每到发布季，各类预测数字密集出现。预测当然有价值，但把它当成确定的未来，却常常带来误判。用几个经典理论来读预测这件事，能明白它为什么会失灵，也能找到它的边界在哪里。

用大数定律与回归均值读

统计学中的大数定律说明，样本足够大时，随机波动会相互抵消，结果趋于稳定，这也是很多预测方法能够成立的基础。与此相关的是回归均值：极端的好与坏往往向平均水平回摆。理解了这一点就会明白，预测之所以在平稳期比较准，是因为它依赖的是相对稳定的历史规律；而当规律本身在变，历史平均值的参考意义就会大大下降，越是对着过去拟合得精细，越可能在转折处栽跟头。这不是方法不够先进，而是被预测的对象已经换了一副模样。

用卢卡斯批判看失效

经济学里有一个著名的判断：一旦政策或规则改变，人们的行为也会随之改变，过去数据里总结出来的关系便不再可靠。这就是所谓的卢卡斯批判。数据预测常常栽在这里——模型依据的是昨天的行为模式，可当外部条件变化，企业和个人会调整策略，原来的相关性也就断了。这也是为什么一些看似精密的预测，在转折点附近反而错得离谱，越自信越危险。把预测看成对人心和行为的推断，就会对它的不稳定性多一分敬畏。

预测的适用边界

因此，判断一份预测能不能用，可以先看三点：其一，所处的环境是否稳定，若正处在结构性变化之中，任何基于历史关系的预测都要打折扣；其二，预测的是总量还是结构，总量通常更平稳，结构则变化更快；其三，它给出的是区间还是点值，区间预测往往更诚实，点值则常被误当成承诺。

预测的意义不在于给出答案，而在于帮我们理清变量之间的关系。把它当作参照而非结论，心里的边界感自然就有了。