3.3 價格預測的基本思路和方法

3.3.1 預測的原則與步驟

經濟現象變化多端，影響因素很多，人們往往很難掌握其發展和變化的規律。目前世界各國的經濟學家和經濟工作者，利用各種方法對不同問題做了很多經濟預測，成功率只有50%～60%。經驗表明，要做好經濟預測工作，除了需要掌握各種預測方法以外，還必須遵循以下原則。

（1）必須對所預測的經濟現象進行深入的研究，掌握其特點和影響因素，研究其發展變化規律。這是預測能否成功的關鍵。

（2）收集充分的資料，并對這些資料進行研究和分析鑒別。所收集的資料應當包括數據資料和文字資料。對數據資料應研究其統計口徑、指標含義、資料的正確性和可靠性等。除了收集和掌握過去時期的資料外，還應當收集和研究影響預測對象今后發展變化的各種資料。

（3）選擇合適的預測方法。預測方法種類很多，從數學角度來看，其復雜程度也各不相同。應當根據預測對象的特點選擇合適的方法，不能認為所采取的預測方法愈復雜愈好，在很多場合，用一些簡單方法得到的預測結果往往比利用復雜方法所得到的結果要好。

（4）虛心聽取有經驗的實際工作者的意見，并吸收到預測結果中。

綜上所述，一次成功的預測應該包括以下幾個部分：確定預測對象，收集整理資料，選擇合適的預測方法，對經濟現象的發展變化進行分析，對未來經濟態勢做出判斷，預測流程如圖3-1所示?？梢钥闯觯鲜鲱A測過程中包含了三個基本要素：信息要素、方法要素和分析要素。

3.3.2 預測過程的基本要素

1.信息要素

市場分析及調研是經濟預測的前提，而市場分析的重點是信息。特別是在信息化時代，只有掌握充分的市場信息，并對其進行分析和預測，才有可能完成一次成功的采購。由于采購決策涉及面非常廣，競爭性很強，因此所需要的信息是多方面、多層次的，不僅包括采購企業內部的信息、還包括與此密切相關的外部信息，如消費者信息、國內國際政策信息等。因此，要實現對某種物資價格的準確預測，首先要進行相關信息的收集與整理，一般過程可以參考圖3-2。具體的信息收集原則、方法及處理環節如下所述。

1）信息收集原則

（1）針對性原則：信息收集要根據信息的應用目標，有意識、有針對性地進行。

（2）及時性原則：經濟信息和市場信息都有很強的時效性，因此信息收集要對時間有足夠的敏感性。

（3）準確性原則：要對收集到的信息進行嚴格篩選，仔細甄別，必要的時候還要運用科學的分析方法進行研究和甄別。

（4）完整性原則：信息收集除了要收集過去時期的資料外，還應當收集影響預測對象今后發展變化的各種資料；除了要收集預測對象本身的資料外，還要收集預測對象所處環境的相關資料；要收集建模所需要的歷史數據，還要注意數據的連續性。

2）信息收集方法

（1）辦公室調研：是指調研人員通過網絡或書籍對現成信息資料進行搜集、分析、研究的過程。

（2）訪問調研：是指調查員通過口頭、書面等方式向被調查者了解調研對象情況，收集資料的一種方法，一般包括面談訪問、郵寄訪問、電話訪問和問卷調查四種。

（3）觀察調研：是指調查者直接或利用儀器來觀察、記錄被調查對象的行為、活動，以獲取資料的一種方法。

（4）固定樣本連續調查：是指調查人員對固定的調查對象發調查表，由被調查者逐日逐項連續記錄，并由調查人員定期收回、整理、匯總，以獲取資料的一種方法。

3）信息處理環節及方法

信息處理是預測過程中一個必要的環節。通常情況下，當獲得一批信息資料時，首先要進行鑒別和整理加工，去掉不真實的資料，排除背離事物發展規律的個別數據資料，剔除與預測對象關系不密切的影響因素等。信息處理一般包括以下四個環節。

（1）現場控制：在收集資料現場監控收集工作，并進行某些信息資料的分析處理。

（2）邏輯處理：首先對信息的真實性、準確性、完整性及適用性進行鑒別，再按照信息的性質、特點及用途進行分類，最后對各類信息的價值進行比較，篩選出適用性強、有價值的信息。

（3）數學處理：即對信息進行數學運算、統計分析等。

（4）系統研究：運用系統觀點對所研究的問題進行全面科學的研究，得出正確的結論。

信息處理環節中通常采用的信息處理方法有：定性的信息加工方法，包括匯集、歸納、推理法等；定量的信息加工方法，包括對比、化小、轉換、替代及圖表法等。

2.方法要素

預測方法可以分為定性預測和定量預測兩大類，具體方法見表3-2。

定性預測是對事物性質的預測，是預測者根據已掌握的歷史資料和直觀資料，運用個人的經驗和分析判斷能力，對事物未來的發展做出性質和方向上的判斷，然后綜合各方面的意見，對未來的發展做出預測。定性預測的方法很多，如經驗判斷預測法、專家會議法、德爾菲法和主觀概率預測法等。定量預測是指根據調查、統計資料和相關經濟信息，運用統計方法和數學模型，對經濟現象未來發展的規模、水平、速度和比例關系的預測。下面依次介紹經驗判斷預測法、專家會議法、德爾菲法、回歸分析法、指數平滑法和博克思-詹金斯法。

1）經驗判斷預測法

（1）原理。

經驗判斷預測法是利用預測者的經驗，對所要預測的事物的未來發展趨勢做出判斷的預測方法。預測者對歷史和客觀現實的了解越充分，對市場信息的反應越迅速，預測的效果越好。因此，采用經驗判斷預測法，需要找熟悉相關情況、具有豐富經驗和綜合分析能力的有關人員，由他們按照一定方法進行預測。經驗判斷預測法又可以分為個人經驗預測法和群體經驗預測法。個人經驗預測法是指由個人單獨進行的經驗判斷預測，可以采用類比、比例關系及邏輯推斷等具體方法。群體經驗預測法是在個人經驗預測法的基礎上發展起來的，它是由經過挑選的多個個體組成群體，通過個體間討論及相互交流，最后對所要預測的對象做出評價、預測的一種方法，可以采用意見交換法、意見匯總法等。

（2）優缺點。

經驗判斷預測法只適用于一定時期內事物的方向和性質沒有發生變化的情況，對于事物的性質發生變化的情況并不適用。經驗判斷預測法的優點是能夠充分利用預測者熟悉專業市場的優勢進行預測。缺點是由于預測者長期從事某項專一的工作和業務，容易形成固定的思維和觀念，容易出現片面性。

2）專家會議法

（1）原理。

專家會議法是由預測者組織召開專家會議，向一組專家征詢意見，將專家們對過去歷史資料的解釋和對未來的分析判斷匯總整理，以取得統一意見，從而對事物的未來發展變化進行集體判斷的一種預測方法。這里所說的專家是指在某一領域或某個問題上有專門知識和特長的人員。由于通過專家會議獲取調查資料的準確程度主要取決于參加會議的專家的知識的廣度、深度和經驗，因此，如何選擇參加會議的專家是預測前的一項重要工作。專家的選擇應根據預測任務來確定，既要選擇精通專業的專家，包括相關專業領域內的專家和預測專家，又要注意選擇有經驗的實際工作者。專家會議的規模要適中，人數太少會限制學科、部門的代表性，使問題得不到全面、深入的討論；人數太多則不宜組織，對預測結果的處理也較為復雜。會議人數應由組織者根據實際情況的需要與可能確定，一般以15人左右為宜。隨著現代計算機及互聯網的快速發展，專家會議法也逐步由傳統的形式向電子會議形式轉變。

（2）優缺點。

專家會議法雖然可以通過會議使專家之間廣泛交換意見，互相啟發，為重大預測提供預測依據，但它的問題是：①易于屈服于權威或多數人的意見；②易受勸說性意見的影響；③會出現因自尊心影響而不愿公開修正已發表的但不完全正確的、甚至是錯誤的意見。

3）德爾菲法

（1）原理。

德爾菲法是在專家會議法的基礎上發展起來的，它將所要回答的問題以信函的方式寄給專家，將回函的意見綜合、整理，再匿名反饋給專家征求意見，如此反復多次，最后得出預測結果。德爾菲法的步驟主要有以下四步。

第一步：籌劃工作，包括確定預測的課題及各預測項目，確定負責預測組織工作的資料分析人員，選擇若干名熟悉預測課題的專家。

第二步：專家預測，資料分析人員把包含預測項目的預測（調查）表及有關背景材料寄送給各位專家，各專家以匿名方式獨自對各預測問題做出判斷或預測，相互之間不存在對此問題的任何形式的交流。

第三步：統計反饋，專家意見被匯總后，分析人員對各專家意見進行統計分析，綜合成新的預測（調查）表，并把它再分別寄送給各位專家，由專家們對新的預測（調查）表做出第二輪判斷或預測。如此反復幾輪（通常為3～4輪），直到專家的意見基本趨于一致。

第四步：結果報告，即由分析人員把經過幾輪專家預測而形成的結果以文字或圖表的形式撰寫出來。

（2）特點及適用范圍。

① 匿名性。

德爾菲法采用匿名函詢征求意見，應邀參加預測專家互不相見，可消除心理因素影響，專家可參照前一輪預測結果修改自己的意見，無須做出公開說明。

② 反饋性。

德爾菲法一般要經過四輪，每一輪的匯總意見又匿名反饋給專家，便于互相溝通和啟發。

③ 預測結果的統計特性。

德爾菲法采用統計方法對結果進行定量處理，能科學地綜合專家們的預測意見。

德爾菲法不僅可以用于技術預測，還可以用于經濟、社會預測；不僅可以用于短期預測，還可以用于長期預測；不僅可以預測事物的量變過程，還可以預測事物的質變過程。

（3）遵循的原則。

① 提出的問題要有針對性，并按等級排列，先簡單后復雜，先綜合后局部，以便引起專家回答問題的興趣。

② 防止出現誘導現象，如單位或領導小組的意見不應強加于調查意見之中。

（4）優缺點。

德爾菲法是傳統定性分析的一個飛躍，它突破了單純定性或定量分析的界限，為科學、合理地制定決策開闊了思路。具有以下優點：

① 集思廣益，準確性高，能充分發揮各位專家的作用；

② 采用多次雙向反饋，每個專家在多輪討論中，可以多次提出和修正自己的意見，又可以多次聽取其他專家的意見，取各家之長，避各家之短；

③ 專家討論問題時，采取背對背匿名方式，可以消除主觀的和心理上的影響，使討論更加快速和客觀。

4）回歸分析法

（1）原理。

回歸分析法是在大量統計資料的基礎上，利用統計方法尋找預測對象與影響因素之間的因果關系，建立回歸模型進行預測的方法，也稱為因果回歸分析法。特別地，當因果關系只涉及因變量和一個自變量時，稱為一元回歸分析；當因果關系涉及因變量和兩個或兩個以上自變量時，稱為多元回歸分析。回歸分析中又依據描述自變量與因變量之間因果關系的函數表達式是線性的還是非線性的，分為線性回歸分析和非線性回歸分析。通常線性回歸分析法是最基本的分析方法，非線性回歸問題可以借助數學手段轉化為線性回歸問題處理。

一元線性回歸預測模型形式為

其中，a是截距，b是回歸系數；

多元線性回歸預測模型形式為

其中，b0是實際回歸常數，bj（j=1，2，…，k）是實際回歸系數。

（2）步驟。

① 確定預測對象和影響因素。明確預測對象并分析其相關影響因素，也就是確定了因變量和自變量。

② 收集、整理因變量和自變量的樣本資料。通過市場調查收集縱斷面或橫斷面觀察樣本資料?？v斷面觀察樣本資料是指因變量、自變量的歷史統計數據，它反映因變量、自變量所代表的同一地區或同一組織內經濟現象隨時間發展過程的因果關系。橫斷面觀察樣本資料，是指某一特定時間內不同地區或不同組織的因變量和自變量統計資料。

③ 建立回歸方程預測模型。

④ 參數估計、相關系數顯著性檢驗、方差分析。

回歸預測模型是否可用于實際預測，取決于對回歸預測模型的檢驗和對預測誤差的計算。回歸方程只有通過各種檢驗，且預測誤差較小，才能將回歸方程作為預測模型進行預測。

⑤ 預測。運用通過檢驗的回歸方程預測模型進行預測，包括計算預測值和置信區域。

（3）需要注意的問題。

回歸分析法是以經濟理論為依據，反映變量之間因果關系的結構式模型。它能夠反映變量之間的長期關系，適用于中長期預測?；貧w分析法在使用時需要注意以下兩點。

①結論不能任意外推，即回歸分析的應用僅限于原來數據的范圍內，在此范圍以外是否存在著同樣的關系，不得而知。因此，如果要進行外推應十分慎重，必須要有充分的根據。

②如果預測對象的影響因素錯綜復雜或有關影響因素的數據資料無法獲得，回歸分析法就無能為力。

5）指數平滑法

（1）原理。

指數平滑法是時間序列分析法的一種，它們的基本思想都是依據預測對象過去的統計數據，找到其隨時間變化的規律，建立時序模型，以推斷未來數值的預測方法。指數平滑法是20世紀50、60年代發展起來的一種預測方法，廣泛應用于生產過程的預測和控制。這種方法在短期預測中運用得尤為普遍。指數平滑預測包括一次指數平滑預測、二次指數平滑預測和三次指數平滑預測等。

設實際觀測序列為D1，D2，…，Dt，一次指數平滑的預測公式如下：

式中，表示第t期對t+l期的預測值，α（0≤α≤1）是平滑常數，）是第t時期的一次平滑值。

如果用平滑值作為下一期的預測值，又由于：

因此，一次指數平滑法的實質是：某個經濟指標在下一時期的預測值等于本期預測值加本期預測誤差與α的乘積，它是利用本期預測誤差對經濟指標預測值進行修正的結果。

對S（1）t再進行指數平滑處理，即

則表示t時期二次指數平滑的數值。

二次指數平滑是對一次指數平滑的再平滑，它適用于具有線性趨勢的時間數列。其預測公式為

式中，α是平滑常數，l為外推預測時期數。

上述指數平滑法又稱為Brown單參數指數平滑法，當預測對象的基本趨勢呈線性趨勢時，還可以用Holter-winter雙參數指數平滑法，其預測公式為

式（3-8）第二、三式表示兩個平滑公式，α、r是平滑常數，式（3-8）的第一式表示預測公式，l為外推預測時期數。

當預測目標的基本趨勢是二次曲線趨勢時，可以用Brown單參數二次多項式指數平滑法預測，又稱為三次指數平滑法。Brown單參數二次多項式指數平滑預測公式為

（2）參數選擇。

① 簡單指數平滑法。

用指數平滑法進行預測時，將會遇到兩個影響預測結果的因素：初始值的選取，平滑常數的選擇。初始值選擇的正確與否關系到預測結果及平滑系數的選擇，通常可以用前幾個數據的平均值作為初始值，也可以用第一期數據作為初始值。而平滑常數的選取應當根據預測對象的特點及預測期的長短而定。早期研究中，一般認為簡單指數平滑系數α的選擇范圍在0.1～0.3之間。然而，后來的研究發現，應當考慮比此范圍更寬的系數范圍。因此，可以通過多種α值的試算比較，選擇其中最佳的參數。選擇的原則是使一期預測誤差平方和SSE、平均平方誤差MSE或平均絕對誤差MAE最小。

② Holter-winter雙參數指數平滑法。

用Holter-winter雙參數指數平滑方法進行預測時，最重要而且最困難的工作是確定平滑參數α和r的取值問題。對此，將結合預測實例在本章后面的內容中進行說明。

（3）指數平滑法的評價。

指數平滑法用公式表示的模型相對比較簡單，模型的每一組成項及其參數都具有明確的經濟意義。除此之外，運用該方法所需要的存儲數據少，計算較簡單，適用于大量時間序列的預測。相對于建立模型所做的極少的工作，所獲得的預測結果的準確度是相當令人滿意的。表3-3是幾種常用指數平滑法評價表。

6）博克斯-詹金斯法

（1）原理。

博克斯-詹金斯法是以美國學者George Box和英國統計學家Gwilym Jenkins的名字命名的，它與所有的時間序列預測方法的基本原理相同，都是根據預測對象過去的數值，尋找其數學形式表達的規律性，然后進行外推。博克斯-詹金斯法主要解決兩個問題：分析時間序列的隨機性、平穩性和季節性；二是選擇適當的模型進行預測。

（2）步驟。

① 零均值化和平穩化處理。

在使用博克斯-詹金斯方法時要求時間序列是平穩的。所謂平穩時間序列是指隨機時間序列的統計特征不隨時間的推移而變化。較直觀的判斷方法是直接觀察時間序列的趨勢圖或自相關圖和自相關函數。不滿足要求的時間序列需要先進行平穩化處理。

② 模型的識別。

通過自相關分析、偏自相關分析及各種模型的理論特征，選定符合時間序列特征的模型形式。一般的形式有自回歸模型（AR）、移動平均模型（MA）及自回歸移動平均模型（ARIMA）。

③ 參數估計和模型檢驗。

通過對模型殘差序列εt的檢驗（是否白噪聲），考查所建模型的優劣。即若殘差序列εt經檢驗是白噪聲，則模型合理，可用于預測，否則需要進一步改進模型。模型檢驗通常采用殘差序列的自相關檢驗法。

④ 預測。

（3）博克斯-詹金斯法的評價。

① 用博克斯-詹金斯法進行預測時，不僅考慮了預測變量的過去值與當期值，模型同過去值擬合產生的誤差也作為重要因素進入模型，有利于提高模型的精確度。實際經驗證明：博克斯-詹金斯法是精確度相當高的短期預測方法。

② 博克斯-詹金斯法的突出特點是不需要事先確定時間序列模型的形式，而是通過模型的反復識別、估計和檢驗，選擇出最簡單而又最適合的模型形式。

③ 博克斯-詹金斯法在模型識別時需要50個以上的歷史統計數據，所需數據量較大。

④ 方法本身比較復雜，計算量大。

7）選擇預測方法時應考慮的因素

在選擇預測方法時，需要考慮以下幾個因素：預測時間的長短、預測數據的特點、被預測變量歷史數據的適用性、預測成本、預測的精確度及可操作性。表3-4概括了各種預測方法及其適用情況。

3.分析要素

經濟預測的實質是一種經濟分析。因此，預測過程就是對預測事件進行分析和解釋的過程。分析的內容根據分析的時間可以分為預測前分析和預測后分析（見圖3-3）。具體內容如下所述。

1）預測前分析

（1）對預測對象環境的分析。

要成功地進行預測，不僅需要對預測對象本身的狀況進行分析，還要對預測對象周邊的經濟現象進行深入地研究，掌握其特點并找出影響預測對象發展變化的各種重要因素。例如，預測石油價格的變化，就要分析石油市場的特點及其影響石油價格變化的各種重要因素，這里面不僅有供需方面的影響因素，還有資本市場投機因素和復雜的政治、軍事影響因素等。

（2）預測方法的選擇分析。

分析包含兩個基本內容：一是要分析所收集的信息及數據是否符合某種預測方法的基本要求，如樣本容量是否符合預測方法的要求、自變量之間是否存在多重共線性等；二是根據預測對象及所收集信息的情況，分析和選用適合的預測方法，一般還應進行試算和檢驗。

2）預測后分析

（1）預測結果的檢驗與分析。

根據預測結果，要研究模型在預測期是否成立、預測結果是否符合經濟理論、是否滿足統計要求的假設條件、預測的誤差情況等。通常情況下，通過對預測誤差的分析，可以發現產生誤差的若干原因，如預測方法選擇不當；建立的預測模型與預測對象的實際變動規律不符合；歷史統計資料不完整或有虛假因素；預測環境或影響預測對象的主要因素發生了重大變化；預測人員的經驗、分析判斷能力有局限；等等。據此可以反復修正模型，直到模型可用為止。

（2）預測結果的解釋與分析。

無論是成功的預測還是失誤的預測，都必須對預測結果進行必要的說明，尤其是對失誤的預測，還需要說明預測結果未發生的原因。

（3）預測結果修正的分析。

需要研究預測期可能出現的新的因素及其對預測對象的影響。還要虛心聽取專家的經驗，即要根據預測對象的最新變化及專業人士的判斷對其進行動態調整和修正。