3. 滚动预测原理
滚动预测不是“把年度预算拆成周”这么简单。它的本质是：用固定长度的预测窗口，沿着时间轴持续向前滑动，每次滑动都基于最新实际数据重算未来。理解滚动预测，必须同时掌握四个参数：滚动周期、预测窗口、更新频率，以及为什么现金流场景偏爱13周。这四个参数共同决定了预测的灵敏度、稳定性和管理价值。
一、核心原理：三个参数定义一套滚动机制
滚动预测由三个相互独立的参数构成，很多团队把它们混为一谈，导致模型越做越乱。
- 滚动周期（Rolling Step）：每次向前推进的时间长度。可以是1周、2周或4周。周期越短，预测越贴近现实，但维护成本越高。
- 预测窗口（Forecast Horizon）：每次预测覆盖的未来时间跨度。窗口长度决定了你能“看多远”，通常与业务决策周期匹配。
- 更新频率（Update Frequency）：实际数据回填并触发重算的节奏。它决定预测“多久刷新一次”，与滚动周期可以相同，也可以不同。
三者关系可以用一个简单公式表达：预测窗口 ÷ 滚动周期 = 窗口内包含的滚动次数。例如窗口13周、每周滚动一次，则窗口内始终有13个预测周，每周淘汰最旧的一周、补入最新的一周。
关键理解：滚动预测的“滚动”发生在窗口边界，而不是在窗口内部。每次滚动，窗口整体平移一个周期，历史实际值替换掉原来的预测值，未来重新生成。
二、方法流程：一次滚动更新的完整动作
以13周窗口、每周一更新为例，一次标准滚动更新包含以下步骤：
- 回填实际值：将上一周的实际现金流入、流出、余额写入模型，替换该周的预测值。
- 计算偏差：对比上一周预测值与实际值，识别偏差来源（回款延迟、付款提前、费用超支等）。
- 平移窗口：窗口向前移动一周，最旧的一周退出，新的第13周进入。
- 重算未来：基于最新实际余额和更新后的假设，重新计算未来13周的现金流。
- 输出与预警：生成新的13周现金流曲线，标记低于安全余额的周次。
这个过程可以用一段伪代码描述其参数逻辑：
window_size = 13 # 预测窗口：13周
rolling_step = 1 # 滚动周期：每周滚动
update_freq = "weekly" # 更新频率：每周一更新
for week in timeline:
actual = load_actual(week) # 回填实际值
variance = actual - forecast[week] # 计算偏差
window = slide(window, rolling_step) # 窗口平移
forecast = recalc(window, assumptions) # 重算未来
alert = check_balance(forecast, min_balance)
注意：滚动周期和更新频率可以解耦。例如每两周滚动一次，但实际数据每周回填一次，这样既降低重算频率，又保证数据及时性。
三、为什么是13周：现金流场景的黄金窗口
13周不是随意选择的数字，它对应一个季度，同时满足现金流管理的多个约束：
| 维度 | 13周窗口的优势 | 更短窗口（如4周） | 更长窗口（如26周） |
|---|---|---|---|
| 覆盖完整收款周期 | 覆盖大多数企业30-90天账期 | 无法覆盖长账期客户 | 覆盖充分但冗余 |
| 与季度管理对齐 | 天然对应季度复盘节奏 | 与季度脱节 | 跨两个季度，对齐困难 |
| 预测精度 | 周级精度可控，偏差可追溯 | 精度高但视野太窄 | 远端周精度快速下降 |
| 维护成本 | 13行数据，人工可维护 | 成本低但决策价值有限 | 26行以上，维护负担重 |
| 预警提前量 | 提前约3个月发现缺口 | 预警太晚，来不及融资 | 预警过早，行动易拖延 |
从实践看，13周窗口恰好覆盖“供应商付款+客户回款+工资税费”一个完整循环，同时留出约一个月的融资缓冲期。这就是它成为现金流滚动预测默认标准的原因。
四、常见误区与复盘要点
误区1：把滚动周期当成更新频率。每周滚动一次，但实际数据每月才回填一次，导致预测长期基于过期数据，滚动失去意义。
误区2：窗口越长越好。26周窗口远端预测误差可能超过50%，反而干扰决策。13周是精度与视野的平衡点。
误区3：只滚动不归因。每次滚动只更新数字，不分析偏差原因，模型会逐渐变成“数字游戏”，失去管理价值。
复盘建议：每周滚动后，用5分钟记录三个问题——上周预测偏差最大的科目是什么？偏差原因是假设错误还是执行延迟？本周需要调整哪个关键假设？坚持13周，预测准确率通常能提升20%以上。
滚动预测的价值不在于预测本身有多准，而在于它建立了一种持续校准、持续预警、持续行动的现金流管理节奏。13周窗口、每周滚动、每周更新，这套组合经过大量企业验证，是现金流预测领域最稳健的起点。