Табыстар:
- Жасанды интеллекттің көмегімен тренд, маусымдық, цикл және стационарлық сияқты уақыттық қатарлар ұғымдарын түсіну және қатарды дұрыс талдай алу
- ARIMA, ETS және қарапайым эталондық үлгілерді код ретінде жасанды интеллектке орнату, болжамдар жасау және оларды кері тестілеу арқылы бағалау мүмкіндігі
- Белгісіздік диапазоны, модель шегі және құрылымдық үзіліс жағдайында болжамның нәзіктігін түсіну және болжамға жауапкершілік экономистте қалады деп сақтау.
Экономиканың тілі – уақыт. Инфляция, өсу, жұмыссыздық, валюта бағамдары — олардың барлығы уақыт өте келе ағып тұратын қатарлар, және экономистке жиі қойылатын сұрақтардың бірі - «енді не болады?». деген сұрақ. Бұл бөлімде біз жасанды интеллектті уақыт қатарларының тұжырымдамаларын түсіну, үлгі кодын құру және болжамдар жасау үшін қолданамыз. Бірақ оның негізін басынан нақтылап көрейік: Болжам – бұл болжам емес, белгісіздік кезіндегі шартты болжам, ал жауапкершілік экономистке жүктеледі. AI сізге ARIMA кодын бірнеше минут ішінде жаза алады; Бірақ бұл болжамның орынды ма, жоқ па және құрылымдық үзіліс жағдайында оның күйрейтінін шешетін адам.
Уақыт қатарының құрамдас бөліктері
Ол кез келген экономикалық қатарды төрт бөлікке бөлу арқылы ойлауға көмектеседі:
- Тренд (тенденция). Ұзақ мерзімді бағыт; экономиканың өсу жолы сияқты.
- Маусымдық. Жыл бойы үнемі қайталанатын үлгі; Жазда туризм, желтоқсанда бөлшек сауда көбейеді.
- Цикл (конъюнктура). Маусымнан ұзағырақ, тұрақты емес көтерілулер мен құлдыраулар; кеңею және тарылу кезеңдері.
- Тұрақсыз/шу. Түсініксіз, кездейсоқ флуктуация.
Қатарларды бағалаудан бұрын осы компоненттерді ыдырату қажет. Өйткені шикі серияға қарап, «бұл құлап жатыр» деп айту жаңылыстыруы мүмкін: мүмкін сіз жай ғана маусымдық шұңқырда болуыңыз мүмкін.
Стационарлық деген ұғым да бар: қатардың статистикалық қасиеттері (орташа, дисперсия) уақыт өте келе өзгермейді. Экономикалық қатарлардың көпшілігі стационарлық емес (тұрақты өсуде); Көптеген модельдер салу алдында айырмашылықты (бір кезеңді екіншісінен алу) немесе логарифмдермен стационарлауды қажет етеді. AI осы қадамдарды ұсынады, бірақ олардың не үшін қажет екенін білу сізді қорғайды.
Кеңес: Әрқашан болжаудан бұрын серияларды сызып, бөлшектеңіз. Көрінетін құрылымдық үзіліс (мысалы, дағдарыс немесе валюта реформасы) тіпті ең озық үлгіні алдатады. Диаграмма ең арзан диагностикалық құрал болып табылады.
Модельдер: қарапайымнан күрделіге дейін, бірақ алдымен эталон
Уақыт қатарын болжаудағы алтын ереже: әрқашан қарапайым эталондық модельден бастаңыз. Ең қарапайым болжам «аңғал болжам» болып табылады: ертең бүгінге тең болады (немесе маусымдық аңғал: бұл ай өткен жылдың дәл осындай айына тең). Егер күрделі модель бұл аңғал болжамды жеңе алмаса, күрделілік бекер.
Содан кейін жиі қолданылатын әдістер:
- ETS / Экспоненциалды тегістеу. Деңгейді, тенденцияны және маусымдылықты салмақтау арқылы жұмсартатын отбасы.
- ҚОҢЫРАУ. Авторегрессивті (өткен мәндерге негізделген) және жылжымалы орташа құрамдастарды біріктіретін классикалық модель; маусымдық нұсқасы SARIMA.
- Регрессияға негізделген/түсіндірмелі модельдер. Айнымалыны басқа көрсеткіштермен түсіндіру (мысалы, табыс пен баға бойынша сұраныс).
AI мұның барлығын статистикалық модельдерде кодтай алады (Python кітапханасы). Сіздің міндетіңіз үлгілерді таңдау және тексеру.
Бэктест: болжау сынағы
Модель тарихи деректерге «жақсы» сәйкес келсе, бұл ештеңені білдірмейді; Кез келген үлгіге сәйкес келетіндей икемді (бұл шамадан тыс фитинг деп аталады). Нақты сұрақ: модель көрмеген кезеңдерді қаншалықты жақсы болжайды? Мұны өлшеу үшін сіз кері тестілеуді орындайсыз: деректерді бір күнде бөлесіз, үлгіні алдыңғы бөлікпен жаттықтырасыз, келесі бөлікті «болашақ сияқты» болжаңыз және оны шындықпен салыстырыңыз. Қате өлшемдері (мысалы, MAE — орташа абсолютті қате немесе RMSE — орташа квадраттық қате) үлгіні эталонмен салыстыруға мүмкіндік береді.
Абайлаңыз: үлгіні сіз бағалаған деректермен жаттықтырмаңыз. Жаттығуда пайдаланылмаған кезеңдерде ғана болжау сәттілігін өлшеңіз. Әйтпесе, өзіңді алдайсың; Модель қағазда керемет, бірақ іс жүзінде пайдасыз болып шығады.
Белгісіздік: нүктелік баға емес, диапазон
Бір ғана сан («инфляция жыл соңына дейін 24 пайызды құрайды») жалған сенімділікті тудырады. Шынайы бағалау диапазон мен ықтималдықты қамтиды: «21-27 пайыз диапазонында орталық сценарий 24 пайызды құрайды». Болжамның белгісіздігі модель шығарған сенімділік аралықтарында көрсетіледі; бірақ нақты белгісіздік бұдан үлкен, өйткені үлгі болжамдары да қате болуы мүмкін. Құрылымдық үзіліс (саясаттың өзгеруі, сыртқы соққы) модель көре алмайтын ең үлкен тәуекел болып табылады.
үш шағын іс
1-жағдай - эталонды жеңе алмау. Сарапшы AI ай сайынғы бөлшек саудаға арналған SARIMA кешенін құруды тапсырды. Артқы сынақта модельдің орташа абсолютті қателігі «осы ай өткен жылдың дәл осындай айына тең» деген маусымдық аңғал болжамнан нашар болды. Аналитик күрделі модельден бас тартты; Ол аңғал болжамды негізге алып, сараптамалық түзетуді қосты. Қарапайымдылық жеңеді.
2-жағдай — Құрылымдық үзіліс. Мекеме шоктан кейінгі кезеңде валюта бағамының күйзелісінен бұрын деректермен оқытқан инфляциялық модельді пайдаланды. Модель инфляцияны қатты бағаламады, өйткені ол өткен тыныш кезеңнің динамикасын қабылдады. Сабақ: модель өзі жаттығатын әлемді болжайды; Әлем өзгерген кезде болжам бұзылады. Экономист сызбаға қараса, үзілісті көрер еді.
3-жағдай – Ассортименттің адалдығы. Экономист жыл қорытындысы бойынша өсу болжамын басшылыққа жеке цифр ретінде емес, «3,0-4,2 пайыздық диапазон, бұл негізгі болжамдар» деп ұсынды. Жылдың қорытындысы бойынша іске асыру 3,6 пайызды құрады; Бұл топта болды. Егер ол бір нөмірді берсе, оған «қате» деген белгі қойылуы мүмкін; ауқымы мен болжамдары адал және сенімді сенімді болды.
Үлгіні таңдау кестесі
Күй
дұрыс бастау
ескертпе
Әрбір болжам
Аңғал/маусымдық аңғал эталон
Ұруға негіз
Тренд + маусымдық, тегіс
ETS (экспоненциалды тегістеу)
Орнату және түсініктеме беру оңай
Автокорреляциялық қатар
(S)ARIMA
Тұрақтандыруды қажет етеді
Түсіндірме айнымалысы бар
Регрессияға негізделген
Болашақты болжаушылар да керек
Құрылымдық бұзылуларға күдік
Үлгі + сарапшылық түзету
Таза үлгі жеткіліксіз
Көшірілетін төрт үлгі
1) Талдау және диагностика:
Сол айлық серияларды [серияларды] сызыңыз, содан кейін оны тренд/маусымдық/қалдық құрамдас бөліктерге (статсмодельдер) бөліңіз. Оның тұрақты екенін тексеріңіз (ADF сынағы) және қажет болса, қандай түрлендіруді (журнал, айырмашылық) ұсынатыныңызды түсіндіріңіз. Диаграммада көрінетін құрылымдық үзіліс бар-жоғын белгілеңіз.
2) Бенчмарк + модельді салыстыру:
Алдымен осы серия үшін маусымдық аңғал эталондық болжамды орнатыңыз. Содан кейін ETS және SARIMA орнатыңыз. MAE және RMSE негізіндегі үшеуін де кері тестпен салыстырыңыз (соңғы 12 айдағы сынақ). Нәтижелерді кестеге салыңыз және қай модель эталонды жеңетінін нақты көрсетіңіз.
3) Бағалау және белгісіздік диапазоны:
Мен таңдаған модель үшін келесі 6 кезеңді болжаңыз және 80%/95% сенімділік интервалын беріңіз. Бағалауды бір сан ретінде емес, ауқым ретінде көрсетіңіз. Бұл диапазон құрылымның бұзылуы/сыртқы соққы қаупін емес, үлгінің белгісіздігін ғана қамтитынын түсіндіріңіз.
4) Кері тексеру:
Осы кері тест нәтижелерін түсіндіріңіз [кесте]. Модель шын мәнінде эталонды жеңе ме, әлде айырмашылық статистикалық тұрғыдан шамалы ма? Модельіңіз қай кезеңде көбірек қателіктер жібергенін көрсетіңіз және оның мүмкін болатын экономикалық себебін сұраңыз (дағдарыс, маусымдық өзгерістер).
Әлсіз шақыру / Күшті шақыру
Әлсіз шақыру:
Осы серияны тап.
Жасанды интеллект кездейсоқ модель құрастырады, бэктесті жүргізбейді, тақ сан береді; Модель жұмыс істей ме, жоқ па білмейсің.
Күшті шақыру:
Алдымен ағымдағы айлық инфляция қатарын ыдыратыңыз және үзілістерді іздеңіз. Соңғы 12 айдағы ETS және SARIMA-ны маусымдық аңғал эталонмен салыстырыңыз, MAE-мен салыстырыңыз. Эталоннан асып түсетін үлгіні таңдаңыз, 6 айға болжамды беріңіз және 80% диапазонды қойыңыз. Құрылымның бұзылу қаупін бөлек ескерту ретінде жазыңыз. Қолмен тексеруге болатын әрбір қадамның кодын және жиынтық сандарды көрсетіңіз.
Жалпы қателер
- Эталондарды орнатпай күрделі модельге өту. Күрделілік табысқа тең келмейді.
- Модельді үйренген деректер бойынша бағалау. Сәттілік үшін шамадан тыс сәйкестікті қателесу.
- Бір ұпайлық баға беру. Жалған сенімділік; ауқымы мен болжамы қажет.
- Құрылымдық үзілісті елемеу. Өткен динамикасын болашаққа соқыр түрде алып жүру.
- Тұрақтандыруды өткізіп жіберу. Жалған қарым-қатынастар және бұрмаланған болжау.
- Болжамды пайғамбарлық ретінде ұсыну. Белгісіздік пен жауапкершілікті жасыру.
Қысқаша айтқанда
Уақыт қатарларын болжау қатарды құрамдас бөліктерге бөлу, оны стационарлық ету, қарапайым эталон орнату, кері тестілеу арқылы модельдерді салыстыру және нәтижені белгісіздік ауқымымен шынайы ұсыну арқылы жүзеге асырылады. Жасанды интеллект барлық осы қадамдардың кодын жылдам жасайды; Бірақ модельді таңдау, құрылымдық үзіліс туралы пайымдау және болжау үшін жауапкершілік экономистке жүктеледі. Болжам – бұл болжау емес, шартты және белгісіз болжам.
Қолданбалы тапсырма
Ай сайынғы экономикалық қатарды таңдаңыз (мысалы, өнеркәсіптік өндіріс индексі). 1-үлгі арқылы үзілістерді бөліп, сканерлеңіз, 2-ші үлгімен маусымдық аңғал эталонға қарсы ETS/SARIMA кері сынақтан өткізіңіз, 3-ші үлгімен 6 айлық алдағы диапазон болжамын жасаңыз. Модельіңіз бенчмарктен шынымен асып түсетініне назар аударыңыз және сіз көрген кез келген құрылымдық үзілістерді белгілеңіз.
бақылау парағы
- [ ] Мен серияның сызбасын құрдым және оған тренд/маусымдық/үзіліс тұрғысынан диагноз қойдым.
- [ ] Қажет болса, стационаризацияны (журнал/айырма) қолдандым және себебін білемін.
- [ ] Мен қарапайым эталон орнатып, күрделі үлгіні соған қарсы салыстырдым.
- [ ] Мен үлгіні жаттығуда болмаған кезеңдерінде ғана бағаладым (бэктест).
- [ ] Мен бағалауды бір санмен емес, белгісіздік ауқымымен ұсындым.
- [ ] Мен жеке ескерту ретінде құрылымдық үзіліс/сыртқы соққы қаупін айттым.
- [ ] Мен болжау мен түпкілікті пайымдау үшін жауапкершілік өзімде екенін айттым.