经济学家是如何预测未来的经济走势以及未来某一具体经济指标的具体数值？

使用CN2/CN2GIA顶级线路，支持Shadowsocks/V2ray科学上网，支持支付宝付款，每月仅需 5 美元

## 加入品葱精选 Telegram Channel ##

知乎用户 记忆豆豆 发表

题主好，这个问题实在是太大了。不同经济指标的特性、数据可得性不一样，预测的方法也千差万别，最好问具体的某个经济指标怎么计算比较好。预测的精度要求、预测的即时性要求都会对预测方法产生影响，要知道未来某一具体经济指标的精确数值真的是不容易的。

大体来说：指标构成和计算方法越明确，预测方法就越多。相关数据越多，通过数据校准实现的预测精度就越高。预测的时间节点越靠近发生的时间节点，预测方法上越依托真实数据、计量模型而不是黑箱模型、主观判断。

-——————————————————————————————————————————-

CPI 是大家最关心也是最不满的指标 ，比如

@aohoas

的吐槽，我拿它的预测来举个例子。

下图是 CPI 月环比数据，通过观察，我们发现 CPI 环比存在一个约 12 个月的波动周期，环比增幅低点在 7、8 月份 (周期谷底)，高点出现在 1、2 月份 (周期峰顶)，波动上升期和波动下降期时间间隔均为 6 个月，在没有高频数据参考之前，对于 CPI 预测，我们会初步把 CPI 环比涨幅定为历史同月环比在过去 5 年的均值。

是不是感觉有点不靠谱？当然！但须知道，在什么都不知道情况下，这可以说是一种 “最不坏” 的办法，一旦有更多的信息（例如高频的镜像观察数据、政策趋势上的判断），必然要有所调整。

进行远期 CPI 环比测算方法有很多（这里远期一般界定为年初对全年的预测），往往依靠黑箱模型如 GM（1,1），BP 神经网络，混频模型，但内在机理不清楚，实际预测中难以解释 CPI 变动的原因，所以经济学家一般不会采用，经济学家往往是对带有经济规律性质的分项（主要是猪肉、蔬菜、衣服）的趋势进行预测，汇总得到。半年期或者对下一季度的 CPI 预测，主要基于宏观变量之间联系的模型，如野村证券使用产出缺口指标，名义有效汇率，广义货币供应量，前一个季度 CPI 的和大宗商品价格指标（CRB 现货指数）对 CPI 进行预测，方法的缺陷在于无法体现如食品采购、燃油补贴等最新政策效果。

我们通常得到的 CPI 预测，是证券研究所发布的当月精确预测，依据 CPI 构成篮子中食品、非食品大类中各细分项的权重，参照高频数据，分别估算出 CPI 食品、非食品当月环比涨幅。最后依据下述公式得出 CPI 同比涨幅的预估值。

CPI 同比涨幅＝［(1＋食品当月环比涨幅)× 食品权重＋(1＋非食品当月环比涨幅)× 非食品权重］× 上月定基环比指数 ÷ 去年同月定基环比指数－1

大体来说，经济指标预测方法可以分为四类： 一是存在高频数据的分项，CPI 中这类分项主要集中于食品，当月的预测值可以通过观察高频数据估计，估计的准确性取决于数据与分项 CPI 的相关性； 二是季节性波动较强的分项，CPI 中衣着、娱乐的环比或同比数据存在较强的季节波动规律，可以通过时间序列模型的方法进行估计，波动越规律，估计准确性越高； 三是存在明显上下游或者产业规律的分项，这类分项具有较长的周期或者明显的上下游传导特性，可以用于远期预测，四是影响因素多又缺少数据的分项，这类分项需要通过结合相关政策、市场判断和自身数据规律进行综合估计。

A．存在高频数据的分项

2015 年起，高频数据的预测值与实际鲜菜 CPI 较为接近，预测效果好，但价格变动处于阶段性高点时与实际鲜菜 CPI 差距较大，如 2015 年 10 月和 12 月，两者之差达到 3.5% 左右，在实际预测时需要进行相应调整。2016 年前三个月，实际鲜菜 CPI 环比分别为 7.20%、29.90% 和 - 5.53%，而高频数据预测值则分别为 6.55%、28.25% 和 - 5.31%。

2016 年前三个月，实际猪肉 CPI 环比分别为 1.50%、4.90% 和 - 1.23%，而高频数据预测值则分别为 1.60%、3.50% 和 - 0.71%，预测误差在 1.5 个百分点以内。（应注意到，在波动较剧烈月份高频数据预测准确度往往下降）

B．存在高频数据但相关性弱的分项

然而并不是所有分项 CPI 预测效果能有那么好，更多的因为拥有的数据不能充分刻画居民消费变动，亦或是数据不全，预测时必须进行校准，计量上会先做单位根检验然后用 ARIma 模型什么将因素进行分解，或者直接用指数平滑的方法外推。

水产品 CPI 环比预测偏差值可以看到明显季节性波动，表明部分水产品周期性价格因素未能在预测中给予充分考虑。每年春节期间，居民对于水产品的需求抬高，使得价格上升 5% 左右。由于农村居民相比城市居民需求变动更大，价格变动幅度也更大，跟踪城市大卖场、超市价格的高频数据跑输 CPI 环比变动，对此，我们对季节性偏差进行校准。同时我们也能看到，水产品 CPI 本身有一定周期性，在 2 月形成高峰，在 3 月快速回落，4 到 9 月有缓慢回落态势，但价格受气候、事件影响大，规律性略显不足，直接根据周期波动估计 CPI 效果并不好。

我们在原有基础上做了校准，效果是不是很棒？！事实上，如果把时间间隔拉长一点，会发现效果出奇的好。

C. 季节性波动较强的分项

季节性波动较强的分项，通常这类分项的环比或同比数据存在较强的季节波动规律，可以通过时间序列模型模拟的方法进行估计，波动越规律，估计准确性越高

衣着 CPI 季节性波动较为明显，具有代表性。如下图所示，衣着 CPI 环比走势通常以半年为一个周期，且下半年的波峰通常比上半年略高，近年来差距在逐渐缩小。

这类分项通常第二类预测方法，即时间序列预测的方法。由于近几年走势较为平稳，预测结果与这段时间走势应该较为接近。

D. 存在明显产业结构规律的分项

最典型的例子是猪肉价格周期性变化！即猪周期。

通常来说，猪周期的运行路线图为：猪肉价格大涨——母猪存栏量大增——生猪供应量剧增——肉价下跌——养殖户大量淘汰母猪——生猪供应量减少——肉价再次上涨……，这是一个循环的周期性过程。在我国，一个完整的猪周期包括了猪肉价格上升和下跌两个周期，跨度大概在三年左右，有时候甚至会更长。因此，只要认识到目前处在周期的哪个阶段，就能对猪肉价格有所预测啦。我国的猪周期周期跨度比较稳定，一般在三年左右；周期波幅逐步加大，周期重心不断上移，与生猪绝对价格不断攀升的走向一致。见下图

经济学家往往用蛛网模型来解释猪周期。猪肉消费量对猪肉价格缺乏弹性，而生猪出栏量与生猪价格是富有弹性的，因此，生猪价格波动适用于发散型蛛网模型。当肉价高涨，猪农们会选择多养母猪以扩大产量，但从母猪育种到最终成猪出栏量扩大的时候，前后至少需要 17 个月左右的时间，而在这近 1 年半的时间里，猪肉价格早已经从谷底走到了接近顶峰的水平，肉价已经开始下跌；而肉价的下跌又迫使猪农们削减母猪以减少产量，当产量下降到一定程度，将再次引起猪肉价格上涨。由于生产时滞和适应性预期的存在，养猪户的计划永远跟不上变化，于是，中国的猪周期周而复始。

E. 不存在明显规律缺乏数据的分项

经济学家们这些也都要预测！简直丧病！根据市场动态、政策信息予以判断，楼上好多人都瞧不起，呵呵，许多时候人比模型还聪明好嘛。师傅常常看成品油调价和出差航班情况就知道交通运输 CPI 了.. 而且很准，放个图。

交通通讯 CPI 主要由运输价格决定，而运输成本中很大一块由油价决定，从上图可知，绝大部分 CPI 环比变动都可由成品油调价进行解释，成品油调价幅度直接关系着当月 CPI 变动幅度，虽然难以准确量化这一影响以作预测，需要人为主观进行赋值，但误差一般不超过 0.2%。

最终 CPI 预测效果

如图所示，其他时候还好，只有春节期间差太多了对不对？那！是！因！为！坑爹的统计局改了权重改了统计方式又不告诉权重多少！Plus：2 月春节期间价格波动太剧烈，前述高频数据预测偏差明显放大，各个预测值之间偏差累积使得最终预测偏差接近 2%。从结果倒推来看，统计局权重调整使得传统的食品 CPI 口径萎缩到 20% 左右。

整体来看，食品烟酒项预测偏差最大也不过 0.7%，对整体 CPI 环比变动预测影响小于 0.2%，对整体 CPI 同比预测影响小于 0.1%，所以预测效果其实还不错。

知乎用户 chenqin​ 发表

经济情况瞬息万变，预测一个具体经济指标的具体数值非常难，但尝试在某个指数公布前获知他的趋势，还是有办法做到的。

第一种方法是为一些指标找到一些公开的「先行指数」，这个指标的发布时间要早于你想要预测的指标。比如在这个问题里面所论述的什么是经济数据中的先行指标、同步指标和滞后指标？如何判断？ - 知乎，用统计方法或者在经济逻辑上找到一些理论上领先的指标。

这样的先行指数又有两种。

第一种先行指数是信心、预期类的先行指数。比如长短利差就属于预期类的一种先行指数，他代表市场对资本市场的一种看法，而这样的看法恰好对未来有着很强的预测作用。

但信心、预期类的先行指数有个毛病，当市场有效时，这样的指数可能会导致人们变化自己的行为，来规避经济变化会造成的影响，这样的行为最后使得这样的先行指数对经济的悲观 / 乐观预期无法实现。

一个简单的例子，一国的央行想要刺激经济，于是实施了扩张的货币政策。

在市场不够有效时，各种要素的流动都存在粘性，于是在实际的通货膨胀发生之前，刺激性的政策可能会增加就业，刺激产出。

但如果市场有效，人们立刻发现了央行的扩张性货币政策，并立刻将自己的劳动供给、消费行为根据预期到的通货膨胀来进行调整，货币政策的刺激作用就消失了——最终的结果是，产出和就业毫无变化，只有通货膨胀率提高了。利率、价格类的指数都容易碰到这样的问题。

第二种先行指数是经济逻辑相关的先行指数。比如订单、物流一般发生在利润实现之前，那么例如 PMI 里的订单指数、一些物流行业发布的物流指数，就成了 GDP 的较好先行指标。如果再做得细一点，挖掘机开工一般代表基础建设正在进行，那么挖掘机指数就成了固定资产投资的先行指数；白手套产量，润滑油产量一般来说和工业生产息息相关，于是就有了白手套指数、润滑油指数等等，他们都是工业增加值的较好先行指标。

这些指数不会碰到信心、预期类指数碰到的问题，拿到了订单得生产，有了挖掘机得开工，逻辑在这里。但是这一类先行指数也有自己的问题。

首先，我们会发现这类指数非常难找。比如挖掘机和固定资产投资，肯定是先行吧，但你找得到吗？我们知道有一个指数叫做「XX 挖掘机指数」，说的是挖掘机传感器传回的开工情况，非常有用，可这个指数普通投资者一概是看不到的，似乎是直送国务院。普通投资者们，只能看到挖掘机当月产量，这个数字混在工业主要产品产量中，和工业增加值在下个月的第三个星期一一块儿发布，说他是领先指标，一来领先不到哪儿去，二来也只能看个固定资产投资的大概趋势，解释力远低于挖掘机运作指数。

此外，这两种公开发布的先行指数都会碰到一个共有的问题，当一个先行指数的预测能力特别好时，人人都关注他，这个数据可能就会受到一些其他因素的影响了。比如是信心的提前实现——比如货币政策；或者是数据准确性受到影响——比如克强指数的失效，都是高关注度数据失效的例子。

而且，对于投资者来说，如果我们相信市场有效，那公开发布的指数，能派上用场吗？显然不能了。只要是公开发布的数据，不管你用多复杂的模型去算他，时间序列，向量自回归，结果都是一样的。

因此，也就产生了第二种方法——自己去观察经济正在发生什么事，在体现这些经济活动的数据出现之前，找到这样的经济活动，观察，并用数据衡量他。

比如石油产量，油价变动，是很重要的指标，怎么预测？用各种经济数据拟合、回归，看需求趋势，供给趋势，然后判断出一个区间，是一种方法。但显然有另一种更直观的方法，那就是去每一个油田观测他们的产量。而用卫星照片数据，去观察大量油井的动向，一些投资者已经达成了预测石油产量和价格的目标。

这种方法非常的直观，而且，在该方法没有被广泛使用之前，不太会有对手让油田假造产油行为让卫星拍到来反向套利，因此也比较可信。

我们也尝试了类似的一种方法。去年 3 月，我曾写过一篇文章，新经济指数 – 用大数据倾听中国未来 - 知乎专栏，其实就是使用了这种方法，用各类体现经济活动的大数据，来判断经济体的运行状况。

目前新经济指数运行得还不错，由于基础数据完整，因此呈现的信息量很大，而且对经济也有自己独特的预测、解释能力，大家也可以在 Bloomberg 上看到它的每月变化了。这里我不重复新经济指数的介绍，大家可以直接在网上搜索，这里主要想说的是在计算新经济指数时，我们做的一个小实验。

例如，投资者们一般会去关注每个月的固定资产投资到底是多少，特别是对于债券尤其是城投债来说，受到基本面的影响更大。而在固定资产投资中，房地产开发投资又是一个很重要的指标，代表了整个房地产供给的热度。

那么怎么用数据去度量一系列实际经济活动，并用来判断房地产开发投资的情况呢？我们的做法是，在网络上抓取招聘数据中和房地产投资相关的岗位数据，计算他在整个岗位需求数量中的比值。这个逻辑也异常简单——招了建筑工人，就得造房子。

这个指标从去年 10 月份开始，多次在新经济指数的报告中公开发布，每次都比统计局发布数据的时间提前两个星期（比如 2017 年 5 月 2 日发布的 4 月数据可以在这个文件的图 9 中看到 4 月万事达卡财新 BBD 新经济指数降至 31.8，而统计局对 4 月房地产开发投资完成额的公布时间是在 5 月 15 日）。

将每月 2 日得到的结果和每月 15 日之后统计局发布的结果放在一起，就得到了下图：

简单地计算房地产开发投资人员的岗位需求情况，就可以在过去 16 个月度的变化中 13 次测对房地产开发投资完成额的变化趋势，两个数据标准化后的相关性达到 0.5 以上，且对目前房地产开发投资创新高的现象在指数上也提前给出了反应——在我们 7 月 2 日发布的指数报告中，房地产开发投资相关人员占总岗位需求比例达到了有史以来最高的 7.9%，同时在 7 月 17 日统计局发布的数据中，房地产开发投资完成额当月值也升至史无前例的 1.3 万亿元。

对于一个构成非常简单的指标而言，有这样的预测成就，算是相当了不起了。

同时，这项工作也从另一个方面给了我们一些提示——房地产开发投资额的数据构成比较单纯，那么用一个构成非常简单的数据就可以预测他的变动；工业增加值、固定资产投资之类的数据构成比较复杂，那么我们是不是能够从多个方面观察一些实际经济运行的指标，综合在一起，对经济数据给出预测？

目前，这项工作仍然在推进中，我们在一些城市已经完成了这样的模型，在公开网络上，抓取经济活动相关的数据，通过简单的模型计算，就可以帮助该城市发改委在统计局发布数据的半个月甚至一个半月之前，获得工业增加值和固定资产投资的准确变化，帮助他们提早进行经济调度。

在这样的数字化时代，几乎所有经济活动都能在网络上留下蛛丝马迹，成为大数据中的一点。如果一个人能同时具备严谨的经济逻辑，对数据的丰富了解，加上过关的爬虫技术，选取合适的切入点，说不定就能做出非常棒的独家经济预测。

知乎用户 匿名用户 发表

我来说说吧。

目前就职于 PBC 分行调查统计部门，工作中的一个重要任务就是对未来经济形势进行预测。当然，由于我们只掌握一个省份的经济金融数据，因此，日常报告中也仅仅预测本省的经济状况。

具体来说，日常报告中涉及到经济预测的主要有两大类：一类是给省政府提供的分析材料或者给行领导提供的用于参加全省职能部门季度分析会的材料，这个一般在季末月；另一类是报到总行预测处的分析报告，每季度一篇，在季后月。

通常来说，上述两类材料的基本写法区别不大。上来先对全省的经济运行状况进行一个概括和描述，涉及工业、投资、消费、进出口、物价、财政收支等几个方面。之后会对今年以来全省的经济刺激政策进行梳理，然后在此基础上，进一步分析未来一段时期政府政策的变化会是什么样的，比如说，在二季度的分析报告中我们就提出，在制造业投资持续下行的情况下，政府会继续加大基础设施投资的力度，同时，由于全省上半年出台了几个比较大力的外贸刺激政策，因此认为下半年的外贸会继续回暖。在对政策进行了一个大概分析和展望之后，我们就会给出一个未来一段时期全省经济增长状况的预测，一般情况下，为省里提供的预测材料主要侧重于对本年度余下月份进行预测，给总行报的材料一般是预测未来八个季度，也就是两年的经济增长状况。

通过上面的描述可以看出，目前对经济形势进行预测，主要还是根据预测者自身的经验及自己对未来政策的把握进行的，数学模型的作用运用相对较少，包括中国人民银行总行发布的一些预测报告（比如研究局每年出台的预测报告），更多的也是依赖于预测者的经验。这一方面是由于，整体来说，运用模型进行的预测在准确性上很多时候还不如依赖经验；另一方面，目前国内在计量方法的掌握和运用上还存在较大不足，常用的 VAR 模型和 DSGE 模型进行预测的精度较低。

上面是我了解的一些情况，希望对你有帮助。

知乎用户 其蔚先生 发表

谢邀
本科时候曾经在一个省级发改委宏观经济研究部门实习，接触的工作与题目颇为相关，在此提供一些我看到的政府部门根据经济数据进行分析的情况供参考。
在实习过程中，我参与过省内经济形势分析报告的讨论，对国内官方背景经济研究部门预测情况有大体了解 。此外，我也借机对比过国内官方和美联储公布的报告，大致了解美国官方的经济学家如何分析和预测经济。
下文分两部分介绍：
先讲国外的。美联储会在网站公布一大堆研究报告，随意下载（例如这个，是美联储纽约分行的 economic research 页面，点进去显示的都是研究报告，Economic Research）。这些研究报告的作者大部分是美联储工作人员（或者欧洲央行、世界银行或者美联储别的分行等等），少部分是经济学家。他们的报告往往就是应用学术界发展的计量模型和计量方法对过往数据进行回归（因变量是决策变量 gdp 增长率、失业率或 cpi 等，自变量是各种各样他们认为的因素 ），在回归之后就会根据得到的模型做一个预测。基于这些参考报告，美联储主席似乎会给出一个自己的综合判断，发表一些言论。这里需要说明的是，我 不知道世界银行分析中国是否应用如上方法，因为他们也可能会结合中国国情。
然后是国内官方背景的现实情况。国内一个最大的特殊性似乎是政策目标自上而下决定。在省级层面，经济部门无法对未来经济形势进行自主分析和预期。一方面由于省级数据缺乏，更重要是由于省级部门需要服从国家定下的调子。也就是说，省级部门提出的经济报告很多时候是命题作文，结论上并没什么发挥空间。简单说，我的理解可以由下面这个环节来表示：中央（主席或总理）开会定下关于经济形势的总调子总走势（保增长还是调结构、拉内需还是稳外需等），各个省、各部门负责人（省委书记、省长或部长）结合地方特色领悟传达中央精神，各个经济部门分析团队开动依据统计部门历史数据得出一个对未来预期的具体数字（具体数字重要的是与定下的调子想融洽）。当然，这个过程中可能会有一些上下反复过程，毕竟决定权在上级。
所以文中的连平和交行话中的 “人民币有效汇率保持稳中有升”、“预计下半年经济运行将缓中趋稳。预计 2015 年经济增速前低后稳” 应该都不是他们的预测，而是跟着中央和央行的调子走的。
最后对几个伴随前文逻辑而来的问题提出我的推测。
1、用计量模型进行预测的困难何在？
首先统计局本身也受到上述逻辑的支配，其次人才不够多，综上简单的计量模型说不定偏差更大更无实际意义。
2、中央如何对经济走势和形势进行判断呢？
谁都不知道。我实习地方的师兄和我说了一个他的想法，根据到各地调研后了解实际问题，然后用他们无比丰富的治国经验做出判断。我在此基础上的想法是会有一批人核心智囊，根据自己的各种渠道和判断了解信息，然后向中央汇报。

知乎用户 LCHEN 发表

大致分为两类：

（1）基于统计学的方法。
比如最简单的 ARMA，VAR 等时间序列模型。这类方法里面最核心的问题是如何选择一个最优的预测模型，通常的办法有基于 AIC,BIC 等 information criteria 的模型选择。最近比较新且热门的方法有 model averaging，factor based index model, machine learing 中的 LASSO, regression trees (forest) 等等等。
这类方法的主要问题是，他们有很好的 internal validity （内部合理性，抱歉不知道该怎么翻译。。），但是有不太好的 external validity。也就是说，in sample 的拟合都很好，但是预测的结果不一定好，尤其是在出现经济政策变动，突发事件的情况下。

（2）基于结构模型的预测。
经济学家，尤其是央行的经济学家，最关心的问题是当新的政策发布时，未来的经济走势会怎样。而当新的政策发布的时候，原来拟合得很好的模型可能就不适用于预测未来的走势了（Lucas critique）。在这种情况下，我们通过结构模型 （structural models）需要估计一些模型的基本参数（structural parameters）— 一些不会随着政策变动而变动的参数，然后利用这些模型预测新政策的效果。现在很多国家的央行已经有了或者正在开始构建自己 DSGE 模型，主要用于预测未来经济在新政策（加息，发行货币，减税，赤字等等）影响下的走势。

知乎用户 郑庄公 发表

瞧一瞧，看一看，江湖神通大揭秘！

现在我们让全世界 70 亿人来预测特朗普什么时候死。我们的要求特别严格，要精确到秒，预测特朗普死于哪年哪月哪天几点几分几秒。有没有能预测准的？

我们用数学工具来计算一下。特朗普今年 72 岁，通常情况至多还能活 30 年。而 30 年就是 10 亿秒，有 70 亿人来预测，从概率上说，就会有 7 个人能预测准的。精确到秒，神奇不神奇？狗屁！这 7 个人比其他人有特殊的本领吗？狗屁！纯属蒙准。如果他们还能连续预测准，我才承认他们有本事。

我们再来看看经济学家的预测。

全世界的经济学家，还有叫经济学人的，起码有几十万，都来预测经济趋势，而经济趋势无非就几种，还能没有预测准的？

而这些预测准的，就显起来老牛 X 了，又拿奖又著书立说，到处演讲：因为什么什么，所以什么什么，我是根据什么什么做出准确判断的。唬得一些愚民如醉如痴，双膝下跪。

我们再来看看什么才是科学的预测。

天文学家预测日食，一说一个准，而且所有天文学家预测的结果都一样。牛顿说所有一千克的物体受到一牛顿的外力，都能产生一米每秒平方的加速度，结果无一例外。这才是科学的预测。

而经济学家的预测，一人一个结果，和大众预测特朗普的死亡时间一样。能比我们没学过经济学的普通大众高明到哪里去？这样的经济学学与不学又有什么区别？这样的经济学又有什么鸟用？

为什么科学的预测能预测准？因为科学抓住了客观规律。而西方经济学，根本就不知道去研究客观经济规律，又怎么能抓住客观经济规律呢？西方经济学就和玄学一样，经济学家都是算命的瞎子，靠蒙吃饭。蒙准了就一举成名，蒙不准就等下次。

西方经济学根本就是毫无用处的东西，不需要存在。要说预测经济趋势，它预测不准，还有经济学家干脆就说经济学不需要预测。要说指导经济建设，经济建设也不需要它指导，因为市场自动运行，市场是万能的。要说解释经济，也解释得不正确，因为预测不准，肯定是由于解释得不正确，只要解释得正确，就一定能预测准。既然西方经济学不能预测经济，不能指导经济，又不能解释经济，那些经济学家研究这样的经济学还有什么意义呢？这样的经济学还有存在的必要吗？如果取消西方经济学，世界经济仍然照样运转。

知乎用户 小米 发表

我只想说，前统计局那谁被干掉了

知乎用户 大矢觉子 发表

三分之一预测上升，
三分之一预测下降，
三分之一预测不变，
然后总有三分之一的经济学家是对的！
大家的饭碗都保住了~

知乎用户 匿名用户 发表

我认为经济学最核心的功能就是做预测的。做预测的方法可以分为两类方法，从结果上说大致和

@LCHEN

一样，要了解具体方法，可参见 LCHEN 的回答。我这里主要说明解决预测问题的两个思路。
一、白盒方式
这种方式，就是将经济活动细细拆分，考察其各个部分及其之间的关系，这样的话，我们能知道，某个（某些）部分发生变化，或者其之间关系发生变化后的最终影响。
为了解决这个问题，经济学会从两个角度来努力。
1、单一指标的影响。
这种方法，微观层面使用的多，比如考虑教育对收入的影响。在具体研究过程中，会设计实验方法，考察从因果关系层面，教育对收入的影响。利用实证研究，就能知道教育对收入的影响方向及其程度。
2、多个指标影响。
这种方式，在宏观层面使用的多，主要方法是结构式模型。这种方法，给出了各个影响因素，及各个影响因素之间的关系。通过数据，利用模型，就是得出各种参数。

不论上面哪种方法，我们关注的都是因果关系。在知道各个指标及其间关系后，只要能够获得各个指标，我们就能做出预测。

二、黑盒方式
这种方式，不考虑输入和输出之间的处理过程，只考虑输入和输出的统计关系。时间序列就是这样的。就 ARMA 而言，很难说明方程两边变量存在因果关系，但是方程两边指标之间存在稳定的相关关系（或者说统计关系），那么就能过做出预测。

总的来说，这两个方式，主要是思路的差别，目的都是预测（解释也是为了预测）。

知乎用户 梦在何方 发表

只是预测，那只代表过去，不代表未来

知乎用户 叶落秋千 发表

翻硬币，算概率

知乎用户 落叶 发表

要讨论经济学家预测这个问题我觉得首先要明白经济学家的预测都是基于其知识结构、预测模型、掌握的原始信息的多少，例如真实经济数据的情况、未来国家将会采取的政策等，这样就决定了，对不同的指标可能不同经济学家的思考方式是不同的。前面的回答也提到了，由于不同经济指标的特性和数据的可得性不同，预测的方法也是千差万别，要是想预测到每个经济数据的具体数值至少本人认为在现有的技术水平下是不可能的。从两个方面对题主提出的这个问题进行一些探讨性回答。

（一）预测未来的经济走势

一是对于普通经济学者来说，应该更重视经济学家本人分析的方式和采取的各种数据和政策分析依据，只有在明确了这些基础材料之后才能从根本上了解经济学家对未来经济走势分析的科学性。

二是对未来经济的预测应该更加注重代表性数据的分析，例如，同样的投资数据，民间投资情况往往才会反映市场状况，政府投资往往反映的是政府的政策走向问题。当然针对不同的经济分析重点，需要采用不同的代表性数据，要分析企业信心我们就要考虑用 PMI 等数据而不应该简单的看看存量的企业利润。

三是应该着眼长远的数据和指标，而不应该仅仅通过一个月两个月的数据来判断经济走势，毕竟经济涉及范围广泛，尤其是越是到基层进行形势分析的难度就越大，甚至一个简单政策都会将所有经济走势分析推翻。

四是关于分析模型的应用，本人在经济模型分析方面并不是特别了解，但是笔者觉得经济模型分析应该是作为进行经济走势分析的一个辅助手段，而不应该成为主导。

（二）关于具体经济指标的预测

在具体经济指标预测方面，提醒大家注意，在不同的国家分析的方式和分析的侧重点是不同的。对于接近完全市场经济的市场，也许政府的政策等仅仅作为参考便是足够，可是对于大政府情况下的市场，分析的重点应该着眼政府和市场共同的作用。当然，即便如此笔者也不认为哪个经济学家能够对经济指标进行非常精确的预测。由于笔者也参与过相关指标的制定和分析等方面，考虑到政府掌握着非常强大的可动用资源，因此指标的设置一旦确定，政府变回通过集中力量来实现制定的发展目标，这种目标往往跟预测模型差距很大甚至与有些模型预测结果南辕北辙。当然随着人类掌握知识的增加，大数据、人工智能等现代化技术，云计算等处理方式的广泛应用，对经济相关指标的预测也会不断进步，准确性会有提高。

综上所述，本人认为在掌握相当资源的情况下，对未来经济发展趋势的分析是可以实现的，但是准确性却因人而异，要实现百分百准确几乎是不可能的。针对具体的指标也只是在对经济形势分析的基础上进行区间测算，想要达到非常精确是不可能的。当然笔者有的时候也有一丝疑惑，因为在笔者看来经济学本身应该不是用来进行经济预测的，预测只是一种附属的具有参考价值的行为而不应该成为经济分析的唯一，经济更多地还是应该着眼资源配置和利用。

���;�l�[�

知乎用户 天涯路人 发表

猜对了大肆宣传，错了就当我没说，怪我咯

知乎用户 黄永延 发表

@砚云

@砚云

知乎用户 万里长城 发表

研究历史的周期性，通过逻辑推演。

靠金融引领可以 150-200 年，

靠美学引领可以几千年。

知乎用户 Lnode 发表

有函数的啊

知乎用户 兔鼻子 发表

我来告诉你就是模型里主观的调一调，然后看看应变量有没有 sense；
或者用 goal seek 去调自变量，使应变量达到指定值
你信吗

知乎用户 aohoas 发表

从房价走势来看，CPI 又要涨了

知乎用户 lgw422 发表

如果仅用统计学方法，预测也是一门边际效用递减的科学。

经济学家总是犯着精确的错误，远远不如模糊的正确，但如何获取正确又是个大问题。

知乎用户 庸人 发表

战略上求胜，战术上求败。但人们只注重战术，所以经济学家对普通老百姓有点然并卵。但是趋势为王。

知乎用户 超美的南风啊 发表

灵感来自于生活，去了趟菜市场，发现菜价又涨了，预示着全球经济有要上升了，老百姓为了吃饭有要赚钱了，整体来看，经济危机大概在白菜五块一斤的时候，嗯嗯嗯

最简单好用的 VPS,没有之一，注册立得 100 美金