一、 铜为例的启示
由于需求非常难以量化，因为全球，或者一国之需求，取决人每一个人，因此需求量化是非常困难的。所以基本面价格预测模型经常都会仅专注于供给面的因子。这是非常错误的，因为需求的变动很可能是重大价格走势的主导因素。但实务中对其进行考量，如上述所称，非常困难。从历史数据如1980-1981年的铜行情，就是典型例子，足以说明忽略需求面的危险性。
如下是一个简单却有漏洞的铜价格预测模型：
P（期间内平均的平减价格，它剔除了通货膨胀率的价格）=f（S/C）-R。
其中S=铜存量（本国加上本国以外的，可以理解为全球），C=期间内铜消费量，包括年度内的精炼铜交割量，本国加上本国以外的（虽然以前文章提过消费量不等于需求量），R=本国及本国以外的通货膨胀率的众数或平均数。
表明上看起来，这个模型似乎相当合理。基本上来说，这个模型认为铜价取决于铜存量与使用量的相对关系，当铜存量相对铜使用量增加时，铜价将下跌，反之亦然。这种关系显然合理。从观察过去20年以来的走势，铜价与存量/使用量之间确实存在显著的方向关联。可是上述说的例外在于1980-1981年之间的价格行为并不符合前述关系。存量/使用量比率下降，但价格也下降。
因此上述预测模型的问题在于，虽然存量/消费量的比率是铜价的重要决定因子，但他仅反映供给面的，虽然上述包括了消费量或者使用量的参数。但是整体看，这个预测模型依旧是以供给面为主的，而价格从经济学角度是供给和需求的平衡价格，因此需求考量的缺失，导致模型预测的准确性下降。
详细说明，比如1980-1981年中期的反常行为是因为模型中没有考虑需求面。这段时间内，市场预期严重的经济衰退（最后现实也这样），再加上实际利率（官方公布名义利率-通货膨胀率）偏高，使得投资者在任何价位所愿意持有的库存水平大幅度降低。换言之，需求曲线大幅向下移动。而上述的模型却并没有反映这个基本面的重大改变。
得到的教训是：永远必须把需求面考虑在内。如果实在缺乏需求面数据和信息，实在办不到，仍然必须另外考虑需求的因子。换言之，如果因为量化的问题，而不能在模型中直接处理需求面因子，分析可以尝试分为两个步骤：
1、 先进行上述模型的预测
2、 根据需求因子和现有信息的潜在影响，进行不正式的评估（所谓不正式的，就是凭经验和参考一定技术面分析的直观印象）。
二、纳入需求因子的可能的分析模型及推到方法
1、将需求看做稳定的，或者固定不变的。在某些市场是可以这样看待的，如已经没有期货交易的马铃薯市场。我们可以合理假定需求非常稳定，甚至是固定数值。事实上，这种类型的市场可以完全根据供给面的统计数据预测价格。
3、 需求的变动具有某种成长形态的：某些市场的需求虽然每年变动，但变动的趋势或形态可以简化为某种量化公式，例如，需求每年成长3%。对于这类市场。我们可以设计某种指数来代表需求，让他反映假定中的需求成长形态。糖就是一个典型的例子。举例说，近几年，糖的需求每年成长2%就是一个相当合理的假设。可是对于比较长期的时间架构，需要就几个子时间分别假定需求成长率。举例说明，在果糖的强烈竞争之前，糖的需求成长率大约是目前的两倍。
4、 辨认需求的影响变数：某些市场的需求变动虽然没有稳定的成长形态，但存在可以辨认的需求影响变数。比如，某些年份牛肉需求会增加，某些年份会减少。可是，我们发现需求的变动是取决于某些可以辨认的因子。比如替代性其他肉类的供给。在这种情况下，我们不需直接处理需求曲线，而在价格预测模型中考虑供给面资料与间接需求决定因子。比如下列模型就是适用这类情况的：
DQCP=f（CS,HS,BP）, DQCP为每季平均的活牛平减价格，CS为每季度牛屠宰量，HS每季猪屠宰量，BP为肉鸡的生产量。
这个模型可以换个方式表述：DQCP=CS+HS-BP，若小于上一期计算数值则表明下跌，与上一期计算数值相差越大，表明未来趋势越明显，价格走势波动越大。
铜价的预测模型也可以采用这种方法，透过铜产业的活动水准来反映铜需求。比如铜价与房屋开工率之间的关系，铜价与汽车销售量之间的关系。请注意，房屋开工率与汽车销售量都领先铜价下降。同时，就业人口比率与铜价之间的关系，表现出两者却是存在同时变动倾向。
4、极度缺乏弹性需求（以及供给弹性相对大于需求弹性）的市场，虽然这个表述观念上不正确，但就实务来说，这类市场可以采用消费来代表需求。由于需求缺乏弹性，所以不论价格如何变动，市场的消费量都不会有重大变化。因此我们才可以假定既有的消费量大致反映需求水平。比如有一组缺乏弹性的需求曲线与两条供给曲线。即使供给曲线发生移动，均衡价格水平的消费量基本上是取决于当时的需求曲线。因此，消费可以用来代表未知的需求曲线。
下列的模型就是适用于此种市场类型的基本面预测模型：
DASP=f(（IS+P）/C）,DASP为平减糖价，IS为起始存量，P为产量，C为消费量。
三、总结
上述是一个常规的利用供求影响价格的视角进行的预测模型，计算简单，但难度在于数据收集，对于有些期货产品，无法找到相关数据。上述公式，虽然没有提及通货膨胀率因子，但是每个价格均是平减价格，亦即均去除通货膨胀因子的，因此在计算时候，最后均注意一定要剔除通胀，计算实际价格，而非名义价格。
