上市公司的业绩预测，是金融经济预测的一个重要分支。它对上市公司所反映的各种资讯进行收集、整理、综合等工作，从上市公司的历史、现状和规律性出发，运用科学的方法，对上市公司未来发展前景进行测定[3]。

1.3  回归的发展概况

  回归分析方法通常分为线性和非线性回归方法两大类，其中线性回归方法己经发展成为数理统计学的一个相对成熟的重要分支之一，并被广泛应用于经济学、社会科学、工程技术和生物学等许多领域当中，进行各专业指标变量的统计分析和预测控制，并取得可喜成绩。随着回归分析方法研究的逐步深入以及具体实践遇到的大量复杂的非线性问题，在线性统计的基础上，非线性回归分析研究也逐渐发展起来并成为处理非线性问题的主要手段之一，起到传统线性回归方法不可替代的重要作用。

 统计学理论的预测方法，主要是基于模型拟合和最小二乘原理建立各种回归、自回归、混合回归模型进行预测。此类方法，具有严格的数学基础，应用也最广泛，近年也有相当的发展[4]。

如Nelder，JA和城dderburn，R·w·M提出了广义线性模型，它放松了经典线性模型的假设，极大地丰富了回归分析的理论。Aarno，Li和Duan对假设进一步放松，提出了一般回归模型，该领域研究具有十分惊人的前景，但由于其仅能辨识参数的方向，应用起来十分不便，仅能对建模提供指导。在计量经济研究中，Ichimura则提出了一类十分重要的模型一单指标模型。研究的重点在于使之更适合于实际社会经济系统建模。论文网

非参数建模，数据驱动式建模所考虑的重要问题是，在事先对模型完全不了解的情况下，如何提出一个适当的模型。这方面研究的一个重要论题是非参数建模。Friedman和Stuetzle提出了pp回归模型;Breioan和Friedman提出了建模的ACE方法，Hastie和TibS于lirani提出了广义加性模型；Buja，Hastie和Tibshiran对加性建模进行了全面的评述与讨论;Breiman提出了高维数据建模的MARS方法。它们共同的特点是模型形式灵活，建模过程涉及很少假定。但计算量大，解释困难，在指导变量选择及模型设定方面深入的研究是必不可少的。

至于估计问题，NL2SLS(非线性二阶段最小二乘)、NL3SLS(非线性三阶段最小二乘)和NLFIML(NLLIML)(非线性完全(有限)信息极大似然)估计方法是通常采用的方法，AmemiyA和Gallani均给予了总结与评述。解决的关键在于辅助变量的选取，另外，有效初始点设置及考虑全局最小参数估计一方法的研究也是值得考虑的[5]。

1.4  文章结构

首先介绍论文研究背景和研究的可行性，并讨论了回归的简单发展。上市公司的业绩预测已成为越来越多的公司管理层人员和投资者关注的问题，上市公司业绩的可预测性被越来愈多的人认可。回归分析已越来越广泛的使用于上市公司业绩研究中，进行不断的研究和改善，意图得到更稳定更符合规律的算法结构。

其次对各种预测方法进行了简单的概述介绍。包括理论定义和基本算法，并简单阐述了各种预测方法的优缺点。可以看到各种方法都有它的优缺点和需要注重改善的地方。各种预测方法的对比中，可以发现回归分析预测有操作简单，容易理解等方面的优点，但也有选不准自变量的困扰。

再次仔细介绍了线性回归分析的两部分，一元线性回归分析和多元线性回归分析算法的算法结构步骤和具体算法，从最基本的一元线性回归分析着手，介绍与一元线性回归分析算法相似度跟高的多元线性回归，并进一步的讨论了两种算法的功能与作用。