Как составить прогноз на этапе

Научно обоснованное прогнозирование является важным инструментом современного менеджмента. Оно используется как для стратегического планирования развития отдельных предприятий, так и для разработки долгосрочных социально-экономических программ на государственном уровне. Структура и этапы этого процесса тесно связаны с методикой и принятой моделью.

Определение

Прогнозирование – это система теоретически обоснованных представлений о возможных будущих состояниях какого-либо объекта и о направлениях его развития. Это понятие схоже с термином гипотеза, но, в отличие от последней, оно основано на количественных показателях и обладает большей достоверностью. Общей чертой этих двух понятий является то, что они исследуют еще не существующий объект или процесс.

Прикладные методики прогнозирования получили активное развитие в 70-е гг. XX в., а бум их использования за рубежом продолжается и в наши дни. Главным образом это связано с новым направлением в исследованиях – глобальной проблематикой, основной задачей которой является решение мировых ресурсных, демографических и экологических проблем.

Прогнозирование – это наука, которая имеет тесную связь со статистикой и ее аналитическими методами. При проведении анализа широко используются достижения математики, естественных и других наук.

Прогнозирование и планирование дополняют друг друга в различных вариациях. В большинстве случаев прогноз разрабатывают до создания плана. Он также может следовать за планом – для определения возможных последствий. В крупномасштабном исследованиях (на уровне государства или региона) прогноз может выступать в роли самого плана.

Цели

Основной задачей прогнозирования является выявление эффективных способов управления социально-экономическими процессами в обществе или экономико-техническим развитием предприятия.

Методологическими основами для достижения таких целей являются следующие:

• анализ тенденций развития экономики и техники;
• предвидение различных вариантов;
• сопоставление сложившихся тенденций и поставленных целей;
• оценка возможных последствий принятых экономических решений.

Методы прогноза

Прогнозирование проводится по определенной методике, под которой понимают систему показателей и подходов к исследуемому объекту, логику проведения исследований. От того, какая выбрана методика, зависят и другие параметры – сколько этапов прогнозирования будет проводиться и каково будет их содержание.

Среди огромного количества методов прогнозирования можно выделить следующие основные группы:

1. Индивидуальные экспертные оценки:

• Интервью – информацию получают в ходе беседы (формализованная и неформализованная, подготовительная и независимая, направленная и ненаправленная).
• Анкетный опрос (индивидуальное, групповое, массовое, очное и заочное анкетирование).
• Разработка прогнозного сценария (применяется в сферах управленческой деятельности).
• Аналитический метод – построение дерева целей (для оценки иерархических или структурных процессов).

2. Коллективные экспертные оценки, основанные на получении согласованного мнения в группе экспертов:

• совещания;
• «круглые столы»;
• «Дельфи»;
• «мозговой штурм»;
• метод «суда».

3. Формализованные методики, основанные на использовании математических способов оценки:

• экстраполяция;
• математическое моделирование;
• морфологический метод и другие.

4. Комплексные методики, сочетающие в себе несколько вышеуказанных:

• «двойное дерево» (используется для фундаментальных исследований и НИОКР);
• прогнозный граф;
• «Паттерн» и другие.

Правильно выбранный метод прогноза значительно влияет на его погрешности. Например, при стратегическом планировании не используется способ экстраполяции (предвидение за пределами экспериментальных данных или распространение свойств с одной предметной области на другую).

Этапы

Последовательность этапов прогнозирования в общем случае представляет собой проведение работ по следующей схеме:

1. Подготовка.
2. Анализ внутренних и внешних условий в ретроспективе.
3. Выработка вариантов развития событий по альтернативному пути.
4. Экспертиза.
5. Подбор подходящей модели.
6. Ее оценка.
7. Анализ качества проведенной экспертизы (априорный и апостериорный).
8. Реализация прогностических разработок, их контроль и корректировка (при необходимости).

Ниже дано описание основных этапов прогнозирования и их характеристика.

Подготовительный этап

На первой стадии решают следующие вопросы:

1. Предпрогнозная ориентация (формулирование объекта исследования, постановка проблемы, определение целей и задач, первичное моделирование, оформление рабочих гипотез).
2. Информационная и организационная подготовка.
3. Формулировка задания на прогноз.
4. Подготовка компьютерного сопровождения.

На постановочном этапе прогнозирования определяют также исполнителей, которые должны провести прогноз. Эта группа может состоять из компетентных работников, ответственных за организационную работу и информационное обеспечение, а также включает экспертную комиссию.

Документально фиксируют следующие моменты:

• решение о прогнозировании;
• состав рабочих комиссий;
• график проведения работ;
• аналитический обзор по изучаемой проблеме;
• контракты или иные соглашения со специалистами, привлекаемых к прогнозированию.

Анализ

На втором, аналитическом этапе прогнозирования, проводят следующие виды работ:

• исследование информации об объекте в ретроспективе;
• разделение качественных и количественных показателей;
• анализ внутренних условий (применительно к предприятию это могут быть: его организационная структура, технологии, кадры, производственная культура и другие качественные параметры);
• изучение и оценка внешних условий (взаимодействие с партнерами по бизнесу, поставщиками, конкурентами и потребителями, общее состояние экономики и общества).

В процессе анализа проводят диагностику текущего состояния объекта и определяют тенденции его дальнейшего развития, выявляют основные проблемы и противоречия.

Альтернативные варианты

Стадия выявления других, наиболее вероятных вариантов развития объекта, является одним из ключевых этапов прогнозирования. От правильности их определения зависит точность прогноза и, соответственно, эффективность решений, принятых на его основе.

На данном этапе выполняются такие работы:

• разработка перечня альтернативных вариантов развития;
• исключение тех процессов, которые в данный период имеют вероятность реализации ниже порогового значения;
• детальная проработка каждого дополнительного варианта.

Экспертиза

На основе имеющейся информации и ранее проведенного анализа производится экспертное исследование объекта, процесса или ситуации. Результатом данного этапа прогнозирования является обоснованное заключение и определение сценариев, по которым развитие будет наиболее вероятным.

Экспертиза может проводиться различными методами:

• интервьюирование;
• анкетирование;
• одноразовый или многотуровый опрос экспертов;
• анонимный или открытый обмен информацией и другие способы.

Выбор модели

Модель прогнозирования – это упрощенное описание исследуемого объекта или процесса, которое позволяет получить необходимую информацию о его будущем состоянии, направлениях для достижения такого состояния и о взаимосвязях отдельных элементов системы. Ее выбирают на основе метода исследования.

В экономической науке выделяют несколько видов таких моделей:

• функциональные, описывающие работу главных составных частей;
• модели, характеризуемые методами экономической физики (определение математических зависимостей между различными переменными процесса производства);
• экспертные (специальные формулы для обработки экспертных оценок);
• экономические, основанные на определении зависимостей между экономическими показателями прогнозируемой системы;
• процедурные (описывающие управленческие взаимодействия и их порядок).

Существуют также другие классификации моделей:

1. По отражаемым в них аспектам – производственные и социальные.
2. Модели, предназначенные для описания доходов, потребления, демографических процессов.
3. Экономические модели различного уровня (долгосрочные для прогнозирования экономического развития, межотраслевые, отраслевые, производственные).

В прогнозных моделях выделяют следующие формы описания явлений:

• текстовая;
• графическая (методы экстраполяции);
• сетевая (графы);
• построение блок-схем;
• матричная (таблицы);
• аналитическая (формулы).

Модель формируют при помощи таких способов, как:

• феноменологический (прямое изучение и наблюдение за происходящими явлениями);
• дедуктивный (выделение деталей из общей модели);
• индуктивный (обобщение из частных явлений).

После подбора модели, производится прогноз на определенные периоды. Полученные результаты сравнивают с известной на данный момент информацией.

Оценка качества

Этап верификации прогноза, или проверка его надежности, проводится на основании предшествующего опыта (апостериори) или независимо от него (априори). Оценку качества делают с помощью следующих критериев: точность (разброс прогнозных траекторий), достоверность (вероятность осуществления выбранного варианта), надежность (мера неопределенности процесса). Для оценки отклонения прогнозных критериев от их фактических значений применяется такое понятие, как ошибки прогноза.

В процессе контроллинга также осуществляется сопоставление результатов с другими моделями, разработка рекомендаций по управлению объектом или процессом, если такое воздействие может оказать влияние на развитие событий.

Выделяют 2 методики для проведения оценки качества:

1. Дифференциальная, при которой используются четкие критерии (определение ясности постановки задания на прогноз, своевременности проведения поэтапных работ, профессионального уровня исполнителей, надежности источников информации).
2. Интегральная (обобщенная оценка).

Основные факторы

На точность прогноза оказывают влияние следующие главные факторы:

• компетентность экспертной группы;
• качество подготовленной информации;
• точность измерения экономических данных;
• уровень методов и процедур, используемых при прогнозировании;
• правильность выбора модели;
• согласованность методологических подходов между различными специалистами.

Часто большие погрешности возникают также из-за того, что не учитываются особенности условий, в которых применяется данная модель.

Реализация

Последним этапом прогнозирования является реализация прогноза и мониторинг за ходом его выполнения. При выявлении критических отклонений, которые могут существенным образом повлиять на дальнейшее развитие событий, прогноз корректируют.

Уровень принятия поправочных решений может быть различным. Если они незначительны, то корректировка осуществляется аналитической группой, которая отвечает за разработку прогноза. В отдельных случаях к этой работе привлекают экспертов.

Исследование – важное теоретическое или практическое изыскание призванное не просто проанализировать текущие тенденции, ситуацию, но и предложить достойные варианты решения рассматриваемой проблемы. Притом в данном деле важно разработать план мероприятий, а также показать его состоятельность, спрогнозировав результаты. Далеко не каждый начинающий автор НИР, студент знает, как правильно и корректно сделать прогноз, поэтому мы подготовили инструкцию в этой статье.

Что такое прогноз данных, прогнозирование результатов?

В дословном переводе с греческого «прогноз» означает «предсказание или предвидение». Автору любого НИР важно понять, что нужно делать, какие шаги предпринять, чтобы ликвидировать (решить) проблему, ситуацию, а для этого нужно уметь «предсказывать» итоги. Притом не нужно обладать способностями медиума, достаточен профессионализм и компетентность в конкретной области.

Прогнозирование результатов НИР относится к практической части исследования. С одной стороны, они позволяют определить эффективность предлагаемых мер и потенциальные результаты от внедрения новшеств. С другой стороны, носят приблизительный характер и не позволяют в полной мере оценить объективность действий, их достаточность, но подчеркивают целесообразность и необходимость перемен, новизну изыскания и его ценность.

Прогнозирование результатов проводится лишь в полномасштабных НИР (диссертация, монография, ВКР, бизнес-планирование и пр.), миссия которых заключается не просто в анализе ситуации на конкретному объекте, но и определении перспектив его развития. Именно оценка будущего является ключевой задачей прогнозных данных.

Важно отметить, что прогнозирование результатов исследования чаще всего совпадает с целью и гипотезой проекта, но ключевым отличием от данных параметров выступает то, что прогнозы основаны на расчетно-аналитических, количественных показателях и является аргументированными, более достоверными. Гипотеза же носит чисто теоретический характер, а с помощью прогнозирования она находит свое тотальное подтверждение или опровержение.

Этапы прогнозирования результатов курсовой, дипломной или иной научно-исследовательской работы

Прогнозирование результатов НИР – это завершающий этап проекта, когда автору предстоит показать, в чем проявляется новаторство и как оно воздействует на объект исследования.

Данный этап научно-исследовательской мысли основывается на теоретических аспектах в рамках научной области, а также аналитических данных. Все вместе (теория и аналитика) позволяет собрать предельно точную и достоверную доказательную базу, подчеркивающую:

• Проблему и причину ее возникновения;
• Степень воздействия проблемы на объект исследования;
• Необходимость введения новшеств для улучшения ситуации, выработки эффективного решения.

Первым этапом принято считать погружение в теоретические аспекты в рамках выбранной темы. Здесь исследователь должен конкретизировать основные понятия, законы и правила «игры», регламентирующие действующие процессы. Главное – понять: что происходит и почему, что делать и как.

Второй этап – аналитический, он же – доказательный. Специалисту предстоит определить причинно-следственные связи и установить: наличие проблемы, ее симптомы, воздействие (в чем и как проявляется, с каких пор и пр.). Здесь важна грамотная диагностика ситуации на основе конкретной методики и комбинации различных алгоритмов и схем. Лучше всего доверять расчетам и анализу конкретных показателей, опираясь на теоретический багаж: о чем свидетельствует изменение данных, какие факторы воздействуют и провоцируют ухудшение ситуации, какие принципы и правила действуют в данной ситуации.

Миссия второго этапа – установить причину трудностей и проблем, ключевые факторы и подобрать соответствующие меры, нацеленные на их ликвидацию или смягчение. Здесь на основе результатов анализа важно разработать поэтапный план действий, где будет прослеживаться четкая и логичная последовательность мер, приводящая к конкретному результату (предпочтительно положительного характера).

Третий и самый важный этап прогнозирования НИР – оценка перспектив развития объекта исследования по мере и после внедрения предложенных инноваций. Здесь важно показать, какие перемены настанут, насколько сильно изменится ситуация и в какую сторону, к каким результатам приведут внедренные коррективы, степень их затратности и окупаемости. Исходя из всего вышесказанного следует, что прогнозирование результатов научного исследования основывается преимущественно на экономико-математических действиях, статистических методах.

Check-Up по прогнозированию результатов НИР

Прогнозирование может выполнять различные миссии: поиск проблемы и выбор подходящего варианта ее решения с учетом возможностей объекта, целенаправленное воздействие на объект с целью решения конкретной проблемы.

При выполнении НИР целесообразно подготовиться к нему, погрузившись в теорию: изучите основные понятия, методики, инструментарий, стандартные (классические) решения и пр. Фактически «нулевым этапом» прогнозирования выступает подготовка исследователя: владение теорией, грамотная констатация научного аппарата НИР.

Для предоставления качественных прогнозов необходимо располагать соответствующими данными: отчетность, статистические показатели и материалы, результаты маркетинговых и социологических (иных) исследований и пр. При этом важно тщательно перепроверять все первоисточники, основывая все свои предположения исключительно на обоснованной, надежной информации. Отсюда следует, что первый шаг в прогнозировании – сбор информации об объекте исследования, проверка качества информации и ее анализ с целью констатации проблемы и причинно-следственных связей.

Второй стадией прогнозирования является выработка мероприятий или последовательности действий на основе результатов анализа. Здесь важно оказать воздействие на первопричину, а не устранить ее симптомы. Поэтому следует выяснить: какой фактор воздействует на объект и как на него повлиять, что необходимо изменить в текущем состоянии объекта. Исследователю предстоит тщательно спланировать каждый шаг инноваций: с чего начать, какие инструменты и методы привлечь, где найти средства для финансирований новаторских действий и пр. На стадии планирования мероприятий важно предоставить подробный расчет данных: чего и сколько будет израсходовано.

Третья стадия – оценка перспектив, экспертиза. Она будет носить субъективный характер, но здесь важно понять именно то, как повлияют изменения на конечный результат или проблему. Для этого чаще всего используют факторный анализ и методы моделирования ситуации: поэтапно автор НИР производит замену каких-либо параметров (реализуя соответствующие мероприятия), а затем изучает динамику показателей (по принципу «до» и «после»).

Важно отметить, что прогнозирование предполагает выработку не одного конкретного плана действий, а нескольких сценариев (альтернатив) и выбор оптимального варианта. В данном случае уместно сформировать прогнозы по трем основаниям: позитивный исход, нейтральный вариант, пессимистичный итог. Притом каждый прогноз будет носить срочный характер.

После оценки перспектив, важно внести коррективы в план действий с целью его унификации и оптимизации, достижения положительной тенденции и намеченной цели. На данном этапе прогнозирования необходимо учесть сомнительные параметры, погрешности, новые тенденции (важно минимизировать негативный исход и риск его возникновения). В этом деле приходит на помощь моделирование ситуации с помощью современных технологий (программ, приложений, техник).

Прогнозирование и/или апробация?

В зависимости от уровня сложности НИР применимы, как оба способа для экспертизы предлагаемых мероприятий, так и отдельно каждый из них.

В студенческих проектах достаточно воспользоваться только прогнозированием результатов на основе проведенного анализа данных. Этот метод вполне уместен в исследованиях «среднего плана» — курсовые работы, отчеты по практике, дипломные работы и пр. Здесь научная деятельность носит точечный характер и нацелена на изучение конкретного сегмента, сферы деятельности или проблемы.

Одного прогнозирования недостаточно в серьезных и масштабных изысканиях, где требуется решить глобальную или весьма значимую проблему – в монографиях, кандидатских и докторских диссертациях и пр. В подобном изыскании важны результаты апробации, которые наглядно отражают, к чему приведут намеченные планы. Это рискованный, но самый доказательный метод «экспертизы» прогнозных сценариев.

Как оформить результаты прогнозирования в НИР?

Прогнозирование – это некая последовательность мероприятий с описанием потенциальных результатов. Поэтому здесь важно сначала обосновать и подчеркнуть необходимость нововведений. Для этого автор еще раз подчеркивает проблему: четко, точно и ясно.

Далее он выделяет ключевые факторы, воздействующие на объект и ситуацию: основные параметры, звенья, которые следует изменить.

Следом предлагается план мероприятий, который достаточно оформить в виде пронумерованного списка с емким описанием каждого шага. Допустимо под каждым этапом привести расчеты и констатацию динамики. Такой ход продемонстрирует, какие перемены произойдут и к чему приведут на каждом этапе, позволят своевременно внести коррективы.

В конце целесообразно привести общее сравнение ситуаций «до» и «после», констатировав тенденции и их характер, примерный результат.

Динамику целесообразно оформлять посредством таблиц, графиком, диаграмм, схем, с подробным описанием данных и изменений (о чем свидетельствует изменение показателя и пр.) с научной и практической точек зрения.

Оформление прогнозов будет соответствовать общим параметрам НИР и ГОСТ.

Таким образом, прогнозирование и его результаты должны быть основаны на предельно точной, достоверной информации, подкреплены расчетами и аналитикой, обоснованы с научной точки зрения и с точки зрения реалий (практики).

Классификация методов и моделей прогнозирования

Я занимаюсь прогнозированием временных рядов уже более 5 лет. В прошлом году мною была защищена диссертация по теме «Модель прогнозирования временных рядов по выборке максимального подобия», однако вопросов после защиты осталось порядочно. Вот один из них — общая классификация методов и моделей прогнозирования.

Обычно в работах как отечественных, так и англоязычных авторы не задаются вопросом классификации методов и моделей прогнозирования, а просто их перечисляют. Но мне кажется, что на сегодняшний день данная область так разрослась и расширилась, что пусть самая общая, но классификация необходима. Ниже представлен мой собственный вариант общей классификации.

В чем разница между методом и моделью прогнозирования?

Метод прогнозирования представляет собой последовательность действий, которые нужно совершить для получения модели прогнозирования. По аналогии с кулинарией метод есть последовательность действий, согласно которой готовится блюдо — то есть сделается прогноз.

Модель прогнозирования есть функциональное представление, адекватно описывающее исследуемый процесс и являющееся основой для получения его будущих значений. В той же кулинарной аналогии модель есть список ингредиентов и их соотношение, необходимый для нашего блюда — прогноза.

Совокупность метода и модели образуют полный рецепт!

В настоящее время принято использовать английские аббревиатуры названий как моделей, так и методов. Например, существует знаменитая модель прогнозирования авторегрессия проинтегрированного скользящего среднего с учетом внешнего фактора (auto regression integrated moving average extended, ARIMAX). Эту модель и соответствующий ей метод обычно называют ARIMAX, а иногда моделью (методом) Бокса-Дженкинса по имени авторов.

Сначала классифицируем методы

Если посмотреть внимательно, то быстро выясняется, что понятие «метод прогнозирования» гораздо шире понятия «модель прогнозирования». В связи с этим на первом этапе классификации обычно делят методы на две группы: интуитивные и формализованные [1].

Если мы вспомним нашу кулинарную аналогию, то и там можно разделить все рецепты на формализованные, то есть записанные по количеству ингредиентов и способу приготовления, и интуитивные, то есть нигде не записанные и получаемые из опыта кулинара. Когда мы не пользуемся рецептом? Когда блюдо очень просто: пожарить картошку или сварить пельмени — тут рецепт не нужен. Когда еще мы не пользуемся рецептом? Когда желаем изобрести что-то новенькое!

Интуитивные методы прогнозирования имеют дело с суждениями и оценками экспертов. На сегодняшний день они часто применяются в маркетинге, экономике, политике, так как система, поведение которой необходимо спрогнозировать, или очень сложна и не поддается математическому описанию, или очень проста и в таком описании не нуждается. Подробности о такого рода методах можно глянуть в [2].

Формализованные методы — описанные в литературе методы прогнозирования, в результате которых строят модели прогнозирования, то есть определяют такую математическую зависимость, которая позволяет вычислить будущее значение процесса, то есть сделать прогноз.

На этом общая классификация методов прогнозирования на мой взгляд может быть закончена.

Далее сделаем общую классификация моделей

Здесь необходимо переходить к классификации моделей прогнозирования. На первом этапе модели следует разделить на две группы: модели предметной области и модели временных рядов.

Модели предметной области — такие математические модели прогнозирования, для построения которых используют законы предметной области. Например, модель, на которой делают прогноз погоды, содержит уравнения динамики жидкостей и термодинамики. Прогноз развития популяции делается на модели, построенной на дифференциальном уравнении. Прогноз уровня сахара крови человека, больного диабетом, делается на основании системы дифференциальных уравнений. Словом, в таких моделях используются зависимости, свойственные конкретной предметной области. Такого рода моделям свойственен индивидуальный подход в разработке.

Модели временных рядов — математические модели прогнозирования, которые стремятся найти зависимость будущего значения от прошлого внутри самого процесса и на этой зависимости вычислить прогноз. Эти модели универсальны для различных предметных областей, то есть их общий вид не меняется в зависимости от природы временного ряда. Мы можем использовать нейронные сети для прогнозирования температуры воздуха, а после аналогичную модель на нейронных сетях применить для прогноза биржевых индексов. Это обобщенные модели, как кипяток, в которые если бросить продукт, то он сварится вне зависимости от его природы.

Классифицируем модели временных рядов

Мне кажется, что составить общую классификацию моделей предметной области не представляется возможным: сколько областей, столько и моделей! Однако модели временных рядов легко поддаются простому делению [3]. Модели временных рядов можно разделить на две группы: статистические и структурные.

В статистических моделях зависимость будущего значения от прошлого задается в виде некоторого уравнения. К ним относятся:

1. регрессионные модели (линейная регрессия, нелинейная регрессия);
2. авторегрессионные модели (ARIMAX, GARCH, ARDLM);
3. модель экспоненциального сглаживания;
4. модель по выборке максимального подобия;
5. и т.д.

В структурных моделях зависимость будущего значения от прошлого задается в виде некоторой структуры и правил перехода по ней. К ним относятся:

1. нейросетевые модели;
2. модели на базе цепей Маркова;
3. модели на базе классификационно-регрессионных деревьев;
4. и т.д.

Для обоих групп я указала основные, то есть наиболее распространенные и подробно описанные модели прогнозирования. Однако на сегодняшний день моделей прогнозирования временных рядов имеется уже громадное количество и для построения прогнозов, например, стали использовать SVM (support vector machine) модели, GA (genetic algorithm) модели и многие другие.

Общая классификация

Таким образом мы получили следующую классификацию моделей и методов прогнозирования.

Ссылки.

1. Тихонов Э.Е. Прогнозирование в условиях рынка. Невинномысск, 2006. 221 с.
2. Armstrong J.S. Forecasting for Marketing // Quantitative Methods in Marketing. London: International Thompson Business Press, 1999. P. 92 – 119.
3. Jingfei Yang M. Sc. Power System Short-term Load Forecasting: Thesis for Ph.d degree. Germany, Darmstadt, Elektrotechnik und Informationstechnik der Technischen Universitat, 2006. 139 p.

UPD. 15.11.2016.
Господа, дошло до маразма! Недавно мне прислали на рецензию статью для ВАКовского издания со ссылкой на эту запись. Обращаю внимание, что ни в дипломах, ни в статьях, ни тем более в диссертациях ссылаться на блог нельзя! Если хотите ссылку, то используйте эту: Чучуева И.А. МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ ПО ВЫБОРКЕ МАКСИМАЛЬНОГО ПОДОБИЯ, диссертация… канд. тех. наук / Московский государственный технический университет им. Н.Э. Баумана. Москва, 2012.

  Перевод

  Ссылка на автора

Прогнозирование временных рядов обычно обсуждается, когда требуется только одношаговое прогнозирование.

Как насчет того, когда вам нужно предсказать несколько временных шагов в будущее?

Прогнозирование нескольких временных шагов в будущее называется многоэтапным прогнозированием временных рядов. Существует четыре основных стратегии, которые вы можете использовать для многоэтапного прогнозирования.

В этом посте вы познакомитесь с четырьмя основными стратегиями многоэтапного прогнозирования временных рядов.

Прочитав этот пост, вы узнаете:

• Разница между одношаговыми и многошаговыми прогнозами временных рядов.
• Традиционные прямые и рекурсивные стратегии многоэтапного прогнозирования.
• Новые прямые рекурсивные гибридные и множественные выходные стратегии для многошагового прогнозирования.

Давайте начнем.

• Обновление май / 2018: Исправлена ​​опечатка в примере прямой стратегии.

Многошаговое прогнозирование

Как правило, прогнозирование временных рядов описывает прогнозирование на следующем временном шаге.

Это называется одношаговым прогнозом, так как прогнозируется только один временной шаг.

Существуют некоторые проблемы временного ряда, когда необходимо прогнозировать несколько временных шагов. В отличие от одношагового прогноза, они называются многоэтапными или многоэтапными задачами прогнозирования временных рядов.

Например, с учетом наблюдаемой температуры за последние 7 дней:

Time,	Temperature
1,		56
2,		50
3,		59
4,		63
5,		52
6,		60
7,		55

Для одношагового прогноза потребуется прогноз только на временном шаге 8.

Для многошаговой операции может потребоваться прогноз на следующие два дня, а именно:

Time,	Temperature
8,		?
9,		?

Существует как минимум четыре часто используемых стратегии для составления многошаговых прогнозов.

Они есть:

1. Стратегия прямого многошагового прогноза.
2. Рекурсивная многошаговая прогнозная стратегия.
3. Прямо-рекурсивные гибридные многошаговые стратегии прогнозирования.
4. Стратегия прогнозирования множественных выходов.

Давайте подробнее рассмотрим каждый метод.

1. Стратегия прямого многошагового прогноза

Прямой метод включает разработку отдельной модели для каждого шага прогноза времени.

В случае прогнозирования температуры на следующие два дня мы разработаем модель для прогнозирования температуры в первый день и отдельную модель для прогнозирования температуры на второй день.

Например:

prediction(t+1) = model1(obs(t-1), obs(t-2), ..., obs(t-n))
prediction(t+2) = model2(obs(t-2), obs(t-3), ..., obs(t-n))

Наличие одной модели для каждого временного шага является дополнительным бременем для вычислений и обслуживания, особенно в связи с тем, что число прогнозируемых временных шагов увеличивается за пределы тривиального.

Поскольку используются отдельные модели, это означает, что нет возможности смоделировать зависимости между прогнозами, например, когда прогноз на день 2 зависит от прогноза на день 1, как это часто бывает во временных рядах.

2. Рекурсивный многошаговый прогноз

Рекурсивная стратегия предполагает многократное использование одношаговой модели, в которой прогноз для предыдущего временного шага используется в качестве входных данных для создания прогноза на следующем временном шаге.

В случае прогнозирования температуры на следующие два дня мы разработаем модель одношагового прогнозирования. Затем эта модель будет использоваться для прогнозирования первого дня, а затем этот прогноз будет использоваться в качестве входных данных наблюдения для прогнозирования второго дня.

Например:

prediction(t+1) = model(obs(t-1), obs(t-2), ..., obs(t-n))
prediction(t+2) = model(prediction(t+1), obs(t-1), ..., obs(t-n))

Поскольку вместо наблюдений используются прогнозы, рекурсивная стратегия позволяет накапливать ошибки прогнозирования, так что производительность может быстро ухудшаться по мере увеличения временного горизонта прогнозирования.

3. Прямо-рекурсивные гибридные стратегии

Прямые и рекурсивные стратегии могут быть объединены, чтобы предложить преимущества обоих методов.

Например, для каждого прогнозируемого временного шага может быть построена отдельная модель, но каждая модель может использовать прогнозы, сделанные моделями на предыдущих временных шагах, в качестве входных значений.

Мы можем видеть, как это может работать для прогнозирования температуры на следующие два дня, когда используются две модели, но выходные данные из первой модели используются в качестве входных данных для второй модели.

Например:

prediction(t+1) = model1(obs(t-1), obs(t-2), ..., obs(t-n))
prediction(t+2) = model2(prediction(t+1), obs(t-1), ..., obs(t-n))

Объединение рекурсивных и прямых стратегий может помочь преодолеть ограничения каждой из них.

4. Множественная выходная стратегия

Стратегия множественного вывода включает в себя разработку одной модели, которая способна прогнозировать всю последовательность прогноза в один прием.

В случае прогнозирования температуры на следующие два дня мы разработаем одну модель и используем ее для прогнозирования следующих двух дней как одной операции.

Например:

prediction(t+1), prediction(t+2) = model(obs(t-1), obs(t-2), ..., obs(t-n))

Модели с несколькими выходами являются более сложными, поскольку они могут узнать структуру зависимости между входами и выходами, а также между выходами.

Быть более сложным может означать, что они медленнее обучаются и требуют больше данных, чтобы избежать переобучения проблемы.

Дальнейшее чтение

См. Ресурсы ниже для дальнейшего чтения по многоэтапным прогнозам.

• Стратегии машинного обучения для прогнозирования временных рядов, 2013
• Рекурсивное и прямое многоэтапное прогнозирование: лучшее из обоих миров, 2012 [PDF]

Резюме

В этом посте вы обнаружили стратегии, которые вы можете использовать для составления прогнозов в несколько этапов

В частности, вы узнали:

• Как обучить несколько параллельных моделей в прямой стратегии или повторно использовать одношаговую модель в рекурсивной стратегии.
• Как объединить лучшие части прямой и рекурсивной стратегий в гибридной стратегии.
• Как спрогнозировать всю последовательность прогноза в одноразовом режиме с использованием стратегии множественного вывода.

Есть ли у вас какие-либо вопросы о прогнозах многоступенчатых временных рядов или об этом посте? Задайте свои вопросы в комментариях ниже, и я сделаю все возможное, чтобы ответить.