量化、预测、仿真和分析的异同的思考-beta 1.0

1、预测，不是“量化经济”必然能达成的结果。

     很多时候，我们无法通过数据做到“预测”。时间序列不必然能预测到拐点，预测不了拐点，就是没预测成功。
     我们现在有的，更多是“规律”。周期的，像钟摆一样，有规则和循环的，才能进行预测。

     在一个中期时间阶段，背景或环境稳定时，像餐馆的消费、码头的货运，就是有周期、规则，会循环、重新的。这个时候，用时间序列也好，用各种方式也好，那是可以预测出一些规则。
     比如，自然环境风平浪静，人们收入缓步增长，消费升级是主流。这时候，一个概念中高端餐馆的消费是可以预测的。
     但是，如果疫情来了，他的销售就是难以预测的，甚至会是断崖的。这个时候，他传统的“BI 报表”的SQL和算法，就失效了。

     这时候，就要结合行业（产业）宏观、消费宏观，甚至货币、汇率的数据来看了。
     如果有“互联网商业数据监控”，就能发现新品类在崛起。可以借鉴调整品类或菜单。
     如果是宏观经济在剧变，可能考虑就是企业是开下去还是关闭，到其他赛道另起炉灶的问题了。

    

     所以，导致拐点的力量，往往来自系统之外。一个商业数据库，不会跳出去采用宏观经济数据来预测行业的拐点。

     而系统设计和开发上最难的，在很多领域，我们根本难以建立“影响力因子”模型。我们不知道，哪些外部特征是“因”，作用了这个行业、这个类目。

     “五运六气