Добивки:
- Разбирање на концептите на временски серии како што се тренд, сезонска, циклус и неподвижност со поддршка на вештачка интелигенција и можност правилно да се анализира серијата
- Способност да се инсталираат ARIMA, ETS и едноставни бенчмарк модели во вештачката интелигенција како код, да се произведуваат предвидувања и да се оценуваат со заднинско тестирање
- Да се биде способен да се разбере кревкоста на прогнозата во услови на опсег на несигурност, граница на моделот и структурен прекин и да се тврди дека одговорноста за прогнозата останува кај економистот.
Јазикот на економијата е времето. Инфлација, раст, невработеност, девизни курсеви - сите тие се серии кои течат со текот на времето, а една од работите што најчесто ја прашуваат економистот е „па што ќе се случи следно? е прашањето. Во оваа единица, ќе користиме вештачка интелигенција за да ги разбереме концептите на временските серии, да изградиме код за модел и да произведуваме прогнози. Но, да ја разјасниме рамката од самиот почеток: прогнозата не е пророштво, туку условно предвидување под неизвесност, а одговорноста е на економистот. AI може да ви го напише ARIMA кодот за неколку минути; Но, човечкото суштество е тој што одлучува дали тоа предвидување е разумно или не и дали ќе пропадне пред структурниот прекин.
Компоненти на временска серија
Помага да се размислува за која било економска серија со тоа што ќе ја разделиме на четири дела:
- Тренд (тенденција). Долгорочна насока; како што е патот на раст на економијата.
- Сезонскоста. Шема што се повторува редовно во текот на годината; Во лето расте туризмот, во декември се зголемува малопродажбата.
- Циклус (конјуктура). Подолго од сезоната, неправилни подеми и падови; периоди на експанзија и контракција.
- Неправилно/шум. Необјаснета, случајна флуктуација.
Пред да се процени серија, неопходно е да се разложат овие компоненти. Затоа што гледањето на необработените серии и кажувањето „паѓа“ може да доведе до заблуда: можеби едноставно сте во сезонско корито.
Постои и концепт на стационарност: статистичките својства (средна вредност, варијанса) на серијата не се менуваат со текот на времето. Повеќето економски серии не се стационарни (постојано растат); Многу модели бараат диференцијација (одземање на еден период од друг) или стационаризација со логаритми пред да се изградат. Вештачката интелигенција ги препорачува овие чекори, но ако знаете зошто се потребни, ве штити.
Совет: Секогаш зацртувајте и разградувајте ја серијата пред да предвидите. Очигледен структурен прекин (на пр. криза или валутна реформа) ќе го измами дури и најнапредниот модел. Табелата е најевтината дијагностичка алатка.
Модели: од едноставни до сложени, но прво репер
Златното правило во предвидувањето на временските серии: секогаш започнувајте со едноставен репер модел. Наједноставната прогноза е „наивната прогноза“: утре ќе биде еднаква на денес (или сезонски наивен: овој месец е еднаков на истиот месец минатата година). Ако сложен модел не може да го победи ова наивно предвидување, комплексноста е залудна.
Потоа често користени методи:
- ETS / Експоненцијално измазнување. Семејство кое ги омекнува нивото, трендот и сезонската со тоа што ги мери.
- ПОВИКУВАЊЕ. Класичниот модел кој комбинира авторегресивни (врз основа на минатите вредности) и подвижни просечни компоненти; сезонска верзија SARIMA.
- Модели засновани на регресија/објаснување. Објаснување на променлива со други показатели (на пр. побарувачка по приход и цена).
ВИ може да ги кодира сите овие во statsmodels (библиотека на Python). Ваша задача е да избирате и потврдувате модели.
Заден тест: тест за предвидување
Не значи ништо ако некој модел „убаво се вклопува“ со историските податоци; Доволно флексибилен за да одговара на кој било модел (ова се нарекува префитирање). Вистинското прашање: колку добро моделот предвидува периоди што не ги видел? За да го измерите ова, правите заднинско тестирање: ги делите податоците на одреден датум, го обучувате моделот со претходниот дел, го предвидувате следниот дел „како да е иднината“ и го споредувате со реалноста. Мерките за грешка (на пример, MAE - средна апсолутна грешка или RMSE - коренска средна квадратна грешка) ви овозможуваат да го споредите моделот со репер.
Внимание: Не тренирајте го моделот со податоците што сте ги оцениле. Мерете го успехот на предвидувањето само во периоди кои не се користат во обуката. Во спротивно ќе се залажувате; Моделот излегува одличен на хартија, но бескорисен во реалноста.
Несигурност: опсег, а не проценка на точка
Една бројка („инфлацијата ќе биде 24 проценти до крајот на годината“) зрачи со лажна сигурност. Искрената проценка вклучува опсег и веројатност: „во опсегот од 21-27 проценти, централното сценарио е 24 проценти“. Несигурноста на прогнозата се изразува во интервалите на доверба произведени од моделот; но вистинската неизвесност е поголема од ова, бидејќи претпоставките на моделот исто така може да бидат погрешни. Структурниот прекин (промена на политиката, надворешен шок) е најголемиот ризик што моделот не може да го види.
три мини футроли
Случај 1 - Неуспех да се надмине реперот. Еден аналитичар побара од AI да изгради комплекс SARIMA за месечна продажба на мало. Во задниот тест, просечната апсолутна грешка на моделот беше полоша од сезонската наивна прогноза која вели дека „овој месец е еднаков на истиот месец минатата година“. Аналитичарот го напушти комплексниот модел; Наивната претпоставка ја зеде за основа и додаде стручна корекција. Едноставноста победува.
Случај 2 - Структурен прекин. Една институција го користеше моделот на инфлација што го обучуваше со податоци пред шокот на девизниот курс за периодот после шокот. Моделот сериозно ја потцени инфлацијата бидејќи ја претпоставуваше динамиката од изминатиот мирен период. Лекција: моделот го претпоставува светот во кој е обучен; Кога светот се менува, предвидувањето пропаѓа. Ако економистот го погледне графикот, ќе го види прекинот.
Случај 3 - Искреност на опсегот. Економист ја претстави својата прогноза за раст на крајот на годината пред менаџментот не како единствена цифра, туку како „појас од 3,0-4,2 проценти, ова се основните претпоставки“. На крајот на годината реализацијата беше 3,6 отсто; Беше во бендот. Ако дадеше единствен број, можеби ќе беше означен како „погрешен“; опсегот и претпоставките беа и искрени и ја задржаа довербата.
Табела за избор на модел
Статус
правилен почеток
забелешка
Секоја претпоставка
Наивен / сезонски наивен репер
Основата да се победи
Тренд + сезонско, рамно
ETS (експоненцијално измазнување)
Лесно се инсталира и коментира
Автокорелирани серии
(С)АРИМА
Потребна е стабилизација
Постои објаснувачка променлива
Врз основа на регресија
Предвидувачите на иднината исто така мора
Сомнение за структурен прекин
Модел + стручна корекција
Чистиот модел не е доволен
Четири шаблони за копирање
1) Парсирање и дијагноза:
Исцртајте ја таа месечна серија [серија], а потоа одделете ја на тренд/сезонска/преостанати компоненти (statsmodels). Проверете дали е стационарен (ADF тест) и, доколку е потребно, објаснете која трансформација (лог, разлика) ја препорачувате. Обележете дали има видлив структурен прекин на графиконот.
2) Споредба на репер + модел:
Прво воспоставете сезонска наивна репер прогноза за оваа серија. Потоа поставете ETS и SARIMA. Споредете ги сите три врз основа на MAE и RMSE со заден тест (тестирање последните 12 месеци). Наведете ги резултатите во табела и јасно наведете кој модел го победил реперот.
3) Опсег на проценка и несигурност:
Прогнозирајте ги следните 6 периоди за моделот што го избрав и дајте 80%/95% интервали на доверба. Претставете ја проценката како опсег, а не како единствен број. Наведете јасно дека овој опсег ја покрива САМО несигурноста на моделот, а не ризикот од структурно кршење/надворешен шок.
4) Заден тест:
Толкувајте ги овие резултати од заден тест [табела]. Дали моделот всушност го надминува реперот или разликата е статистички незначителна? Наведете во кои периоди вашиот модел направил најмногу грешки и прашајте ја можната економска причина за тоа (криза, сезонски промени).
Слаб промпт / Силен промпт
Слаба навестување:
Погодете ја оваа серија.
Вештачката интелигенција гради случаен модел, не прави тест, дава непарен број; Не знаете дали моделот работи или не.
Моќен потсетник:
Прво разложете ги тековните месечни серии на инфлација и скенирајте за паузи. Backtest ETS и SARIMA во последните 12 месеци против сезонски наивен репер, споредете со MAE. Изберете го моделот што го надминува реперот, дадете прогноза за 6 месеци и ставете опсег од 80%. Напишете го ризикот од структурно кршење како посебно предупредување. Покажете ја шифрата за секој чекор и сумираните броеви што можам рачно да ги потврдам.
Вообичаени грешки
- Скокање во сложен модел без поставување одредници. Комплексноста не е еднаква на успехот.
- Оценување на моделот врз основа на податоците на кои се обучил. Грешка прекумерната усогласеност со успех.
- Давање проценка со една точка. Лажна сигурност; потребен опсег и претпоставка.
- Игнорирање на структурниот прекин. Слепо носење на мината динамика во иднината.
- Прескокнување на стабилизација. Лажни врски и искривени предвидувања.
- Презентирање на предвидувањето како пророштво. Криење на неизвесноста и одговорноста.
Сумирано
Прогнозирањето на временските серии се врши со одвојување на серијата во нејзините компоненти, со што се прави стационарна, воспоставување на едноставен репер, споредување на моделите со заднинско тестирање и искрено прикажување на резултатот со опсегот на несигурност. Вештачката интелигенција брзо го генерира кодот за сите овие чекори; Но, одговорноста за изборот на моделот, расудувањето на структурните прекини и прогнозирањето лежи кај економистот. Предвидувањето не е пророштво, туку условно и неизвесно предвидување.
Задача за апликација
Изберете месечна економска серија (на пример, индекс на индустриско производство). Одделете и скенирајте за пробивања со 1-виот шаблон, заден тест ETS/SARIMA во однос на сезонскиот наивен репер со вториот шаблон, создадете 6-месечна прогноза на досегот на напред со третиот шаблон. Забележете дали вашиот модел навистина го надминува реперот и означете ги сите структурни прекини што ги гледате.
листа за проверка
- [ ] Ја зацртав серијата и ја дијагностицирав во однос на тренд/сезонска/пауза.
- [ ] Применив стационаризација (лог/разлика) доколку е потребно и ја знам причината.
- [ ] Поставив едноставен репер и го споредив сложениот модел со него.
- [ ] Моделот го оценував само во периодите кога не беше на тренинг (backtest).
- [ ] Ја претставив проценката со опсег на несигурност, а не со единствен број.
- [ ] Го споменав ризикот од структурен прекин/надворешен удар како посебно предупредување.
- [ ] Тврдев дека одговорноста за предвидувањето и конечниот суд е на мене.