判断性预测（Forecasting: Principles and practice第五章）

使用判断预测三种情况：
 没有可用的数据；此时统计方法不适用，判断预测是唯一可行的方法
 可获得数据，生成统计预测，然后用判断对其进行调整
 可获得数据，并独立生成统计和判断性预测，然后进行合并

5.1 beware of limitations
判断性预测是主观的，故没有偏见或局限性
判断性预测中通常看到另一个不希望的特性是锚定的效果。在此情况下，后续预测趋于收敛或接近初始熟悉的参考点。
Ex：通常以最后的观测值为参考点，预报员会受到先验信息的不适当影响，故在预报过程中给与更多的权重。锚定可能导致保守主义和低估新的和最新的信息，从而导致系统性偏见。

5.2 key principles
判断预测遵循的原则
 简洁明了的设定预测任务
在设置预测挑战和表达预测任务时需谨慎。所有定义都要清晰，全面，避免含糊不清的表述；另外，重要的是避免将情绪术语和不相关信息结合在一起，可参考用Delphi方法。
 实施系统的方法
提升判断性预测的预测准确性和一致性可以通过使用系统性方法来提升，这涉及到与预测任务相关的信息类别清单。
Ex：确定哪些信息很重要；如何加权这些信息；预测新产品需求时应考虑哪些因素等
 记录并证明理由
正式化存档系统方法中的决策规则和假设可以促进信息一致性，因为以后可以重复实施相同的规则；此外，正式的文档可以对下一步建议的系统评估过程有很大的帮助。
 系统地评估预测
系统地监视预测过程可以识别意外情况；尤其要保留预测过程，且在相应可用观测值下获得它的反馈。由于环境是动态的，所以环境变化后，我们需要监视并评估决策规则和假设，因此，反馈和评估可提高预报的准确性。
 区分预测者和用户
如果预测任务是由预测用户执行的，那么预测准确性可能会受到阻碍。鉴于所有可用信息，包括历史数据和任何可能影响预测未来事件的知识，预测都应尽可能准确地预测未来；故预报员和用户应该明确分开。
Ex：新产品发布，该预测应该是对新产品销售量的合理估计，但管理层可能为达到公司财务目标而与预期或希望的销售额相差很大；此时，预报员应该对此进行客观估计。
预报员必须将预报信息彻底传达给潜在客户，这一点很重要。用户在这过程中可能会感到与预测相距遥远且脱节，并对其完全不信任，因此解释和澄清该过程并证明导致该预测的基本假设将为用户提供一定的保证。
最后，使用和实施预测的方式取决于管理层；如管理层可决定向上调整预测，因为该预测可用于指导采购和库存量水平。这种调整应是设定目标或计划供应的一部分，而不是预测过程的一部分。相反，如果将预测作为目标，那么可将它们设置的较低，这样能轻松超过。同样的，设定目标和产生预测是不同的，不能将其混淆。

5.3 the Delphi method
Delphi(德尔菲)方法
 目的是以结构化的迭代方式构造一组专家的共识预测
 其假设是来自群体的预测通常比来自个体的预测更为准确
德尔菲方法的不同阶段：
1）成立一个专家小组
2）设置预测任务/挑战并将其分发给专家
3）专家返回初步预测和理由；汇总并总结这些内容，来提供反馈
4）反馈将提供给专家，专家将根据反馈检查其预测；可重复执行该步骤，直到达到令人满意的共识水平
5）最终预测是通过汇总专家的预测来构建的

专家与匿名
协调人需要找到5-20名具有不同专业知识的专家。专家提交预测，并提供详细的定性依据。
Delphi方法的主要特点是与会专家始终保持匿名，这意味着专家在预测过程中不会受到政治和社会压力的影响；另外，所有专家都有同等发言权，并对他们的预测负责，这避免了举行小组会议且某些成员不参与而其他成员占主导的情况；它还能防止成员根据资历或个性施加不当影响。
匿名的另一个结果是专家们无需在实际位置上作为一个小组开会，这样的优点是它从不同位置上收集具有各种技能和专业知识的专家的可能性，它还消除了旅行的费用和不便，从而使该过程具有成本效益，并使其变得灵活，因为专家只需要在一个截止日期前提交报告，而不必设置一个共同的开会时间。

在Delphi中设置任务
在Delphi设置中，在设置预测任务前，从专家那进行初步信息收集会比较有用。或者，当专家提交其初步预测和论据时，协调人在编制反馈时可识别出并非所有专家共享的有价值信息。

反馈
对专家的反馈应包含预测的简要统计和定性依据的概述；数字数据摘要和图型可用于总结专家的预测。
由于反馈是由主持人控制的，故可能存在将专家的关注和信息引向最需要的区域的范围。如协调人可将专家注意力引向四分位数范围外的响应，并为此类预测提供定性依据。

迭代
重复专家提交预测，接收反馈以及根据反馈审阅其预测的过程，直到专家间达到令人满意的共识水平为止。令人满意的共识并不意味预测值完全收敛；它仅表示响应的可变性已降低到令人满意的水平；一般两到三轮就够了。随着迭代次数的增加，专家容易退出，故此时应避免过多回合。

最终预测
最终预测是指通过对所有专家预测给与同等权重来构建，但协调人应牢记极端值可能会扭曲最终预测的可能性。

局限性和变化
应用Delphi方法可能比较耗时。小组会议中，最终的预测可能在数小时或数分钟内达到，这在Delphi环境中几乎不可能。如果在Delphi环境中花很长时间达成共识，专家可能会失去兴趣和凝聚力。
在小组环境中，个人互动可能导致更快，更好地阐明定性理由。经常用Delphi方法的一种变体是‘估计-交谈-估计’方法，专家可在迭代之间进行交互，尽管预测提交可保持匿名。这种变化缺点是最大声的人可能会施加不适当的影响。

主持人（协调人）
协调人的作用很重要。他主要负责Delphi流程的设计和管理，他还负责向专家提供反馈并生成最终预测。在这个角色中，协调人还要有足够的经验，以识别可能要更多关注的领域，并引导专家关注该领域。另外，由于专家间没有面对面互动，故协调人负责传播重要的信息。协调人的效率和效力可大大增加在判断性预测环境中成功使用Delphi方法的可能性。

5.4 forecasting by analogy(类比预测)
实践中使用的一种有用的判断方式类比预测。比如通过评估房屋定价可通过该地区已售类似房屋来进行比较估值。

结构化类比
结构化类比和Delphi相似，它可通过考虑类比来完成预测任务。
结构化类比涉及以下步骤：
1）聚集可能有类似情况经验的专家小组
2）设置任务/挑战并将其分发给专家
3）专家会识别并描述尽可能多的类比，并根据每个类比生成预测
4）专家列出每个类比与目标情况的相似性和差异，然后在规模上评估每个类比于目标情况的相似性
5）预测由主持人设定规则得出，这可以是加权平均值，其权重可有专家根据每个类比的排名分数来指导
与Delphi方法一样，专家匿名性可能不会抑制创造力，但可能会阻碍合作。在实践中发现，具有多个类比且在类比方面有直接经验的专家能够生成最准确的预测。

5.5 scenario forecasting(情景预测)
与判断预测完全不同的方法是基于场景的预测，这种方法目的是根据合理情况生成预测。与以前两种方法相反，在这种方法中，结果预测旨在成为可能的结果，每种基于场景的预测发生的可能性都较低。通过考虑所有可能的因素或驱动因素，它们的相对影响，它们间相互作用及预测的目标来生成方案。
基于方案构建预测可生成各种可能的预测，并模拟一些极端情况；如呈现‘最佳’，‘中级’和‘最坏’的情况。考虑和记录这些不同的极端情况可导致早期的应急计划。
另外，通过场景预测，决策者会参与场景的生成。尽管这可能会导致一些偏差，但可简化基于场景预测的沟通，并更好理解结果。

5.6 new product forecasting
判断性预测通常是新产品预测的唯一方法，因为历史数据不可用。故在我们前面叙述的方法（Delphi，类比预测和方案预测）在预测产品需求时都适用。

也可使用其他针对具体情况的方法，这里描述三种实践中应用的方法：
 销售人员综合（sales force composite）
该方法中，公司每个销售点/分支机构/商店的预测是由销售人员生成的，然后进行汇总。通常，这需要销售经理预测对其管理商店的需求。由于销售人员通常最接近客户与产品间的交互，且会形成关于客户购买意图的直觉，所以他们可将这种宝贵经验和知识带入预测。
但是，让销售人员生成预测违反了将预测者和用户分开的关键原则，从而导致在多个方向上产生偏差。比如说充当预测员的销售人员可能通过生成低预测来引入一些自我服务的偏见。
 行政意见
与销售人员组合相比，该方法是让管理结构顶部人员生成总的预测。此类预测通常在小组会议中生成，在小组会议上，高管从他们自己在公司的领域中提供信息，以此来提高团队技能和知识多样性。
这个过程包含了我们前面讨论的小组会议设置的所有优点和缺点。在该情况下，证明和记录预测过程很重要，即需要降低主管人员责任，来减少小组会议设置所产生的偏见。此时，可能还有一些变化能够应用于Delphi方法，如前面所述的‘估计-通话-估计’能够处理。
 客户意图
客户意图可用来预测对新产品或现有产品变化的需求。让客户填写购买意图问卷，来得到结构化的问卷，从而使得客户对购买产品可能性进行评估。
当然，这里也有调查设计上的挑战，如收集代表性样本，采用有时间和成本效益的方法及应对不答复的问题。
另外，在调查环境中，我们需要牢记购买意图和购买行为间的关系，即客户不是总按照他们说的去做。尽管许多研究发现购买意向和购买行为之间存在正相关，但这种关联的强度的变化很大，而导致这种变化的因素包括数据收集和产品发布的时间，产品的‘新’定义及行业类型。行为理论告诉我们如果意图是在行为前就被测量的，那么意图可以预测行为。但意图和行为之间的时间会有所不同，这取决于它是全新产品还是现有产品的变体；对于现有产品和熟悉的产品而言，意图和行为间的相关性要强于全新产品。
无论用哪种新产品预测方法，重要的是彻底记录所做的预测及背后的原因，以方便在数据可用时对其进行评估。

5.7 判断调整
在这里，我们考虑历史数据可用并用于生成统计预测的情况，而从业人员需要对这些预测进行判断性的调整。像判断预测一样，判断调整也有偏见和局限性，故我们需要实施有条理的策略来将其最小化。

谨慎使用调整
从业人员比他们应该调整的频率要多得多，且由于错误原因而要调整很多次。通过调整统计预测，预测的用户会产生参与感和可信度。另外，通过执行判断性调整，用户会感觉自己对预测做出贡献且完成了预测，使得这些预测成为自己的预测。
判断性调整不应在纠正被统计模型遗漏的数据中系统模式。因为预报员倾向于读取嘈杂序列中不存在的模式，所以统计模型在考虑数据模式方面要好得多，然而对统计模型的判断调整只会妨碍其准确性。
除非，当手头有大量其他信息或有充分证据表明需要进行调整时，判断性调整最有效。换句话说，当我们拥有统计模型中未包含的重要额外信息时，才应进行调整。因此，当调整幅度较大时，调整似乎是最准确的。发现小幅调整会妨碍准确性，因此需要避免。

应用结构化方法
使用结构化和系统的方法将提高判断调整的准确性。
通常在面板上执行调整，使用Delphi设置会有很大的优势；但如果在小组会议上调整，则明智做法是先考虑关键市场或产品的预测，因为此过程后期会让小组成员感到厌倦；随着会议进行，倾向于较少的调整。

判断性预测（Forecasting: Principles and practice第五章）相关推荐

预测的流程和方法（Forecasting: Principles and practice第三章）
the forecaster's toolbox 3.1 a tidy forecasting workflow 生成时间序列数据预测可分为以下几步: 数据准备(整理) 数据的准备方式还可以用于探索时 ...
时间序列回归模型（Forecasting: Principles and practice第六章）
6.1 the linear model 简单线性回归最简单回归模型是预测变量y和单一预测因子x存在线性关系 Beta0和beta1分别表示截距和斜率.Beta0表示当x=0时,预测值y:beta1 ...
评估模型准确度（Forecasting: Principles and practice第四章）
4.1 residual diagnostics(残差诊断) 一个好的预测方法将产生以下属性的残差: 1. 残差不相关如果残差之间存在相关性,则残差中会留有信息,这些信息应用于计算预测. 2. 残差 ...
Forecasting Principles And Practice(预测，方法与实践在线阅读)
一本非常全面的介绍预测模型的书籍: 预测https://otexts.com/fppcn/建模可能用到诶. 分享自数学模型算法介绍https://geminiplanet.cn/%E6%95%B0% ...
什么是需求预测（Forecasting: Principles and practice第一章）
getting started 1.1 what can be forecast? 事件或数量的可预测性取决于我们对造成这种情况的因素了解程度如何有多少数据可用预测是否会影响我们要预测的事物 1 ...
Forecasting: Principles and Practice读书笔记Chapter 3
1. 一些简单的预测方法平均值预测法:所有预测值都等于历史数据的均值. 朴素预测法:所有预测值都等于数据中最后一个观测值. 季节朴素预测法:对于季节性数据,预测值等于同一季度的最后一个观测值.比如, ...
Programming: Principles and Practice Using C++
这本书已经看完了几个月,一直想写点什么,又不知从何说起.今天看到Linus对C++的一些批评,和这本书结合起来看,还有点意思.(Linus对C++的批评不是偶然的心血来潮,07年的时候就说过" ...
NeuralProphet官方示例二：日照辐射强度预测(Forecasting hourly solar irradiance)
时间序列论文: NeuralProphet: Explainable Forecasting at Scale NeuralProphet之一:安装与使用 NeuralProphet之二:季节性(Se ...
如何用现在的大数据分析和人工智能技术来研究和论证翁文波先生的可公度性预测理论？
欢迎大家前来讨论知乎传送门:如何用现在的大数据分析和人工智能技术来研究和论证翁文波先生的可公度性预测理论?

判断性预测（Forecasting: Principles and practice第五章）

判断性预测（Forecasting: Principles and practice第五章）相关推荐

最新文章

热门文章