定量预测与定性预测模型 组合预测模型的应用

经济预测的方法与模型经济预测是指对未来经济活动的发展方向、发展水平和变化趋势的预期和估算。

它是经济决策的基础，也是制定经济发展战略和政策的前提。

在经济管理中，经济预测对于企业、国家和社会的发展都具有重要的意义。

一、经济预测的方法1.定性预测法定性预测是指根据经济理论、专业知识和经验，对未来经济活动的发展趋势和变化规律进行判断和推测的一种预测方法。

常用的定性预测方法有专家会议法、德尔菲法、主观概率法等。

定性预测的优点是简单易行、成本较低，缺点是主观性和片面性较强，预测结果的可信度较低。

2.定量预测法定量预测是根据历史数据和统计资料，运用数学方法进行计量分析，从而预测未来经济活动的发展方向和水平的一种方法。

常用的定量预测方法有回归分析法、时间序列法、灰色系统理论法等。

定量预测的优点是准确度高、可重复性强，缺点是需要大量的历史数据和统计资料，对于数据的收集和处理有一定的难度。

二、经济预测的模型1.生产函数模型生产函数是指描述生产过程中投入与产出之间关系的数学模型。

通过建立生产函数模型，可以对未来的经济增长趋势进行预测和分析。

常用的生产函数模型包括柯布-道格拉斯生产函数、超越对数生产函数等。

2.计量经济学模型计量经济学模型是一种基于统计学的数学模型，它通过建立回归方程，将经济指标与各种影响因素之间的关系进行量化分析，从而对未来的经济活动进行预测。

常用的计量经济学模型包括最小二乘回归模型、时间序列模型等。

3.人工智能模型人工智能模型是一种基于机器学习的方法，通过训练数据集，对未来经济活动进行预测。

常用的人工智能模型包括神经网络、支持向量机、决策树等。

人工智能模型的优点是准确度高、可解释性强，但缺点是需要大量的训练数据和复杂的算法实现。

三、应用举例以某企业的销售收入预测为例，说明经济预测的应用。

首先，根据历史销售数据和销售政策，建立生产函数模型；然后，使用计量经济学模型对未来的销售收入进行预测；最后，根据预测结果和企业实际情况，制定相应的销售策略和计划。

第十二章 预测精度测定与预测评价基本内容一、预测精度的测定1 、 预测精度的一般含义：是指预测模型拟合的好坏程度，即由预测模型所产生的模拟值与历史实际值拟合程度的优劣。

如何提高预测精度是预测研究的一项重要任务。

不过， 对预测用户而言， 过去的预测精 度毫无价值，只有预测未来的精确度才是最重要的。

2 、 测定预测精度的方法通常有：①平均误差和平均绝对误差；平均误差的公式为： ME =平均绝对误差的公式为： MAD =②平均相对误差和平均相对误差绝对值； 平均相对误差的公式为： MPE = 1 n y i i n i=1 y i平均相对误差绝对值的公式为： MAPE = 1 n y i in i=1 y i ③预测误差的方差和标准差；n e i 21 n 预测误差的方差公式为： MSE = = n (y ii ) 2n e 2预测误差的标准差公式为： SDE = i=1 = n 3 、 未来的可预测性① 未来的可预测性是影响预测效果好坏的重要因素， 由于受各种因素的影响， 经济现象的可预测性明显低于自然现象的可预测性。

在经济预测中， 不同的经济现象的可预测性也 存在极大的差别。

② 影响经济现象的可预测性的因素大致归类为： 总体的大小； 总体的同质性； 需求弹性和竞争的激烈程度等。

4 、 影响预测误差大小的因素经济现象变化模式或关系的存在是进行预测的前提条件， 因此， 模式或关系的识别错误； 模式或关系的不确定性及模式或关系的变化性就成为影响预测误差的主要因素。

n 1 (y i i )2i二、定量预测方法预测实证研究表明，各类预测方法之间并不存在明显的优劣，只是不同方法具有各自不同的特点，如回归预测能解释预测对象变化原因、某些预测方法更适合特定预测对象的预测等。

选择预测方法除了考虑精度、成本和方法复杂性外，还要考虑预测环境、预测时期长短和用户等因素。

1 、大型模型的预测精度并不比小模型的预测精度高；没有任何一种预测方法或预测模型会在各种情况下都比其他方法或模型表现得更好。

铁路货运量的预测方法铁路货运量预测技术一般可以分为三大类，定性分析预测技术、定量分析预测技术以及两者相结合的综合预测技术。

定性预测分析技术，通常指那些凭经验判断的预测，一般是在缺少进行定量分析所必需的资料的情况下采用，侧重于研究推断预测对象未来发展的大体趋势和性质，其预测的精确度，主要取决于参与人员的专业知识和经验。

定量分析预测技术，是指以已经掌握的历史数据作为基础，建立适当的经济数学模型，对未来的运量做出测算的技术。

其特点是有明显的数量概念，侧重于研究测算对象的发展程度（包括数量、时间、相关因素的比值等）。

定量预测和定性预测，各有其长处和局限性，实际应用中往往需要把定量预测和定性预测方法相结合，即在定性分析的基础上进行定量预测，而定性预测也采用一定的定量预测分析方法，以提高预测结果的准确性。

因此，综合预测技术是货运量预测经常采用的方法。

1货运量的定性预测定性预测方法主要以专家为索取信息的对象，组织各方面专家运用专业方面的经验和知识，通过对过去和现在发生的问题进行综合分析，从中找出规律，对未来作出判断。

主要为专家预测法，该预测方法在缺乏足够的统计数据和原始资料的情况下，凭借专家的经验和判断能力，用系统的、逻辑的思维方法作出定量估价，从而预测未来。

该方法需要的数据少，能考虑无法定量的因素，比较简单易行。

花费的时间少，是应用历史较久的一种方法，至今在各类预测方法中仍占重要地位。

但这种方法在很大程度上取决于专家的实践经验和专业水平，存在片面性、准确度不太高的缺点。

只能作为货运量预测的一种辅助方法。

1.1专家个人判断预测方法（个人头脑风暴法）专家个人判断预测方法就是以“专家”的“微观智能结构”通过创造性思维来获取未来信息。

即依靠专家对预测对象未来的发展趋势及状况所做的个人判断进行预测。

这是一种由来已久的预测方法，并在有关领域专家个人的实际工作中自发进行。

优点是可以最大限度地利用个人的创造能力，不受外界环境的影响，没有心理压力，并且组织工作简单，预测成本低。

论船舶交通流量及几种预测方法摘要：船舶交通流是指连续运行的海上船舶等交通工具的总和，对其进行定量描述的参数有船舶交通流方向、船舶交通流量、船舶交通流密度、船舶交通流宽度、船舶交通流速度等。

本文主要对船舶交通流量及其预测方法进行简单介绍.，并分析这几种方法特性，以便对船舶交通流提出较为系统的预测方法，更好的为船舶交通规划和调度管理提供依据。

标签：船舶交通流量；影响因素；预测方法1 船舶交通流量船舶交通流量是船舶交通流的一个反映尺度，是指单位时间（年/月/日/小时）内通过水域中的某一地点的所有的船舶艘数，船舶交通流量越大，该水域对应地点的交通规模就越大，也就越繁忙，并且在一定程度上船舶交通流量的大小能反映其所在水域交通的是否有序与拥堵状况.船舶交通量的调查研究是船舶交通规划中的重要组成部分，只有掌握了实时的交通流量数据信息，才能更准确地对未来的交通流量进行预测，为船舶交通规划设计与调度管理提供实时的更准确有效的依据。

船舶交通流量的统计通常按时均值、日均值、月均值、高峰时交通量、年最大小时交通量、年最大日交通量等，其中前三者分别表示时间段内小时、日、月的平均交通流量，后三者分别表示全天各小时交通量中最大的1个小时的交通流量、1年内各小时交通量中最大1个小时交通量、1年内各日交通流量中最大的1个日交通量.后面所用数据均为日到达量统计。

2 船舶交通流量预测及其影响因素船舶交通流量的预测具有提前的（预测性）、总是有误差的（非实际观测性）、在空间上可扩张与缩小的（选择性）等特点，它是一种可测性增量的研究，是一种艺术性色彩很浓的研究，同时，它的预测与水运经济有关，又不完全属于经济预测，它是一种有条件的微观预测。

船舶交通流量具有惯性原则、类推原则、相关性原则、概推断原则等，它的预测一般有直觉法、因果法、外推法等基本方法。

船舶交通流量的大小与多方面的因素有关，如社会经济发展水平、研究的交通流所处地域、当地的物产、货运市场等，其影响因素又有内因与外因之分。

在信息时代，大数据分析已经成为了企业和组织决策的重要工具。

大数据分析可以帮助企业从海量的数据中挖掘出有价值的信息，从而指导决策并优化业务流程。

其中，预测模型是大数据分析中的一项重要工具，它可以通过对历史数据的分析来预测未来的趋势和结果。

本文将探讨大数据分析的预测模型及其应用。

首先，我们来看一下大数据分析的预测模型是如何工作的。

预测模型的建立依赖于大量的历史数据，通过对这些数据的分析和挖掘，可以发现数据之间的关联和规律。

然后，利用这些规律来预测未来的情况。

预测模型可以采用多种算法和技术，比如回归分析、时间序列分析、机器学习等。

这些算法可以根据不同的业务需求和数据特点来选择，以达到最佳的预测效果。

大数据分析的预测模型在各个领域有着广泛的应用。

在金融领域，预测模型可以帮助银行和投资机构预测股市走势、利率变动等，从而指导投资决策。

在零售行业，预测模型可以帮助企业预测销售额、库存需求等，以优化供应链管理。

在医疗领域，预测模型可以帮助医院预测病人的住院时间、疾病的传播趋势等，从而更好地安排资源和制定防控策略。

除了以上提到的领域，大数据分析的预测模型还可以在交通、能源、环保等领域发挥重要作用。

比如，在交通领域，预测模型可以帮助城市规划者预测交通拥堵情况、乘客需求等，以优化交通系统。

在能源领域，预测模型可以帮助能源公司预测能源需求、价格走势等，以指导生产和供应。

在环保领域，预测模型可以帮助监测空气质量、水质情况等，及时发现环境问题并制定对策。

然而，大数据分析的预测模型也面临着一些挑战和限制。

首先，数据的质量和完整性是预测模型建立的基础。

如果历史数据不完整或者存在错误，那么建立的预测模型的准确性就会受到影响。

其次，预测模型需要不断地优化和更新，以适应不断变化的环境和需求。

同时，预测模型的建立需要专业的数据分析人员和技术支持，这也是一个挑战。

总的来说，大数据分析的预测模型是一项强大的工具，它可以帮助企业和组织更好地理解数据，并做出更准确的决策。

定性预测分析模版
在当今信息爆炸的时代，数据分析已成为企业决策的重要工具。

而在数据分析中，定性预测分析模版的应用越来越受到重视。

定性预测分析模版是指通过对定性数据的分析，来预测未来的趋势或结果。

本文将探讨定性预测分析模版的意义、方法和应用。

首先，定性预测分析模版的意义不可小觑。

定性数据往往包含了客户的意见、市场的趋势、产品的特点等重要信息，通过对这些信息的分析，企业可以更好地了解市场需求，预测未来的发展趋势，为企业的战略决策提供重要依据。

其次，定性预测分析模版的方法多种多样。

可以通过文本分析、情感分析、主题建模等技术手段，对定性数据进行深入挖掘，从而得出有价值的预测结果。

这些方法的应用不仅可以帮助企业做出更准确的决策，还可以为企业创造更多的商业价值。

最后，定性预测分析模版的应用范围广泛。

无论是市场营销、产品研发、客户关系管理还是风险控制，定性预测分析模版都可以发挥重要作用。

通过对定性数据的分析，企业可以更好地洞察市场，把握商机，提升竞争力。

综上所述，定性预测分析模版在数据分析中具有重要的意义，多种方法的应用和广泛的应用范围，将为企业的发展提供有力支持。

因此，企业应该重视定性预测分析模版的应用，不断完善相关技术和方法，以提升自身的竞争力。

毕业设计（论文）材料之二（2）本科毕业设计(论文)开题报告题目：组合预测模型的构建及其应用课题类型：设计□论文□学生姓名：学号：专业班级：统计062学院：数理学院指导教师：开题时间： 2010年3月28日2010年 3月 27日一、毕业设计（论文）内容及研究意义（价值）1.研究背景预测是对未来可能发生结果的描述和预见。

经济预测，则是根据经济发展过程的历史和现实，综合各方面的信息，通过对经济现象之间的联系、作用机制、运动规律进行定性定量分析，判断其未来发展的可能途径和结果。

经济预测离不开两个假设：一是模型是现实经济现象的真实描述；二是经济结构保持相对稳定。

但是任何预测模型都不是现实经济的写真，经济体系、经济结构也在不停地变化，预测的不确定性，就成为客观必然。

由于预测不确定性的客观存在，必然引发对预测精度的思考和度量。

提高预测能力，加强预测精度性一直是经济学家、应用计量经济学家所关注的热点和孜孜以求的目标。

预测不确定性是一个绝对的概念，而那预测的准确性则是相对的概念。

对于一个相对概念我们不能用期望用“是”或“不是”之类的答案简单作答，因为在实践中很难得到一个完全最优扥预测。

现实的情况是，对于同一个预测目标（比如GDP）或预测目标群（比如GDP、失业率、和通货膨胀率），可以通过不同的预测模型进行预测，信息不对称以及预测水平的差异往往导致某个模型在一定时期或一定条件下的表现优于其他竞争模型，而当在条件和预测水平发生变化时，其他竞争模型又有更好的表现。

评价预测的精确性实质上就是检验不同模型的预测能力。

预测能力是对模型“超样本特性”的检验（Meese＆Rogoff,1983）。

对预测模型“超样本特性”检验的关键之处是构造损失函数，损失函数的形式不同，得到预测精确性的排列顺序也不相同。

实质上，构造损失函数并不困难，因为任何形式的损失函数无非是预测精确性评估的一种标准。

困难在于如何依据这一标准寻找到更为精确的预测值，即如何提高预测的精确性。

供应链风险评估与预测的模型及方法研究随着全球供应链的日益复杂化和不确定性的增加，供应链风险管理变得越发重要。

供应链风险评估与预测的模型及方法的研究成为了供应链管理领域的一个热门话题。

本文旨在探讨现有的研究成果，总结供应链风险评估与预测的常用模型和方法，并为实际应用提供参考。

1. 供应链风险评估模型供应链风险评估是确定供应链风险的重要步骤，它可以帮助企业识别潜在的风险源，并采取相应的防范措施。

目前，常用的供应链风险评估模型包括定性评估和定量评估。

1.1 定性评估方法定性评估方法通过专家判断来评估供应链风险。

其中最常用的方法是FMEA（故障模式和影响分析）和SCOR（供应链运作参考模型）。

FMEA方法通过识别可能的故障模式和评估它们的影响来评估风险。

SCOR方法通过分析供应链各个环节的性能指标来评估风险。

然而，定性评估方法的主观性较强，结果可能受到个人主观判断的影响，缺乏客观性。

1.2 定量评估方法定量评估方法基于数据分析来评估供应链风险。

常用的方法包括基于历史数据的风险评估、基于概率和统计分析的风险评估以及基于模拟和优化方法的风险评估。

基于历史数据的风险评估方法通过分析过去的供应链事件数据来预测未来的风险。

基于概率和统计分析的风险评估方法通过概率和统计模型来评估风险发生的概率和可能的影响。

基于模拟和优化方法的风险评估方法通过构建供应链模型和进行仿真来评估风险。

定量评估方法相对定性方法更加客观，但对数据的要求较高。

2. 供应链风险预测模型供应链风险预测是识别未来可能发生的风险的关键步骤，它可以帮助企业及时采取措施以应对风险。

现有的供应链风险预测模型主要包括基于统计模型的方法、基于机器学习的方法和基于混合模型的方法。

2.1 基于统计模型的方法基于统计模型的方法使用过去的供应链数据来构建模型，并利用该模型来预测未来的风险。

常见的统计模型包括时间序列模型、回归模型和马尔可夫模型。

时间序列模型基于时间序列数据来预测风险。

《环境规划》电子教材环境预测的方法（一）环境预测方法分类与一般预测的技术方法相同，有关环境预测的技术方法也大致分为两类：（1）定性预测（直观预测）法定性预测法是指依靠人的直观判断能力对预测事件的未来状况进行直观判断的方法，也称直观判断法，如头脑风暴法、特尔斐法、主观概率法、关联树法等均属定性预测法。

这类技术方法以逻辑思维为基础，综合运用这些方法，对分析复杂、交叉和宏观问题十分有效。

（2）定量预测技术这类方法多种多样，常用的有外推法、回归分析法和环境系统的数学模型等。

这类方法以运筹学、系统论、控制论、系统动态仿真和统计学为基础，其中环境系统的数学模型对定量分析环境演变，描述经济社会与环境相关关系比较有效。

（二）环境预测典型方法简介（1）定性预测法1）头脑风暴（思维共振）法头脑风暴法是通过专家（微观智能结构）之间的信息交流，引起“思维共振”，产生组合效应，形成宏观智能结构，进行创造性思维的方法，也可称之为“思维共振法”，包括直接头脑风暴法和质疑头脑风暴法。

2）特尔菲法特尔菲预测法即匿名调查征询法，是目前在世界上组织专家预览中使用最为广泛的一种定性预测方法。

使用特尔斐法时，必须坚持下面三条原则：不记名。

为了克服参加会议的专家易受权威人士思想和见解束缚的弊端，特尔斐法采用不记名函询方式征求意见。

应邀参加预测的专家互不了解，完全消除了心理因素的影响。

反馈性。

特尔斐法一般要经过三到四轮，每轮都将预测统计结果反馈给每位参加预测的专家，作为下一轮预测参考。

预测结果的统计性。

作定量处理是特尔菲法的重要特点。

为此，特尔斐法每一轮均采用统计方法处理预测结果。

（2）定量预测法1）约束外推预测法约束外推预测法是指在一个系统的大量随机现象中求得一定的约束条件（即规律），据此规律推断系统未来状态的一种方法。

这里谈的“外推”也包括“内推”，即内插。

时间序列预测法。

此方法是以某种环境经济现象在不同时间或地点的统计数据所组成的时间序列为依据，分析其依时间变化的规律，推断它们未来的发展水平和趋势的一种定量预测方法。

市场调研中的定性和定量研究方法市场调研是企业进行决策的重要依据，通过对市场情况和消费者需求等方面的调查研究，可以为企业提供决策参考和战略规划。

在市场调研中，定性和定量研究方法是常用的两种研究手段，它们分别从不同的角度和方法论对市场进行探索和分析。

本文将重点讨论这两种方法及其应用。

一、定性研究方法定性研究方法强调对研究对象进行细致深入的观察和描述，通过收集和分析非结构化数据来深入理解被研究对象的态度、感受、看法和行为等。

定性研究通常采用质性数据，如深度访谈、焦点小组讨论、观察记录等。

1. 深度访谈深度访谈是一种面对面的个别访谈方式，研究者通过与被调查对象细致交流，以了解其对产品、服务或市场的态度和需求。

在访谈过程中，研究者可以根据被调查对象的回答来提问更深入的问题，以帮助获取详细的信息。

2. 焦点小组讨论焦点小组讨论是将一小组参与者聚集在一起，通过引导和互动，收集关于产品、服务或市场的意见和观点。

参与者可以相互交流和启发，从而提供更多的理解和见解。

焦点小组讨论能够获取到不同参与者的多元视角，有助于发现市场潜在需求和痛点。

3. 观察记录观察记录是通过观察被调查对象的行为和环境，以获取有关产品和服务使用情况的信息。

观察记录可以直观地了解消费者的购买行为、使用习惯和产品体验等，对市场调研带来重要的实证数据。

定性研究方法的优势在于可以深入了解消费者的想法和感受，辅助企业发现隐藏的市场机会。

然而，定性研究受到样本数量的限制，结果的普适性和可比性较低，往往需要通过定量研究来进行统计分析和验证。

二、定量研究方法定量研究方法通过收集和分析结构化数据，以数值化形式进行度量和统计分析，从而对市场进行客观的量化描述和分析。

定量研究通常采用问卷调查、实验研究等方式。

1. 问卷调查问卷调查是一种常见的定量研究方法，研究者通过为大量受访者分发问卷，收集其对产品、服务或市场的态度、偏好和行为等信息。

问卷调查可以覆盖更大的样本量，便于对整体市场进行分析和预测，还可以通过统计分析方法验证假设和关联。

数据预测模型的应用1、什么是数据预测模型预测分析使用历史数据、统计算法、预测建模和大数据机器学习技术，结合市场及企业基本面分析，以帮助组织更准确地预测未来结果、规划应对未知事件的方案，以及发现未来活动中的机会。

2、预测模型的内容我们以同一个原始数据为例，讲解3种预测模型方法，分别是：•全期平均法•趋势平均法•指数平滑法原始数据：预测模型1——全期平均法全期平均法：对过去数据一个不漏的全部加以同等利用，加以平均，以此来作为之后的预测值，这是一种在生活中常用的最简单的预测方法。

我们原始数据中有12个值，把12个值全部加起来，再取平均：平均值= 12项数据相加÷12 = 169.7 以此来作为21年的预测值。

预测模型2——趋势平均法：全期平均法用起来最为简单，但弊端同样非常突出，它把过去所有的数据因素，不加区分地考虑进来，很可能不符合实际的业务场景，更为复杂一些的模型就是趋势权平均法了。

趋势平均法是以若干时期的平均值作为基础，并进一步计算趋势值的移动平均值，进而来预测未来数据的一种方法。

趋势平均法没有假定数据的特定模式，只是通过移动平均，计算出相对平滑的趋势值，给予近期资料更大的权重。

第一步：计算销售额的移动平均值，这里我们选择5期移动平均，具体选择几期一般根据数据量及数据趋势，本案例中数据没有大幅波动，且有12组数据，为保证后续数据量足够，一般组数需要小于总数的一半，所以选择5组相对适合。

第二步：计算趋势值第三步：计算趋势值的移动平均值，这里趋势值只有7组，所以选择3期移动平均。

第四步：数据预测以2020年数据预测2021年数据，2021年销售额= 2020年5期移动平均销售额+ 2020年趋势值3期移动平均×1 = 199.8 + 6.9 ×1 = 206.7万元预测模型3——指数平滑法：兼容全期平均与趋势平均所长，不舍弃过去数据，但是仅给予逐渐减弱的影响程度，即随着数据的远离，对未来数据的影响逐渐减小。

风险评估最好的方法，风险评价4种方法（一）引言概述：风险评估是企业中非常重要的一项工作，它有助于识别和评估潜在风险，以制定相应的控制措施。

本文将介绍风险评估的最佳方法，并以4种常用的风险评价方法作为例子进行阐述。

正文：一、定性评估方法1. 理论支持：定性评估方法通过描述和解释潜在风险的特点和影响，帮助决策者了解风险的性质和程度。

2. 数据收集：通过收集相关资料、专家意见和历史案例，对风险进行分析，并建立风险评估框架。

3. 风险等级划分：根据风险的可能性和影响程度，将风险划分为低、中、高等级，以便进一步决策和控制措施的制定。

4. 优势与劣势：定性评估方法具有简单易行、成本低、易于理解等优势，但也存在主观性强、缺乏量化数据等劣势。

二、定量评估方法1. 数值分析：定量评估方法基于具体的数值数据，通过模型和算法计算出风险的发生概率和损失程度。

2. 模型选择：根据不同的风险类型和业务需求，选择适合的定量评估模型，如事件树分析、失效模式与影响分析（FMEA）等。

3. 数据要求：定量评估方法对数据的准确性和完整性有较高要求，需要收集大量的历史数据和相关参数。

4. 优势与劣势：定量评估方法能够提供更精确的风险概率和损失程度，但也需要更多的时间和资源进行数据收集和建模。

三、主观评估方法1. 专家意见：主观评估方法依赖于专家的经验和知识，通过专家讨论、问卷调查等方式进行风险评估。

2. 专家选择：选择具有相关行业经验和专业背景的专家，以保证评估结果的准确性和可靠性。

3. 不确定性处理：主观评估方法能够有效处理风险评估中的不确定性，通过专家的主观判断进行调整和修正。

4. 优势与劣势：主观评估方法简单快捷，能够充分利用专家的经验，但也容易受到主观偏见和个体差异的影响。

四、统计分析方法1. 数据分析：统计分析方法通过分析大量的历史数据，发现其中的规律和趋势，进而推断未来可能发生的风险。

2. 多元统计方法：应用回归分析、相关分析等多元统计方法，研究不同因素对风险的影响程度和依赖关系。

组合预测模型 stata组合预测模型国内外研究现状通常情况下，预测者在对同一预测问题作出不同的假设下，对预测对象建立多个不同的单一预测模型，然后利用各种预测精度测定方法，从多个预测模型中排除其他单一预测模型，选择出预测精度最高的一个预测模型。

如果用这种方法提高预测精度，在简单的排除其他误差平方和较大的单一预测模型的同时，将会使一些有用的信息难以得到有效的使用，这并不是我们所希望的，应该尽量避免这种情况。

我们可以换个方向考虑，不同的预测模型各自有其优缺点，它们之间并不一定是相互排斥的，也可能是相互补充的。

不同的定性预测模型方法和不同的定量模型预测方法往往能提供一些不同的信息，而组合预测模型方法是以两种或两种以上的雄一预测模型的结梁为基础，建立一个组合预测模型来进行预测。

组合预测模型比单一预测模型考虑的问题更系统、更全面、更科学，因为它能够把各种单一预测结果的信息较大限度的利用起来，这样既避免了有效信息的浪费，又能够减少偶然因素对预测结果的影响，使预测结果有更好的精度和稳定性。

考虑到以上情况，年，第一次提出组合预测方法的概念，组合预测就是把每个单一预测方法的特点综合的考虑，把每个单一预测模型的有用信息综合的利用，恰当的把这些单一预测方法组合成组合模型再来预测。

如果一个预测方法中包含着系统的独立信息，即便它的预测结果精度较低，把它和一个预测结果精度较高的预测方法组合完全有可能得到以后预测结果精度更高的预测方法。

同时在预测实践中，如果我们用适当的方式把多种单一预测模型结合起来使用，会降低预测结果对其中某个误差较大的单一预测模型的敏感度，所以组合预测通常可以提高预测的精度。

组合预测就是把不同的预测模型以适当的加权平均形式组合起来，使得不同预测方法所提供的信息得到恰当的综合利用。

所以组合预测最重要的问题就是求出恰当的加权平均系数，让组合预测模型有更高的预测精度和稳定性。

整体来说，关于组合预测的研究主要分为两个方向，一个方向是关于组合预测权重的确定，另一个方向是关于组合预测效果的检验。