当前位置: 首页 > 买入攻略 >预测的方法:回归分析,以它的特征要求

预测的方法:回归分析,以它的特征要求

2023-05-10 14:56:27


我们都很想具备未卜先知的能力,想提前知道事情的结果是什么,想提前知道明天会发生什么,想知道我们的未来是怎么样子的,想知道这场战役谁胜谁败...。我们想提前知道很多的事情。是的,很多事情,如果提前知道,那么再去构筑基于我们目标的方法,就手到擒来,很容易了。举个例子。比如,我们的目标是明天上班不淋雨,那么如果我们能够提前预知明天是否下雨,那么就很容易构筑方法达成这个目标。如果,不能够提前知道呢?就很难,当然,有的方法的构筑也用不着预测,比如,无论下雨与否,我的方法是都带着雨伞,那么也一样达成我们的目标。但是,有些方法的构筑,是必须要基于预测的。比如,医生治病,首先得根据病人体征表现预测判断一下是什么症状,然后才可以对症下药。比如赤壁之战,首先得预测一下,未来会有东风,才可以有火烧赤壁。如果预测没有,或者预测错误,可想而知,赤壁之战,曹操一战定天下,孙刘两家,就灭了。


无论如何,预测是重要的。预测是很重要的。我们很多事情,如果能够提前预测到结果,提前预测到要发生什么,那么我们就可以未雨绸缪,有的放矢。


我们的很多方法的构筑,都是首先基于预测的。预测做不好,很多方法将无法构筑。而,一旦预测这个环节做好了,要达成目标,方法构筑起来,就会很快构筑出来,就很简单了。比如,我能够预测到种子种到地里,秋天会收获更多粮食。那么我要收获更多粮食的方法就很容易构筑了,那就基于这个预测,种子种到地里就可以了。所以从这个意义上说,预测是一个根本性重要的问题。


那么如何预测呢?当然,这里的预测,可能不一定是100%的预测,可能是50%的预测,60%的预测正确率,20%的预测正确率,总之,是某个概率p的预测准确率。如何预测?预测,也是需要方法的,预测的基本方法是什么?


预测的方法其实也是挺简单的。有一些古语说过这个问题,吃一堑长一智,前车之鉴,后人之师,一遍生,二遍熟,三遍不用问师傅。科学方法是简单的,但是是重要的。即,固定因果变量,统计历史数据,通过线性回归,找到回归方程。我们要预测的就是果,然后我们就根据这个因。


预测,在逻辑学上就是推理,从前提到结论,在哲学上就是因果矛盾范畴,在统计学上就是样本估计总体。在数学分析上,是自变量和因变量的函数关系。


预测的方法,同样必须具备上一篇关于客观方法特征标准要求,即,固定性,客观性,数量性,可重复性,是要能够通过历史数据验证测试通过的,以及新的实践数据验证通过的,这是实证论证通过的。是要逻辑论证通过的。比如说,我们通过分析实体经济情况的方法,去预测未来某个商品价格的走向。那么就需要找到一个方法,这个方法,需要固定住分析的因子,通过过去数据的检验。比如,我们找到两个变量,玉米库存与玉米价格这两个变量,通过两个变量历史数据取值,找到其回归函数关系。找到其回归函数关系,且过去验证通过。即,这也是构筑预测方法的方法。然后通过分析库存变化,进而得出价格变化。不能说,毫无历史数据,然后我看玉米库存比上个月降低了,那么就预测价格上涨,具体上涨多少?上涨概率多少?这些,都需要通过历史数据去得出来。就是数据分析,数据统计。固定住这个因果预测函数方程式。要预测因变量,直接根据先出现的因变量,带进去,即可得出因变量取值。必须得符合上一篇所提出的客观方法的特征要求。


这就是预测的方法的基本原理。


本篇给出了预测的方法论,然后从客观方法论必须具备的特征要求对预测的方法论进行了特征要求的说明。基本原理,就是历史数据的回归函数关系,基本特征要求就是上一篇提出的,客观固定可复制数量可测试。


再总结一下,预测的方法就是数据分析,历史数据的回归分析,我们要预测某个变量的取值,那么通过分析历史数据,找到这个变量作为果的,其对应的一个或者多个变量因,通过历史数据分析,最小二乘法,或者其他方法,找到这条回归方程函数曲线。那么,当着未来出现某个因变量的取值的时候,代入这条回归方程,得出某个概率意义上的我们想要的果变量的预测。然后,这个回归分析方法,必须具备客观性,固定性,数量性,可重复性,可测试性,其实显然,只要变量和数据客观,那么它是具备的。另外要注意的一点是,回归分析预测,可能是一个某个概率上的预测,可能是一个必然性预测。分为这样的两种情况,具体要看历史数据表现,具体要看历史数据回归方程形式。


友情链接

Copyright © 2023 All Rights Reserved 版权所有 上海股票分析平台