创建模型并预测未来的结果

预测建模是一种使用数学和计算方法来预测事件或结果的技术。数学方法使用基于等式的模型来描述所考虑的现象。该模型用于根据模型输入的更改预测未来某个状态或时间的结果。模型参数有助于解释模型输入如何影响结果。例子包括时间序列回归模型预测航空交通量要么预测燃油效率基于一个线性回归模型发动机转速与负载的关系。

计算预测建模方法不同于数学方法,因为它依赖于不容易用方程形式解释的模型,并且通常需要仿真技术来创建预测。这种方法通常被称为“黑箱”预测建模,因为模型结构没有提供对将模型输入映射到结果的因素的洞察。例子包括使用神经网络预测哪个酒厂一杯葡萄酒来自或装在袋子里的决策树,用来预测信用评级借款人。

预测建模通常使用曲线和曲面拟合、时间序列回归或机器学习方法。不管使用哪种方法,创建预测模型的过程在方法之间是相同的。的步骤是:

  1. 清洁由数据去除离群值处理缺失数据
  2. 确定要使用的参数或非参数预测建模方法
  3. 将数据预处理成适合所选建模算法的形式
  4. 指定用于训练模型的数据子集
  5. 从训练数据集中训练或估计模型参数
  6. 进行模型性能或拟合优度测试,以检查模型的充分性
  7. 对未用于校准模型的数据验证预测建模的准确性
  8. 如果对模型的性能满意,可以使用该模型进行预测

参见:GARCH模型,机器学习,蒙特卡罗模拟,面板数据,系统识别,协整,时间序列分析,时间序列回归,预测分析,预见性维护,信用评分模型,风险管理,预测

运用机器学习和大数据技术改善投资业绩