预测精度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。预测精度是衡量预测方法是否适用于预测对象的一个重要指标。预测精度又受如下因素影响:①预测方法选取的合理性;②所建模型的正确性;③资料的准确和全面性;④预测者的素质。
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,只有预测未来的精度才是重要的。
1.平均绝对偏差
平均绝对偏差(Mean Absolute Deviation,MAD)就是整个预测期内每一次预测值与实际值的绝对偏差(不分正负,只考虑偏差量)的平均值。用公式表示如下:
式中,At为时段t的实际值;Ft为时段t的预测值;n为整个预测期内的时段个数(或预测次数)。
MAD的作用与预测误差相类似。如果预测误差是正态分布,则MAD约等于0.8倍的标准差。这时,1倍MAD内的百分比约为58%,2倍MAD内约为89%,3倍MAD内约为98%。MAD能较好地反映预测的精度,但它不容易衡量无偏性。
2.平均预测误差
平均预测误差(Mean Forecast Error,MFE)是指预测误差的和的平均值。用公式表示为:
在式(9-14)中,被称作累积预测误差(Running Sun Forecast Error,RSFE)。如果预测模型是无偏的,则RSFE应接近于零,即MFE应该近于零。因而MFE能很好地衡量预测模型的无偏性,但它不能够反映预测值偏离实际值的程度。
3.平均平方误差(www.daowen.com)
平均平方误差(Mean Square Error,MSE)就是对误差的平方和取平均值。MSE用公式表示为:
MSE与MAD相类似,虽可以较好地反映预测精度,但无法衡量无偏性。
4.平均绝对百分比误差
平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)用公式表示如下:
MAPE预测误差评价指标的含义如表9-3所示。
表9-3 MAPE预测误差评价指标的含义
MAD、MFE、MSE、MAPE是几种常用的衡量预测误差的指标。但任何一种指标都很难全面地评价一个预测模型,在实际应用中常常将它们结合起来使用。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。