在商业预测、库存管理、销售规划等领域，预测准确率是衡量预测模型有效性的核心指标。不同的业务场景和数据特点，往往需要选择不同的计算方法。本文将详细解析 14 种常用的预测准确率计算公式，帮助你根据实际需求做出合适的选择。
一、预测准确率的核心意义
预测准确率反映了预测值与实际值之间的吻合程度，其数值越接近 100%，说明预测效果越好。在实际应用中，准确率的计算需考虑数据量级、业务权重、异常值影响等因素，因此衍生出多种计算方法。
二、基于实际需求量的预测准确率公式
这类公式以 “实际需求量” 为核心参考基准，适用于重视实际结果与预测偏差的场景（如库存补货、生产计划）。
1. 1-WMPAE（加权平均绝对百分比误差修正）
公式：预测准确率 = 1 – [sum (权重 ×| 实际需求量 – 预测需求量 |) /sum (权重 × 实际需求量)] × 100%
关键：通过 “权重” 体现不同数据的重要性（如高价值商品权重更高），修正了简单平均的偏差。
2. 1-WAPE（加权绝对百分比误差修正）
公式：预测准确率 = 1 – [sum (| 实际需求量 – 预测需求量 |) /sum (实际需求量)] × 100%
特点：不考虑个体权重，直接以总偏差与总实际量的比例计算，适用于各数据重要性相近的场景。
3. 1-sMAPE（对称平均绝对百分比误差修正）
公式：预测准确率 = 1 – [sum (| 实际需求量 – 预测需求量 | /avg (预测需求量 + 实际需求量) × 100%) / SKU 数量]
优势：通过 “平均值（预测 + 实际）” 作为分母，解决了实际需求量为 0 时的计算难题，对称性更强。
4. 1-MAPE（平均绝对百分比误差修正）
公式：预测准确率 = 1 – [sum (| 实际需求量 – 预测需求量 | / 实际需求量 × 100%) / SKU 数量]
注意：当实际需求量为 0 时，分母为 0 会导致结果失真，需提前处理此类异常值。
5. WMPAE（加权平均绝对百分比误差）
公式：预测准确率 = [sum (权重 ×| 实际需求量 – 预测需求量 |) /sum (权重 × 实际需求量)] × 100%
说明：直接输出误差值（非修正值），数值越小说明准确率越高，与 1-WMPAE 互为补充。
6. WAPE（加权绝对百分比误差）
公式：预测准确率 = [sum (| 实际需求量 – 预测需求量 |) /sum (实际需求量)] × 100%
适用场景：需直观查看总偏差占实际总量比例的场景（如供应链效率评估）。
7. sMAPE（对称平均绝对百分比误差）
公式：预测准确率 = [sum (| 实际需求量 – 预测需求量 | /avg (预测需求量 + 实际需求量) × 100%) / SKU 数量]
亮点：对极端值的敏感度较低，适合数据波动较大的行业（如快消品）。
8. MAPE（平均绝对百分比误差）
公式：预测准确率 = [sum (| 实际需求量 – 预测需求量 | / 实际需求量 × 100%) / SKU 数量]
经典场景：传统销售预测中，用于评估单品类预测的稳定性。
三、基于预测需求量的预测准确率公式
当预测值本身具有决策指导意义（如预算规划、资源分配）时，可选择以 “预测需求量” 为基准的公式。
9. 1-WMPAE（预测值为分母）
公式：预测准确率 = 1 – [sum (权重 ×| 实际需求量 – 预测需求量 |) /sum (权重 × 预测需求量)] × 100%
用途：强调预测值与实际值的偏差对计划执行的影响（如营销预算预测）。
10. 1-WAPE（预测值为分母）
公式：预测准确率 = 1 – [sum (| 实际需求量 – 预测需求量 |) /sum (预测需求量)] × 100%
特点：忽略个体权重，聚焦总预测偏差，适用于宏观计划评估。
11. 1-MAPE（预测值为分母）
公式：预测准确率 = 1 – [sum (| 实际需求量 – 预测需求量 | / 预测需求量 × 100%) / SKU 数量]
注意：若预测值为 0，分母为 0 会导致结果无效，需谨慎使用。
12. WMPAE（预测值为分母）
公式：预测准确率 = [sum (权重 ×| 实际需求量 – 预测需求量 |) /sum (权重 × 预测需求量)] × 100%
说明：直接输出基于预测值的加权误差，数值越小准确率越高。
13. WAPE（预测值为分母）
公式：预测准确率 = [sum (| 实际需求量 – 预测需求量 |) /sum (预测需求量)] × 100%
适用：快速评估整体预测偏差占总预测量的比例。
14. MAPE（预测值为分母）
公式：预测准确率 = [sum (| 实际需求量 – 预测需求量 | / 预测需求量 × 100%) / SKU 数量]
场景：单品类预测中，需明确个体预测偏差率的场景（如新品销售预测）。