1.1 什么可以被预测?

许多情况下都需要预测:例如决定是否要在未来五年内建立另一个发电厂需要预测未来的用电需求量。下周呼叫中心的人员日程安排,需要对呼叫量进行预测。库存存货需要库存需求的预测 。预测可能是需要提前几年(如资本投资),或者是仅仅提前几分钟(如电信线路)。无论是涉及到什么情况或是时间范围,预测都是有效性和有效规划的重要帮助。

有些事情相比于其他事情更容易预测,比如明天太阳升起的时间可以非常准确地预测出来。另一方面,明天的彩票中奖数字(Lotto Numbers) 无法被准确预测。事件(或数量)的可预测性取决于以下几个因素:

  1. 我们对它的影响因素的了解程度;
  2. 有多少数据是可用的;
  3. 预测是否会影响我们试图预测的事物。

例如,对电力需求可以非常准确地预测,因为通常这三个条件都可以满足的。我们很好地了解了它的影响因素:电力需求很大程度上受温度影响,也受经济状况和日期的影响,例如:假日,对电力需求的影响较小。假如有足够的电力需求和天气状况方面的历史数据,并且我们有能力建立一个合适的模型来连接电力需求和关键驱动变量的话,我们的预测可以非常准确。

从另一个方面来讲,对于预测货币汇率的时候,它只满足了其中的一个条件:我们可以获取足够的可用的数据。但是我们对影响汇率的因素知之甚少,并且汇率的预测会对汇率本身产生影响。如果有明确的预测说汇率将会上涨,那么人们会立刻调整他们的心理价位,由此这些预测自然会自己就实现了。从某种意义上讲,这些汇率成为了他们自身的预测。这是“有效市场假说”的一个例子。因此,预言汇率明天会是上涨还是下跌,就如同预言抛一枚硬币它落下将会是正面还是反面一样不可预测。在这两种情形下,不论你预测什么,你将大概会有50%的概率是正确的。类似的情况下,预测者需要意识到情况本身的局限性,并且不要夸大其词。

通常在预测中关键的一步是知道什么情形下能够进行准确预测,确定什么时候预测还不如抛个硬币来的准确。好的预测可以捕捉到历史数据中的真实模式和关系,而不是重复过去发生过未来不会再发生的事情。在本书中,我们将学习如何区分应该忽略的历史数据中的随机波动,和历史数据中应该建模推断的真实模式。

许多人错误地以为不可能在变化的环境中预测。事实上,每个环境都是在变化的,并且一个优秀的预测模型会捕捉事物变化的方式。预测很少假设环境是一成不变的。通常的假设是:环境变化的方式会持续到未来。也就是说,一个剧烈变化的环境将会继续剧烈变化;销售额有波动的交易将继续有这样的波动;有过繁荣和萧条的经济,将继续经历繁荣和萧条。一个预测模型的目的是捕捉事物变化的方式,而不仅仅是找到事物在什么位置。正如亚伯拉罕·林肯所说:“如果我们首先知道我们的位置所在,也清楚我们的迈步所趋,就能更好地判断该做什么以及如何去做。”

根据时间跨度、确定实际结果的因素、数据模式的类型以及许多其他方面,预测情况会有很大的不同。预测方法可以非常简单,例如使用最近一次观测作为预测(被称为“朴素方法”),也可以很复杂,例如神经网络和联立方程的计量经济系统。有时候没有可用的数据。例如,我们有时候希望预测一种新产品在它上市的第一年的销量。但是显然没有数据可供使用。在这种情况下,我们使用判断性预测,在后面章节(判断)会有讨论。方法的选择取决于什么数据可用和要预测量的可预测性。