△经济预测的误差
经济预测的最大问题是：大多数时候，经济预测都是以单一的数字呈现出来的，比如3%，9.2%。这些数字会让人以为这些经济预测惊人地准确，于是，新闻报道会对经济预测的微小偏差大惊小怪。
1997年4月，美国大福克斯市遭遇洪水袭击。这次事件中，美国国家气象局提前2个月就预测到了洪峰可能达到14.9米。大福克斯市的堤坝标准是15.5米，但民众不知道的是，依照历史规律，该次预测的误差约有±2.7米，也就是说，有35%的可能，提拔会被洪水冲毁。
最终，洪水的水位是16.5米。
在预测的过程中，不确定性一直存在，但当预测结果被公布时，不确定性却消失了。
现实生活中，经济学家预测GDP时，90%的预测区间可以跨越6.4%的真实GDP增长率，相当于误差幅度是±3.2。
所以当你得知明年的GDP将会增长2.5%时，实际上意味着GDP可能增长5.7%，也可能降低0.7%。
上图统计了经济学家90%的预测区间和实际GDP增长率的比较，18年中，实际GDP增长率有6次跌出了预测中值±45%的范围。
这已经不仅仅是过度自信的问题了，甚至可能是动机不纯。
△经济预测的挑战
高盛的简 哈祖斯认为，经济预测者面临着三大基本挑战：
1、单纯依靠经济统计数据很难判断起因和结果；
2、经济始终在变化，某一周期的运行规律不能解释未来经济的发展；
3、经济学家预测时所参照的数据质量很差。
△经济模型的问题
在面对2007年已经露头的经济衰退时，美联储没有做出正确的预测。原因在于，它所使用的模型中，在1983~2006年间，只有3%的时间段是“衰退期”（被称作“大缓和”期），用20世纪80年代中期的数据估计现在的不确定性，就是在含蓄地假设“大缓和”时期之后的平静状态会一直持续到未来。
<可以比较下经济预测和其他预测系统：和天气预测系统相比，经济系统也处在动态+混沌中，过去很久的数据不一定适合现在的模型；和地震预测相比，在黑天鹅之后作经济预测，很像在预测主震之后余震的强度和分布。>
△经济数据的问题
美国政府每年公布的数据有4.5万个，而私人数据提供者甚至能追踪400万个不同的统计。如果试图将所有的数据都囊括进来，必然会犯过度拟合的错误（还记得上一章那张过度拟合的图吗）。
哈祖斯认为，包含了大多数经济事务的领先指标，只有二三十个而已。真正具有预测性的变量几乎不存在，因为想要弄明白哪些是因果关系，哪些有相关性，是很困难的。
而在一个经济周期中作为领先指标的变量，经常在下一周期成为了滞后指标。
更麻烦的是，经济预测和经济政策之间的反馈会让问题变得更严重。为此经济预测者纪要预测经济发展，又要预测经济决策，还要预测经济决策。
就是经济数据本身，也充满了噪声：经济数据不但需要修正，甚至要修正很多年。
△经济预测中的误区
在经济预测中，认为光凭数据就能得出结论的思想流播甚广，相当于只把经济看做变量和方程式，这样做很容易把噪声当做信号，误以为自己正在作出正确的（而且还是很精确的）预测。而哈祖斯将经济中的因果关系链称作“故事”，根植于真实世界的故事。经济预测需要数据，更需要故事。
△人与机器
在其他领域人类似乎都认识到了机器的不足之时，经济预测里“数据决定论”似乎更有市场。问题是，在我们没有对经济运行建立起一套正确的理论时，用现有的模型，越多的数据只会产生更多的噪声。这并不是数据的错，而是预测者没有认识到自身的不足。
更普遍的，在于动机。为了寻求关注，名气越小的经济学家，作预测时越敢冒险，同时经济领域的投机者也因其特有的经济思想而拥有各自的市场，这些都是身为人的偏见。人若不能认识到自己的局限，出于别的动机而自愿被偏见裹挟，那么不管技术有多进步，也是无法提高预测水平的。
