大家好，近些天很多美國 中國 臺灣省的機構紛紛對今年美國大選做了預測，武平工作室也沒閒著，做了個預測。
先說結論：武平工作室預測川普小勝拜登，得票數在298-312區間。這一結論與復旦大學、經濟學人雜誌截然不同。但是我方認為，學術研究數學建模這玩意不存在是非對錯，所以我們承認自己水平低，同時我們也堅持敢說話。聲明：凡是涉及臺灣省的，單位是萬票。凡是涉及美國的，單位是票。比如臺灣高雄市選舉韓國瑜拿到89，指的是89萬票。美國總統選舉人票270過關，指的是270票。本次模擬選用的是一套開源的代碼，底層框架是ABM模型，但是該代碼存在一些問題，我會在後面慢慢說。採用2016美國大選、2016臺灣省選舉，2018臺北市選舉，2018高雄市選舉，2020臺灣省選舉的選前最後一次民調的數據，帶入該模型，得到以下結果。2016美國大選：希拉蕊（280）勝川普（258）2016臺灣省：菜菜子（644）戰勝朱立倫（433）戰勝宋楚瑜（100）2018臺北市：柯文哲（56）戰勝丁守中（49）戰勝姚文智（29）2020臺灣省：菜菜子（722）戰勝韓國瑜（593）2016美國大選：川普（304）戰勝希拉蕊（227）2016臺灣省：菜菜子（689）戰勝朱立倫（381）戰勝宋楚瑜（157）2018臺北市：柯文哲（58）戰勝丁守中（57.7）戰勝姚文智（24）2020臺灣省：菜菜子（817）戰勝韓國瑜（552）因此，個人認為，該模型有「傾向弱者」的影響，韓國瑜勝15萬票，模型推演只能贏3萬. 明明是川普戰勝希拉蕊，結果模型推演是希拉蕊小勝。因此需要對原模型參數進行修正。若不修正原模型，則預測2020美國大選結果為：拜登（291）戰勝川普（247）經過原始碼調試，發現該模型對於民調的數據過於看重，而相對輕視了該地區的經濟、民生數據。就此事我們諮詢了OG，OG表示民調很有用但是美國不是特別看重民調，而臺灣因為選舉前一周要「民調蓋牌」，所以公開的民調數據並不具備較高的時效性。因此我方對相關參數進行調整：針對美國大選，民調參數由2.27下降到1.85，臺灣選舉則下調到2.0，其他民生參數的係數略有放大，均不超過120%。2016美國大選：川普（292）勝希拉蕊（246）2016臺灣省：菜菜子（689）戰勝朱立倫（388）戰勝宋楚瑜（135）2018臺北市：柯文哲（60）戰勝丁守中（58）戰勝姚文智（22）2020臺灣省：菜菜子（799）戰勝韓國瑜（547）根據六西格瑪置信區間原則，特此預測川普得票範圍為：298-312區間。