സമയ ശ്രേണി വിശകലനവും പ്രവചന പിന്തുണയും

നേട്ടങ്ങൾ:

• ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ പിന്തുണയോടെ ട്രെൻഡ്, സീസണാലിറ്റി, സൈക്കിൾ, സ്റ്റേഷണറിറ്റി തുടങ്ങിയ സമയ ശ്രേണി ആശയങ്ങൾ മനസിലാക്കുകയും ഒരു ശ്രേണി ശരിയായി പാഴ്‌സ് ചെയ്യാൻ കഴിയുകയും ചെയ്യുക
• ARIMA, ETS, ലളിതമായ ബെഞ്ച്മാർക്ക് മോഡലുകൾ എന്നിവ കോഡായി ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിലേക്ക് ഇൻസ്റ്റാൾ ചെയ്യാനും പ്രവചനങ്ങൾ നിർമ്മിക്കാനും ബാക്ക്‌ടെസ്റ്റിംഗ് ഉപയോഗിച്ച് അവയെ വിലയിരുത്താനുമുള്ള കഴിവ്
• അനിശ്ചിതത്വ പരിധി, മോഡൽ പരിധി, ഘടനാപരമായ ഇടവേള എന്നിവയുടെ പശ്ചാത്തലത്തിൽ പ്രവചനത്തിൻ്റെ ദുർബലത മനസ്സിലാക്കാനും പ്രവചനത്തിൻ്റെ ഉത്തരവാദിത്തം സാമ്പത്തിക വിദഗ്ദനാണെന്ന് നിലനിർത്താനും കഴിയും.

സാമ്പത്തിക ശാസ്ത്രത്തിൻ്റെ ഭാഷ സമയമാണ്. പണപ്പെരുപ്പം, വളർച്ച, തൊഴിലില്ലായ്മ, വിനിമയ നിരക്കുകൾ - അവയെല്ലാം കാലക്രമേണ ഒഴുകുന്ന പരമ്പരകളാണ്, കൂടാതെ സാമ്പത്തിക വിദഗ്ധനോട് മിക്കപ്പോഴും ചോദിക്കുന്ന ഒരു കാര്യമാണ് "അതിനാൽ അടുത്തതായി എന്ത് സംഭവിക്കും?" എന്നതാണ് ചോദ്യം. ഈ യൂണിറ്റിൽ, സമയ ശ്രേണി ആശയങ്ങൾ മനസിലാക്കുന്നതിനും മോഡൽ കോഡ് നിർമ്മിക്കുന്നതിനും പ്രവചനങ്ങൾ നിർമ്മിക്കുന്നതിനും ഞങ്ങൾ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉപയോഗിക്കും. എന്നാൽ തുടക്കം മുതൽ തന്നെ ചട്ടക്കൂട് വ്യക്തമാക്കാം: ഒരു പ്രവചനം ഒരു പ്രവചനമല്ല, മറിച്ച് അനിശ്ചിതത്വത്തിൻ കീഴിലുള്ള ഒരു സോപാധിക പ്രവചനമാണ്, ഉത്തരവാദിത്തം സാമ്പത്തിക വിദഗ്ധനാണ്. AI-ന് മിനിറ്റുകൾക്കുള്ളിൽ നിങ്ങൾക്ക് ARIMA കോഡ് എഴുതാനാകും; എന്നാൽ ആ പ്രവചനം ന്യായമാണോ അല്ലയോ എന്നും ഘടനാപരമായ ഒരു തകർച്ചയ്ക്ക് മുന്നിൽ അത് തകരുമോ എന്നും തീരുമാനിക്കുന്നത് മനുഷ്യനാണ്.

ഒരു സമയ ശ്രേണിയുടെ ഘടകങ്ങൾ

ഏത് സാമ്പത്തിക ശ്രേണിയെയും നാല് ഭാഗങ്ങളായി വിഭജിച്ച് ചിന്തിക്കാൻ ഇത് സഹായിക്കുന്നു:

• പ്രവണത (പ്രവണത). ദീർഘകാല ദിശ; സമ്പദ്‌വ്യവസ്ഥയുടെ വളർച്ചയുടെ പാത പോലെ.
• ഋതുഭേദം. വർഷം മുഴുവനും പതിവായി ആവർത്തിക്കുന്ന പാറ്റേൺ; വേനൽക്കാലത്ത് ടൂറിസം വർദ്ധിക്കുന്നു, ഡിസംബറിൽ റീട്ടെയിൽ വർദ്ധിക്കുന്നു.
• സൈക്കിൾ (കോൺജങ്കർ). സീസണിനേക്കാൾ ദൈർഘ്യമേറിയതാണ്, ക്രമരഹിതമായ കയറ്റിറക്കങ്ങൾ; വികാസത്തിൻ്റെയും സങ്കോചത്തിൻ്റെയും കാലഘട്ടങ്ങൾ.
• ക്രമരഹിതമായ/ശബ്ദം. വിശദീകരിക്കാനാകാത്ത, ക്രമരഹിതമായ ഏറ്റക്കുറച്ചിലുകൾ.

ഒരു ശ്രേണി കണക്കാക്കുന്നതിനുമുമ്പ്, ഈ ഘടകങ്ങൾ വിഘടിപ്പിക്കേണ്ടത് ആവശ്യമാണ്. കാരണം അസംസ്‌കൃത സീരീസ് നോക്കി "ഇത് വീഴുന്നു" എന്ന് പറയുന്നത് തെറ്റിദ്ധരിപ്പിക്കുന്നതാണ്: ഒരുപക്ഷേ നിങ്ങൾ ഒരു സീസണൽ ട്രോഫിലായിരിക്കാം.

നിശ്ചലത എന്ന ആശയവും ഉണ്ട്: ഒരു ശ്രേണിയുടെ സ്റ്റാറ്റിസ്റ്റിക്കൽ പ്രോപ്പർട്ടികൾ (അർത്ഥം, വ്യത്യാസം) കാലക്രമേണ മാറില്ല. മിക്ക സാമ്പത്തിക പരമ്പരകളും നിശ്ചലമല്ല (നിരന്തരമായി വളരുന്നത്); നിർമ്മാണത്തിന് മുമ്പ് പല മോഡലുകൾക്കും വ്യത്യാസം (ഒരു കാലഘട്ടം മറ്റൊന്നിൽ നിന്ന് കുറയ്ക്കൽ) അല്ലെങ്കിൽ ലോഗരിതം ഉപയോഗിച്ച് സ്റ്റേഷണറൈസേഷൻ ആവശ്യമാണ്. AI ഈ ഘട്ടങ്ങൾ ശുപാർശ ചെയ്യുന്നു, എന്നാൽ അവ എന്തിനാണ് ആവശ്യമെന്ന് അറിയുന്നത് നിങ്ങളെ സംരക്ഷിക്കുന്നു.

നുറുങ്ങ്: പ്രവചിക്കുന്നതിന് മുമ്പ് സീരീസ് പ്ലോട്ട് ചെയ്ത് വിഘടിപ്പിക്കുക. പ്രത്യക്ഷമായ ഒരു ഘടനാപരമായ ബ്രേക്ക് (ഉദാ. പ്രതിസന്ധി അല്ലെങ്കിൽ കറൻസി പരിഷ്കരണം) ഏറ്റവും വികസിത മോഡലിനെപ്പോലും കബളിപ്പിക്കും. ചാർട്ട് ഏറ്റവും വിലകുറഞ്ഞ ഡയഗ്നോസ്റ്റിക് ഉപകരണമാണ്.

മോഡലുകൾ: ലളിതം മുതൽ സങ്കീർണ്ണത വരെ, എന്നാൽ ആദ്യം മാനദണ്ഡം

സമയ ശ്രേണി പ്രവചനത്തിലെ സുവർണ്ണ നിയമം: എല്ലായ്പ്പോഴും ഒരു ലളിതമായ ബെഞ്ച്മാർക്ക് മോഡൽ ഉപയോഗിച്ച് ആരംഭിക്കുക. ഏറ്റവും ലളിതമായ പ്രവചനം "നിഷ്കളങ്കമായ പ്രവചനം" ആണ്: നാളെ ഇന്നത്തേതിന് തുല്യമായിരിക്കും (അല്ലെങ്കിൽ സീസണൽ നിഷ്കളങ്കം: ഈ മാസം കഴിഞ്ഞ വർഷത്തെ അതേ മാസത്തിന് തുല്യമാണ്). ഒരു സങ്കീർണ്ണ മാതൃകയ്ക്ക് ഈ നിഷ്കളങ്കമായ പ്രവചനത്തെ മറികടക്കാൻ കഴിയുന്നില്ലെങ്കിൽ, സങ്കീർണ്ണത വ്യർത്ഥമാണ്.

തുടർന്ന് പതിവായി ഉപയോഗിക്കുന്ന രീതികൾ:

• ETS / എക്‌സ്‌പോണൻഷ്യൽ സ്മൂത്തിംഗ്. ലെവലും ട്രെൻഡും ഋതുഭേദവും വെയ്റ്റ് ചെയ്ത് മയപ്പെടുത്തുന്ന ഒരു കുടുംബം.
• വിളിക്കുന്നു. ഓട്ടോറിഗ്രസീവ് (മുൻകാല മൂല്യങ്ങളെ അടിസ്ഥാനമാക്കി), ചലിക്കുന്ന ശരാശരി ഘടകങ്ങൾ എന്നിവ സംയോജിപ്പിക്കുന്ന ക്ലാസിക്കൽ മോഡൽ; സീസണൽ പതിപ്പ് SARIMA.
• റിഗ്രഷൻ അടിസ്ഥാനമാക്കിയുള്ള/വിശദീകരണ മാതൃകകൾ. മറ്റ് സൂചകങ്ങൾ ഉപയോഗിച്ച് ഒരു വേരിയബിൾ വിശദീകരിക്കുന്നു (ഉദാ. വരുമാനവും വിലയും അനുസരിച്ച് ഡിമാൻഡ്).

AI-യ്ക്ക് ഇവയെല്ലാം സ്റ്റാറ്റ്സ് മോഡലുകളിൽ (പൈത്തൺ ലൈബ്രറി) കോഡ് ചെയ്യാൻ കഴിയും. മോഡലുകൾ തിരഞ്ഞെടുത്ത് സാധൂകരിക്കുക എന്നതാണ് നിങ്ങളുടെ ജോലി.

ബാക്ക്‌ടെസ്റ്റ്: പ്രവചനത്തിൻ്റെ പരിശോധന

ഒരു മോഡൽ ചരിത്രപരമായ ഡാറ്റയുമായി "നന്നായി യോജിക്കുന്നു" എങ്കിൽ അത് അർത്ഥമാക്കുന്നില്ല; ഏത് മോഡലിനും യോജിക്കാൻ കഴിയുന്നത്ര ഫ്ലെക്സിബിൾ (ഇതിനെ ഓവർഫിറ്റിംഗ് എന്ന് വിളിക്കുന്നു). യഥാർത്ഥ ചോദ്യം: മോഡൽ അത് കണ്ടിട്ടില്ലാത്ത കാലഘട്ടങ്ങളെ എത്ര നന്നായി പ്രവചിക്കുന്നു? ഇത് അളക്കാൻ, നിങ്ങൾ ബാക്ക്‌ടെസ്റ്റിംഗ് നടത്തുന്നു: നിങ്ങൾ ഒരു തീയതിയിൽ ഡാറ്റ വിഭജിക്കുക, മുമ്പത്തെ ഭാഗവുമായി മോഡലിനെ പരിശീലിപ്പിക്കുക, അടുത്ത ഭാഗം "അത് ഭാവിയിലെന്നപോലെ" പ്രവചിക്കുകയും യാഥാർത്ഥ്യവുമായി താരതമ്യം ചെയ്യുകയും ചെയ്യുക. പിശക് അളവുകൾ (ഉദാഹരണത്തിന്, MAE - അർത്ഥം സമ്പൂർണ്ണ പിശക്, അല്ലെങ്കിൽ RMSE - റൂട്ട് ശരാശരി സ്ക്വയർ പിശക്) മോഡലിനെ ബെഞ്ച്മാർക്കുമായി താരതമ്യം ചെയ്യാൻ നിങ്ങളെ അനുവദിക്കുന്നു.

മുന്നറിയിപ്പ്: നിങ്ങൾ വിലയിരുത്തിയ ഡാറ്റ ഉപയോഗിച്ച് മോഡലിനെ പരിശീലിപ്പിക്കരുത്. പരിശീലനത്തിൽ ഉപയോഗിക്കാത്ത കാലഘട്ടങ്ങളിൽ മാത്രം പ്രവചന വിജയം അളക്കുക. അല്ലെങ്കിൽ നിങ്ങൾ സ്വയം വഞ്ചിക്കും; മാതൃക കടലാസിൽ മികച്ചതായി മാറുന്നു, പക്ഷേ വാസ്തവത്തിൽ ഉപയോഗശൂന്യമാണ്.

അനിശ്ചിതത്വം: ശ്രേണി, പോയിൻ്റ് എസ്റ്റിമേറ്റ് അല്ല

ഒരൊറ്റ സംഖ്യ ("വർഷാവസാനത്തോടെ പണപ്പെരുപ്പം 24 ശതമാനമായിരിക്കും") തെറ്റായ ഉറപ്പ് പ്രകടമാക്കുന്നു. സത്യസന്ധമായ എസ്റ്റിമേറ്റിൽ ഒരു റേഞ്ചും പ്രോബബിലിറ്റിയും ഉൾപ്പെടുന്നു: "21-27 ശതമാനം ബാൻഡിൽ, കേന്ദ്ര സാഹചര്യം 24 ശതമാനമാണ്". പ്രവചന അനിശ്ചിതത്വം മോഡൽ നിർമ്മിക്കുന്ന ആത്മവിശ്വാസ ഇടവേളകളിൽ പ്രകടിപ്പിക്കുന്നു; എന്നാൽ യഥാർത്ഥ അനിശ്ചിതത്വം ഇതിലും വലുതാണ്, കാരണം മാതൃകാ അനുമാനങ്ങളും തെറ്റായിരിക്കാം. സ്ട്രക്ചറൽ ബ്രേക്ക് (നയത്തിലെ മാറ്റം, ബാഹ്യ ഷോക്ക്) മോഡലിന് കാണാൻ കഴിയാത്ത ഏറ്റവും വലിയ അപകടമാണ്.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - മാനദണ്ഡം മറികടക്കുന്നതിൽ പരാജയപ്പെടുന്നു. പ്രതിമാസ റീട്ടെയിൽ വിൽപ്പനയ്ക്കായി ഒരു അനലിസ്റ്റ് AI ഒരു സങ്കീർണ്ണമായ SARIMA നിർമ്മിച്ചു. ബാക്ക്‌ടെസ്റ്റിൽ, മോഡലിൻ്റെ ശരാശരി സമ്പൂർണ്ണ പിശക്, "ഈ മാസം കഴിഞ്ഞ വർഷത്തെ ഇതേ മാസത്തിന് തുല്യമാണ്" എന്ന് പറയുന്ന സീസണൽ നിഷ്കളങ്കമായ പ്രവചനത്തേക്കാൾ മോശമായിരുന്നു. അനലിസ്റ്റ് സങ്കീർണ്ണമായ മാതൃക ഉപേക്ഷിച്ചു; അദ്ദേഹം നിഷ്കളങ്കമായ ഊഹം അടിസ്ഥാനമായി എടുത്ത് ഒരു വിദഗ്ധ തിരുത്തൽ ചേർത്തു. ലാളിത്യം വിജയിക്കുന്നു.

കേസ് 2 - ഘടനാപരമായ ഇടവേള. പോസ്റ്റ് ഷോക്ക് കാലയളവിലെ എക്സ്ചേഞ്ച് റേറ്റ് ഷോക്കിന് മുമ്പ് ഡാറ്റ ഉപയോഗിച്ച് പരിശീലിപ്പിച്ച പണപ്പെരുപ്പ മാതൃകയാണ് സ്ഥാപനം ഉപയോഗിച്ചത്. ഈ മോഡൽ പണപ്പെരുപ്പത്തെ വളരെ കുറച്ചുകാണിച്ചു, കാരണം അത് കഴിഞ്ഞ ശാന്തമായ കാലഘട്ടത്തിൻ്റെ ചലനാത്മകതയെ അനുമാനിച്ചു. പാഠം: മോഡൽ അത് പരിശീലിപ്പിച്ച ലോകത്തെ അനുമാനിക്കുന്നു; ലോകം മാറുമ്പോൾ പ്രവചനം തകരുന്നു. സാമ്പത്തിക ശാസ്ത്രജ്ഞൻ ഗ്രാഫ് നോക്കിയാൽ, അവൻ ബ്രേക്ക് കാണും.

കേസ് 3 - ശ്രേണിയുടെ സത്യസന്ധത. ഒരു സാമ്പത്തിക വിദഗ്ധൻ തൻ്റെ വർഷാവസാന വളർച്ചാ പ്രവചനം മാനേജ്‌മെൻ്റിന് മുന്നിൽ അവതരിപ്പിച്ചത് ഒരൊറ്റ കണക്കായിട്ടല്ല, മറിച്ച് "3.0-4.2 ശതമാനം ബാൻഡ്, ഇവയാണ് അടിസ്ഥാന അനുമാനങ്ങൾ" എന്നാണ്. വർഷാവസാനം, സാക്ഷാത്കാരം 3.6 ശതമാനമായിരുന്നു; അത് ബാൻഡിൽ ഉണ്ടായിരുന്നു. ഒരൊറ്റ നമ്പർ നൽകിയിരുന്നെങ്കിൽ, അയാൾക്ക് "തെറ്റ്" എന്ന് മുദ്രകുത്തപ്പെടാം; പരിധിയും അനുമാനങ്ങളും സത്യസന്ധവും നിലനിർത്തിയതുമായ വിശ്വാസവുമായിരുന്നു.

മോഡൽ തിരഞ്ഞെടുക്കൽ പട്ടിക

നില

ശരിയായ തുടക്കം

കുറിപ്പ്

ഓരോ ഊഹവും

നിഷ്കളങ്ക / സീസണൽ നിഷ്കളങ്ക മാനദണ്ഡം

അടിക്കാനുള്ള അടിത്തറ

ട്രെൻഡ് + സീസണാലിറ്റി, ഫ്ലാറ്റ്

ETS (എക്‌സ്‌പോണൻഷ്യൽ സ്മൂത്തിംഗ്)

ഇൻസ്റ്റാൾ ചെയ്യാനും അഭിപ്രായമിടാനും എളുപ്പമാണ്

യാന്ത്രികമായി ബന്ധപ്പെട്ട പരമ്പര

(എസ്)അരിമ

സ്ഥിരത ആവശ്യമാണ്

ഒരു വിശദീകരണ വേരിയബിൾ ഉണ്ട്

റിഗ്രഷൻ അടിസ്ഥാനമാക്കിയുള്ളത്

ഭാവി പ്രവചിക്കുന്നവരും വേണം

ഘടനാപരമായ തകരാർ സംബന്ധിച്ച സംശയം

Model + expert correction

ശുദ്ധമായ മാതൃക പോരാ

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

1) പാഴ്സിംഗും രോഗനിർണയവും:

Plot that monthly series [series], then separate it into trend/seasonality/residual components (statsmodels). ഇത് നിശ്ചലമാണോ (എഡിഎഫ് ടെസ്റ്റ്) പരിശോധിക്കുക, ആവശ്യമെങ്കിൽ, ഏത് രൂപമാറ്റമാണ് (ലോഗ്, വ്യത്യാസം) നിങ്ങൾ ശുപാർശ ചെയ്യുന്നതെന്ന് വിശദീകരിക്കുക. ചാർട്ടിൽ ദൃശ്യമായ ഘടനാപരമായ ബ്രേക്ക് ഉണ്ടെങ്കിൽ അടയാളപ്പെടുത്തുക.

2) ബെഞ്ച്മാർക്ക് + മോഡൽ താരതമ്യം:

ഈ സീരീസിനായി ആദ്യം ഒരു സീസണൽ നിഷ്കളങ്കമായ മാനദണ്ഡ പ്രവചനം സ്ഥാപിക്കുക. തുടർന്ന് ഒരു ETS ഉം SARIMA ഉം സജ്ജമാക്കുക. MAE, RMSE എന്നിവയെ അടിസ്ഥാനമാക്കിയുള്ള മൂന്നും ഒരു ബാക്ക്‌ടെസ്റ്റുമായി താരതമ്യം ചെയ്യുക (കഴിഞ്ഞ 12 മാസത്തെ പരീക്ഷണം). ഫലങ്ങൾ പട്ടികപ്പെടുത്തുക, ഏത് മോഡലാണ് ബെഞ്ച്മാർക്കിനെ മറികടക്കുന്നതെന്ന് വ്യക്തമായി പ്രസ്താവിക്കുക.

3) എസ്റ്റിമേറ്റും അനിശ്ചിതത്വ ശ്രേണിയും:

ഞാൻ തിരഞ്ഞെടുത്ത മോഡലിന് അടുത്ത 6 കാലഘട്ടങ്ങൾ പ്രവചിക്കുകയും 80%/95% ആത്മവിശ്വാസ ഇടവേളകൾ നൽകുകയും ചെയ്യുക. എസ്റ്റിമേറ്റ് ഒരൊറ്റ സംഖ്യയായിട്ടല്ല, ഒരു ശ്രേണിയായി അവതരിപ്പിക്കുക. ഈ ശ്രേണി മോഡൽ അനിശ്ചിതത്വത്തെ മാത്രമേ ഉൾക്കൊള്ളുന്നുള്ളൂ, ഘടനാപരമായ തകരാർ/ബാഹ്യ ആഘാതത്തിൻ്റെ അപകടസാധ്യതയല്ലെന്ന് വ്യക്തമാക്കുക.

4) ബാക്ക്‌ടെസ്റ്റ് വായന:

ഈ ബാക്ക്‌ടെസ്റ്റ് ഫലങ്ങൾ വ്യാഖ്യാനിക്കുക [പട്ടിക]. മോഡൽ യഥാർത്ഥത്തിൽ ബെഞ്ച്‌മാർക്കിനെ മറികടക്കുന്നുണ്ടോ, അതോ വ്യത്യാസം സ്ഥിതിവിവരക്കണക്കനുസരിച്ച് നിസ്സാരമാണോ? ഏത് കാലഘട്ടത്തിലാണ് നിങ്ങളുടെ മോഡൽ ഏറ്റവും കൂടുതൽ തെറ്റുകൾ വരുത്തിയതെന്ന് വ്യക്തമാക്കുകയും ഇതിന് സാധ്യമായ സാമ്പത്തിക കാരണത്തെ ചോദ്യം ചെയ്യുകയും ചെയ്യുക (പ്രതിസന്ധി, കാലാനുസൃതമായ മാറ്റം).

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

ഈ പരമ്പര ഊഹിക്കുക.

ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഒരു റാൻഡം മോഡൽ നിർമ്മിക്കുന്നു, ബാക്ക് ടെസ്റ്റ് ചെയ്യുന്നില്ല, ഒറ്റ സംഖ്യ നൽകുന്നു; മോഡൽ പ്രവർത്തിക്കുമോ ഇല്ലയോ എന്ന് നിങ്ങൾക്കറിയില്ല.

ശക്തമായ നിർദ്ദേശം:

ആദ്യം നിലവിലെ പ്രതിമാസ പണപ്പെരുപ്പ ശ്രേണി വിഘടിപ്പിച്ച് ഇടവേളകൾക്കായി സ്കാൻ ചെയ്യുക. കഴിഞ്ഞ 12 മാസങ്ങളിലെ ബാക്ക്‌ടെസ്റ്റ് ETS, SARIMA എന്നിവ സീസണൽ നിഷ്‌കളങ്കമായ ബെഞ്ച്‌മാർക്കിനെതിരെ, MAE-മായി താരതമ്യം ചെയ്യുക. ബെഞ്ച്‌മാർക്കിനെ വെല്ലുന്ന മോഡൽ തിരഞ്ഞെടുക്കുക, 6 മാസം ഫോർവേഡ് പ്രവചനം നൽകുകയും 80% ശ്രേണി നൽകുകയും ചെയ്യുക. ഘടനാപരമായ തകർച്ചയുടെ അപകടസാധ്യത ഒരു പ്രത്യേക മുന്നറിയിപ്പായി എഴുതുക. ഓരോ ഘട്ടത്തിൻ്റേയും കോഡും എനിക്ക് നേരിട്ട് പരിശോധിക്കാനാകുന്ന സംഗ്രഹ നമ്പറുകളും കാണിക്കുക.

സാധാരണ തെറ്റുകൾ

• ബെഞ്ച്മാർക്കുകൾ സജ്ജീകരിക്കാതെ സങ്കീർണ്ണമായ മോഡലിലേക്ക് കുതിക്കുന്നു. സങ്കീർണ്ണത വിജയത്തിന് തുല്യമല്ല.
• അത് പരിശീലിപ്പിച്ച ഡാറ്റയിൽ മോഡൽ വിലയിരുത്തുന്നു. അമിതമായ അനുസരണം വിജയമായി തെറ്റിദ്ധരിക്കുന്നു.
• ഒരൊറ്റ പോയിൻ്റ് എസ്റ്റിമേറ്റ് നൽകുന്നു. തെറ്റായ ഉറപ്പ്; പരിധിയും അനുമാനവും ആവശ്യമാണ്.
• ഘടനാപരമായ ഇടവേള അവഗണിക്കുന്നു. അന്ധമായി ഭൂതകാല ചലനാത്മകത ഭാവിയിലേക്ക് കൊണ്ടുപോകുന്നു.
• സ്റ്റബിലൈസേഷൻ ഒഴിവാക്കുന്നു. വ്യാജ ബന്ധങ്ങളും വികലമായ പ്രവചനങ്ങളും.
• പ്രവചനം ഒരു പ്രവചനമായി അവതരിപ്പിക്കുന്നു. അനിശ്ചിതത്വവും ഉത്തരവാദിത്തവും മറയ്ക്കുന്നു.

ചുരുക്കത്തിൽ

ഒരു ശ്രേണിയെ അതിൻ്റെ ഘടകങ്ങളായി വേർതിരിക്കുകയും അതിനെ നിശ്ചലമാക്കുകയും ലളിതമായ ഒരു മാനദണ്ഡം സ്ഥാപിക്കുകയും ബാക്ക്‌ടെസ്റ്റിംഗ് വഴി മോഡലുകളെ താരതമ്യം ചെയ്യുകയും അനിശ്ചിതത്വ ശ്രേണിയുമായി സത്യസന്ധമായി ഫലം അവതരിപ്പിക്കുകയും ചെയ്തുകൊണ്ടാണ് ടൈം സീരീസ് പ്രവചനം നടത്തുന്നത്. ഈ ഘട്ടങ്ങളിലെല്ലാം കൃത്രിമബുദ്ധി വേഗത്തിൽ കോഡ് സൃഷ്ടിക്കുന്നു; എന്നാൽ മോഡൽ തിരഞ്ഞെടുക്കൽ, ഘടനാപരമായ ബ്രേക്ക് ജഡ്ജ്മെൻ്റ്, പ്രവചനം എന്നിവയുടെ ഉത്തരവാദിത്തം സാമ്പത്തിക വിദഗ്ധനാണ്. ഒരു പ്രവചനം ഒരു പ്രവചനമല്ല, മറിച്ച് സോപാധികവും അനിശ്ചിതവുമായ പ്രവചനമാണ്.

ആപ്ലിക്കേഷൻ ടാസ്ക്

പ്രതിമാസ സാമ്പത്തിക ശ്രേണി തിരഞ്ഞെടുക്കുക (ഉദാ. വ്യാവസായിക ഉൽപ്പാദന സൂചിക). ആദ്യ ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് ബ്രേക്ക്ഔട്ടുകൾക്കായി വേർതിരിച്ച് സ്കാൻ ചെയ്യുക, 2-ാം ടെംപ്ലേറ്റുള്ള സീസണൽ നിഷ്കളങ്കമായ മാനദണ്ഡത്തിനെതിരെ ETS/SARIMA ബാക്ക്‌ടെസ്റ്റ് ചെയ്യുക, മൂന്നാം ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് 6 മാസത്തെ ഫോർവേഡ് റേഞ്ച് പ്രവചനം ഉണ്ടാക്കുക. നിങ്ങളുടെ മോഡൽ യഥാർത്ഥത്തിൽ ബെഞ്ച്മാർക്കിനെ മറികടക്കുന്നുണ്ടോ എന്ന് ശ്രദ്ധിക്കുകയും നിങ്ങൾ കാണുന്ന ഏതെങ്കിലും ഘടനാപരമായ ബ്രേക്കുകൾ ഫ്ലാഗ് ചെയ്യുകയും ചെയ്യുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ സീരീസ് ആസൂത്രണം ചെയ്യുകയും ട്രെൻഡ്/സീസണാലിറ്റി/ബ്രേക്ക് എന്നിവയെ അടിസ്ഥാനമാക്കി രോഗനിർണയം നടത്തുകയും ചെയ്തു.
• [ ] ആവശ്യമെങ്കിൽ ഞാൻ സ്റ്റേഷണറൈസേഷൻ (ലോഗ്/വ്യത്യാസം) പ്രയോഗിച്ചു, കാരണം എനിക്കറിയാം.
• [ ] ഞാൻ ഒരു ലളിതമായ ബെഞ്ച്മാർക്ക് സജ്ജീകരിക്കുകയും സങ്കീർണ്ണമായ മോഡൽ അതിനെതിരെ താരതമ്യം ചെയ്യുകയും ചെയ്തു.
• [ ] പരിശീലനത്തിലല്ലാത്ത കാലഘട്ടങ്ങളിൽ മാത്രമാണ് ഞാൻ മോഡൽ വിലയിരുത്തിയത് (ബാക്ക്‌ടെസ്റ്റ്).
• [ ] ഞാൻ എസ്റ്റിമേറ്റ് അവതരിപ്പിച്ചത് ഒരു അനിശ്ചിതത്വ ശ്രേണിയിലാണ്, ഒരു സംഖ്യയല്ല.
• [ ] സ്ട്രക്ചറൽ ബ്രേക്ക്/ബാഹ്യ ഷോക്ക് റിസ്ക് ഒരു പ്രത്യേക മുന്നറിയിപ്പായി ഞാൻ പരാമർശിച്ചു.
• [ ] പ്രവചനത്തിൻ്റെയും അന്തിമ വിധിയുടെയും ഉത്തരവാദിത്തം എനിക്കാണെന്ന് ഞാൻ വാദിച്ചു.