достаточной степенью (р – 0,9973) уверенности можно утверждать, что буду­ щее значение прогнозируемого показателя попадет в интервал

(y*t+τ - 3St ; y*t+τ + 3St ),	(12.4)
если yt подчиняется нормальному закону распределения.	Но не каждый

прогноз можно характеризовать стандартной ошибкой прогноза. Так, например, если прогноз равен 1000 ед., а стандартное отклонение — 100 ед., то интервал (700; 1300) будет достаточно информативен. Но если при том же прогнозе стан­ дартное отклонение равно 300 ед., то соответствующий интервал (100; 1900) практически бесполезен.

12.3. Средняя абсолютная процентная ошибка (ошибка аппроксимации)

Количественно оценить ошибку прогноза в единицах прогнозируемого показателя или в процентах можно и с помощью средней абсолютной процент­

ной ошибки et , которая является средней абсолютных значений ошибок

прогноза, выраженных в процентах относительно фактических значений пока­ зателя. Итак,

	1 n			yt - y*t			(12.4)
e = n tå=1						×100%.
				yt

Показатель e , как правило, используется при сравнении точности прогно­ зов разнородных объектов прогнозирования, так как он характеризует относи­ тельную точность прогноза. Значения e и их интерпретацию приведем в следу­ ющей таблице:

		t , %	Интерпретация
	e
< 10			Высокая точность
10-20			Хорошая точность
20-50			Удовлетворительная точность
> 50			Неудовлетворительная точность

В формуле (12.4) уровни динамического ряда yt не должны обращаться в нуль. Поэтому, если yt = 0 , целесообразно пропускать эти уровни, уменьшая при этом и число наблюдений на единицу.

137

12.4.Средние ошибки

Вкачестве показателя смещенности прогнозов служат средняя процент­ ная ошибка

1

n

yt

- y*t

yt ¹ 0

(12.5)

eпр =

å

×100%,

yt

n t=1

и средняя ошибка

n

e =

1

å (yt - y*t ),

(12.6)

n t=1

Так как идеальный прогноз должен быть несмещенным, то оба показателя смещенности прогноза (12.5) и (12.6) должны стремиться к нулю. На практике

желательно, чтобы эти показатели были достаточно малы. Так, ошибка eпр не

должна превышать 5 %.

При выборе оптимальных моделей прогнозирования применяются сред­ ний квадрат ошибки

				n		- y*t )2
e2 = 1
				å (yt			(12.7)
			n t=1
и сумма квадратов			n		- y*t )2.
e2 =
			å (yt				(12.8)
			t=1

Поскольку прогностические модели необходимо корректировать со вре­ менем, то в каждой модели должен присутствовать некоторый контролирую­ щий показатель. Он оценивает, насколько отличается прогноз от фактического значения. Известно, что основным препятствием построения хороших прогно­ зов являются внезапные скачки в изменении показателя. В этом случае разрыв между прогнозом и фактическим значением намного превышает стандартную ошибку прогноза. Поэтому задачей контроля является выявление случайных скачков в уровне показателя с дальнейшим выяснением причин их возникнове­ ния.

Неудовлетворенность прогноза можно оценить методом сглаживания ошибок, предложенным Триггом. Этот метод основан на определении "следя­ щего контрольного сигнала", значение которого указывает с некоторым уров­ нем статистического доверия на степень неадекватности прогностической си­ стемы фактическим данным. Контрольный сигнал определяется как отношение экспоненциально взвешенной ошибки к среднему абсолютному отклонению, т.е.

138

Tt =	αet				+ (1 − α)eˆ t−1	=	eˆ t	,	(12.9)
	α		et		~		~
					+ (1 − α)et−1		et

где et = yt − y*t — разность между фактическим значением и прогнозом; eˆ t —

экспоненциально				взвешенная	ошибка;	eˆ t−1 = aet−1 + (1 - a)eˆ t−2 ;
~		et		~
et = a			+ (1 - a)et−1.

Интервал изменения значения контрольного сигнала Tt — от -1 до +1.

Кроме того, если полученные ошибки образуют неавтокоррелированную нор­ мально распределенную случайную последовательность с нулевым средним и

стандартным отклонением S, то для контрольного сигнала Tt определены гра­

ницы изменения, соответствующие выбранной доверительной вероятности (табл. 12.1).

							Таблица 12.1
Доверительная				Пороговые значения контрольного сигнала
вероятность
P(	T	áTt )	α = 0,1	α = 0,2	α = 0,3	α = 0,4	α = 0,5
0,70			0,24	0,33	0,44	0,53	0,64
0,80			0,29	0,40	0,52	0,62	0,73
0,85			0,32	0,45	0,57	0,67	0,77
0,90			0,35	0,50	0,63	0,72	0,82
0,95			0,42	0,58	0,71	0,80	0,88
0,96			0,43	0,60	0,73	0,82	0,89
0,97			0,45	0,62	0,76	0,84	0,90
0,98			0,48	0,66	0,79	0,87	0,92
0,99			0,53	0,71	0,82	0,92	0,94
1,00			1,00	1,00	1,00	1,00	1,00

При использовании указанного метода применяется одна и та же констан­ та сглаживания α . Если при α = 0,1 значение следящего контрольного сигнала в прогностической системе стало больше 0,42, это значит, что с вероятностью 0,95 прогностическая система неадекватна фактическим изменениям показате­

ля. Если Tt положительно, это значит, что значение прогноза больше фактиче­ ского показателя, в противном случае (Tt á0 ) значение прогноза меньше факти­

ческого показателя. Заметим, что указанный метод применяется, если ошибки независимы.

Таким образом, следящий контрольный сигнал является мерой неадекват­ ности прогностической модели фактическому динамическому ряду. Если Tt

расчетное больше заданного доверительного уровня Tt , то модель должна быть пересмотрена и заменена другой.

139

12.5. Сравнительные и качественные показатели точности прогноза

Показатели, основанные на сравнении ошибки рассматриваемого прогно­ за с эталонными прогнозами определенного вида, называют сравнительными показателями точности прогнозов.

Одним из таких показателей является показатель, вычисляемый по фор­

муле

n

+ y*t )2

å (yt

К =

t=1

,

(12.10)

n

æ

*

ö2

+ y

å

ç y

t

t

÷

è

ø

t=1

где y*t ; yt — прогнозируемые и реальные уровни динамического ряда;

*t —

y

эталонный прогноз.

В качестве эталонного прогноза может быть выбрана простая экстраполя­ ция, постоянный темп прироста и т.п. Частным случаем сравнительного показа­ теля точности прогнозов является коэффициент несоответствия

		n	+ y*t	)2
		å (yt
U =		t=1			,		(12.11)
		n
		å yt 2
		t=1

Очевидно, что U = 0 тогда и только тогда, когда все прогнозы совершен­ ны, т.е. yt = y*t для всех t; U = 1, если прогностическая модель имеет ту же

среднюю квадратичную ошибку, что и "наивная" экстраполяция неизменности. С помощью коэффициента несоответствия измеряется серьезность ошибки

прогноза, соответствующей среднему квадрату ошибки e2 . Коэффициент несо­

ответствия не имеет верхней границы.

Смысл коэффициента несоответствия объясняется числителем, знамена­ тель определяет лишь соответствующую единицу измерения. Представим квад­ рат числителя формулы (3.75) следующим образом:

1

n

*

2

æ

*

ö2

æ

* - Sy

ö

2

,

(12.12)

å (yt

- yt )

= çY

- Y÷

+ çS

÷

+ 2(1 - r)S * × Sy

t

n t=1

è

ø

è

yt

t ø

yt

где Y*, Y — средние значения прогнозов и уровней динамического ряда:

140

*

1

n

1

n

Y

=

,

Y =

(12.13)

å y*t

å yt ;

n t=1

n t=1

Sy*t , Syt — стандартные отклонения:

2

1

n æ

*

* ö

Syt

=

1

n

2

; (12.14)

S * =

- Y

å ç yt

÷

;

å (yt - Y)

yt

n t=1è

ø

n t=1

r — коэффициент корреляции между прогнозными значениями и фактическими уровнями динамического ряда:

n

(1 n) å çæ y*

- Y*

÷ö(y

t

- Y)

è

t

ø

r =

t=1

.

(12.15)

S * ´ Sy

t

yt

Первое слагаемое в выражении (3.76) равно нулю, когда среднее значение прогноза совпадает со средним фактическим значением показателя. Ошибки, приводящие к ненулевому значению этого слагаемого, называются ошибками в центральной тенденции. Второе слагаемое равно нулю, когда стандартные от­ клонения прогнозных и реализованных изменений равны между собой. Ошибки прогноза, приводящие к положительному значению этого слагаемого, называ­ ются ошибками неравной вариации. Третье слагаемое равно нулю, если r = 1,

т.е. если ковариация прогнозных и реализованных изменений rSy*t × Syt дости­ гает своего максимума, равного произведению Двух стандартных отклонений Sy*t × Syt . Ошибки прогноза, приводящие к положительному значению третье­

го слагаемого, называются ошибками, относящимися к неполной ковариации. Поделив каждое слагаемое правой части равенства (3.76) на их сумму, по­

лучим коэффициенты (доли) несоответствия:

(y*t -

)2

U

M

=

Y

,

(12.16)

n

(1 n) å (y*t - yt )2

t=1

æ

* - S

ö2

S

çS

÷

U

=

è

yt

yt ø

,

(12.17)

n

- yt )2

(1 n) å (y*t

t=1

141

	C		2(1 − r)S		*S	yt
U		=			yt			,	(12.18)
			(1 n)	n			2
				å (y*t - yt )
				t=1

где UM — коэффициент смещения; US — коэффициент дисперсии; UC — ко­

эффициент ковариации. Очевидно, что UM + US + UC = 1.

Рассмотренное разложение (3.76) поясняет в какой-то мере природу оши­ бок прогнозов. Так, если коэффициент смещения велик, то это означает, что средняя прогнозов достаточно сильно отклоняется от средней реализованного показателя по отношению к средней квадратичной ошибке прогноза. Прогнози­ сты должны уменьшать такие ошибки с течением времени. Ошибка в коэффи­

циенте дисперсии US обусловлена тем, что прогнозист пренебрег колебаниями

в показателе, вызванными таким фактором, как изменения в течение экономи­ ческого цикла. Таким образом, коэффициенты несоответствия позволяют ран­ жировать причины ошибок прогнозов, но не сравнивать их значения. Прогноз может иметь большую среднюю квадратичную ошибку и меньшее значение ко­ эффициента смещения, и наоборот (средняя квадратичная ошибка находится в знаменателе формул для вычисления коэффициентов несоответствия). Анали­ зируя коэффициенты несоответствия, можно делать выводы относительно ре­ зервов уменьшения ошибок, но нельзя сравнивать качество различных прогно­ зов.

К качественным показателям точности прогноза относится и диаграмма "прогноз — реализация", суть которой заключается в построении точечных прогнозов. При построении диаграммы предсказанные значения уровней (прогноз) откладывают по одной оси, а реализованные (фактические) — по дру­ гой. Так как прогнозы составляются раньше, чем поступают соответствующие данные о реализации, то по горизонтальной оси откладывают прогноз, а по оси ординат — значения реализаций. На диаграмму наносится линия совершенных прогнозов — восходящая наклонная прямая, проходящая через начало коорди­ нат под углом 45° к обеим осям. Любая точка на ней представляет совершен­ ный прогноз, а любая точка вне ее — прогноз с ненулевой ошибкой.

Если сделанный прогноз не является совершенным, но предсказанное из­ менение имеет тот же знак, что и реализованное значение, может произойти недооценка или переоценка изменений. Недооценка изменений характерна для точек, расположенных над линией совершенных прогнозов в первом квадранте и под ней в третьем. Переоценка изменений имеет место при правильном пред­ сказании знака изменения. Точки диаграммы при этом расположены под лини­ ей совершенных прогнозов в первом квадранте и над линией в третьем квадран­ те. Любая точка, лежащая на вертикальной оси, соответствует экстраполяции неизменности. Точки, лежащие во втором и четвертом квадрантах, имеют коор­ динаты с противоположными знаками, так что прогноз становится неправиль­ ным по направлению предсказываемого изменения, как только точка туда попа­

142

дает. Это ошибка в поворотных точках. Ошибка в поворотных точках бывают двух видов: либо поворотная точка была предсказана, но реализация показала, что она не является на самом деле таковой, либо она является поворотной точ­ кой, но это не было предсказано.

Таким образом, вся площадь диаграммы " прогноз — реализация " разде­ лена на области, соответствующие ошибкам в поворотных точках, недооценке и переоценке изменений (рис. 12.1).

Рис. 12.1

Рассмотрим уровни прогнозов. Если предсказанный уровень превосходит действительный, то предсказанное изменение должно быть алгебраически больше, чем действительное изменение, как в случае повышения, так и в случае снижения реализации. Точки, соответствующие этому результату прогноза, должны находиться ниже линии совершенных прогнозов (в первом, третьем или четвертом квадранте).

Анализ типов ошибок с помощью диаграммы "прогноз — реализация " требует отдельного рассмотрения прогноза для каждого квартала, так как точки диаграммы строятся для каждого прогнозного квартала. Коэффициенты несоот­ ветствия характеризуют весь прогноз в целом, т.е. они являются в некотором смысле усредненными показателями. Поэтому выбор показателей точности прогнозов зависит от цели, которую ставит перед собой исследователь. О каче­ стве же прогнозов можно судить, лишь сопоставляя различные модели и мето­ дики прогнозирования.

143