF _Toc56934633 h 24 HYPERLINK l _Toc56934634 6.2多元線性回歸模型 PAGEREF _Toc56934634 h 25 HYPERLINK l _Toc56934635 6.3虛擬變量回歸預(yù)測(cè) PAGEREF _Toc56934635 h 25 HYPERLINK l _Toc

10、56934636 6.4非線性回歸預(yù)測(cè)法 PAGEREF _Toc56934636 h 25 HYPERLINK l _Toc56934637 七.基于瑞利分布的多因素預(yù)測(cè)法 PAGEREF _Toc56934637 h 25 HYPERLINK l _Toc56934638 八.其他預(yù)測(cè)方法 PAGEREF _Toc56934638 h 27 HYPERLINK l _Toc56934639 8.1基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè) PAGEREF _Toc56934639 h 27 HYPERLINK l _Toc56934640 8.2基于自組織理論和混沌理論的經(jīng)濟(jì)預(yù)測(cè) PAGEREF _Toc5693

11、4640 h 28 HYPERLINK l _Toc56934641 8.3馬爾可夫預(yù)測(cè)法 PAGEREF _Toc56934641 h 29 HYPERLINK l _Toc56934642 九.組合預(yù)測(cè) PAGEREF _Toc56934642 h 30 HYPERLINK l _Toc56934643 9.1簡(jiǎn)單平均組合預(yù)測(cè) PAGEREF _Toc56934643 h 30 HYPERLINK l _Toc56934644 9.2基于算術(shù)平均的線性組合預(yù)測(cè) PAGEREF _Toc56934644 h 31 HYPERLINK l _Toc56934645 9.3基于調(diào)和平均的線性組合

12、預(yù)測(cè) PAGEREF _Toc56934645 h 31 HYPERLINK l _Toc56934646 十.預(yù)測(cè)方法在移動(dòng)通信業(yè)務(wù)預(yù)測(cè)中的應(yīng)用 PAGEREF _Toc56934646 h 32 HYPERLINK l _Toc56934647 10.1移動(dòng)通信業(yè)務(wù)預(yù)測(cè)概述 PAGEREF _Toc56934647 h 32 HYPERLINK l _Toc56934648 10.2數(shù)據(jù)來(lái)源及預(yù)處理說(shuō)明 PAGEREF _Toc56934648 h 33 HYPERLINK l _Toc56934649 10.3浙江省移動(dòng)通信市場(chǎng)運(yùn)營(yíng)商用戶發(fā)展預(yù)測(cè) PAGEREF _Toc56934649

13、 h 35 HYPERLINK l _Toc56934650 10.3.1浙江省移動(dòng)通信市場(chǎng)的用戶發(fā)展單項(xiàng)方法預(yù)測(cè) PAGEREF _Toc56934650 h 35 HYPERLINK l _Toc56934651 10.3.2浙江省移動(dòng)通信用戶發(fā)展的組合預(yù)測(cè) PAGEREF _Toc56934651 h 42 HYPERLINK l _Toc56934652 10.4浙江省移動(dòng)通信市場(chǎng)格局的預(yù)測(cè) PAGEREF _Toc56934652 h 43 HYPERLINK l _Toc56934653 10.4.1浙江移動(dòng)公司的市場(chǎng)占有率單獨(dú)預(yù)測(cè) PAGEREF _Toc56934653 h 4

14、4 HYPERLINK l _Toc56934654 10.4.2浙江聯(lián)通的市場(chǎng)占有率單獨(dú)預(yù)測(cè) PAGEREF _Toc56934654 h 44 HYPERLINK l _Toc56934655 10.4.3浙江電信的市場(chǎng)占有率單獨(dú)預(yù)測(cè) PAGEREF _Toc56934655 h 45 HYPERLINK l _Toc56934656 10.4.4市場(chǎng)占有率預(yù)測(cè)的綜合處理 PAGEREF _Toc56934656 h 45 HYPERLINK l _Toc56934657 10.5各運(yùn)營(yíng)商用戶數(shù)預(yù)測(cè) PAGEREF _Toc56934657 h 46一、預(yù)測(cè)概述1.1預(yù)測(cè)和經(jīng)濟(jì)預(yù)測(cè)預(yù)測(cè)從字

15、面理解就是預(yù)先的推測(cè)，它是人們根據(jù)歷史資料和現(xiàn)實(shí)，利用已經(jīng)掌握的知識(shí)和手段，對(duì)事物的未來(lái)或未知狀況進(jìn)行事前推知或判斷，其目的是為計(jì)劃或決策提供依據(jù)根據(jù)事物發(fā)展的過(guò)去和現(xiàn)狀來(lái)推測(cè)未來(lái)的情況。廣義的預(yù)測(cè)既包括在同一時(shí)期根據(jù)已知事物推測(cè)未知事物的靜態(tài)預(yù)測(cè)，也包括根據(jù)某一事物的歷史和現(xiàn)狀推測(cè)其未來(lái)的動(dòng)態(tài)預(yù)測(cè)，狹義的預(yù)測(cè)僅指動(dòng)態(tài)預(yù)測(cè)。預(yù)測(cè)直接為決策提供服務(wù)和支持。正確的預(yù)測(cè)是決策和規(guī)劃工作的基礎(chǔ)和起點(diǎn)。預(yù)測(cè)并非總是正確的，然而一切正確的預(yù)測(cè)都必須建立在對(duì)客觀事務(wù)的過(guò)去和現(xiàn)狀進(jìn)行深入研究和科學(xué)分析基礎(chǔ)之上。歷史是連續(xù)的，事物的發(fā)展是有內(nèi)在規(guī)律可循的，預(yù)測(cè)就是要在對(duì)事物的過(guò)去和現(xiàn)狀進(jìn)行剖析，發(fā)掘出決定事物發(fā)

16、展的因素，再根據(jù)不斷變化的條件，對(duì)事物未來(lái)的發(fā)展軌跡做出判斷。孫子兵法歷經(jīng)2000多年而長(zhǎng)生不衰，至今仍然被中外軍事戰(zhàn)略家、企業(yè)家奉為寶典，主要的原因就是他提供的種種預(yù)測(cè)方法的原則，能夠幫助人們進(jìn)行正確地預(yù)測(cè)?！吧乐?，存亡之道，不可不察也”，這個(gè)“察”就是預(yù)測(cè)。經(jīng)濟(jì)預(yù)測(cè)是預(yù)測(cè)技術(shù)在經(jīng)濟(jì)領(lǐng)域的應(yīng)用，是指在經(jīng)濟(jì)理論的指導(dǎo)下，以過(guò)去和現(xiàn)在的信息為基礎(chǔ)，以科學(xué)的方法和先進(jìn)的計(jì)算技術(shù)為工具，對(duì)預(yù)測(cè)對(duì)象未來(lái)的演變規(guī)律和發(fā)展趨勢(shì)，作出定性或定量的預(yù)見(jiàn)，人們常說(shuō)的業(yè)務(wù)預(yù)測(cè)就是一種經(jīng)濟(jì)預(yù)測(cè)。嚴(yán)格來(lái)看，經(jīng)濟(jì)預(yù)測(cè)是一種特殊的經(jīng)濟(jì)分析，這種分析既與未來(lái)有關(guān)，也與不確定性有關(guān)，經(jīng)濟(jì)預(yù)測(cè)的目的在于最大限度地減少不確定

17、性對(duì)預(yù)測(cè)對(duì)象的影響，為科學(xué)決策提供依據(jù)。經(jīng)濟(jì)預(yù)測(cè)既是一門(mén)科學(xué)又是一門(mén)藝術(shù)。其科學(xué)性主要體現(xiàn)在，作為指導(dǎo)的經(jīng)濟(jì)理論具有科學(xué)性，運(yùn)用的數(shù)據(jù)資料完整、系統(tǒng)、準(zhǔn)確，采用的方法和計(jì)算技術(shù)比較先進(jìn)，經(jīng)濟(jì)活動(dòng)具有規(guī)律性。一般情況下，這些方面的因素具有比較強(qiáng)的客觀性，因此也就比較容易規(guī)范化和科學(xué)化。經(jīng)濟(jì)預(yù)測(cè)的藝術(shù)性，主要是指預(yù)測(cè)還要依賴于預(yù)測(cè)者的學(xué)識(shí)、經(jīng)驗(yàn)和能力。這主要指預(yù)測(cè)者提出假設(shè)判斷和取得數(shù)據(jù)資料的能力與技術(shù)，正確選擇預(yù)測(cè)方法的能力以及對(duì)獲得信息的敏感程度與判斷能力等。1.2預(yù)測(cè)的基本原則隨著社會(huì)進(jìn)步和科技的發(fā)展，預(yù)測(cè)環(huán)境越來(lái)越復(fù)雜，需要考慮的因素越來(lái)越多，同時(shí)預(yù)測(cè)的要求也在不斷提高，預(yù)測(cè)難度在不斷加大

18、；同時(shí)科學(xué)技術(shù)的不斷發(fā)展為預(yù)測(cè)技術(shù)提供了強(qiáng)大的支持，預(yù)測(cè)理論自身的不斷豐富給人們的預(yù)測(cè)工作不斷帶來(lái)新的選擇。在預(yù)測(cè)對(duì)象層出不窮，預(yù)測(cè)方法千遍萬(wàn)化的復(fù)雜環(huán)境下要做好預(yù)測(cè)工作，必須遵循一些基本的原則。預(yù)測(cè)的系統(tǒng)性原則預(yù)測(cè)最重要的原則是系統(tǒng)性原則。預(yù)測(cè)的系統(tǒng)性原則是指將預(yù)測(cè)對(duì)象看成一個(gè)系統(tǒng)，觀察系統(tǒng)內(nèi)外相互聯(lián)系，從相互聯(lián)系中尋找不同事物之間，事物發(fā)展的不同階段間的本質(zhì)聯(lián)系，從而找到預(yù)測(cè)對(duì)象的必然發(fā)展趨勢(shì)。預(yù)測(cè)者所研究的事物和自然界的其他事物一樣，都有自己的過(guò)去、現(xiàn)在和未來(lái)，也即存在著一種縱向的發(fā)展關(guān)系，因果關(guān)系。而這種因果關(guān)系要受某種規(guī)律的支配。預(yù)測(cè)者必須全面分析預(yù)測(cè)事物本身及與其本身有關(guān)聯(lián)的所有因

19、素的發(fā)展規(guī)律。將事物作為一格作用與反作用的動(dòng)態(tài)整體來(lái)研究，不單是研究事物的本身，而且要將事物與周?chē)沫h(huán)境組合成一個(gè)系統(tǒng)綜合體來(lái)研究。系統(tǒng)性原則要求預(yù)測(cè)者只能客觀如實(shí)地反映預(yù)測(cè)對(duì)象及其相關(guān)因素的發(fā)展規(guī)律及組合方式，不能隨意增減某些因素或改變它們其中的組合方式。預(yù)測(cè)的關(guān)聯(lián)性原則：任何預(yù)測(cè)對(duì)象，其本身內(nèi)部以及它與外部環(huán)境之間都是具有一定層次結(jié)構(gòu)的系統(tǒng)，而系統(tǒng)的各層次之間都具有相互聯(lián)系、相互制約的關(guān)系。事物的發(fā)展變化往往是這些聯(lián)系與制約關(guān)系的變化在事物本身的體現(xiàn)。預(yù)測(cè)時(shí)，應(yīng)對(duì)這種聯(lián)系和關(guān)系進(jìn)行全面的分析，并根據(jù)對(duì)事物發(fā)展規(guī)律的認(rèn)識(shí)，對(duì)本質(zhì)上并不重要的因素忽略不計(jì)，抓住主要因素，突出主要矛盾。關(guān)聯(lián)性原則

20、就是要充分考慮相關(guān)因素的橫向聯(lián)系及其作用與反作用的依存關(guān)系。如果不重視這一原則，容易顧此失彼，有可能導(dǎo)致預(yù)測(cè)失敗。預(yù)測(cè)的協(xié)同性原則：預(yù)測(cè)對(duì)象不管多復(fù)雜，其內(nèi)部子系統(tǒng)間的作用是服從協(xié)同規(guī)律的，各個(gè)子系統(tǒng)圍繞整體目標(biāo)協(xié)同作用，子系統(tǒng)間必須具有恰當(dāng)?shù)谋壤P(guān)系，才能協(xié)調(diào)同步，從而提高整體功能。協(xié)同性不僅指子系統(tǒng)間非線性作用和恰當(dāng)?shù)谋壤?，還在于將事物的必然聯(lián)系和偶然聯(lián)系統(tǒng)一起來(lái)考察，才能找到系統(tǒng)運(yùn)動(dòng)的規(guī)律性。預(yù)測(cè)的同等性原則：預(yù)測(cè)結(jié)果必須與客觀規(guī)律相吻合，必須與事物的實(shí)際發(fā)展途徑相吻合。該原則要求預(yù)測(cè)工作首先必須指明事物發(fā)展的穩(wěn)定性趨勢(shì)和相互關(guān)系，其次要求在穩(wěn)定性趨勢(shì)基礎(chǔ)上建立實(shí)際的事物發(fā)展過(guò)程模擬。預(yù)

21、測(cè)的概率性原則：事物發(fā)展是由必然性和偶然性共同決定的。必然性和偶然性的辯證關(guān)系要求預(yù)測(cè)人員通過(guò)對(duì)偶然性的分析，揭示出隱于其中的必然性，通過(guò)對(duì)大量偶然性事件的觀測(cè)研究找到事件的必然發(fā)展趨勢(shì)。概率性預(yù)測(cè)同時(shí)要求預(yù)測(cè)過(guò)程在考察穩(wěn)定趨勢(shì)的同時(shí)，充分注意偶然性的影響，并對(duì)穩(wěn)定趨勢(shì)出現(xiàn)的可能性給出以概率表示的具體數(shù)值。預(yù)測(cè)的清晰性原則：清晰性原則要求預(yù)測(cè)必須排除模棱兩可，在所有可能結(jié)果中必?fù)衿湟弧Ｋ菑募俣ń?jīng)濟(jì)發(fā)展具有質(zhì)量不同的方案的可能性出發(fā)的。它的主要任務(wù)在于，把能實(shí)現(xiàn)的未來(lái)發(fā)展方案同不能實(shí)現(xiàn)的未來(lái)發(fā)展方案區(qū)別開(kāi)來(lái)。它通常由預(yù)測(cè)人員根據(jù)概率大小確定。預(yù)測(cè)的連續(xù)性原則：系統(tǒng)的發(fā)展隨著時(shí)間不斷演變，具有不

22、可逆性。過(guò)去和現(xiàn)在的決策會(huì)影響到未來(lái)，要考慮時(shí)間的滯后效應(yīng)和政策的連續(xù)性。系統(tǒng)總是在周期性和波動(dòng)性的作用下不斷前進(jìn)，根據(jù)該原則可預(yù)測(cè)未來(lái)經(jīng)濟(jì)發(fā)展的軌跡和大致的發(fā)展速度。預(yù)測(cè)的時(shí)間、空間同時(shí)性原則：客觀事物時(shí)空的同時(shí)性要求不能把過(guò)去的政策照搬到現(xiàn)在套用，不能完全根據(jù)過(guò)去的時(shí)空來(lái)建立現(xiàn)在的滿意度，也不能把別處的情形一成不變地照搬到當(dāng)前應(yīng)用。事物發(fā)展空間具有不同的時(shí)空性。不同時(shí)間、不同地點(diǎn)的同類(lèi)事物既具有普遍性又有特殊性。預(yù)測(cè)時(shí)要根據(jù)發(fā)展的普遍規(guī)律結(jié)合當(dāng)時(shí)當(dāng)?shù)貢r(shí)空的特殊性進(jìn)行。1.3預(yù)測(cè)的基本原理、途徑和過(guò)程1.3.1預(yù)測(cè)的基本原理現(xiàn)實(shí)世界是復(fù)雜的，許多預(yù)測(cè)對(duì)象不但受到人類(lèi)社會(huì)各種活動(dòng)和錯(cuò)綜復(fù)雜關(guān)系

23、的影響，還常常受到自然界許多偶然因素的影響。這些影響往往使預(yù)測(cè)對(duì)象的發(fā)展表現(xiàn)得雜亂無(wú)章，似乎沒(méi)有規(guī)律。然而，正如恩格斯所指出的：“歷史事件總的說(shuō)來(lái)同樣是由偶然性支配著的，表面上受偶然性起作用的地方，始終是受內(nèi)部的隱蔽著的規(guī)律支配的，而問(wèn)題只是在于發(fā)現(xiàn)這些規(guī)律。”科學(xué)的預(yù)測(cè)正是探求客觀規(guī)律的有力手段。如果人們能夠從以往發(fā)生的事物中，采用正確的觀點(diǎn)和認(rèn)識(shí)方法，去發(fā)現(xiàn)事物發(fā)展變化內(nèi)在的本質(zhì)的聯(lián)系，去認(rèn)識(shí)事物發(fā)展變化的必然性，就完全可以科學(xué)的預(yù)見(jiàn)未來(lái)。馬克思主義認(rèn)識(shí)論的基本原理是科學(xué)預(yù)測(cè)的理論基礎(chǔ)。認(rèn)識(shí)事物的發(fā)展變化規(guī)律，利用規(guī)律的必然性，是科學(xué)預(yù)測(cè)遵循的總原則。通過(guò)大量的觀察和研究，在現(xiàn)代科學(xué)預(yù)測(cè)中

24、，人們往往從以下幾個(gè)角度對(duì)預(yù)測(cè)對(duì)象的變化規(guī)律加以研究。連貫性原則可以說(shuō)沒(méi)有一種事物的發(fā)展預(yù)期過(guò)去的行為沒(méi)有聯(lián)系。過(guò)去的行為不僅影響到現(xiàn)實(shí)，還會(huì)影響到未來(lái)。這表明任何事物的發(fā)展都有時(shí)間上的延續(xù)性。這個(gè)特點(diǎn)又稱為“慣性”。在事物發(fā)展過(guò)程中，這種延續(xù)性往往表現(xiàn)在兩個(gè)方面：事物發(fā)展趨勢(shì)的特征（如發(fā)展方向、發(fā)展速度、變化周期等）在一段時(shí)間呈現(xiàn)延續(xù)性。通過(guò)對(duì)預(yù)測(cè)對(duì)象發(fā)展趨勢(shì)延續(xù)性的分析，可以建立各種類(lèi)型的趨勢(shì)外推預(yù)測(cè)模型，對(duì)事物進(jìn)行發(fā)展預(yù)測(cè)。另一種延續(xù)性體現(xiàn)在：一定的時(shí)期內(nèi)，預(yù)測(cè)目標(biāo)和某些環(huán)境因素的結(jié)構(gòu)和相互關(guān)系按照一定的格局延續(xù)下去。也就是說(shuō)系統(tǒng)的結(jié)構(gòu)模式在這段時(shí)期內(nèi)基本不變，分析這種結(jié)構(gòu)上的延續(xù)性也是

25、預(yù)測(cè)的主要手法之一。通過(guò)對(duì)預(yù)測(cè)目標(biāo)結(jié)構(gòu)及相互關(guān)系和這種關(guān)系穩(wěn)定性的分析，就可以建立結(jié)構(gòu)外推預(yù)測(cè)模型，進(jìn)行預(yù)測(cè)分析。事物發(fā)展延續(xù)性的存在，不僅為預(yù)測(cè)工作提供了方便，也為預(yù)測(cè)的可行性提供了一定的理論依據(jù)。目前廣泛應(yīng)用的各種預(yù)測(cè)方法和技術(shù)，有許多是屬于或基本屬于連貫性理論的范圍。例如應(yīng)用最多的兩類(lèi)預(yù)測(cè)技術(shù)利用時(shí)間序列外推法建立趨勢(shì)預(yù)測(cè)模型和利用回歸法建立因果關(guān)系預(yù)測(cè)模型，就其邏輯思路來(lái)說(shuō)，都是以連貫性原則為前提的。趨勢(shì)外推模型是以第一種延續(xù)性形式為依據(jù)的，它假定所要預(yù)測(cè)的變量是隨著時(shí)間的推移而按照一定的趨勢(shì)和一定的變化比例向前發(fā)展的，因此利用歷史數(shù)據(jù)建立了趨勢(shì)外推模型后，就可把趨勢(shì)和變化比例做為經(jīng)濟(jì)

26、變量之間的不變特征延推到未來(lái)；因果關(guān)系預(yù)測(cè)模型反映了預(yù)測(cè)對(duì)象和有關(guān)的格經(jīng)濟(jì)變量在以往發(fā)展變化中的依賴關(guān)系和內(nèi)在聯(lián)系。這種模型之所以能用于預(yù)測(cè)，就是認(rèn)為模型所反映的這種依賴關(guān)系和內(nèi)在聯(lián)系具有延續(xù)性，并以此作為預(yù)測(cè)的基礎(chǔ)。類(lèi)推原則如果說(shuō)連貫性原則是依據(jù)事物發(fā)展的延續(xù)性來(lái)預(yù)測(cè)未來(lái)的話，那么類(lèi)推原則則是根據(jù)不同事物之間的相似性預(yù)測(cè)未來(lái)。世界上許多事物在發(fā)展變化上常有類(lèi)似的地方。利用事物之間表現(xiàn)形式上存在的某些相似之處的特點(diǎn)，有可能把先發(fā)展事物的表現(xiàn)過(guò)程類(lèi)推到后發(fā)展事物上去，從而對(duì)后發(fā)展事物的前景作出預(yù)測(cè)。常說(shuō)的“舉一反三，以此類(lèi)推”就是這個(gè)道理。例如研究技術(shù)先進(jìn)國(guó)家某些產(chǎn)品更顯換代的情況，可以類(lèi)推我國(guó)

27、同類(lèi)產(chǎn)品更新?lián)Q代的發(fā)展過(guò)程；了解歷史上某類(lèi)產(chǎn)品投入市場(chǎng)后的發(fā)展?fàn)顩r，可以預(yù)測(cè)類(lèi)似的新產(chǎn)品在未來(lái)市場(chǎng)上的發(fā)展變化情況。在預(yù)測(cè)中，人們往往從以下三個(gè)方面來(lái)進(jìn)行類(lèi)推或者類(lèi)比：依據(jù)歷史上曾經(jīng)發(fā)生過(guò)的時(shí)間類(lèi)推當(dāng)前或未來(lái)。例如不同的產(chǎn)品其發(fā)展過(guò)程往往都要遵循一條萌芽成長(zhǎng)成熟衰退的生命周期演變過(guò)程，在不同的階段，產(chǎn)品的市場(chǎng)需求特征是不一樣的，于是可以根據(jù)類(lèi)似產(chǎn)品在某一發(fā)展期的市場(chǎng)需求情況推斷預(yù)測(cè)產(chǎn)品在該時(shí)期的市場(chǎng)需求情況。依據(jù)其他地區(qū)曾經(jīng)發(fā)生過(guò)的事件進(jìn)行類(lèi)推。例如可以通過(guò)研究別的國(guó)家的汽車(chē)發(fā)展歷程，對(duì)我國(guó)汽車(chē)工業(yè)的發(fā)展進(jìn)行初步的估計(jì)。根據(jù)局部類(lèi)推總體。通過(guò)抽樣調(diào)查或其他方式進(jìn)行一些具有代表性的調(diào)查，分析市場(chǎng)

28、變化動(dòng)態(tài)，預(yù)測(cè)和類(lèi)推全局或大范圍的市場(chǎng)變化也是常用的方法之一。在經(jīng)濟(jì)建設(shè)中常常用到的試點(diǎn)試驗(yàn)，就是利用該原則進(jìn)行總體預(yù)測(cè)的應(yīng)用。利用類(lèi)推原則進(jìn)行預(yù)測(cè)，首要的條件是兩事物之間的發(fā)展變化具有類(lèi)似性。否則就不能進(jìn)行類(lèi)推。類(lèi)似并不等同于相同，再加上時(shí)間、地點(diǎn)、范圍以及其他許多條件的不同，常常會(huì)使兩事物的發(fā)展變化產(chǎn)生較大的差距。因此在類(lèi)推過(guò)程中必須充分考慮條件差異可能給預(yù)測(cè)結(jié)果帶來(lái)的影響，對(duì)此加以恰當(dāng)?shù)墓烙?jì)和修正，以提高類(lèi)推的精度。相關(guān)原則世界上各種事物之間都存在著直接或者間接的聯(lián)系，任何事物的發(fā)展變化都不是孤立的，都與其他事物的發(fā)展存在或大或小的相互影響、相互制約、相互促進(jìn)的關(guān)系，在經(jīng)濟(jì)領(lǐng)域中，這種關(guān)

29、系更是普遍存在，如果我們能夠認(rèn)識(shí)預(yù)測(cè)對(duì)象與相關(guān)因素的確定的相關(guān)關(guān)系，就可以利用該關(guān)系中相關(guān)因素的變化進(jìn)行預(yù)測(cè)。相關(guān)性的表現(xiàn)有多種形式，其中最重要、應(yīng)用最廣的是因果關(guān)系分析。因果關(guān)系是事物之間普遍聯(lián)系和相互作用的形式之一，因?yàn)槿魏我粋€(gè)事物的發(fā)展變化都是有原因的。在相關(guān)分析的基礎(chǔ)上，人們研究開(kāi)發(fā)了多種預(yù)測(cè)模型，如回歸預(yù)測(cè)模型、市場(chǎng)因子分析模型、彈性分析模型、系統(tǒng)動(dòng)力學(xué)模型、投入產(chǎn)出模型等。根據(jù)事物發(fā)展規(guī)律對(duì)事物的未來(lái)進(jìn)行推測(cè)是科學(xué)預(yù)測(cè)的基礎(chǔ)，連貫性原則、類(lèi)推原則和相關(guān)原則分別從不同的角度為我們認(rèn)識(shí)和分析事物的發(fā)展規(guī)律提供了理論依據(jù)，也是各種預(yù)測(cè)模型和預(yù)測(cè)方法成立的基礎(chǔ)。只有承認(rèn)這些原則的有效性，才

30、可能運(yùn)用這些技術(shù)和方法去進(jìn)行預(yù)測(cè)。1.3.2預(yù)測(cè)的基本途徑由于事物發(fā)展具有內(nèi)在規(guī)律性、連續(xù)性、事物發(fā)展與影響因素之間的關(guān)聯(lián)性、事物發(fā)展間的相似性等特點(diǎn)的存在，根據(jù)預(yù)測(cè)的一些基本原則，科學(xué)的預(yù)測(cè)一般有以下幾種途徑或方法：因果分析：通過(guò)研究事物的形成原因來(lái)預(yù)測(cè)事物未來(lái)發(fā)展變化的必然結(jié)果。經(jīng)濟(jì)分析中的投入產(chǎn)出預(yù)測(cè)法、股票預(yù)測(cè)中的基本面分析、瑞利分布的多因素分析等都屬于此類(lèi)；類(lèi)比分析：通過(guò)對(duì)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(jì)預(yù)測(cè)中借鑒經(jīng)濟(jì)領(lǐng)先的地方所走過(guò)的發(fā)展道路，在分析兩地差異基礎(chǔ)上推斷本地經(jīng)濟(jì)發(fā)展道路、通過(guò)對(duì)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(lèi)

31、比分析的范圍。統(tǒng)計(jì)分析：運(yùn)用一系列數(shù)學(xué)方法，通過(guò)對(duì)事物過(guò)去和現(xiàn)在的數(shù)據(jù)資料來(lái)進(jìn)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(shí)間序列分析，股票預(yù)測(cè)中的技術(shù)面分析等）。1.3.3預(yù)測(cè)的基本過(guò)程為保證預(yù)測(cè)工作的順利進(jìn)行，必須要有組織有計(jì)劃的安排好預(yù)測(cè)工作的進(jìn)程，以期取得應(yīng)有的成效，為制定決策、編制計(jì)劃和提高經(jīng)營(yíng)管理水平提供有價(jià)值的情報(bào)。預(yù)測(cè)的過(guò)程由以下一些基本程序或者步驟組成。明確預(yù)測(cè)任務(wù)、制定預(yù)測(cè)計(jì)劃。搜集、整理和審核原始數(shù)據(jù)和資料；準(zhǔn)確無(wú)誤的調(diào)查統(tǒng)計(jì)資料和信息時(shí)預(yù)測(cè)的基礎(chǔ)。進(jìn)行預(yù)測(cè)時(shí)需要有大量的歷史數(shù)據(jù)，掌握與預(yù)測(cè)目的、內(nèi)容有關(guān)的各種歷史資料，以及可能影響未來(lái)發(fā)展的現(xiàn)實(shí)資料

32、。要達(dá)到預(yù)測(cè)的目的，掌握的資料要求根預(yù)測(cè)對(duì)象直接相關(guān)性、資料來(lái)源和內(nèi)容可靠性、同時(shí)保證資料和數(shù)據(jù)的最新性。選擇適當(dāng)?shù)念A(yù)測(cè)方法和建立數(shù)學(xué)模型。預(yù)測(cè)方法的適當(dāng)與否直接影響預(yù)測(cè)結(jié)果的好壞，因此要結(jié)合預(yù)測(cè)對(duì)象的特點(diǎn)以及預(yù)測(cè)方法本身的特點(diǎn)，選擇最能反映預(yù)測(cè)對(duì)象發(fā)展的方法。在選擇預(yù)測(cè)方法和建立數(shù)學(xué)模型時(shí)，需要克服盲目相信復(fù)雜技術(shù)的心理。應(yīng)用復(fù)雜方法一方面代價(jià)高昂，另一方面預(yù)測(cè)的有效性并不與方法的復(fù)雜性呈正比。檢驗(yàn)?zāi)Ｐ?，進(jìn)行預(yù)測(cè)。模型建立后必須要經(jīng)過(guò)檢驗(yàn)才能用于預(yù)測(cè)。模型檢驗(yàn)主要包括考察參數(shù)估計(jì)值在理論上是否有意義，統(tǒng)計(jì)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(yàn)的方法各異，但是評(píng)價(jià)模型的基本原

33、則類(lèi)似，即必須理論上合理，統(tǒng)計(jì)可靠性高，預(yù)測(cè)能力強(qiáng)，簡(jiǎn)單適用。分析預(yù)測(cè)誤差，評(píng)價(jià)預(yù)測(cè)結(jié)果。要對(duì)預(yù)測(cè)偏離實(shí)際值的程度以及產(chǎn)生偏差的原因進(jìn)行分析，特別是對(duì)奇異數(shù)據(jù)的分析。對(duì)預(yù)測(cè)誤差的分析一方面可以對(duì)預(yù)測(cè)過(guò)程和預(yù)測(cè)方法的科學(xué)性有效性進(jìn)行綜合考察，另一方面可以為以后的的預(yù)測(cè)工作提供經(jīng)驗(yàn)上的積累。撰寫(xiě)詳細(xì)的預(yù)測(cè)報(bào)告，并提交下一步工作使用。1.4預(yù)測(cè)的分類(lèi)預(yù)測(cè)是一項(xiàng)系統(tǒng)性的工作，從預(yù)測(cè)對(duì)象所屬領(lǐng)域、預(yù)測(cè)涉及的時(shí)間長(zhǎng)短、預(yù)測(cè)方法的特點(diǎn)、預(yù)測(cè)范圍的大小等不同的方面，對(duì)預(yù)測(cè)有不同的分類(lèi)方法。1.4.1按對(duì)象不同分類(lèi)按預(yù)測(cè)對(duì)象的不同，有經(jīng)濟(jì)預(yù)測(cè)、技術(shù)預(yù)測(cè)、氣象預(yù)測(cè)等，其中經(jīng)濟(jì)預(yù)測(cè)又包括產(chǎn)品預(yù)測(cè)、市場(chǎng)預(yù)測(cè)、銷(xiāo)售預(yù)測(cè)

34、，費(fèi)用預(yù)測(cè)、國(guó)民經(jīng)濟(jì)發(fā)展預(yù)測(cè)、家庭收入預(yù)測(cè)等。1.4.2按范圍或?qū)哟畏诸?lèi)按預(yù)測(cè)的范圍或者層次的不同，預(yù)測(cè)可分為宏觀預(yù)測(cè)和微觀預(yù)測(cè)。經(jīng)濟(jì)預(yù)測(cè)中，宏觀預(yù)測(cè)是從整個(gè)國(guó)家或者地區(qū)的角度出發(fā)，分析經(jīng)濟(jì)發(fā)展情況，而微觀預(yù)測(cè)則是從單個(gè)企業(yè)或者個(gè)人的角度，從細(xì)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(gè)個(gè)的微觀個(gè)體構(gòu)成，宏觀預(yù)測(cè)要考慮到普遍的微觀個(gè)體行為，以微觀預(yù)測(cè)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在宏觀的波濤之上，微觀預(yù)測(cè)要以宏觀預(yù)測(cè)為載體和指導(dǎo)，分析出微觀個(gè)體具體而微的行為。1.4.3按時(shí)間長(zhǎng)短分類(lèi)按預(yù)測(cè)時(shí)間的長(zhǎng)短分，預(yù)測(cè)可分為長(zhǎng)期預(yù)測(cè)、中期預(yù)測(cè)、短期預(yù)

35、測(cè)、近期預(yù)測(cè)。經(jīng)濟(jì)預(yù)測(cè)中，長(zhǎng)期預(yù)測(cè)一般指10年以上的預(yù)測(cè)，中期預(yù)測(cè)通常指3-5年之內(nèi)的預(yù)測(cè)，短期預(yù)測(cè)一般指的是1-3年的預(yù)測(cè)，而近期預(yù)測(cè)則是指一年之內(nèi)的極短期的預(yù)測(cè)。預(yù)測(cè)時(shí)間長(zhǎng)短不同，預(yù)測(cè)的要求和方法都可能表現(xiàn)出極大的差異。1.4.4按預(yù)測(cè)性質(zhì)分類(lèi)按預(yù)測(cè)方法的性質(zhì)分，預(yù)測(cè)可分為定性預(yù)測(cè)和定量預(yù)測(cè)。定性預(yù)測(cè)是對(duì)事物發(fā)展前景的性質(zhì)、方向和變動(dòng)大致程度做出判斷進(jìn)行預(yù)測(cè)的方法。經(jīng)濟(jì)預(yù)測(cè)中的定性預(yù)測(cè)是對(duì)經(jīng)濟(jì)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(shì)性預(yù)測(cè)。常用的定性預(yù)測(cè)方法主要有市場(chǎng)調(diào)查預(yù)測(cè)法，專(zhuān)家預(yù)測(cè)法（頭腦風(fēng)暴法，德?tīng)柗品ǎ饔^概率法，預(yù)兆預(yù)測(cè)法，相互關(guān)系法，比例法等。定量預(yù)測(cè)是指根據(jù)準(zhǔn)確

36、、及時(shí)、系統(tǒng)、全面的調(diào)查統(tǒng)計(jì)資料和信息，運(yùn)用統(tǒng)計(jì)方法和數(shù)學(xué)模型，對(duì)事物未來(lái)發(fā)展的規(guī)模、水平、速度和比例關(guān)系的測(cè)定。常用的定量預(yù)測(cè)方法有回歸分析預(yù)測(cè)，時(shí)間序列預(yù)測(cè)，因果分析預(yù)測(cè)和灰色系統(tǒng)預(yù)測(cè)等，近年來(lái)混沌理論和人工神經(jīng)網(wǎng)絡(luò)的發(fā)展和在預(yù)測(cè)中的應(yīng)用為定量預(yù)測(cè)方法的發(fā)展帶來(lái)了新的內(nèi)容。定性預(yù)測(cè)和定量預(yù)測(cè)各有優(yōu)缺點(diǎn)，在實(shí)際的預(yù)測(cè)工作中，為了使預(yù)測(cè)結(jié)果比較切合實(shí)際，提高預(yù)測(cè)質(zhì)量，為決策和計(jì)劃提供可靠的依據(jù)，通常應(yīng)將兩者結(jié)合起來(lái)，利用定性分析對(duì)定量預(yù)測(cè)的結(jié)果進(jìn)行必要的修正和調(diào)整，以取得良好的效果。1.4.5按預(yù)測(cè)方法的運(yùn)用分類(lèi)根據(jù)預(yù)測(cè)時(shí)是采用一種方法還是多種方法的綜合進(jìn)行，預(yù)測(cè)可分為單方法預(yù)測(cè)和多方法的組合

37、預(yù)測(cè)。單方法預(yù)測(cè)就是應(yīng)用一種方法對(duì)預(yù)測(cè)對(duì)象未來(lái)發(fā)展進(jìn)行判斷的方法，對(duì)于事物發(fā)展條件比較簡(jiǎn)單，發(fā)展過(guò)程比較平穩(wěn)的事物的預(yù)測(cè)常用單方法預(yù)測(cè)。組合預(yù)測(cè)是指在采用多種獨(dú)立方法對(duì)事物預(yù)測(cè)的基礎(chǔ)上，根據(jù)一定的組合條件，綜合采用各單項(xiàng)方法的結(jié)果，對(duì)事物發(fā)展未來(lái)進(jìn)行預(yù)測(cè)的方法。Bates和Granger提出的組合預(yù)測(cè)思想的基本出發(fā)點(diǎn)就是在大多數(shù)需要預(yù)測(cè)的情況下，難以獲得完全的信息集，即使對(duì)于給定的信息集也難以做到最優(yōu)利用，即承認(rèn)構(gòu)造真是模型的困難，將各種單項(xiàng)預(yù)測(cè)看作代表不同的信息片斷，通過(guò)信息的集成，分散單個(gè)預(yù)測(cè)特有的不確定性和減少總體的不確定性，從而提高預(yù)測(cè)精度。組合預(yù)測(cè)法主要有：線性組合預(yù)測(cè)、最優(yōu)線性組合

38、模型、貝葉斯組合模型、轉(zhuǎn)換函數(shù)組合模型和經(jīng)濟(jì)計(jì)量與系統(tǒng)動(dòng)力學(xué)組合模型等。1.5預(yù)測(cè)的檢驗(yàn)任何預(yù)測(cè)對(duì)象的實(shí)際觀察值都可以由某種模型加某種隨機(jī)影響因子確定，設(shè)時(shí)刻i時(shí)的觀察值為yi，模型的預(yù)測(cè)值為y，隨機(jī)影響因素為ei則 事實(shí)上，任何社會(huì)經(jīng)濟(jì)現(xiàn)象始終存在著不確定性，所以隨機(jī)性總是存在的。無(wú)論預(yù)測(cè)方法的使用如何得當(dāng)，預(yù)測(cè)模型對(duì)歷史數(shù)據(jù)的擬合程度怎樣高，觀察值與預(yù)測(cè)值之間仍然會(huì)存在偏差。預(yù)測(cè)對(duì)象第i個(gè)觀察值記作yi，由預(yù)測(cè)模型得到的相應(yīng)的預(yù)測(cè)值為，則誤差為盡量使誤差減少到最低限度，即盡可能提高預(yù)測(cè)精度，是研究預(yù)測(cè)方法，實(shí)際設(shè)計(jì)預(yù)測(cè)方案的一項(xiàng)重要任務(wù)。1.5.1標(biāo)準(zhǔn)統(tǒng)計(jì)量指標(biāo)預(yù)測(cè)精度的高低，通常采用一些

39、指標(biāo)評(píng)定。若有n個(gè)樣本數(shù)據(jù)，則建立預(yù)測(cè)模型后，就會(huì)有n個(gè)誤差。標(biāo)準(zhǔn)統(tǒng)計(jì)量有以下形式：平均誤差ME（MEAN ERROR）平均絕對(duì)誤差MAE（MEAN ABSOLUTE ERROR）誤差平方和SSE（SUM OF SQUARED ERROR）均方誤差MSE（MEAN SQUARED ERROR）誤差的標(biāo)準(zhǔn)差SDE（STANDARD DEVIATION OF ERROR）由于平均誤差ME存在正負(fù)相抵的情況，常常無(wú)法準(zhǔn)確反映預(yù)測(cè)值的偏離情況，而平均絕對(duì)誤差MAE能克服這個(gè)缺陷比較好的反應(yīng)預(yù)測(cè)值與真實(shí)值之間的差距累積情況。為了更好的觀察不同預(yù)測(cè)模型誤差的細(xì)微差別，使用均方誤差MSE比較適宜，因?yàn)樗捎?/p>

40、的形式，放大了誤差，使得它對(duì)誤差的微笑變動(dòng)比MAE更敏感。1.5.2相對(duì)度量指標(biāo)標(biāo)準(zhǔn)統(tǒng)計(jì)度量指標(biāo)都是量綱值，具有比較直觀的量綱意義，在比較不同方法對(duì)同一預(yù)測(cè)對(duì)象的預(yù)測(cè)效果時(shí)有效，但是對(duì)于單個(gè)方法的預(yù)測(cè)結(jié)果到底如何，就不能很好的體現(xiàn)。對(duì)預(yù)測(cè)模型的預(yù)測(cè)精度的測(cè)定，通常采用相對(duì)參數(shù)來(lái)進(jìn)行度量。常用的相對(duì)度量指標(biāo)有以下三種：百分誤差PEi（PERCENTAGE ERROR）平均百分誤差MPE（MEAN PERCENTAGE ERROR）平均絕對(duì)百分比誤差MAPE（MEAN ABSOLUTE PERCENTAGE ERROR）由于不存在著平均百分誤差中正負(fù)相抵的情況，一般平均絕對(duì)百分比誤差都要比平均百分

41、誤差大許多，常常更能有效地反映預(yù)測(cè)模型對(duì)實(shí)際值的偏差的大小，因此在評(píng)價(jià)模型的預(yù)測(cè)精度的時(shí)候常使用的時(shí)平均絕對(duì)百分誤差MAPE。一般認(rèn)為，若MAPE小于10，則模型的預(yù)測(cè)精度較高。兩面商JANUS商預(yù)測(cè)過(guò)程通常是利用樣本期內(nèi)的實(shí)際值用于建立預(yù)測(cè)模型，利用模型對(duì)樣本期外的數(shù)據(jù)進(jìn)行預(yù)測(cè)。對(duì)樣本期后已經(jīng)發(fā)生的若干時(shí)期所進(jìn)行的預(yù)測(cè)叫做事后預(yù)測(cè)，而對(duì)實(shí)際情況還未有發(fā)生的未來(lái)時(shí)期所進(jìn)行的預(yù)測(cè)叫做事前預(yù)測(cè)，事前預(yù)測(cè)是預(yù)測(cè)的最終目的。在對(duì)模型進(jìn)行檢驗(yàn)時(shí)，可以通過(guò)把歷史數(shù)據(jù)分成兩個(gè)部分，大部分?jǐn)?shù)據(jù)用來(lái)建立模型，小部分?jǐn)?shù)據(jù)用來(lái)進(jìn)行事后預(yù)測(cè)，根據(jù)事后預(yù)測(cè)的均方誤差跟歷史模擬的均方誤差的比值，即兩面商J，來(lái)確定模型的優(yōu)

42、劣。該指標(biāo)涉及的時(shí)期可以用下圖表示：i=1,2,，ni=n+1，n+2，n+m樣本期間樣本期外J值越低，模型的預(yù)測(cè)性能越優(yōu)。當(dāng)J接近于0時(shí)，表明事后預(yù)測(cè)的準(zhǔn)確度要比模擬準(zhǔn)確度高；當(dāng)時(shí)，表明預(yù)測(cè)對(duì)象在預(yù)測(cè)期的變化規(guī)律與樣本期內(nèi)基本相似；表明對(duì)象在預(yù)測(cè)期內(nèi)的變化規(guī)律與樣本期內(nèi)完全不同。二.時(shí)間序列預(yù)測(cè)法時(shí)間序列預(yù)測(cè)法，是將預(yù)測(cè)目標(biāo)的歷史數(shù)據(jù)按照時(shí)間的順序排列成為時(shí)間序列，然后分析它隨時(shí)間的變化趨勢(shì)，外推預(yù)測(cè)目標(biāo)的未來(lái)值。這樣，就把影響預(yù)測(cè)目標(biāo)變化的一切因素由“時(shí)間”綜合起來(lái)描述了。2.1移動(dòng)平均法移動(dòng)平均法是根據(jù)時(shí)間序列資料逐項(xiàng)推移，一次計(jì)算包含一定項(xiàng)數(shù)得時(shí)序平均數(shù)，以反映長(zhǎng)期趨勢(shì)的方法。當(dāng)時(shí)間序

43、列的數(shù)值由于受周期變動(dòng)和不規(guī)則變動(dòng)的影響，起伏較大，不易顯示出發(fā)展趨勢(shì)時(shí)，可用移動(dòng)平均法消除這些因素的影響，分析、預(yù)測(cè)序列的長(zhǎng)期趨勢(shì)。移動(dòng)平均法有簡(jiǎn)單移動(dòng)平均法，加權(quán)移動(dòng)平均法，趨勢(shì)移動(dòng)平均法等。2.1.1簡(jiǎn)單移動(dòng)平均法移動(dòng)平均法是根據(jù)時(shí)間序列資料逐項(xiàng)推移，一次計(jì)算包含一定項(xiàng)數(shù)的時(shí)序平均數(shù)，以反映長(zhǎng)期發(fā)展趨勢(shì)的方法。根據(jù)處理方法的不同，移動(dòng)平均法又可以分為簡(jiǎn)單移動(dòng)平均法、加權(quán)移動(dòng)平均法和趨勢(shì)移動(dòng)平均法等。簡(jiǎn)單移動(dòng)平均法定義式經(jīng)整理，可得遞推計(jì)算公式為則預(yù)測(cè)公式為即以第t期的滾動(dòng)平均值作為第t1期的預(yù)測(cè)值。2.1.2加權(quán)移動(dòng)平均法簡(jiǎn)單移動(dòng)平均將選擇各期等同看待，如果預(yù)測(cè)目標(biāo)存在較大變化，會(huì)產(chǎn)生較

44、大的預(yù)測(cè)偏差和滯后。因此，選擇各期置以不同的權(quán)重（通常距離預(yù)測(cè)期越近權(quán)重越大），采用加權(quán)移動(dòng)平均法來(lái)預(yù)測(cè)?；蛘哳A(yù)測(cè)公式為：加權(quán)移動(dòng)平均雖然可以通過(guò)對(duì)權(quán)重的設(shè)置，對(duì)預(yù)測(cè)結(jié)果所反映的歷史時(shí)期給你不同的主次輕重，在一定程度上減少了簡(jiǎn)單移動(dòng)平均存在的滯后。但是由于權(quán)重的歸一化取定，預(yù)測(cè)對(duì)象在預(yù)測(cè)期總是無(wú)法突破歷史出現(xiàn)的頂峰或者最低谷。這種缺陷的存在對(duì)于單一趨勢(shì)的序列預(yù)測(cè)，同樣將會(huì)產(chǎn)生越來(lái)越大的誤差。2.1.3趨勢(shì)移動(dòng)平均法當(dāng)預(yù)測(cè)的時(shí)間序列存在明顯的趨勢(shì)性的時(shí)候，簡(jiǎn)單移動(dòng)平均和加權(quán)移動(dòng)平均都會(huì)產(chǎn)生較大的滯后和誤差，減少誤差的方法是進(jìn)行修正，在移動(dòng)平均的基礎(chǔ)上做二次移動(dòng)平均，利用移動(dòng)平均滯后偏差的規(guī)律來(lái)建

45、立直線趨勢(shì)的預(yù)測(cè)模型。一次移動(dòng)平均為二次移動(dòng)平均為遞推公式為趨勢(shì)移動(dòng)平均法對(duì)直線趨勢(shì)的發(fā)展有較好的預(yù)測(cè)效果，但是對(duì)于趨勢(shì)更強(qiáng)的發(fā)展仍然有較大的滯后，需要對(duì)方法做進(jìn)一步的修正，如引入發(fā)展因子等。2.2指數(shù)平滑法指數(shù)平滑法作為移動(dòng)平均法的改進(jìn)和發(fā)展，克服了移動(dòng)平均法存儲(chǔ)數(shù)據(jù)量較大，并且對(duì)最近的N期數(shù)據(jù)等權(quán)看待而對(duì)tT期以前的數(shù)據(jù)則完全部考慮的缺點(diǎn)，具有不需要存儲(chǔ)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(diǎn)。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。2.2.1一次指數(shù)平滑法：對(duì)時(shí)間序列，一次指數(shù)平滑公式為式中，為一次指數(shù)平滑值；

46、為加權(quán)系數(shù)，且01。一次指數(shù)平滑的預(yù)測(cè)模型為即也就是以t期的指數(shù)平滑值作為t1期的預(yù)測(cè)值。對(duì)一次指數(shù)平滑的兩個(gè)說(shuō)明：1、確定時(shí)，如果時(shí)間序列波動(dòng)不大，呈現(xiàn)出比較平穩(wěn)的態(tài)勢(shì)，則應(yīng)取較?。?.1-0.3）左右；如果時(shí)間序列具有迅速且明顯的變動(dòng)傾向，則應(yīng)取大一點(diǎn)，如（0.6-0.8）左右。具體取值，根據(jù)變動(dòng)的劇烈程度去定。在實(shí)際計(jì)算中，可根據(jù)不同得到的實(shí)際期的預(yù)測(cè)值與實(shí)際值的均方誤差，以較小者為優(yōu)。2、初始值確定：如果數(shù)據(jù)較多（比如大于20個(gè)），可以選取第一個(gè)數(shù)據(jù)作為初始值；如果數(shù)據(jù)較少，在20個(gè)以下時(shí)，可以取最初幾期的平均值作為初始值。2.2.2二次指數(shù)平滑法：當(dāng)時(shí)間序列的變動(dòng)出現(xiàn)直線趨勢(shì)時(shí)，一次

47、指數(shù)平滑法預(yù)測(cè)會(huì)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(jì)算公式為式中：為一次指數(shù)平滑值；為二次指數(shù)的平滑值。當(dāng)時(shí)間序列從某時(shí)期開(kāi)始具有直線趨勢(shì)時(shí)，類(lèi)似趨勢(shì)移動(dòng)平均法，可用直線趨勢(shì)模型進(jìn)行預(yù)測(cè)。2.2.3三次指數(shù)平滑法：當(dāng)時(shí)間序列的變動(dòng)表現(xiàn)為二次曲線趨勢(shì)時(shí)，則需要用三次指數(shù)平滑法。三次指數(shù)平滑是在二次指數(shù)平滑的基礎(chǔ)上，再進(jìn)行一次平滑，其計(jì)算公式為三次指數(shù)平滑的預(yù)測(cè)模型為式中2.2.4差分指數(shù)平滑法：當(dāng)時(shí)間序列的變動(dòng)具有直線趨勢(shì)時(shí)，一次指數(shù)平滑法會(huì)出現(xiàn)滯后偏差，除了通過(guò)增加平滑次數(shù)以降低偏差外，還有一些處理方法，就是從數(shù)據(jù)變換的角度考慮改進(jìn)措施，差分方法就是其中一種。一階差分指數(shù)平

48、滑法：當(dāng)時(shí)間序列呈現(xiàn)二次曲線增長(zhǎng)時(shí)，可用二階差分指數(shù)平滑模型來(lái)預(yù)測(cè)，處理方法跟二次指數(shù)平滑法相當(dāng)。2.3自適應(yīng)濾波法自適應(yīng)濾波法與移動(dòng)平均法、指數(shù)平滑法一樣，也是以時(shí)間序列的歷史觀測(cè)值進(jìn)行某種加權(quán)平均來(lái)預(yù)測(cè)的，它要尋找一組“最佳”的權(quán)數(shù)，其辦法是先用一組給定的權(quán)數(shù)來(lái)計(jì)算一個(gè)預(yù)測(cè)值，然后計(jì)算預(yù)測(cè)誤差，再跟據(jù)預(yù)測(cè)誤差調(diào)整權(quán)數(shù)以減少誤差。這樣反復(fù)進(jìn)行，直至找出一組“最佳”權(quán)數(shù)，使誤差減少到最低限度。由于這種調(diào)整權(quán)數(shù)的過(guò)程與通信工程中的傳輸噪聲過(guò)濾過(guò)程極為接近，故稱為自適應(yīng)濾波法。其基本預(yù)測(cè)公式為：調(diào)整權(quán)數(shù)的公式為：式中：i=1，2，N；tN，N+1,，n。n為序列數(shù)據(jù)的個(gè)數(shù)；i為調(diào)整前的第i個(gè)權(quán)數(shù)；

49、為調(diào)整后的第I個(gè)權(quán)數(shù)；k稱為學(xué)習(xí)常數(shù)；ek1為第t1期的預(yù)測(cè)誤差。三.趨勢(shì)外推預(yù)測(cè)方法趨勢(shì)外推法是根據(jù)事物的歷史和現(xiàn)實(shí)資料，尋求實(shí)物發(fā)展變化規(guī)律，從而推測(cè)出事務(wù)未來(lái)狀況的一種比較常用的預(yù)測(cè)方法。趨勢(shì)外推法常用的典型數(shù)學(xué)模型有：指數(shù)曲線、修正指數(shù)曲線、生長(zhǎng)曲線（或者成長(zhǎng)曲線）、包絡(luò)曲線等。3.1指數(shù)曲線法：技術(shù)的進(jìn)步和生產(chǎn)的增長(zhǎng)，在其未達(dá)飽和之前的新生時(shí)期是遵循指數(shù)曲線增長(zhǎng)規(guī)律的，因此在技術(shù)發(fā)展初期或者新的技術(shù)產(chǎn)品剛進(jìn)入市場(chǎng)的時(shí)候，可以在一定時(shí)期用指數(shù)曲線對(duì)發(fā)展中的事物進(jìn)行預(yù)測(cè)。指數(shù)曲線的數(shù)學(xué)模型為式中：y0和K是系數(shù)，為求其值，可應(yīng)用回歸方法。對(duì)上式兩邊取對(duì)數(shù)可得令Ylny，Alny0，BK，

50、則用最小二乘法求出A、B，進(jìn)而可以求出y0和K。3.2修正指數(shù)曲線法：為了克服指數(shù)曲線法預(yù)測(cè)時(shí)隨著時(shí)間的推移無(wú)限增大的情況，必須要對(duì)指數(shù)曲線進(jìn)行修正，修正指數(shù)曲線的模型為該模型有三個(gè)參數(shù)A，y0和K，可以利用歷史數(shù)據(jù)來(lái)確定。假定數(shù)據(jù)有3N個(gè)，把他們分成3組，每組都是N個(gè)，且按時(shí)間順序排列：第一組：；第二組：；第三組：；令t00，將第一組數(shù)據(jù)分別代入模型公式中得到將上式相加，整理可得同理，由第二組和第三組數(shù)據(jù)可得聯(lián)立(1)，(2)和(3)式，可得然后就可以利用確定好的A，K，y0進(jìn)行。不過(guò)并不是任何一組數(shù)據(jù)都可以用修正指數(shù)曲線擬合，采用前應(yīng)先對(duì)數(shù)據(jù)進(jìn)行檢驗(yàn)，檢驗(yàn)的方法是看給定數(shù)據(jù)的逐年增長(zhǎng)量的比

51、率是否接近某一常數(shù)e-K。即3.3成長(zhǎng)曲線法：3.3.1邏輯斯蒂（Logistic）曲線在很多情況下，技術(shù)或者產(chǎn)品在市場(chǎng)的發(fā)展趨勢(shì)跟生物的生長(zhǎng)過(guò)程相似，都要經(jīng)歷發(fā)生、發(fā)展到成熟三個(gè)階段。在第一階段增長(zhǎng)較慢，到了發(fā)展階段，增長(zhǎng)突然加快，進(jìn)入到成熟期，增長(zhǎng)速度趨緩到一定水平不再增加，這樣的一種發(fā)展形成一條S曲線，這就是有名的生長(zhǎng)曲線，其一般的數(shù)學(xué)模型為式中：Y為預(yù)測(cè)參數(shù)值；L為參數(shù)Y的極限值；K為大于0的常數(shù)，解此微分方程得該方程即為邏輯斯蒂（Logistic）曲線方程，又稱作皮爾曲線。式中：a和b為常數(shù)；L為Y的極限值。對(duì)曲線參數(shù)的確定，通常有兩種方法： = 1 * GB3 倒數(shù)和法。假定數(shù)據(jù)有

52、3N個(gè)，把他們分成3組，每組都是N個(gè)，且按時(shí)間順序排列：第一組：；第二組：；第三組：；由，分三組求和S1-S2及S2-S3，得D1除以D2，得據(jù)此，可求得又所以所以其中 = 2 * GB3 最小二乘法如果能夠確定發(fā)展的極限值即L，則可以利用最小二乘法非常方便的確定a和b。過(guò)程如下：將曲線方程兩邊取倒數(shù)整理可得：兩邊取對(duì)數(shù)得，根據(jù)歷史數(shù)據(jù)以及L的值，利用最小二乘法可以很容易的求出lna和b，進(jìn)而確定曲線方程。3.3.2龔珀茲曲線（Gompertz）產(chǎn)品出現(xiàn)初期的時(shí)候，還有一種特殊的生長(zhǎng)曲線可以描述此時(shí)的市場(chǎng)發(fā)展情況，即龔珀茲曲線（Gompertz）。其方程式為式中，y為預(yù)測(cè)變量； x為解釋變量，

53、一般為時(shí)間點(diǎn)； k，a，b為待定參數(shù)。跟邏輯斯蒂曲線參數(shù)的確定方法類(lèi)似，龔珀茲曲線的參數(shù)確定也有兩種方法： = 1 * GB3 三段式計(jì)算法對(duì)曲線的方程式兩邊取對(duì)數(shù)，得為估計(jì)參數(shù)k，a，b，應(yīng)取樣本數(shù)n能被3整除，即rn/3；先計(jì)算 則 = 2 * GB3 最小二乘法如果事物的發(fā)展有明確的極限值k，將曲線方程變形整理，并兩邊兩次取對(duì)數(shù)，可得根據(jù)歷史數(shù)據(jù)和確定的k，利用最小二乘法，可以很容易就確定lnb和lnlna的值，進(jìn)而確定a，b的值。3.3.3其他生長(zhǎng)曲線3.3.3.1廣義邏輯曲線廣義邏輯曲線公式為其中：s為飽和水平，為增長(zhǎng)速度因子，為積分常數(shù)。廣義邏輯曲線結(jié)構(gòu)上的優(yōu)點(diǎn)在于，其拐點(diǎn)值與飽和

54、水平s的比例由形狀因子調(diào)節(jié)，即而在曲線擬合時(shí)由實(shí)際增長(zhǎng)趨勢(shì)確定，因此廣義邏輯曲線具有更高的擬合彈性。然而廣義邏輯曲線模型在結(jié)構(gòu)上仍然有不完善之處。實(shí)際的增長(zhǎng)趨勢(shì)往往要經(jīng)歷初期增長(zhǎng)率上升，達(dá)到一最大增長(zhǎng)率，然后再下降，直至接近飽和水平時(shí)趨向于零。而在邏輯型曲線模型（包括修正指數(shù)曲線、邏輯斯蒂曲線和龔珀茲曲線）中，增長(zhǎng)率隨yt的成長(zhǎng)是單調(diào)下降的，也即隨時(shí)間的進(jìn)程單調(diào)下降。3.3.3.2雙指數(shù)曲線雙指數(shù)曲線是另一種形式簡(jiǎn)單的擬合飽和增長(zhǎng)趨勢(shì)的模型，它是在修正指數(shù)曲線的基礎(chǔ)上疊加另一指數(shù)項(xiàng)而得，即其中：s為飽和水平，、為增長(zhǎng)速度因子，1、2為積分常數(shù)。由于要確定五個(gè)參數(shù)值，因此除非特別需要，一般應(yīng)用于

55、可以方便的確定其中23個(gè)參數(shù)的預(yù)測(cè)中。邏輯斯蒂曲線和龔珀茲曲線結(jié)構(gòu)上的缺點(diǎn)在于拐點(diǎn)值與飽和水平之間存在確定的比例關(guān)系，邏輯斯蒂曲線為1/2，龔珀茲曲線為1/e，這大大限制了模型適應(yīng)實(shí)際增長(zhǎng)趨勢(shì)的能力。一般來(lái)講，選擇S型生長(zhǎng)曲線模型有如下原則：如果數(shù)列中各數(shù)值的一階差之環(huán)比近似于一個(gè)常數(shù)，以配合修正指數(shù)曲線模型為宜；如果各數(shù)值取對(duì)數(shù)后的一階差之環(huán)比近似于一個(gè)常數(shù)，以配合龔珀茲曲線為宜；如果原數(shù)列中各數(shù)值倒數(shù)的一階差之環(huán)比近似于一個(gè)常數(shù)，以配合邏輯斯蒂曲線為宜。四.灰色系統(tǒng)預(yù)測(cè)灰色系統(tǒng)理論是我國(guó)著名學(xué)者，華中理工大學(xué)鄧聚龍教授1982年創(chuàng)立的一門(mén)新興的橫斷學(xué)科，它以“部分信息已知，部分信息未知”的

56、“小樣本”、“貧信息”不確定性系統(tǒng)為研究對(duì)象，主要通過(guò)對(duì)“部分”已知信息的處理，提取有價(jià)值的信息，實(shí)現(xiàn)對(duì)系統(tǒng)運(yùn)行規(guī)律的正確認(rèn)識(shí)和確切描述，并據(jù)以進(jìn)行科學(xué)預(yù)測(cè)?；疑到y(tǒng)理論的主要任務(wù)之一，就是根據(jù)社會(huì)、經(jīng)濟(jì)、生態(tài)等系統(tǒng)的行為特征數(shù)據(jù)，尋找因素之間或因素自身的數(shù)學(xué)關(guān)系與變化規(guī)律，灰色系統(tǒng)理論認(rèn)為任何隨機(jī)過(guò)程都是在一定幅值范圍內(nèi)和一定時(shí)區(qū)變化的灰色量，并把隨機(jī)過(guò)程看成是灰色過(guò)程?；疑到y(tǒng)理論研究的是貧信息建模，它提供了貧信息情況下解決系統(tǒng)問(wèn)題的新途徑。它把一切隨機(jī)過(guò)程看作是在一定范圍內(nèi)變化的，與時(shí)間有關(guān)的灰色過(guò)程，對(duì)灰色量不是尋找統(tǒng)計(jì)規(guī)律的角度，通過(guò)大樣本進(jìn)行研究，而是用數(shù)據(jù)生成的方法，將雜亂無(wú)章的

57、原始數(shù)據(jù)整理成規(guī)律性強(qiáng)的生成數(shù)列再作研究。4.1GM（1，1）模型灰色系統(tǒng)模型中，常用的預(yù)測(cè)模型為GM（1，1）模型，其相關(guān)的基本定義如下：定義一：設(shè)，則稱為GM（1，1）模型的原始形式，符號(hào)GM（1，1）的含義如下：定義二：設(shè)X（0），X（1）如定義一所示，其中，則稱為GM（1，1）模型的基本形式。定義三：設(shè)原始序列D為序列算子 其中則稱D為X(0)的一次累加生成算子，記為1-AGO（accumulating generation operator）。稱r階算子Dr為X(0)的r次累加生成算子，記為r-AGO。習(xí)慣上，可以記做其中定義四：設(shè)原始序列D為序列算子 其中則稱D為X(0)的一次累減

58、生成算子。稱r階算子Dr為X(0)的r次累減生成算子。事實(shí)上，累減算子是累加算子的逆算子，所以將累減算子記為IAGO。定理一：設(shè)X(0)為非負(fù)序列：其中x(0)(k)0，k1，2，n；X(1)為X(0)的1-AGO序列：，其中Z(1)為X(1)的緊鄰均值生成序列：其中若， 則灰色微分方程的最小二乘估計(jì)參數(shù)列滿足定義五：設(shè)如定理一所述，則白化方程的解也稱響應(yīng)時(shí)間函數(shù)為GM（1，1）灰色微分方程的時(shí)間響應(yīng)序列為取x(1)(0)=x(0)(1)，則還原值GM（1，1）并不是對(duì)所有的少數(shù)據(jù)預(yù)測(cè)都是適用的，可作GM（1，1）建模序列對(duì)其相鄰數(shù)據(jù)間的比值有較為嚴(yán)格的要求，只有當(dāng)時(shí)，建立的GM(1,1)預(yù)測(cè)

59、模型才是有效的，n為擬要建模的序列數(shù)據(jù)數(shù)量。如果級(jí)比不在此區(qū)間范圍內(nèi)，需要對(duì)原始數(shù)列進(jìn)行趨勢(shì)強(qiáng)化或者弱化處理，使其能夠滿足建模條件。4.2灰色Verhulst模型定義六：設(shè)原始序列 X(1)為X(0)的1-AGO序列，Z(1)為X(1)的緊鄰均值生成序列，則稱為灰色Verhulst模型。定義七：稱為灰色Verhulst模型的白化方程。定理二：（1）灰色Verhulst模型白化方程的解為（2）灰色Verhulst模型的時(shí)間響應(yīng)式為在實(shí)際問(wèn)題中，常遇到原始數(shù)據(jù)本身呈S形的過(guò)程。這時(shí)，我們可以取原始數(shù)據(jù)為X(1)，其1-IAGO為X(0)，建立Verhulst模型直接對(duì)X(1)進(jìn)行模擬。在利用灰色模

60、型進(jìn)行預(yù)測(cè)的時(shí)候，一個(gè)非常重要的步驟是對(duì)所得序列根據(jù)事物發(fā)展的規(guī)律進(jìn)行處理，處理方法有根據(jù)事物未來(lái)發(fā)展的可能的情況，對(duì)已有數(shù)列的發(fā)展趨勢(shì)進(jìn)行強(qiáng)化或者弱化。根據(jù)處理后的數(shù)列建立灰色數(shù)學(xué)模型，求得預(yù)測(cè)值。五.Box-Jenkins預(yù)測(cè)法Box-Jenkins模型是對(duì)時(shí)間序列進(jìn)行自回歸（AutoRegressive）、移動(dòng)平均（Moving Average）的預(yù)測(cè)模型，因而該模型也叫做ARMA模型。其數(shù)學(xué)模型分為三類(lèi)：自回歸（AR）模型；移動(dòng)平均（MA）模型；以及自回歸移動(dòng)平均（ARMA）模型。這些模型是應(yīng)用于平穩(wěn)時(shí)間序列的。而對(duì)于非平穩(wěn)性（例如具有趨勢(shì)性或者季節(jié)性的）時(shí)間序列，則可應(yīng)用ARIMA模