财务预测方法
比较统计模型、专家判断和机器学习，找到适合数据特点与预测目标的方法。
两类预测方法
定量预测使用数值数据和统计模型，定性预测则依靠专家判断和市场知识。将两者结合，可以弥补各自的不足。
定量预测模型
定量模型以数值数据为基础。当历史数据充足，且预计过去的趋势会延续时，这类模型尤其适用。
时间序列分析
时间序列分析研究按时间顺序采集的数据。移动平均法和指数平滑法是常用方法，许多基础市场预测模型都以此为起点。
ARIMA 模型
ARIMA（差分自回归移动平均模型）对历史观测值和预测误差之间的关系建模。差分可以减弱趋势，季节性 ARIMA 则加入季节性项。应使用模型未见过的数据检验准确性。
蒙特卡洛模拟
蒙特卡洛模拟通过运行数千个随机情景，估计不同结果出现的概率。在结果存在不确定性时，这种方法有助于评估风险。
定性预测方法
当数据不足时，例如全球性疫情期间或重大技术变革之后，定性方法可以发挥作用。
- 德尔菲法通过两轮或以上的问卷调查收集专家意见。
- 市场调研利用调查和消费者反馈，估计新产品或服务的需求。
- 情景规划描述未来可能出现的不同情况，帮助管理者制定灵活的应对计划。
选择预测方法
选择方法前，请考虑以下问题：
- 需要预测多长时间以后的情况？
- 掌握多少历史数据？数据的可靠性如何？
- 预测需要达到多高的精度？
- 可以投入多少预算和技术资源？
常见预测错误
构建或审查预测时，应留意以下错误：
- 过拟合是指模型过度贴合历史数据，导致其在新数据上的表现不佳。
- 如果只使用支持已有倾向性结论的数据，就可能产生选择偏差。
- 异常观测值可能来自真实事件，也可能是数据错误。全部删除可能掩盖风险，应先调查原因，再修改数据。
我们的首页介绍了如何在企业经营规划和投资决策中运用预测。