Оцінка ефективності моделей прогнозування

Ефективність моделі, яка використовується при прогнозуванні, можна виміряти за допомогою зазначених вище прийомів. Проте нас цікавить точність прогнозних значень.

Помилка прогнозу – це різниця між прогнозним і фактичним значеннями. Незалежно від використаної моделі важливо оцінити її ефективність з точки зору точності і в ідеалі помилки прогнозу повинні бути зведені до мінімуму.

При розробці моделі прогнозування історичні дані відіграють важливу роль. В ідеалі бажано мати велику кількість даних за значний період часу, щонайменше за 4-5 років. Крім того, дані, що використовуються, повинні бути "типовими" з точки зору ситуації. Якщо взяти дані з цього "нетипового" періоду, то вони будуть непридатними для складання прогнозів відносно цін на акції в аналогічні періоди в майбутньому. Перед тим, як сформувати прогнозну модель, необхідно ліквідувати деякі дані, які не є "типовими".

Точність прогнозу однозначно залежить від застосовуваної моделі. Але вище згадане означає, що при складанні того чи іншого прогнозу прийнятна лише одна модель. Можливо, що в деяких випадках декілька різних моделей дадуть відносно надійні оцінки. В будь-якій моделі прогнозування основним елементом є тренд. Іншими елементами моделі прогнозування є сезонні та циклічні коливання, які неможливо передбачити у визначений час.

Поєднання цих елементів також є важливою частиною моделі. Дуже важливо вибрати найбільш прийнятний метод прогнозування.

Перш ніж використовувати модель для складання реальних прогнозів, її необхідно перевірити на об'єктивність, для того щоб забезпечити точність прогнозів. Цього можна досягнути декількома шляхами:

1) визначити на основі яких історичних даних створюється модель, потім фактичні дані порівняти з відповідними оцінками, отриманими за допомогою даної моделі. Розбіжності між двома значеннями покажуть, як модель проявить себе при визначенні майбутніх значень. Але при цьому існує імовірність того, що ступінь точності прогнозування буде викривленою, так як модель в середині діапазону даних проявить себе краще, ніж на часових періодах за межами діапазону;

2) результати моделі порівняти з фактичними значеннями, коли ті виявляються. Після отримання фактичних даних можна перевірити точність моделі. Недоліком такого підходу є те, що перевірка моделі може зайняти багато часу. В принципі, модель можна перевірити лише за тривалий період часу. Зрозуміло, що цей метод перевірки часто використовується, але щоб не витрачати час, все одно необхідно провести первинну перевірку;

3) щоб врахувати недоліки, описані в перших двох пунктах, необхідно розробити модель прогнозування виходячи з обмеженого набору історичних даних. Такого роду перевірка більш реальна, так як вона фактично моделює прогнозну ситуацію. Недолік такого методу полягає в тому, що самі останні, отже, і найбільш значимі показники виключені з процесу формування вихідної моделі.

Після перевірки такої моделі для зменшення очікуваних помилок необхідно вносити зміни у вже існуючу модель. Такі зміни вносяться протягом всього часу, коли модель використовується у реальному житті.

І, безумовно, модель необхідно уточнювати при зміні обставин. Зміни можна вносити безперервно в тому, що стосується тренду, сезонних і циклічних коливань, а також будь-якого використовуваного причинно-наслідкового відношення. Ці зміни потім перевіряються за допомогою вже описаних методів. Як видно з рис. 14.1, процес оформлення моделі включає декілька етапів: збір даних, розробку вихідної моделі, перевірку, уточнення - і знову все спочатку на основі безперервного збору додаткових даних з метою забезпечення надійності моделі в якості джерела прогнозної інформації.

Рис.15.1. Порядок розробки моделі прогнозування

На практиці точність прогнозованих значень залежить від ряду зовнішніх факторів і непередбачених обставин. Часто ці фактори неможливо передбачити, тому вони не включаються в модель прогнозування. Але якщо на підприємстві користуються методами прогнозування, то вони повинні знати важливість цих додаткових факторів.

Дата добавления: 2015-10-02