Міри точності прогнозів
Розробка
прогнозу вимагає оцінки його точності та надійності. Точність і надійність
прогнозів – широко поширені в
прогностичній літературі терміни, сенс яких, як це уявляється на перший погляд,
цілком очевидний. Проте зміст цих термінів часто тлумачиться достатньо
суб'єктивно.
Про
точність прогнозу прийнято судити по розміру помилки прогнозу - різниці між
прогнозним і фактичним значенням досліджуваної змінної. Проте такий підхід до
оцінки точності можливий тільки в двох випадках. По-перше, коли період
попередження вже закінчився, і дослідник має фактичні значення змінної. При
короткостроковому прогнозуванні це цілком реально. По-друге, коли прогноз
розробляється, тобто прогнозування здійснюється для деякого моменту часу в
минулому, для котрого вже є фактичні дані. При цьому наявна інформація ділиться
на дві частини. Одна з них, що охоплює більш ранні дані, служить для оцінювання
параметрів прогностичної моделі, а більш пізні дані розглядаються як реалізації
відповідних прогностичних оцінок. Отримані ретроспективно помилки прогнозу
якоюсь мірою характеризують точність застосованої методики прогнозування і
можуть виявитися корисними при зіставленні декількох методів. У той же час,
розмір помилки ретроспективного прогнозу не можна розглядати як остаточний
доказ придатності, або навпаки, непридатності застосовуваного методу
прогнозування. До неї варто ставитися з відомою обережністю і при її
застосуванні в якості міри точності необхідно враховувати, що вона отримана при
використанні лише частини наявних даних. Проте ця міра точності має більшу
наочність і теоретично більш надійна, ніж похибка прогнозу, обчислена для
періоду, характеристики котрого вже були використані при оцінюванні параметрів
моделі. У останньому випадку похибки, як правило, будуть незначними і мало
залежні від теоретичної обґрунтованості, застосованої для прогнозування моделі.
У
зв'язку з перевіркою точності прогнозів необхідно зробити ще одне зауваження.
Так, якщо для ретроспективного прогнозування застосовується модель, що містить
одну або декілька екзогенних змінних, то точність прогнозу буде значною мірою
залежати від того, наскільки точно визначені значення цих змінних на період
попередження. При цьому можливі два шляхи: скористатися фактичними значеннями
екзогенних змінних (так званий прогноз ex post) і очікуваними їхніми значеннями (так званий прогноз ex
ante). Природно, що точність прогнозу ex post, що, як правило,
і одержують при перевірці, буде вище, ніж точність прогнозу ex ante, тому що в
першому випадку буде виключений вплив похибки у значеннях екзогенних змінних.
Перевірка точності одного прогнозу мало що
може сказати досліднику. Гарний одиничний прогноз може бути отриманий і по
поганій моделі, і навпаки. Звідси випливає, що про якість прогнозів
застосовуваних методик і моделей можна судити лише по сукупності зіставлень
прогнозів і їхньої реалізації.
Найбільш
простою мірою якості прогнозів за умови, що є дані про їхню реалізацію, може
стати відносне число випадків, коли фактична реалізація охоплювалася
інтервальним прогнозом, до загального числа прогнозів.
Ефективність методу прогнозування
залежить від багатьох чинників. На практиці дослідник має досить велику свободу
вибору не тільки типу моделі, але і кількості введених до неї параметрів.
Виділяють такі критерії:
1)
кількість зусиль, що витрачаються на побудову моделі і наявність готових
машинних програм;
2)
швидкість, із яким метод уловлює істотні зміни у поведінці ряду, наприклад,
раптовий зсув математичного сподівання або збільшення кута нахилу лінії тренду;
3)
існування серійної кореляції у помилках;
4)
незмінюваність первинних даних;
5)
повний обсяг роботи в деяких сферах діяльності - тисячі рядів щомісяця
потребують оновлення, невеликі витрати і швидкість мають першорядне значення;
6)
терміновість прогнозування.
Практика
розробки різноманітного роду прогнозів спирається на цілу систему методів,
серед яких статистичні методи прогнозування займають важливе місце. Вирішальну
роль у статистичному підході до прогнозування грає вибір відповідної моделі,
що, будучи наповненої числовими параметрами, стає безпосереднім інструментом
прогнозування – предиктором. Володіючи предиктором, можна одержати варіанти
прогнозу, що відповідають визначеним гіпотезам і умовам, врахованим при його
побудові. Мета статистичної моделі - не замінити судження і досвід спеціаліста,
а дати йому в руки інструмент, що дозволяє більш глибоко проникнути в сутність
досліджуваних явищ, інструмент, у якому специфічним чином узагальнена і зведена
у систему різноманітна статистична інформація. Одержувані на основі предикторів
прогнози мають сенс тільки в рамках тих умов, гіпотез і припущень, що були
враховані при розробці відповідних статистичних моделей і при їхньому
застосуванні для прогнозування. Таким чином, розробка і застосування моделей у
прогностичних цілях припускають поглиблений економіко-статистичний аналіз
досліджуваного об'єкта.
|