预测的准确与否，会直接影响到交易的盈亏，市场上的人无疑都是根据一定的预测进行买卖，无论是通过消息判断，还是技术判断。大到机构投资者，小到散户，都根据自认为合理的预测方向去交易。强大的预测能力，无疑是令人向往的。
在聊预测之前，需要知道一个人——Francis Galton爵士，没有他，这个方法不知道还要迟到多少年。他是19世纪英国著名的学者，是达尔文的表兄。在他对种子的研究中，有如下的一段话：
从这些实验可以看出，子代的高度和母本高度似乎并不相关，但似乎前者比后者更趋于平均。如果母本较高，那么子代就会变矮；如果母本较矮，则子代就会变高。实验显示，子代向平均值的回归与母本高矮的差异是成比例的。
看到这里你可能知道预测的方法是什么了，没错，它就是回归！就像这个实验的发现一样，回归效应随处可见，例如：上学时，总会有个别成绩中等偏上，但偶尔会考出极其优异的分数的同学；竞技体育运动员，总会有人报道他们的竞技巅峰与低谷；交易中，也总有你们崇拜的各种股神、金融大鳄等跌落神坛。
市场上的行情亦是如此，表现极其亮眼的股票会跌落，表现极差的股票会反弹，一切都不过是回到了他们应该存在的均值水平。可均值到底是多少呢？我们需要涉及一下计量经济学中的知识，我会避开晦涩的数学描述，以历史行情图示的方法讲述，因为我知道很多人看到数学就头疼。
计量经济学中有很多回归：简单线性回归，多元线性回归，自回归，虚拟变量回归等等。在本人的实际应用中，最好用的往往就是最简单的那一个——简单线性回归。本文不是回归教学文章，在这里只介绍一下简单线性回归的直观几何意义，并不讨论更多的误差分析，如图1所示，根据图中所有的点到线的距离的和的最小值，画出的紫线就是所有蓝点的线性回归线，红色细线就是趋势预测方向。
图1
我们以咖啡指数为例：
图2
图2，这是2001年8月至2008年10月的咖啡指数周线图，我们用黄线表示它的线性回归线。我们根据理论，可以估计价格暂时会按照箭头方向波动。
图3
我们把时间线扩展至2013年。图3，整体价格趋势，是按照红色趋势预测方向波动。但在途中绿色竖线2010年10月之后，明显上涨强劲，远超其10年的简单回归均线。在2011年4月价格到达峰值，随后便快速下落，在2012年5月回归均线附近。显然，这是符合Francis Galton爵士的实验发现的。
这只是一个简单的举例，实际的应用中，涉及的分析点会更多，例如时间轴的选择很重要、分段线性回归也比较常见（一种变量到达临界值后发生的突变，简单来说斜率改变，形成折线）。不过，我们仍然可以根据这个简单例子的方法，去逐个的验证更多的市场，你会发现它们是惊人的一致。如果某种走势，无法根据目前的认知能力进行预测，避开就好。当下各种震荡、趋势、管道等技术分析预测手段，从我个人观点来看，无一不是对回归的应用，只不过是他们包装了一下，起了个新的名字而已。
此文中的方法是本人经常使用的，希望此文能助君一臂之力，与君共勉。后面将进行A股相关行业的预测，敬请期待，欢迎私信交流。
<原创文章，转载请注明>-------来自闲愚