-
1 # 科技爸
-
2 # 影片小推車
只要是關於未來的,都是不可估量的,你自己做經濟預測,第一你要看看自己有沒有非常敏銳的經濟發展感觀。只有非常敏銳的感官才能在細微的變化中得到那一絲的靈感。
第二,你要有龐大的資料庫,無論是國家發文,專家調研,消費者言論,生產者言論都要長期記錄,以便進行資料推理。這個資料是長久的,可能要記錄十年二十年,你個和你將要預測的時間長短有關係,如果你只是短期預測,沒必要對比過往長久的資料,如果你做長期預算最好要一個長久的經濟發展資料。
第三 要有多種預測方法
第三點也是最重要的一點,你要執行多種預測方法,讓資料在多種情況下會有那些預測結果,具體那些方法還要去學習。不同的預測方法代表著未來不同的環境不同的因素資料會有怎樣的發展。不同的因素下得出的結論進行對比看未來的發展行情。
第四 做第十三個人
不管現在預測的多好,你都要有最壞的打算。未來不確定的因素很多,未來也是最不可預料的,所以你要做好最壞的打算,有一個心裡承受能力。
經濟預測其中細節很多,這只是我個人觀點,不喜勿噴。
-
3 # 葉子陶
想自己做經濟預測,不知道這位君想預測的是自己的經濟發展?還是公司的經濟發展?還是國家的經濟發展?不過所有的預測的法則基本原理就是知曉過去才能預測未來。未來在一定範圍內的固定不變的,也是一定會發生的。
預測事情一定要了解兩點,第一。自身的客觀原因,也是指自己遇到某事必定會做出的反應。自身的習慣。公司有公司的行為習慣,國家有國家的行為習慣。這種習慣的慣性在很長一段時間是不會改變的。這些習慣必定會導致某一個結果。認識自己是最難的。通常還要透過其他人的理解才能做出對自己的習慣認知。
第二,就是對周邊環境的認識,預測個人,就要對家庭,公司,所處社會環境的認知。預測公司,就要對公司產品,公司人文環境等要有認知。預測國家,就要有國家文化背景,國際環境,國家統治者等因素的認知。
第三,就是預測經濟,在所有的自我,以及外部環境都有認知之後,就會有最為突出的不穩定因素。那個不穩定因素就是對經濟的最大作用。
個人預測,有個最簡單原則,一般一個人在同一個環境中適應了十年以上,基本那個人就定性,要預測自己的經濟能力,一般就看自己收入多少就是了。對自己個人預測就簡單了。或者其他變數就是升職或者公司破產了。要預測自己還是很簡單的。越龐大的經濟組織,要預測也更難,因為其不穩定因素也更多。
-
4 # 道生緣
總結經驗方法理論,調控思維科學引導。
面對世界以情頓悟,高低都是心理學術。
萬事不離心周易人,萬物瞬變良好心態。
金點的團隊二三人,現象中的未來經書。(個人觀點)
-
5 # 艾特Ali
未來不可預測,就像彩票預測難以準確,要不然誰還累的跟齁似的幹活!
Sunny下沒有新鮮事,歷史上的大事件都有驚人的相似性。
人無論進化到何種程度,文明發展到什麼階段,都不能也無法擺脫人性的束縛。
回覆列表
對於經濟資料預測,可以使用資料分析中具有預測能力的演算法。比如灰色預測演算法,就是一個很好的資料預測的工具。
灰色預測透過鑑別系統因素之間發展趨勢的相異程度,即進行關聯分析,並對原始資料進行生成處理來尋找系統變動的規律,生成有較強規律性的資料序列,然後建立相應的微分方程模型,從而預測事物未來的發展趨勢。
下面舉一個例子:預測未來5年經濟發展的情況假設有很多歷史的經濟統計資料,如下圖:
現在想預測未來5年的以上7個變數的數值。
第一步,匯入訓練資料,選擇訓練範圍。
inputfile = u"input-mining-GM11-before-edit.csv" #輸入的資料檔案
outputfile = u"input-mining-GM11-after.xls" #灰色預測後儲存的路徑
data = pd.read_csv(inputfile) #讀取資料
data.index = range(1, 37)#訓練資料範圍,結束資料要比實際行數大1
第二步,初始化要預測的資料和不同維度的變數
data.loc[37] = None
data.loc[38] = None#需要預測幾年就要多初始化
data.loc[39] = None#需要預測幾年就要多初始化
data.loc[40] = None#需要預測幾年就要多初始化
data.loc[41] = None#需要預測幾年就要多初始化
l = ["x1", "x2","x3","x4","x8", "x12","x13"]
第三步,使用GM灰色預測模型進行預測
for i in l:
f = GM11(data[i][:-5].as_matrix())[0]#-1表示預測1年的資料,-2表示預測2年的數。這是修改的程式碼!
data[i][37] = f(len(data)-4) #26行的預測結果,多預測1個月
data[i][38] = f(len(data)-3) #26行的預測結果,多預測1個月
data[i][39] = f(len(data)-2) #26行的預測結果,多預測1個月
data[i][40] = f(len(data)-1) #26行的預測結果,多預測1個月
data[i][41] = f(len(data)) #27行的預測結果,多預測2個月
data[i] = data[i].round(2) #保留0位小數
第四步,匯出結果並進行準確度的驗證
data[l+["y"]].to_excel(outputfile) #結果輸出
準確度的驗證公式為:相對誤差=|測算值-真實值|/真實值*100%
透過以上方法,就可以輕鬆預測多維度經濟資料。不過灰色預測主要針對規律比較強的單調變化情況。更復雜的預測可以使用神經網路等演算法。