Błędy prognozy ex post

Błędy prognozy ex post – statystyki używane do późniejszej oceny dokładności prognozowania; są one wynikami porównania przeszłych prognoz ze znanymi już prawdziwymi wartościami prognozowanych wielkości.

Błąd bezwzględny

Bezwzględny błąd prognozy ex post w czasie t {\displaystyle t} wynosi:

q t = y t y t , t > n , {\displaystyle q_{t}=y_{t}-y_{t}^{*},\;t>n,}

gdzie:

y t {\displaystyle y_{t}} – realizacja zmiennej Y {\displaystyle Y} w chwili t {\displaystyle t} (wartość rzeczywista, zaobserwowana),
y t {\displaystyle y_{t}^{*}} – prognoza zmiennej Y {\displaystyle Y} w chwili t , {\displaystyle t,}
n {\displaystyle n} – liczba wyrazów w szeregu czasowym.

Błąd względny

Względny błąd ex post w chwili t {\displaystyle t} wynosi:

Ψ = y t y t y t , t > n . {\displaystyle \Psi ={\frac {y_{t}-y_{t}^{*}}{y_{t}}},\;t>n.}

Średni względny błąd prognozy

Średni względny błąd prognozy ex post w okresie empirycznej weryfikacji[1]:

Ψ = 1 T t i = t + 1 T | y i y i y i | 100 % , {\displaystyle \Psi ={\frac {1}{T-t}}{\sum \limits _{i=t+1}^{T}}\left|{\frac {y_{i}-y_{i}^{*}}{y_{i}}}\right|\cdot 100\%,}

gdzie okresem weryfikacji jest przedział czasowy [ t + 1 , T ] . {\displaystyle [t+1,T].}

Średniokwadratowy błąd prognozy

Średni kwadratowy błąd prognozy ex post w okresie empirycznej weryfikacji:

s = [ 1 T t i = t + 1 T ( y i y i ) 2 ] 0 , 5 , t , T < n . {\displaystyle s^{*}=\left[{\frac {1}{T-t}}{\sum \limits _{i=t+1}^{T}}\left({y_{i}-y_{i}^{*}}\right)^{2}\right]^{0,5},\;t,T<n.}

Wskaźnik ten mierzy o ile odchylają się rzeczywiste relacje zmiennej prognozowanej od obliczonych prognoz. Systematyczne obliczenie tego wskaźnika daje cenne informacje o rzędzie dokładności sformułowanych prognoz. Szybki napływ informacji z danych empirycznych, pozwala na podstawie wartości omawianego wskaźnika, określić na ile jest jeszcze aktualny model będący podstawą prognozowania.

Wartość wskaźnika s {\displaystyle s*} jest porównywana z odchyleniem standardowym reszt modelu

s = [ 1 n k i = 1 k e t 2 ] 0 , 5 . {\displaystyle s=\left[{\frac {1}{n-k}}{\sum \limits _{i=1}^{k}}{e_{t}}^{2}\right]^{0,5}.}

Przyjmuje się, że jeśli s < s {\displaystyle s^{*}<s} , wtedy wektor prognoz można uznać za zadowalający.

Bibliografia

  • Prognozowanie gospodarcze metody i zastosowania, Maria Cieślak (red.), PWN, Warszawa 2004, s. 48.
  • Arkadiusz Manikowski, Zbigniew Tarapata, Prognozowanie i symulacja rozwoju przedsiębiorstw, s. 70.

Przypisy

  1. MariaM. Cieślak MariaM. (red.), Prognozowanie gospodarcze, Warszawa: Wydawnictwo Naukowe PWN, 2008, s. 51  (pol.).