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，A_t为时段t的实际值；F_t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。