为什么经济预测十分重要？要知道可靠的经济预测能够帮助个人、家庭、政策制定者和企业做出合理的决定，从而促进经济增长、就业和通货膨胀。诺贝尔物理学奖得主 niels bohr 曾说过的：“预测很有难度，预测未来更是难上加难。”但如今，我们可以通过将计量经济学和机器学习等技术相结合的方式，来实现可靠的经济预测。
新加坡管理大学经济学院余俊教授在首场线上公开讲座“预测组合法中的机器学习”上发表了相关演讲。
当谈及‘为什么非线性计量经济模型和非参数模型无法生成可靠的经济预测’时，余俊教授引用统计学家 george box 的名言‘本质上说，所有模型都是错误的，但有些是有用的’。余教授表示，因为经济活动通常会涉及到经济主体，因此建立好一个计量经济学模型既是一门艺术，也是一门科学。通过检验经济理论的有效性，这些模型可以产生更可靠的经济预测。
余俊教授于2004年1月加入新大，同时也是 lkc（李光前）经济学与金融学教授。迄今已在各大学术期刊发表论文70余篇，研究涉及经济、金融和计量经济学领域。余教授目前在三家计量经济学领先的期刊担任编辑职务，并与 peter phillips 、yanru wu 、shuping shi 等教授合著关于发现金融资产和房地产泡沫的文章，引起了研究人员和实践者的广泛关注。各大央行（包括达拉斯联邦储备银行）也因此收到经济泡沫发出的预警信号。
余俊教授曾获新加坡教育部学术研究基金2、3级对外研究奖励，同时他也是老龄化经济学三级项目的首席研究员，被李光前卓越基金授予 lkc（李光前）教授头衔。该奖项表彰和奖励在国际上受到认可和高度评价的杰出学者。
余俊教授在讲座开始时也对李氏基金会的支持表达了感谢
由于模型的不确定性，在选择某一特定模型时可能导致过度推断和提高预测风险，从而影响预测的可靠性。
在数据中，存在结构不稳定性和非平稳性，因此计量经济学文献中常用的方法是将不同计量经济学模型的预测组合起来，这种技术则被称为预测组合。在经济学中，随着经济环境的不断变化，结构不稳定性和非平稳性被认为是普遍存在的。
余俊教授解释说，预测组合通常会给出很好的反馈。在预测组合中使用的一组模型里每个模型都会生成一个预测，然后再将所有模型的预测组合起来。在使用预测组合技术时，我们首先需要解决候选模型的选择，然后是使用权重的选择。
对于机器学习﹙ml﹚余俊教授进行了详细的阐述。这是一种科学研究的算法和统计模型，计算机系统可以无需使用明确的指令，只依靠模式和推理就能有效地执行特定任务。近年来，ml 方法在预测经济活动中成功应用，特别是当反应变量和解释变量之间的潜在关系比较复杂时。
然而，ml 方法都在潜在的关系中具有稳定性。因此，当数据存在结构不稳定性和非平稳性时，现有的 ml 方法就不适合进行经济预测。
因此余俊教授提出了一个新的框架，允许机器学习方法同时考虑多个模型，然后根据预先指定或估计的权值对输出进行平均。在预测关键宏观经济变量（如 gp 增长、通胀率和失业率）和金融变量（如利率）方面的实证应用中，研究发现与单个机器学习技术和传统计量经济学方法相比，结合机器学习方法可以产生更准确的预测。
“大多数机器学习方法都没有考虑到模型的不确定性。某一时期好用的机器学习策略并不一定适用于另一时期。因此预测组合的思路可以应用于机器学习策略，这种方法可以被视为一种新的集成学习算法。”余俊教授评论道。
