КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Точность прогнозов
Основными критериями при оценке эффективности модели, используемой в прогнозировании, служат точность прогноза и полнота представления будущего финансового состояния предприятия. С точки зрения полноты, безусловно наилучшими являются методы, позволяющие построить прогнозные формы отчетности. В этом случае будущее состояние предприятия можно проанализировать не менее детально, чем его настоящее положение. Вопрос с точностью прогноза несколько более сложен и требует более пристального внимания. Точность или ошибка прогноза - это разница между прогнозным и фактическим значениями. В каждой конкретной модели эта величина зависит от ряда факторов. Чрезвычайно важную роль играют исторические данные, используемые при выработке модели прогнозирования. В идеале желательно иметь большое количество данных за значительный период времени. Кроме того, используемые данные должны быть "типичными" с точки зрения ситуации. Стохастические методы прогнозирования, использующие аппарат математической статистики, предъявляют к историческим данным вполне конкретные требования, в случае невыполнения которых не может быть гарантирована точность прогнозирования. Данные должны быть достоверны, сопоставимы, достаточно представительны для проявления закономерности, однородны и устойчивы. Точность прогноза однозначно зависит от правильности выбора метода прогнозирования в том или ином конкретном случае. Однако это не означает что в каждом случае применима только какая-нибудь одна модель. Вполне возможно, что в ряде случаев несколько различных моделей выдадут относительно надежные оценки. Основным элементом в любой модели прогнозирования является тренд или линия основной тенденции изменения ряда. В большинстве моделей предполагается, что тренд является линейным, однако такое предположение не всегда закономерно и может отрицательно повлиять на точность прогноза. На точность прогноза также влияет используемый метод отделения от тренда сезонных колебаний - сложения или умножения. При использовании методов регрессии крайне важно правильно выделить причинно-следственные связи между различными факторами и заложить эти соотношения в модель.
Важно помнить, что ошибки прогноза строк отчетности и ошибки определения по ним результативных показателей (финансовых коэффициентов) в большинстве случаев не совпадают. Действительно, пусть какой-либо коэффициент F определяется следующим образом: F = (x + y) / z (23), где x, y, z - некоторые строки бухгалтерского или аналитического баланса. Это достаточно типичный вид для финансовых показателей. И пусть абсолютные ошибки прогноза строк составляют соответственно dx, dy, dz. Тогда абсолютная ошибка прогноза F будет равна:
Для относительной ошибки на основании формул (23) и (24) получим:
То есть, если, например, точность прогноза каждой из строк x, y и z составила 10%, то, положив x=y, из формулы (25) получим точность определения F: Таким образом, точность прогноза финансовых коэффициентов в методах, основывающихся на построении прогнозной отчетности, всегда ниже точности, с которой определяются сами прогнозные значения строк отчетности. Поэтому, если аналитик, как это и должно быть, имеет определенные требования к точности определения финансовых коэффициентов, то должен быть выбран метод, обеспечивающий еще более высокую точность прогноза строк отчетности. Прежде чем использовать модель для составления реальных прогнозов, ее необходимо проверить на объективность, с тем чтобы обеспечить точность прогнозов. Этого можно достичь двумя разными путями:
В свете вышесказанного относительно проверки модели становится ясным, что для того, чтобы уменьшить ожидаемые ошибки, придется вносить изменения в уже существующую модель. Такие изменения вносятся на протяжении всего периода применения модели в реальной жизни. Непрерывное внесение изменений возможно в том, что касается тренда, сезонных и циклических колебаний, а также любого используемого причинно-следственного соотношения. Эти изменения затем проверяются с помощью уже описанных методов. Таким образом, процесс оформления модели включает в себя несколько этапов: сбор данных, выработку исходной модели, проверку, уточнение - и опять все сначала на основе непрерывного сбора дополнительных данных с целью обеспечения надежности модели в качестве источника прогнозной информации о финансовом положении предприятия. При разработке любой из моделей прогнозирования предполагается, что ситуация в будущем не будет сильно отличаться от настоящей. Другими словами, считается, что все значимые факторы либо учтены в модели прогнозирования, либо неизменны в течение всего периода времени, на котором она используется. Однако модель - это всегда огрубление реальной ситуации путем отбора из бесконечного количества действующих факторов ограниченного числа тех из них, которые считаются наиболее важными исходя из конкретных целей анализа. Точность и эффективность построенной модели будут напрямую зависеть от правильности о обоснованности такого отбора. При использовании модели для прогнозирования следует помнить о существовании факторов, сознательно или несознательно не включенных в нее, которые тем не менее оказывают влияние на состояние предприятия в будущем.
Измеритель меры точности прогноза – это ошибка прогноза. Ошибка бывает количественная и качественная.
Количественные характеристики: 1. Абсолютная ошибка прогноза – разница между фактическим и прогнозным значением (для тестового периода). Ретроспектива делится на обучающую выборку и ретроспективу. Минусы – привязка к масштабу. - фактическое решение - прогнозное значение - число наблюдений обучающей выборки - период упреждения - средняя дельта
Относительные характеристики: 1. Коэффициент несоответствия Тейла (для тестового периода) Мы хотим чтобы , когда Качественные характеристики: 1. Прогноз реализации – облако значений должно быть на линии совершенных прогнозов. Информационные характеристики качества модели: 1. Среднеквадратическое отклонение - число степеней свободы (зависит от вида модели) 2. Коэффициент детерминации – показывает на сколько объясняемые переменные описывают объясняющую переменную (в % или долях) 3. F статистика – показывает значимость модели в целом.
Наивные методы прогнозирования – в основном это модели средних, используются для прогнозирования и для сглаживания данных): 1. модель простой средней 2. модель простой скользящей средней 3. модель адаптивной скользящей средней 4. модель взвешенной скользящей средней 5. модель экспоненциальное сглаживание Брауна
Литература
Дата добавления: 2014-01-07; Просмотров: 2705; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |