多算法、多期限推演｜2026-10-05
短期仍是分化，半年后看兑现，一年期保留更大的分歧。
本轮最值得保留的判断是电子硬件与照护就业温和扩张，制造业整体偏平；IT 服务就业短期模型分歧，一年期主模型偏弱。行业入口仍应落到降本验收、维护和对账，但这些美国背景序列不能直接推出中国企业收入或某只资产的涨跌。
实际运行 11 种方法：5 个新增统计或机器学习模型、2 套原有神经网络、3 个基线及 1 个中位数组合。数值仍基于同一份 2026-10-05 官方数据快照，没有把旧帖数量当作训练样本。
期限从各序列最后可用观察月起算。工业数据最后为 2026 年 8 月，因此 +1 月是 9 月补估；就业最后为 9 月，+1 月才是 10 月。页面显示具体目标年月，不能把所有第一步都叫今天之后的未来。

1—3 个月｜至 2026 年秋冬｜验证现有订单与成本，不急于扩产
电子产品主线小幅增加；制造业接近持平。IT 就业的传统模型与神经网络方向不一，因此将此前“短期偏弱”修订为“分歧、接近持平到小幅走弱”。优先做可验收、可回款的小项目。
行动门槛：到 2026 年底核验付费试点、交付成本与客户验收；只有意向单时不增加固定资产。

6 个月｜至 2027 年 2—3 月｜电子与照护偏增，IT 方向仍需后续数据
主线预计电子产出约增 0.63%、照护相关就业约增 0.95%；制造业持平。IT 主线约增 0.23%，两套神经网络约降 0.74%—0.79%，属于需要跟踪的分歧。
行动门槛：2027Q1 将试点节省与真实续费核对；若没有付费复购，暂停推广，不用宏观趋势替代客户证据。

12 个月｜至 2027 年 8—9 月｜温和增长主线成立与否，要看需求能否持续
主线预计电子产出约增 1.26%、照护相关就业约增 1.95%，IT 服务就业约降 1.26%；制造业仍接近持平。电子产品各方法给出的一年期末变化约为 −0.10% 至 +9.88%，分歧已足以影响扩产判断。
行动门槛：用实际运营设备、续费和净回款检验 2027 年业务结果；神经网络 12 个月预测目前没有合格的完整历史检查窗口。

各系列的主线结果
美国计算机与电子产品产出｜2017=100，季调
最后观测 2026-08-01：138.6877
1 个月 → 2026-09；Theta；较最后实测 +0.10%；较去年同月 +8.94%；模型分歧 -8.11% 至 +1.57%
3 个月 → 2026-11；Theta；较最后实测 +0.31%；较去年同月 +6.80%；模型分歧 -6.07% 至 +2.87%
6 个月 → 2027-02；Theta；较最后实测 +0.63%；较去年同月 +5.43%；模型分歧 -4.56% 至 +5.21%
12 个月 → 2027-08；Theta；较最后实测 +1.26%；较去年同月 +1.26%；模型分歧 -0.10% 至 +9.88%
多数趋势与神经网络方法倾向电子硬件继续增长，但增幅分歧明显。研究已有订单的交付瓶颈，尚不足以支持按乐观曲线提前扩产。
电子硬件供应背景；不等于 AI 收入
https://fred.stlouisfed.org/series/IPG334S

美国制造业产出｜2017=100，季调
最后观测 2026-08-01：99.0964
1 个月 → 2026-09；岭回归；较最后实测 +0.03%；较去年同月 +1.10%；模型分歧 -1.06% 至 +0.46%
3 个月 → 2026-11；最后值；较最后实测 +0.00%；较去年同月 +2.02%；模型分歧 -1.98% 至 +0.90%
6 个月 → 2027-02；最后值；较最后实测 +0.00%；较去年同月 +1.40%；模型分歧 -1.38% 至 +1.55%
12 个月 → 2027-08；阻尼指数平滑；较最后实测 +0.05%；较去年同月 +0.05%；模型分歧 -0.40% 至 +2.85%
主线从短期到一年基本持平；机器人等细分市场增长可以与制造业总量平稳共存。必须回到客户所在工序与地区判断。
制造业需求背景；不等于机器人订单
https://fred.stlouisfed.org/series/IPMAN

美国电力与燃气公用事业产出｜2017=100，未季调
最后观测 2026-08-01：125.4689
1 个月 → 2026-09；阻尼指数平滑；较最后实测 -12.72%；较去年同月 +4.17%；模型分歧 -16.21% 至 +0.00%
3 个月 → 2026-11；阻尼指数平滑；较最后实测 -16.22%；较去年同月 +3.59%；模型分歧 -19.13% 至 +0.00%
6 个月 → 2027-02；ARIMA / SARIMA；较最后实测 -6.94%；较去年同月 +0.92%；模型分歧 -7.78% 至 +0.00%
12 个月 → 2027-08；Theta；较最后实测 -2.36%；较去年同月 -2.36%；模型分歧 -3.84% 至 +2.24%
秋季回落、之后回升主要有季节形状。12 个月点预测也没有形成强劲上行共识；总公用事业产出不能衡量数据中心的局部电网瓶颈。
受天气与季节影响；不能分离数据中心用电
https://fred.stlouisfed.org/series/IPG2211A2N

美国计算机系统设计及相关服务就业｜千人，季调
最后观测 2026-09-01：2355.4
1 个月 → 2026-10；岭回归；较最后实测 -0.00%；较去年同月 -1.02%；模型分歧 -0.41% 至 +1.03%
3 个月 → 2026-12；岭回归；较最后实测 +0.10%；较去年同月 -0.96%；模型分歧 -0.50% 至 +1.07%
6 个月 → 2027-03；岭回归；较最后实测 +0.23%；较去年同月 -0.37%；模型分歧 -0.87% 至 +0.69%
12 个月 → 2027-09；ARIMA / SARIMA；较最后实测 -1.26%；较去年同月 -1.26%；模型分歧 -1.60% 至 +1.38%
新增传统模型使短期结论出现分歧；一年期主线与两神经网络都偏弱。可将成本压力作为客户访谈假说，不能据此断言 AI 导致裁员或软件收入必跌。
IT 服务就业背景；不能推定 AI 替代的因果关系
https://fred.stlouisfed.org/series/CES6054150001

美国医疗保健与社会援助就业｜千人，季调
最后观测 2026-09-01：23958.6
1 个月 → 2026-10；ARIMA / SARIMA；较最后实测 +0.00%；较去年同月 +2.01%；模型分歧 -1.97% 至 +0.46%
3 个月 → 2026-12；ExtraTrees 随机树；较最后实测 +0.40%；较去年同月 +1.98%；模型分歧 -1.55% 至 +0.91%
6 个月 → 2027-03；ExtraTrees 随机树；较最后实测 +0.95%；较去年同月 +1.81%；模型分歧 -0.84% 至 +1.48%
12 个月 → 2027-09；ExtraTrees 随机树；较最后实测 +1.95%；较去年同月 +1.95%；模型分歧 +0.00% 至 +3.13%
照护相关就业的中长期主线偏增。它支持持续观察服务需求，却仍不能代替中国具体地区的支付方、服务密度和利润验证。
广义照护供给背景；不等于中国养老支付能力
https://fred.stlouisfed.org/series/CES6562000001

平均误差对照
1 个月：主线 1.05%，基线 1.15%；历史起点 11 个 / 系列，神经网络近期起点 3 个
3 个月：主线 1.02%，基线 1.16%；历史起点 10 个 / 系列，神经网络近期起点 2 个
6 个月：主线 1.30%，基线 1.44%；历史起点 9 个 / 系列，神经网络近期起点 1 个
12 个月：主线 1.47%，基线 1.99%；历史起点 7 个 / 系列，神经网络近期起点 0 个
主线模型按 2017—2022 年末六个起点的历史验证表现逐系列、逐期限选定，随后在 2024 年起的结果上检查。此选型规则是在今天拟定的，并非当年实盘执行。神经网络不参与可能含预训练重叠的早期选型。

算法
最后值｜基线：保持最后实测值不变。
去年同月｜基线：重复上一年同月，保留季节形状。
近期线性趋势｜基线：延长最近 12 个月的线性趋势。
阻尼指数平滑｜统计模型：近期权重更高，限制趋势无限延长；未季调序列加入季节项。
Theta｜统计模型：结合长期趋势与短期水平；未季调序列先处理季节性。
ARIMA / SARIMA｜统计模型：拟合差分后的相关性；仅未季调系列使用季节项。
岭回归｜机器学习：过去 24 月相对变化与月份特征，直接预测 12 个步长。
ExtraTrees 随机树｜机器学习：用同一组滞后特征学习非线性关系；不等于神经网络。
八模型中位数组合｜集成：逐月取前八种方法预测中位数，不依据检查段调权。
Chronos-2｜预训练神经网络：固定权重零样本推理，仅在权重发布后的观察起点比较误差。
Chronos-Bolt｜预训练神经网络：固定权重零样本推理，长期输出仍需要之后的真实数据检验。

边界
本轮是修订后历史数据的回顾性滚动检查，没有还原历史版本、当时发布滞后或当时可获得的信息。
每个传统模型按预测起点重新拟合，最多使用此前 240 个月；机器学习标签和标准化只用起点之前数据，参数不按检查段误差调整。
选择段的所有结果最晚至 2023 年 12 月，检查段结果从 2024 年 1 月开始；长周期起点会重叠，数量不等于独立样本数。
神经网络只在 2025 年 11 月之后的合格起点比较；1、3、6、12 个月分别只有 3、2、1、0 个近期起点。不能把近期误差与不同窗口的长期误差直接排行。
本轮扩展选择策略在四个期限的平均误差均低于选定基线；这是本数据集结果，不是已校准的未来命中率，也不能证明长期普遍优胜。
模型间最大最小值表示方法分歧，不是概率区间。神经网络分位带未经当前任务覆盖率校准。未进行模拟投资或回报检验。
Web3、低空、机器人和中国养老没有在本轮获得足够的同口径长序列，继续保留行业证据与条件推演；不拿美国宏观代理序列替代它们。
24—36 个月继续采用已有条件情景，不把一年数值简单复制到更远未来。无自动监控或定时运行。
指数平滑实现与参数 https://www.statsmodels.org/stable/generated/statsmodels.tsa.holtwinters.ExponentialSmoothing.html
Theta 模型实现 https://www.statsmodels.org/stable/generated/statsmodels.tsa.forecasting.theta.ThetaModel.html
随机树实现与参数 https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.ExtraTreesRegressor.html
Chronos 官方实现 https://github.com/amazon-science/chronos-forecasting