Добици:
- Разумевање концепата временских серија као што су тренд, сезоналност, циклус и стационарност уз подршку вештачке интелигенције и способност да правилно анализирате низ
- Способност инсталирања АРИМА, ЕТС и једноставних бенцхмарк модела у вештачку интелигенцију као код, израде предвиђања и процене их тестирањем уназад
- Бити у стању да разуме крхкост прогнозе суоченој са опсегом неизвесности, ограничењем модела и структурним прекидом, и да задржи одговорност за прогнозу на економисти.
Језик економије је време. Инфлација, раст, незапосленост, девизни курсеви — све су то серије које теку током времена, а једна од ствари које економисту најчешће питају је „па шта се даље дешава?“ је питање. У овој јединици користићемо вештачку интелигенцију да разумемо концепте временских серија, направимо код модела и направимо прогнозе. Али хајде да разјаснимо оквир од самог почетка: прогноза није пророчанство, већ условно предвиђање под неизвесношћу, а одговорност је на економисти. АИ вам може написати АРИМА код за неколико минута; Али људско биће је оно које одлучује да ли је то предвиђање разумно или не и да ли ће се срушити пред структуралним прекидом.
Компоненте временске серије
Помаже размишљање о било којој економској серији тако што ћемо је поделити на четири дела:
- Тренд (тенденција). Дугорочни правац; као што је пут раста привреде.
- Сезоналност. Образац који се редовно понавља током целе године; Туризам расте лети, малопродаја расте у децембру.
- Циклус (коњунктура). Дуже од сезоне, неправилни успони и падови; периоди експанзије и контракције.
- Неправилан/бука. Необјашњива, насумична флуктуација.
Пре процене серије, потребно је разложити ове компоненте. Зато што гледање сирове серије и изговарање „пада“ може да доведе у заблуду: можда сте само у сезонском кориту.
Постоји и концепт стационарности: статистичка својства (средња вредност, варијанса) серије се не мењају током времена. Већина економских серија није стационарна (константно расте); Многи модели захтевају диференцирање (одузимање једног периода од другог) или стационаризацију са логаритмима пре изградње. АИ препоручује ове кораке, али сазнање зашто су потребни штити вас.
Савет: Увек зацртајте и разложите серију пре предвиђања. Очигледни структурални прекид (нпр. криза или реформа валуте) ће преварити чак и најнапреднији модел. Табела је најјефтинији дијагностички алат.
Модели: од једноставних до сложених, али прво референтни
Златно правило у предвиђању временских серија: увек почните са једноставним референтним моделом. Најједноставнија прогноза је „наивна прогноза“: сутра ће бити једнако данашњем (или сезонска наивна: овај месец је једнак истом месецу прошле године). Ако сложени модел не може да победи ово наивно предвиђање, сложеност је узалудна.
Затим често коришћене методе:
- ЕТС / Експоненцијално изглађивање. Породица која омекшава ниво, тренд и сезонскост тако што их тежи.
- ЦАЛЛИНГ. Класични модел који комбинује ауторегресивне (засноване на прошлим вредностима) и компоненте покретног просека; сезонска верзија САРИМА.
- Регресијски засновани/објашњавајући модели. Објашњавање варијабле са другим индикаторима (нпр. потражња према приходу и цени).
АИ може кодирати све ово у моделима статистике (Питхон библиотека). Ваш посао је да изаберете и потврдите моделе.
Бацктест: тест предвиђања
Не значи ништа ако се модел „лепо уклапа“ са историјским подацима; Довољно флексибилан да стане на било који модел (ово се зове преуређење). Право питање: колико добро модел предвиђа периоде које није видео? Да бисте ово измерили, урадите бацктестинг: поделите податке на датум, обучите модел са претходним делом, предвидите следећи део „као да је будућност“ и упоредите га са стварношћу. Мере грешке (на пример, МАЕ — средња апсолутна грешка, или РМСЕ — средња квадратна грешка) омогућавају вам да упоредите модел са референтном вредношћу.
Опрез: Немојте тренирати модел са подацима које сте проценили. Мерите успех предвиђања само у периодима који се не користе у тренингу. Иначе ћете се преварити; Модел је одличан на папиру, али бескорисан у стварности.
Неизвесност: опсег, а не тачка
Један број („инфлација ће до краја године бити 24 одсто“) одише лажном сигурношћу. Искрена процена укључује распон и вероватноћу: „у опсегу од 21-27 процената, централни сценарио је 24 процента“. Неизвесност прогнозе се изражава у интервалима поверења које производи модел; али стварна неизвесност је већа од ове, јер претпоставке модела такође могу бити погрешне. Структурални прекид (промена политике, екстерни шок) је највећи ризик који модел не види.
три мини кофера
Случај 1 — Неуспех у достизању стандарда. Аналитичар је дао АИ да изгради комплекс САРИМА за месечну малопродају. У задњем тесту, просечна апсолутна грешка модела била је гора од сезонске наивне прогнозе која је рекла да је „овај месец једнак истом месецу прошле године“. Аналитичар је напустио сложени модел; За основу је узео наивно нагађање и додао стручну исправку. Једноставност побеђује.
Случај 2 — Прелом конструкције. Једна институција је користила модел инфлације који је обучила са подацима пре шока курса за период после шока. Модел је озбиљно потценио инфлацију јер је претпоставио динамику протеклог мирног периода. Поука: модел претпоставља свет у коме је обучен; Када се свет промени, предвиђање се руши. Када би економиста погледао графикон, видео би прекид.
Случај 3 — Искреност опсега. Економиста је своју прогнозу раста на крају године представио менаџменту не као једну цифру, већ као „опсег од 3,0-4,2 одсто, ово су основне претпоставке“. На крају године реализација је била 3,6 одсто; Било је у бенду. Да је дао само један број, можда би био означен као "погрешан"; распон и претпоставке су били и искрени и одржавали поверење.
Табела за избор модела
Статус
правилан почетак
напомена
Свако нагађање
Наивни / сезонски наивни бенцхмарк
База коју треба победити
Тренд + сезоналност, стан
ЕТС (експоненцијално изглађивање)
Лако се инсталира и коментарише
Аутокорелиране серије
(С)АРИМА
Потребна је стабилизација
Постоји варијабла која објашњава
На основу регресије
Предиктори будућности такође морају
Сумња на структурални лом
Модел + стручна корекција
Чист модел није довољан
Четири шаблона за копирање
1) Парсинг и дијагноза:
Зацртајте ту месечну серију [серију], а затим је раздвојите на компоненте тренда/сезонскости/преостале (статсмодели). Проверите да ли је непомичан (АДФ тест) и, ако је потребно, објасните коју трансформацију (лог, разлика) препоручујете. Означите да ли постоји видљив структурални прекид на графикону.
2) Бенцхмарк + поређење модела:
Прво успоставите сезонску наивну референтну прогнозу за ову серију. Затим поставите ЕТС и САРИМА. Упоредите сва три на основу МАЕ и РМСЕ са бацктестом (тестирањем у последњих 12 месеци). Табеларни приказ резултата и јасно наведите који модел је надмашио стандард.
3) Опсег процене и несигурности:
Предвидите следећих 6 периода за модел који сам изабрао и дајте интервале поверења од 80%/95%. Представите процену као опсег, а не као један број. Објасните да овај опсег САМО покрива несигурност модела, а не ризик од лома конструкције/спољног удара.
4) Очитавање Бацктест:
Протумачите ове резултате бацктест-а [табела]. Да ли модел заправо превазилази стандард или је разлика статистички безначајна? Наведите у којим периодима је ваш модел направио највише грешака и доведите у питање могући економски разлог за то (криза, сезонска промена).
Слаби промпт / Јаки промпт
Слабо обавештење:
Погоди ову серију.
Вештачка интелигенција гради насумични модел, не тестира уназад, даје непаран број; Не знате да ли модел ради или не.
Снажан упит:
Прво декомпонујте тренутну месечну серију инфлације и скенирајте паузе. Тестирајте ЕТС и САРИМА у последњих 12 месеци у односу на сезонски наивни бенцхмарк, упоредите са МАЕ. Изаберите модел који превазилази стандарде, дајте прогнозу за 6 месеци унапред и поставите распон од 80%. Напишите ризик од лома конструкције као посебно упозорење. Прикажи код за сваки корак и збирне бројеве које могу ручно да проверим.
Уобичајене грешке
- Ускакање у сложени модел без постављања мерила. Комплексност није једнака успеху.
- Процена модела на основу података на којима је тренирао. Грешка прекомерна усклађеност са успехом.
- Давање процене у једној тачки. Лажна сигурност; потребан опсег и претпоставка.
- Игноришући структурални прекид. Слепо преношење динамике прошлости у будућност.
- Прескакање стабилизације. Лажне везе и искривљена предвиђања.
- Представљање предвиђања као пророчанства. Скривање неизвесности и одговорности.
Укратко
Предвиђање временских серија се врши раздвајањем серије на њене компоненте, чинећи је стационарном, успостављањем једноставног бенчмарка, упоређивањем модела тестирањем уназад и поштеним представљањем резултата са опсегом несигурности. Вештачка интелигенција брзо генерише код за све ове кораке; Али одговорност за избор модела, процену структуралних ломова и предвиђање лежи на економисти. Предсказање није пророчанство, већ условно и неизвесно предвиђање.
Задатак апликације
Изаберите месечну економску серију (нпр. индекс индустријске производње). Одвојите и скенирајте у потрази за пробојима помоћу 1. шаблона, тестирајте ЕТС/САРИМА у односу на сезонску наивну референтну вредност помоћу 2. шаблона, дајте 6-месечну прогнозу распона унапред са 3. шаблоном. Обратите пажњу на то да ли ваш модел заиста надмашује референтну вредност и означите све структурне ломове које видите.
контролна листа
- [ ] Нацртао сам серију и дијагностиковао је у смислу тренда/сезонскости/прекида.
- [ ] Применио сам стационаризацију (лог/разлика) ако је потребно и знам разлог.
- [ ] Поставио сам једноставан бенцхмарк и упоредио сложени модел са њим.
- [ ] Модел сам процењивао само у периодима када није био на тренингу (бектест).
- [ ] Представио сам процену са опсегом несигурности, а не једним бројем.
- [ ] Споменуо сам ризик од структуралног лома/спољног шока као посебно упозорење.
- [ ] Ја сам тврдио да одговорност за предвиђање и коначну пресуду лежи на мени.