决定预测的量,预测的需求,预测周期,预测频率,预测数据。
预测方法的选取很大程度上依赖于可用的数据,多种方法的结合。
如果没有可用数据,或者可用数据与预测不相关,采用定性预测方法。
定量预测应用的条件:
历史的数值数据
合理的假设,历史的数据模式在将来仍有可能发生
定量预测的方法很多,常常有特定的使用条件:
多数的定量预测问题,使用时间序列数据,或截面数据
截面预测,使用截面数据,预测未观测的数据
截面数据的例子:
在特定区域的2011年的房价,我们期望使用多种房屋的特性来预测未来的房价,这些
特征包括位置,房间数目,房屋建造时间。
一些2009型号汽车的燃料经济性数据。预测机动车的碳排放量,使用的信息包括燃油效率,发动机大小(尺寸)
可以使用的方法包括,包括回归模型,加性模型,一些神经网络模型。
时间序列预测
随着时间变化的事情,例如股票价格,销售统计数据,利润
周期性监测的数据,只使用数据数据本身,不去挖掘影响因素
预测趋势和周期性模式
而不考虑市场的主动性,竞争者行为,经济状况的改变
时间序列模型包括,ARIMA模型,指数平滑模型 结构化模型
参考文件: