预测误差

预测误差计算提供了对过去预测质量的定量估计，并且有多种计算方法可以帮助您以统计方式表达预测的准确性。

下表包含标准预测误差计算方法。

名称	描述	计算
偏差	偏差是一种一致性误差，会导致预测过高或过低。如果当前和历史预测中的实际和预测需求之间存在一致差异，则预测会有偏差。该计算可以返回预测误差，衡量预测一致过高或过低的情况。	(Sum actuals - Sum forecast) / Sum actuals
平均值	一组值的算术平均值。	Average(values)
平均绝对偏差（MAD）	MAD 显示预测中的平均误差大小。但是，由于 MAD 以单位返回平均误差，因此有时对于比较没有多大用处。MAD 是观测值和预期值之间偏差绝对值的平均值。	Average(Abs(forecast - actual))
平均绝对百分比误差（MAPE）	MAPE 表示与销量相关的预测误差。基本上，它会告诉您预测平均偏离多少个百分点。在计划需求时，MAPE 可能是最常用的预测指标。	MAPE 的计算方法是用 MAD 除以平均需求，再乘以 100。 (1 / sample size) × ∑((actual - forecast) / actual) × 100
平均绝对扩展误差（MASE）	MASE 是预测值的平均绝对误差，除以样本内朴素预测的平均绝对误差。建议使用 MASE 计算方法来确定预测的比较准确性。	Average(Abs(forecast - actual)) / ((1 / sample size) × ∑((actual - forecast) / actual))
均方差（MSE）	MSE 测量估计值和实际值之间的均方差。用残差总和除以数据点总数，然后取商的平方根。	(1 / sample size) × Σ(actual - forecast)2
跟踪信号	这种计算方法可以衡量持续偏差，即预测过低或预测过高的情况。跟踪信号是预测值和实际值之间，偏差的累积代数和与平均绝对偏差之比。当预测模型存在偏差时，您可以使用该计算方法来提醒自己。	预测误差累积总和（估计预测值与实际值之间的偏差）与平均绝对偏差的比率。平均绝对偏差是预测误差（预测值和实际值）的累积绝对总和与周期数的比率。
加权平均绝对百分比误差（WMAPE）	WMAPE 根据实际需求对预测误差进行加权。它赋予优先项目权重，将预测误差偏向优先项目。由于 MAPE 没有及时考虑产品之间或时刻之间可能存在的优先级差异，因此需要经常用到 WMAPE。	∑ (weight|forecast – actual demand|) / ∑ (weight|actual demand|)