ලාභ:
- කෘතිම බුද්ධියේ සහය ඇතිව ප්රවණතාවය, සෘතුමයභාවය, චක්රය සහ නිශ්චලතාව වැනි කාල ශ්රේණි සංකල්ප අවබෝධ කර ගැනීම සහ මාලාවක් නිවැරදිව විග්රහ කිරීමට හැකි වීම
- ARIMA, ETS සහ සරල මිණුම් සලකුණු ආකෘති කෘත්රිම බුද්ධියට කේතයක් ලෙස ස්ථාපනය කිරීමට, පුරෝකථන නිෂ්පාදනය කිරීමට සහ ඒවා පසුපස පරීක්ෂාවෙන් ඇගයීමට හැකියාව
- අවිනිශ්චිතතා පරාසය, ආදර්ශ සීමාව සහ ව්යුහාත්මක බිඳීම හමුවේ පුරෝකථනයේ අස්ථාවරත්වය අවබෝධ කර ගැනීමටත්, අනාවැකි සඳහා වගකීම ආර්ථික විද්යාඥයා වෙත පවතින බව පවත්වා ගැනීමටත් හැකි වීම.
ආර්ථික විද්යාවේ භාෂාව කාලයයි. උද්ධමනය, වර්ධනය, විරැකියාව, විනිමය අනුපාත - ඒවා සියල්ලම කාලයත් සමඟ ගලා යන ශ්රේණි වන අතර, ආර්ථික විද්යාඥයා බොහෝ විට අසන එක් දෙයක් නම් "ඉතින් ඊළඟට කුමක් සිදුවේද?" යනු ප්රශ්නයයි. මෙම ඒකකය තුළ, අපි කාල ශ්රේණි සංකල්ප තේරුම් ගැනීමට, ආදර්ශ කේතය ගොඩනැගීමට සහ අනාවැකි නිෂ්පාදනය කිරීමට කෘතිම බුද්ධිය භාවිතා කරන්නෙමු. නමුත් මුල සිටම රාමුව පැහැදිලි කරමු: අනාවැකියක් යනු අනාවැකියක් නොව, අවිනිශ්චිතභාවය යටතේ කොන්දේසි සහිත පුරෝකථනයක් වන අතර වගකීම ආර්ථික විද්යාඥයා වෙත පැවරේ. AI ඔබට විනාඩි කිහිපයකින් ARIMA කේතය ලිවිය හැක; නමුත් එම අනාවැකිය සාධාරණද නැද්ද යන්න සහ ව්යුහාත්මක බිඳීමක් හමුවේ එය කඩා වැටෙනවාද යන්න තීරණය කරන්නේ මිනිසා විසිනි.
කාල ශ්රේණියක සංරචක
එය කොටස් හතරකට කඩා ඕනෑම ආර්ථික මාලාවක් ගැන සිතීමට උපකාරී වේ:
- ප්රවණතාවය (ප්රවණතාවය). දිගුකාලීන දිශාව; ආර්ථිකයේ වර්ධන මාවත වැනි.
- සෘතුමය බව. වසර පුරා නිතිපතා පුනරාවර්තනය වන රටාව; ගිම්හානයේදී සංචාරක කර්මාන්තය වැඩිවේ, දෙසැම්බර් මාසයේදී සිල්ලර වෙළඳාම වැඩිවේ.
- චක්රය (සංයුක්ත). වාරයට වඩා දිගු, අක්රමවත් උස් පහත්වීම්; ප්රසාරණය සහ හැකිලීමේ කාල පරිච්ඡේද.
- අක්රමවත්/ශබ්ද. පැහැදිලි කළ නොහැකි, අහඹු උච්චාවචනය.
මාලාවක් ඇස්තමේන්තු කිරීමට පෙර, මෙම සංරචක වියෝජනය කිරීම අවශ්ය වේ. මක්නිසාද යත්, අමු මාලාව දෙස බලා "එය වැටෙනවා" යැයි පැවසීම නොමඟ යවන සුළු විය හැක: සමහර විට ඔබ සිටින්නේ සෘතු අගලක විය හැක.
ස්ථාවරත්වය පිළිබඳ සංකල්පය ද ඇත: ශ්රේණියක සංඛ්යානමය ගුණ (මධ්යන්ය, විචලනය) කාලයත් සමඟ වෙනස් නොවේ. බොහෝ ආර්ථික ශ්රේණි නිශ්චල නොවේ (නිරන්තරයෙන් වර්ධනය වේ); බොහෝ ආකෘතීන් ගොඩනැගීමට පෙර වෙනස් කිරීම (එක් කාල පරිච්ඡේදයක් තවත් කාල පරිච්ඡේදයකින් අඩු කිරීම) හෝ ලඝුගණක සමඟ ස්ථානගත කිරීම අවශ්ය වේ. AI මෙම පියවර නිර්දේශ කරයි, නමුත් ඒවා අවශ්ය වන්නේ මන්දැයි දැන ගැනීම ඔබව ආරක්ෂා කරයි.
ඉඟිය: පුරෝකථනය කිරීමට පෙර සෑම විටම මාලාව සැලසුම් කර දිරාපත් කරන්න. පෙනෙන ව්යුහාත්මක බිඳීමක් (උදා: අර්බුදයක් හෝ මුදල් ප්රතිසංස්කරණයක්) වඩාත්ම දියුණු ආකෘතිය පවා රැවටෙනු ඇත. ප්රස්ථාරය ලාභම රෝග විනිශ්චය මෙවලමයි.
ආකෘති: සරල සිට සංකීර්ණ, නමුත් පළමුව මිණුම් ලකුණ
කාල ශ්රේණි පුරෝකථනයේ ස්වර්ණමය රීතිය: සෑම විටම සරල මිණුම් සලකුණු ආකෘතියකින් ආරම්භ කරන්න. සරලම පුරෝකථනය වන්නේ “බොළඳ පුරෝකථනය” ය: හෙට අදට සමාන වනු ඇත (හෝ සෘතුමය බොළඳ: මෙම මාසය පසුගිය වසරේ එම මාසයට සමාන වේ). සංකීර්ණ ආකෘතියකට මෙම බොළඳ පුරෝකථනය පරාජය කළ නොහැකි නම්, සංකීර්ණත්වය නිෂ්ඵල වේ.
එවිට නිතර භාවිතා කරන ක්රම:
- ETS / ඝාතීය සුමට කිරීම. මට්ටම, ප්රවණතාවය සහ සෘතුමය බව බර කිරීමෙන් මෘදු කරන පවුලක්.
- ඇමතීම. ස්වයං ප්රතිගාමී (අතීත අගයන් මත පදනම්ව) සහ චලනය වන සාමාන්ය සංරචක ඒකාබද්ධ කරන සම්භාව්ය ආකෘතිය; සෘතුමය අනුවාදය SARIMA.
- ප්රතිගාමී/පැහැදිලි කිරීමේ ආකෘති. වෙනත් දර්ශක සමඟ විචල්යයක් පැහැදිලි කිරීම (උදා: ආදායම සහ මිල අනුව ඉල්ලුම).
AI හට මේ සියල්ල statsmodels (Python library) තුළ කේත කළ හැක. ඔබේ කාර්යය වන්නේ ආකෘති තෝරා ගැනීම සහ වලංගු කිරීමයි.
පසුපෙළ: පුරෝකථන පරීක්ෂණය
ආකෘතියක් ඓතිහාසික දත්ත සමඟ "හොඳින් ගැලපේ" නම් එයින් කිසිවක් අදහස් නොවේ; ඕනෑම ආකෘතියකට ගැලපෙන තරම් නම්යශීලී (මෙය overfitting ලෙස හැඳින්වේ). සැබෑ ප්රශ්නය: ආකෘතිය තමන් නොදුටු කාල පරිච්ඡේද කෙතරම් හොඳින් පුරෝකථනය කරයිද? මෙය මැනීම සඳහා, ඔබ පසුපෙළ කිරීම සිදු කරයි: ඔබ දිනයකදී දත්ත බෙදීම, පෙර කොටස සමඟ ආකෘතිය පුහුණු කිරීම, ඊළඟ කොටස "අනාගතය මෙන්" පුරෝකථනය කර එය යථාර්ථයට සසඳන්න. දෝෂ මිනුම් (උදාහරණයක් ලෙස, MAE - නිරපේක්ෂ දෝෂය, හෝ RMSE - මූල මධ්යන්ය වර්ග දෝෂය) ඔබට ආකෘතිය මිණුම් ලකුණට සංසන්දනය කිරීමට ඉඩ සලසයි.
අවවාදයයි: ඔබ ඇගයීමට ලක් කළ දත්ත සමඟ ආකෘතිය පුහුණු නොකරන්න. පුරෝකථනයේ සාර්ථකත්වය මනිනු ලබන්නේ පුහුණුවේදී භාවිතා නොකරන කාල පරිච්ඡේදවලදී පමණි. එසේ නොවුවහොත් ඔබ ඔබම රවටා ගනු ඇත; ආකෘතිය කඩදාසි මත විශිෂ්ටයි නමුත් යථාර්ථයේ දී නිෂ්ඵලයි.
අවිනිශ්චිතතාවය: පරාසය, ලක්ෂ්ය ඇස්තමේන්තුව නොවේ
තනි අංකයක් ("වසර අවසන් වන විට උද්ධමනය සියයට 24ක් වනු ඇත") ව්යාජ නිසැක භාවය විදහා දක්වයි. අවංක ඇස්තමේන්තුවට පරාසයක් සහ සම්භාවිතාවක් ඇතුළත් වේ: "සියයට 21-27 කලාපයේ, මධ්ය දර්ශනය සියයට 24 කි". පුරෝකථන අවිනිශ්චිතතාවය ආකෘතිය මගින් නිපදවන විශ්වාසනීය කාල පරාසයන් තුළ ප්රකාශ වේ; නමුත් සැබෑ අවිනිශ්චිතතාවය මෙයට වඩා වැඩි ය, මන්ද ආදර්ශ උපකල්පන ද වැරදි විය හැකි බැවිනි. ව්යුහාත්මක බිඳීම (ප්රතිපත්ති වෙනස් කිරීම, බාහිර කම්පනය) ආකෘතියට නොපෙනෙන විශාලතම අවදානම වේ.
කුඩා නඩු තුනක්
නඩුව 1 - මිණුම් ලකුණ පරාජය කිරීමට අසමත් වීම. විශ්ලේෂකයෙකු විසින් මාසික සිල්ලර විකුණුම් සඳහා AI විසින් සංකීර්ණ SARIMA එකක් ගොඩනගා ඇත. පසුපස පරීක්ෂාවේදී, "මෙම මාසය පසුගිය වසරේ එම මාසයට සමාන වේ" යනුවෙන් සෘතුමය බොළඳ පුරෝකථනයට වඩා ආකෘතියේ සාමාන්ය නිරපේක්ෂ දෝෂය නරක විය. විශ්ලේෂකයා සංකීර්ණ ආකෘතිය අත්හැරියේය; ඔහු බොළඳ අනුමානය පදනමක් ලෙස ගෙන විශේෂඥ නිවැරදි කිරීමක් එක් කළේය. සරල බව ජය ගනී.
නඩුව 2 - ව්යුහාත්මක බිඳීම. ආයතනයක් පශ්චාත් කම්පන කාලය සඳහා විනිමය අනුපාත කම්පනය වීමට පෙර දත්ත සමඟ පුහුණු කරන ලද උද්ධමන ආකෘතිය භාවිතා කළේය. මෙම ආකෘතිය පසුගිය සන්සුන් කාලපරිච්ඡේදයේ ගතිකත්වය උපකල්පනය කළ නිසා උද්ධමනය දැඩි ලෙස අවතක්සේරු කළේය. පාඩම: ආකෘතිය එය පුහුණු කර ඇති ලෝකය උපකල්පනය කරයි; ලෝකය වෙනස් වන විට, අනාවැකි බිඳ වැටේ. ආර්ථික විද්යාඥයා ප්රස්ථාරය දෙස බැලුවහොත් ඔහුට කැඩීම පෙනේ.
නඩුව 3 - පරාසයේ අවංකභාවය. ආර්ථික විද්යාඥයෙක් තම වසර අවසාන වර්ධන පුරෝකථනය කළමනාකාරිත්වයට ඉදිරිපත් කළේ තනි චරිතයක් ලෙස නොව, "සියයට 3.0-4.2 පරාසය, මේවා යටින් පවතින උපකල්පනයන්" ලෙසිනි. වසර අවසානයේදී, අවබෝධය සියයට 3.6 කි; එය සංගීත කණ්ඩායමේ විය. ඔහු තනි අංකයක් ලබා දුන්නේ නම්, ඔහුට "වැරදි" ලේබල් කිරීමට ඉඩ තිබුණි; පරාසය සහ උපකල්පන යන දෙකම අවංක සහ පවත්වාගෙන යන විශ්වාසය විය.
ආකෘති තේරීමේ වගුව
තත්ත්වය
නිසි ආරම්භය
සටහන
සෑම අනුමානයක්ම
බොළඳ / සෘතුමය බොළඳ මිණුම් ලකුණ
පරාජය කිරීමට පදනම
Trend + සෘතුමය, පැතලි
ETS (ඝාතීය සුමටනය)
ස්ථාපනය කිරීමට සහ අදහස් දැක්වීමට පහසුය
ස්වයං සහසම්බන්ධ මාලාවක්
(ස)අරිමා
ස්ථාවර කිරීම අවශ්ය වේ
පැහැදිලි කිරීමේ විචල්යයක් ඇත
ප්රතිගාමීත්වය පදනම් වේ
අනාගතය ගැන අනාවැකි කියන්නන් ද විය යුතුය
ව්යුහාත්මක බිඳීමක් පිළිබඳ සැකය
ආකෘතිය + විශේෂඥ නිවැරදි කිරීම
පිරිසිදු ආකෘතිය ප්රමාණවත් නොවේ
පිටපත් කළ හැකි සැකිලි හතරක්
1) විග්රහ කිරීම සහ රෝග විනිශ්චය:
එම මාසික ශ්රේණි [මාලාව] සැලසුම් කරන්න, ඉන්පසු එය ප්රවණතා/සෘතුමය/අවශේෂ සංරචක (statsmodel) ලෙස වෙන් කරන්න. එය නිශ්චල දැයි පරීක්ෂා කරන්න (ADF පරීක්ෂණය) සහ, අවශ්ය නම්, ඔබ නිර්දේශ කරන පරිවර්තනය (ලොග්, වෙනස) පැහැදිලි කරන්න. ප්රස්ථාරයේ දෘශ්ය ව්යුහාත්මක බිඳීමක් තිබේ නම් සලකුණු කරන්න.
2) මිණුම් ලකුණ + ආකෘති සංසන්දනය:
පළමුව මෙම මාලාව සඳහා සෘතුමය බොළඳ මිණුම් සලකුණු පුරෝකථනයක් ස්ථාපිත කරන්න. ඊට පස්සේ ETS එකයි SARIMA එකයි සෙට් කරගන්න. MAE සහ RMSE මත පදනම් වූ තුනම පසුපස පරීක්ෂණයක් සමඟ සසඳන්න (පසුගිය මාස 12 පරීක්ෂා කිරීම). ප්රතිඵල වගුගත කර මිණුම් ලකුණ පරාජය කරන ආකෘතිය පැහැදිලිව සඳහන් කරන්න.
3) ඇස්තමේන්තු සහ අවිනිශ්චිතතා පරාසය:
මා තෝරාගත් ආකෘතිය සඳහා ඉදිරි කාල පරිච්ඡේද 6 පුරෝකථනය කර 80%/95% විශ්වාසනීය කාල පරතරයන් ලබා දෙන්න. ඇස්තමේන්තුව තනි අංකයක් ලෙස නොව පරාසයක් ලෙස ඉදිරිපත් කරන්න. මෙම පරාසය ආදර්ශ අවිනිශ්චිතතාව පමණක් ආවරණය කරන බව පැහැදිලි කරන්න, ව්යුහාත්මක බිඳවැටීමේ/බාහිර කම්පන අවදානම නොවේ.
4) පසුපෙළ කියවීම:
මෙම පසුපෙළ ප්රතිඵල [වගුව] අර්ථ දක්වන්න. ආකෘතිය ඇත්ත වශයෙන්ම මිණුම් ලකුණ පරාජය කරයිද, නැතහොත් වෙනස සංඛ්යානමය වශයෙන් නොවැදගත්ද? ඔබගේ ආකෘතිය වැඩිපුරම වැරදි සිදු කර ඇති කාල පරිච්ඡේද සඳහන් කරන්න සහ මේ සඳහා විය හැකි ආර්ථික හේතුව (අර්බුද, සෘතුමය වෙනස් වීම) ප්රශ්න කරන්න.
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
දුර්වල ක්ෂණික:
මෙම මාලාව අනුමාන කරන්න.
කෘත්රිම බුද්ධිය අහඹු ආකෘතියක් ගොඩනඟයි, පසුපස පරීක්ෂණය නොකරයි, ඔත්තේ සංඛ්යාවක් ලබා දෙයි; මොඩල් එක වැඩ කරනවද නැද්ද දන්නෙ නෑ.
බලවත් විමසුම:
ප්රථමයෙන් වත්මන් මාසික උද්ධමන ශ්රේණිය වියෝජනය කර විරාම සඳහා ස්කෑන් කරන්න. සෘතුමය බොළඳ මිණුම් ලකුණකට එරෙහිව පසුගිය මාස 12 තුළ Backtest ETS සහ SARIMA, MAE සමඟ සසඳන්න. බෙන්ච්මාර්ක් එක පරදවන මොඩල් එක තෝරලා, මාස 6ක ඉදිරි අනාවැකියක් දීලා 80% පරාසයක් දාන්න. ව්යුහය කැඩී යාමේ අවදානම වෙනම අනතුරු ඇඟවීමක් ලෙස ලියන්න. මට අතින් සත්යාපනය කළ හැකි එක් එක් පියවර සහ සාරාංශ අංක සඳහා කේතය පෙන්වන්න.
පොදු වැරදි
- මිණුම් සලකුණු සැකසීමකින් තොරව සංකීර්ණ ආකෘතියට පැනීම. සංකීර්ණත්වය සාර්ථකත්වයට සමාන නොවේ.
- එය පුහුණු කළ දත්ත මත ආකෘතිය ඇගයීම. සාර්ථකත්වය සඳහා අධික ලෙස අනුකූල වීම වරදවා වටහා ගැනීම.
- තනි ලකුණු ඇස්තමේන්තුවක් ලබා දීම. වැරදි සහතික; පරාසය සහ උපකල්පනය අවශ්ය වේ.
- ව්යුහාත්මක බිඳීම නොසලකා හැරීම. අන්ධ ලෙස අතීත ගතිකත්වය අනාගතයට රැගෙන යාම.
- ස්ථායීකරණය මඟ හැරීම. ව්යාජ සබඳතා සහ විකෘති අනාවැකි.
- අනාවැකිය අනාවැකියක් ලෙස ඉදිරිපත් කිරීම. අවිනිශ්චිතභාවය සහ වගකීම සැඟවීම.
සාරාංශයක් ලෙස
කාල ශ්රේණි පුරෝකථනය සිදු කරනු ලබන්නේ ශ්රේණියක් එහි සංරචක වලට වෙන් කිරීම, එය නිශ්චල කිරීම, සරල මිණුම් ලකුණක් ස්ථාපනය කිරීම, පසුපස පරීක්ෂාව මගින් ආකෘති සංසන්දනය කිරීම සහ ප්රතිඵලය අවිනිශ්චිතතා පරාසය සමඟ අවංකව ඉදිරිපත් කිරීමෙනි. කෘතිම බුද්ධිය මෙම සියලු පියවර සඳහා කේතය ඉක්මනින් ජනනය කරයි; නමුත් ආදර්ශ තේරීම, ව්යුහාත්මක විරාම විනිශ්චය සහ පුරෝකථනය පිළිබඳ වගකීම ආර්ථික විද්යාඥයා වෙත පැවරේ. අනාවැකියක් යනු අනාවැකියක් නොව කොන්දේසි සහිත සහ අවිනිශ්චිත අනාවැකියකි.
යෙදුම් කාර්යය
මාසික ආර්ථික මාලාවක් තෝරන්න (උදා: කාර්මික නිෂ්පාදන දර්ශකය). 1 වන අච්චුව සමඟින් බිඳීම් සඳහා වෙන් කර පරිලෝකනය කරන්න, 2 වන අච්චුව සමඟින් සෘතුමය බොළඳ මිණුම් ලකුණට එරෙහිව ETS/SARIMA පසුපසට පරීක්ෂා කරන්න, 3 වන අච්චුව සමඟ මාස 6ක ඉදිරි පරාසයක පුරෝකථනයක් නිෂ්පාදනය කරන්න. ඔබේ ආකෘතිය ඇත්ත වශයෙන්ම මිණුම් ලකුණ ඉක්මවා යනවාද යන්න සහ ඔබ දකින ඕනෑම ව්යුහාත්මක බිඳීමක් සලකුණු කරන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම මාලාව සැලසුම් කර එය ප්රවණතාවය / සෘතුමය / විවේකය අනුව රෝග විනිශ්චය කළෙමි.
- [ ] මම අවශ්ය නම් ස්ථිතිකකරණය (ලොග්/වෙනස) යෙදූ අතර හේතුව මම දනිමි.
- [ ] මම සරල මිණුම් ලකුණක් සකසා එයට එරෙහිව සංකීර්ණ ආකෘතිය සංසන්දනය කළෙමි.
- [ ] මම ආකෘතිය ඇගයීමට ලක් කළේ එය පුහුණුවීම්වල නොමැති කාල පරිච්ඡේදවලදී පමණි (පසුපෙළ).
- [ ] මම ඇස්තමේන්තුව ඉදිරිපත් කළේ අවිනිශ්චිත පරාසයක් සමඟ මිස තනි අංකයක් නොවේ.
- [ ] මම ව්යුහාත්මක බිඳීම/බාහිර කම්පන අවදානම වෙනම අනතුරු ඇඟවීමක් ලෙස සඳහන් කළෙමි.
- [ ] පුරෝකථනය සහ අවසාන විනිශ්චය සඳහා වගකීම මා සතු බව මම කියා සිටියෙමි.