1-100年——不完全预测方法总结

1年,3年,10年以及50年到100年分别如何进行预测?本篇列举和总结一些不完全预测方法。

shutterstock_678035632-675x380
当需要对这些不同的时间段进行预测时,首先要搞清楚两件事。第一件事情是我们分别预测的是什么?1年以内的预测和5-10年的预测以及50-100年的预测首先时间跨度完全不一样,一个是365天以内的事情,另一个则是半个世纪以后的事情。第二件事情是预测的事件和频率也不一样。1年以内预测的是我们经常能遇到的频繁事件,1-3年预测的是可知事件,3-5年预测的则是趋势事件,5-10年预测的是人口的代际事件,10-50年预测的是周期事件,而50-100年则是未知的资源事件。时间跨度不同,预测的事件不同,所以需要区分出稳定因素和变化因素,并且针对不同的事件选择不同的参照物,使用不同的预测方法。

sea star
这有点像划船和航海的区别。在小河或熟悉的水道时可以完全凭借经验和记忆,偶尔参考岸边的参照物。而在较大的湖中水流变的复杂,也无法通过肉眼看到岸边或参照物,就需要辅助的磁石“思南”来确定方向和自己的位置。再大一些的江河中可能需要灯塔来定位,而在大洋中航行时则要利用太阳和北极星作为海上导航标志来定位。在这个过程中,太远和北极星是稳定因素,而岸边的参照物则是变化因素。

下面分别总结不同时间周期的预测方法:

1年以内预测

personal experience
1年以内预测的是频繁发生的事件,也就是我们每个人都能多次遇到和经历的事情。这些事情由于发生的次数高已经被总结成了规律,并且内化在每个人的经验之中了,所以预测1年以内的事情大部分依靠经验和对规律的总结。比如,每年都会有4个节气,固定的节假日,气温会呈规律性变化,每年的人口出生率和死亡率变化不大。人们的生活习惯也不会在很短的时间内发生剧烈的变化。就连商业上每年的促销周期都是一样的。

除非有非常特殊的事件发生,否则1年以内的事件大部分可以依靠经验和规律进行判断。不过这里所说的凭经验和规律并不是闭着眼睛瞎猜,而是一种对数据内化的形式。这种形式只有在非常高的频率下才会形成。所以它只适用于1年以内的预测,而不适用于更长的时间周期。

1-3年预测

human-lifespan
1-3年预测的是可知事件,这个时间周期比1年以内要长,变化的因素更多一些。1-3年不会产生人口代际上的变化,因此可以依靠历史数据进行预测。3年时间一个人可能从学生变成一个职场人,从单身变成已婚,或者转换职业等身份变化。而前一波人的数据大部分可以用来预测后一波人的行为。我在文章《解读6个人口统计数据》中的可支配收入部分曾经介绍过不同年龄段人口的消费变化。

“婴儿阶段的人口需求来自父母和家庭,虽然婴儿本身没有可支配收入,但婴儿的所有需求几乎都是刚性的,并且由父母和整个大家庭(爷爷奶奶,姥姥姥爷)的可支配收入支撑。所以婴儿阶段的消费能力是以整个家庭的可支配收入作为基础的。”

“青少年时期开始获得收入,产生可以支配收入。随着获得可支配收入的累积,购买的决策而能力也逐步增加,这个阶段的人口是消费能力最强的时期,尤其是对于娱乐的需求。因为负担较小,没有对耐用消耗品的需求,父母还在工作阶段也没有赡养的负担。”

“从少年变为青年的过程,开始进入结婚的年龄。在结婚后,重要的变化是消费由青少年时期的个人转为家庭。并且开始对耐用消费品产生需求。”

“在中年阶段,如果有子女的话,消费重心从个人娱乐,耐用消费品转向子女的抚养和教育的消费。同时由于父母进入老年阶段,开始有赡养的负担。个人和家庭的消费需求开始减弱。”

“老年阶段不在继续产生新的可支配收入,同时还可能会需要补贴大家庭中的子女,以及为未来可能产生的医疗费用进行准备。”

germany-Uganda-2014
无论是婴儿,青年,少年,中年还是老年,每一个阶段人口属性的变化都会导致市场的变化。尤其是在人口代际中出现婴儿潮这种事件的时候,每过渡到一个年龄段都会产生很大的变化,而一代人什么时候经历少年,什么时候开始结婚,什么时候步入中年都是可以根据年龄结构预测出来的,这也是我将1-3年作为可预测事件的原因。

此外竞争环境也会发生变化,据说只有30%的初创企业能存活3年以上,这些都足以看出1-3年这个时间段中的变化因素要比1年以内多得多。因此,对于1-3年的预测依靠历史数据,平均值,回归分析,时间序列等等。

3-5年预测

technology-adoption
3-5年预测的是趋势事件,这个周期又比1-3年要更长一些,但其中也包含了所有1-3年的变化因素。3-5年的时间段内,除了人口结构会继续发生变化之外,一些新技术会变的成熟,成为新的行业,创造新的职业,甚至带来社会和经济层面的变化。因此对技术,经济,社会和政治 (PEST分析模型)的关注是预测3-5年趋势事件的方法。

_68928925_464_typing-pool
比如1874年第一台雷明顿I型打字机出现,当时没有人懂得如何打字。要打完前四行文字之后纸张才能露出机器,打字人才能看到自己所打的内容是否正确。这种机器只卖出了4000台。仅仅4年后的1878年改进版的雷明顿II型打字机就增加了换行和小写字母的功能。改进后的机器一共卖出了10万台。随后雷明顿打字机开始进入办公室,成为必备的办公用品。一个新的以女性为主的速记员职业诞生。1890年共有33000名速记员,1900年增长到134000,1910年387000,1920年786000。所有打字员和速记员中女性比例达到92%。而职业化的女性也拥有了更多的选举权。这是技术对社会和政治的影响。

nylon_news_f
速记员改变了当时女性的职业,同时也改变了女性的收入水平。而最受益的是杜邦公司。我在文章《有界和无界》中曾介绍过杜邦的尼龙产品和4个关键的增长战略,尼龙的最初用途主要是制作降落伞,和绳子及线等附件。在增长曲线开始变得平缓时,尼龙进入了女性的丝袜市场,再次形成稳定的增长曲线。如果说打败方便面的是外卖,消灭黑摩滴的是共享单车的话,谁有能想到给杜邦的尼龙带来增长的是雷明顿打字机呢。雷明顿创造了专属女性的职业,而丝袜则成了针对职业女性人群的必备职业装。这是由技术产生的对社会和经济的影响进而对相关产业的影响。

Incandescent lamps
再来看看另一个白炽灯技术改进时间,从1881年的碳化竹灯丝变成1884年的涂层纤维素用了3年时间,白炽灯亮度从1.68流明增加到3.4流明。从1902年的钽丝变成1904年的钨丝灯丝用了2年时间。白炽灯的寿命从250小时增加到800小时。

现代我们能感知的技术变化,从2016年到2019年智能手机的密码从简短的数字到指纹技术再到人脸识别技术。同时发生改变的还有现金支付和二维码的电子支付技术。从路边和电话约车到通过手机APP约车。

5-10年预测

人口代际
5-10年预测的是代际事件,影响这个事件的主要因素是人。人口的变化也是预测5-10年变化的主要因素。首先是人口代际的变化。以美国人口的代际为例,1928—1945年是沉默的一代,1946—1964年是婴儿潮,1965—1980年是X世代,1981—1996年是千禧一代,1997—2012年是Z世代,而2010到2020则是阿尔法世代。沉默一代是17年,婴儿潮一代是18年,X世代15年,千禧一代15年,Z世代15年。每个代际的人口之间都有显著的不同,而创造这些差异的时间则从18年缩短到15年。

1920px-Urbanization_over_the_past_500_years_(Historical_sources_and_UN_(1500_to_2016)),_OWID.svg
其次是人口迁移带来的变化,也就是城市化。城市化虽然是一个漫长的过程,在英格兰和威尔士用城市人口从17%上升到54%用了近90年的时间(1801—1891)。但留给公司和企业响应的时间却很短。西尔斯从创立到转变为针对城市市场用了60年时间,而JCPenney则只用了短短15年时间(参考我之前的文章《战略,战术和策略》)。当时他们都是针对农村市场,但在人口开始向城市迁移后,转变为面向城市市场。

10-50年预测

KONDRATIEV_wave_theory1

10—50年预测的是周期性事件。第一个方法是利用各种周期。比如康德拉季耶夫在1926年发现的为期50-60年的康波周期。库兹涅兹的15—25年的房地产周期。克里门特•朱格拉(C Juglar)的9~10年的经济周期等等。

maxresdefault
第二个方法利用GDP进行预测,或者说对比行业在不同GDP国家中的发展和衰落情况。比如我在文章《解读6个人口统计数据》中曾引用过的内容:

“当人均GDP在2000美元以下时,人们主要喝烈酒;当人均GDP在3000-4000美元的时候,啤酒消费曲线陡峭上扬,当人均GDP达到5000美元以上时,红酒和啤酒交相辉映。

当人均国内生产总值处于800—3000美元时,汽车市场需求迅速上升,人均汽车拥有量也大幅度提高,中国机械工业联合会的专家说,当人均GDP达到1000美元时,汽车开始进入家庭。而人均GDP达到3000美元的时候,私人购车将出现爆发性增长。

当人均GDP超过1000美金的时候,对营养和保健的需求集中爆发,乳制品行业将进入快速增长期。当人均GDP水平达5000美元以上时人们对健康和精神的消费支出将有显著的提高。”

已有的事,后必再有;已行的事,后必再行。日光之下,并无新事。后面我会单独写一篇关于GDP比较和预测的文章来具体说明。

thumb_10771_710_0_0_0_auto

第三个方法是去博物馆或者画展,观察绘画和艺术品的风格变化。艺术风格的变化是一个风向标,每次当艺术风格从写实转变为抽象时都会带来变化。

50-100年预测

power the world

50—100年预测的是未知的资源事件。这里的资源事件主要指能源和气候。在50—100年甚至100年以上更长的时间段进行预测,能源和气候就像是天空中的太阳和北极星一样是唯一不变的稳定因素。也只有依靠这些稳定因素才能确定自己当前的位置和方向,并对未来做出预测。

03-mining-and-forestry-manager-137691920-kletr-shutterstock-1024x768
首先是能源,早期的能源以木材为主,公元前二世纪,地中海沿岸,中东和印度北部的森林大面积减少。据说是由于气温上升,沙漠化和人口增加和能源多度消耗的共同结果。古代人当时还不了解煤炭和石油,森林是唯一的能源来源。因此,森林资源的枯竭意味着能源危机!而能源的短缺限制了生产力的发展,灌溉用的水道和建筑用的砖和陶土都需要木材产生的热量来制造。所以,能源的短缺迅速影响了大部分行业和商品的生产。从市场的供给角度来看,这部分是对供给端的影响。

Hubbert_peak_oil_plot.svg
另一部分影响来自市场的另一面,也就是需求端。当生产和开工不足时自然会影响到就业和人们的收入。当然这还只是一小部分。更大的影响是,当能源富足,商品丰富时,人们能真实的感受到经济的增长,因此人们会相信“明天会更好”。当能源出现危机时,生产,就业,收入等整体的增长受到限制,必然每个人也都受到影响,因此会感觉到“明天充满不确定性”。这种影响会体现在多个方面。比如,家庭结构,婚姻,和生育和消费。或者说,这就像是动物的冬眠现象,缺乏食物是动物冬眠的主要原因,在冬眠时动物会停止一切活动,体温下降,心率减缓,能量来源从饮食变成消耗体内储存的脂肪等等。而这从供需角度来看是对需求端的影响。

landscape-3
如果说公元前二世纪能源比较单一,现在有煤炭,石油和电力等多种能源的话。可以把公元前二世纪和1973年的石油危机对比一下。1973年10月石油输出国组织宣布实行石油禁运。美国1974—1974年股市崩盘。政府要求市民圣诞节期间不要悬挂圣诞灯笼。俄勒冈州禁止圣诞节和商业照明。全国汽油实行配给计划。英国,德国,意大利等西欧国家周日禁止飞行和驾驶行为。瑞典对汽油和取暖燃油实行配给制。荷兰对用电量超标的人判处监禁。日本有55天的库存石油,还有20天的在途石油,但也受到重创。日本政府下令将工业石油和电力的消耗量减少10%,减少汽车的使用量。

Spark-o-Graphoic-160
从具体的行业角度来看,受石油危机影响最明显的是汽车行业。1971年之前V8是雪佛兰标配的发动机型号。石油危机后,人们开始远离大型,重型和高排量的汽车。日本通过更省油的四缸发动机和前置发动机/前轮驱动布局的小型节能汽车赢得了更大的市场份额。

木材和煤炭支撑了农业时代,石油支撑了工业时代,而电力则支撑了信息时代。每一个时代都以低以及的时代为基础,每一种高级的能源也都依赖于较低一级的能源。所以,发生在农业时代木材短缺换到工业时代就是石油危机,而同样的问题也会在信息时代重演。

Global_Temperature_Anomaly.svg
其次是气候,气候是指一个地区在温度,湿度,气压和降水等因素上形成的长期天气模式,通常这种模式会持续超过30年。气候的变化是一个随时间变化的过程,影响这些变化的因素很多,例如地球轨道变化,阳光强度变化,人类活动等等。当然,这些因素也有不同的权重,比如长期来看地区轨道变化的影响就远远大于人类活动和二氧化碳的影响。

在昆虫的世界里,一只蜜蜂的生命大概是3-4个月,而工蜂的寿命更短,在繁忙的采蜜期平均只有28天。蜜蜂通常只在气候温暖植物开花的季节采蜜授粉。所以在蜜蜂的一生中世界总是温暖的。它们并不知道年复一年,四季更迭。

solar
我们对气候变化最直观的感受就是温度变冷或者变热。在这里并不讨论气候最终会变暖还是变冷。只说气候变化对预测的影响。从宏观到微观来看,地球在过去经历了周期性的气候变化,其中包含了四个主要的冰河时代。大约在公元前2200年发生过一次气候变冷事件,随后在公元前2100-2050年气候开始变暖,冰川消融。公元600年开始再次进入寒冷期。公元1050年再次进入温暖期。公元1125年气温骤寒。公元1200到1350年再次进入温暖期。列举这些时间和气温变化是想说明气候和温度的变化是有明显的规律性的。从宏观角度来,首先农业种植和生产是严重依赖温度变化的。其次气温变化会影响对能源的需求,尤其是当气候变冷的时候(2022年欧洲天然气价格飙升至每1000立方米2200欧元(约合人民币1.58万元)以上,创下历史最高纪录。)。而从微观角度来看,当全球变冷后对能源的消费可能成为每个人收入分配中最大的部分。而从商业上来看,可能会出现一些新的产业和机会。比如光伏发电和埃隆•马斯克(Elon Musk)的SolarCity公司。

—【本篇文章版权归 蓝鲸(王彦平)所有,请勿转载,侵权必究。】—

Speak Your Mind

*