Prognosemetoder – en oversikt - Telenor
Prognosemetoder – en oversikt - Telenor
Prognosemetoder – en oversikt - Telenor
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
I modell (22), som kun har MA-parametere,<br />
ser vi lett at prognos<strong>en</strong> for periode<br />
t+13 reduserer seg til<br />
wt+13 = 0 (31)<br />
Dette betyr ikke at prognos<strong>en</strong> for periode<br />
13 og høyere er lik null: Når prognos<strong>en</strong>e<br />
skal lages, må selvfølgelig w i alle perioder<br />
“nøstes” tilbake til y, dvs at differ<strong>en</strong>siering<strong>en</strong>e<br />
føres tilbake til d<strong>en</strong> opprinnelige<br />
og ikke-differ<strong>en</strong>sierte form og<br />
ln-transformasjon<strong>en</strong> transformeres tilbake<br />
til de opprinnelige data. Sistnevnte<br />
gjøres ved å opphøye de ln-transformerte<br />
data med e = 2,7183 ... som grunntall.<br />
Dette regnestykket utføres normalt av<br />
statistikkpakk<strong>en</strong>e.<br />
For <strong>en</strong> modell med AR-parametere vil vi<br />
også komme i d<strong>en</strong> situasjon at framtidige<br />
verdier av forklaringsvariabel<strong>en</strong> inngår.<br />
Dette er imidlertid løst av det faktum at<br />
disse alltid vil være g<strong>en</strong>erert i prognos<strong>en</strong><br />
for 1 eller 12 perioder (for sesongparametere)<br />
tidligere:<br />
Anta at vi har modell<strong>en</strong><br />
wt = 0,5wt-1 + at (32)<br />
Når vi setter at+1 = 0, at+2 = 0, osv, er<br />
wt+1 = 0,5wt (33)<br />
wt+2 = 0,5wt+1 (34)<br />
.<br />
.<br />
.<br />
osv.<br />
Selve modell<strong>en</strong> ARIMA(0,1,1)x(0,1,1)<br />
har for øvrig fått navnet AIRLINE- modell<strong>en</strong>.<br />
Dette er fordi d<strong>en</strong> første gang ble<br />
b<strong>en</strong>yttet i <strong>en</strong> analyse som Box og J<strong>en</strong>kins<br />
utførte, der de modellerte passasjertrafikk<br />
med fly.<br />
9.1 Usikkerhet i prognos<strong>en</strong>e<br />
Standardavviket til støyledd<strong>en</strong>e er et mål<br />
på usikkerhet<strong>en</strong> i d<strong>en</strong> modell<strong>en</strong> vi har. I<br />
ARIMA-modeller er dette samtidig også<br />
et mål for usikkerhet<strong>en</strong> i prognos<strong>en</strong> <strong>en</strong><br />
periode fram. Ved å bygge videre på<br />
dette er det også mulig å utlede og<br />
beregne d<strong>en</strong> forv<strong>en</strong>tede usikkerhet<strong>en</strong> i<br />
prognos<strong>en</strong>e 2, 3, 4, ..., osv perioder fram.<br />
Tilsvar<strong>en</strong>de kan d<strong>en</strong> samlede usikkerhet<strong>en</strong><br />
i f eks summ<strong>en</strong> av 12 og 12 perioders-prognos<strong>en</strong><br />
også beregnes.<br />
Ut fra dette kan deretter såkalte prediksjonsintervaller<br />
beregnes. Disse angir,<br />
med <strong>en</strong> viss sansynlighet, øvre og nedre<br />
gr<strong>en</strong>se for prognos<strong>en</strong>e.<br />
Det vil imidlertid føre for langt å gå inn<br />
på det teoretiske fundam<strong>en</strong>tet for dette i<br />
d<strong>en</strong>ne artikkel<strong>en</strong>.<br />
9.2 Simulering<br />
For å få tiltro til <strong>en</strong> prognosemodell kan<br />
det i tillegg være lurt å simulere med<br />
modell<strong>en</strong>. Dette gjøres ved at vi lar modell<strong>en</strong><br />
lage prognoser for observasjoner<br />
som vi allerede kj<strong>en</strong>ner, f eks det siste<br />
året. Etterpå kan vi måle hvor godt modell<strong>en</strong><br />
treffer med prognos<strong>en</strong>e.<br />
Framgangsmåt<strong>en</strong> er parallell med d<strong>en</strong><br />
måt<strong>en</strong> som ulike prognosemodeller basert<br />
på ulike metoder blir samm<strong>en</strong>liknet.<br />
Det h<strong>en</strong>vises til [9] som diskuterer dette.<br />
9.3 Eksempel<br />
Vi lar modell (22) lage prognoser for 12<br />
perioder framover, dvs for period<strong>en</strong><br />
januar 1992 <strong>–</strong> desember 1992. Prognosepakk<strong>en</strong><br />
MICRANAL, som for øvrig også<br />
er brukt under id<strong>en</strong>tifikasjon og estimering<br />
i eksempl<strong>en</strong>e ov<strong>en</strong>for, skriver også ut<br />
øvre og nedre gr<strong>en</strong>se for prognos<strong>en</strong>es<br />
usikkerhet, dvs prediksjonsintervall med<br />
80 % signifikansnivå. Dette er referert i<br />
tabell 2.<br />
I tillegg gir tabell 2 estimert standardavvik<br />
for d<strong>en</strong> usikkerhet<strong>en</strong> som prediksjonsintervall<strong>en</strong>e<br />
gj<strong>en</strong>speiler. Hvis forutsetning<strong>en</strong><br />
om Normalfordelte støyledd er<br />
oppfylt, viser dette det intervallet hvor vi<br />
forv<strong>en</strong>ter at 68 % av prognosefeil<strong>en</strong>e vil<br />
ligge. Sid<strong>en</strong> prognosevariabel<strong>en</strong> i (22) er<br />
ln-transformert er dette usikkerhetsmålet<br />
gitt i pros<strong>en</strong>t. Vi ser tydelig at usikkerhet<strong>en</strong><br />
vokser ettersom vi går l<strong>en</strong>gre og<br />
l<strong>en</strong>gre ut i prognoseperiod<strong>en</strong>: Vi forv<strong>en</strong>ter,<br />
med 68 % sannsynlighet, at prognosefeil<strong>en</strong><br />
for januar vil ligge +/- 11,5 %<br />
fra prognos<strong>en</strong> på 4023 mottatte bestillinger<br />
på HA. Når prognos<strong>en</strong> for<br />
desember gis, er d<strong>en</strong>ne usikkerhet<strong>en</strong><br />
vokst til +/- 13,8 %. Usikkerhet<strong>en</strong> vokser<br />
altså ikke dramatisk inn<strong>en</strong>for d<strong>en</strong> valgte<br />
prognosehorisont<strong>en</strong>.<br />
I bunn<strong>en</strong> er prognos<strong>en</strong> for summ<strong>en</strong> av<br />
prognos<strong>en</strong>e vist med 80 % prediksjonsintervall.<br />
Det estimerte standardavvik<br />
for prognosefeil<strong>en</strong> er her gitt i<br />
absolutte tall.<br />
30<br />
10 Avslutt<strong>en</strong>de<br />
merknader<br />
Innledningsvis ble det sagt at<br />
ARIMA-modell<strong>en</strong>e er et godt redskap<br />
når de baseres på prinsippet om<br />
at få parametere skal anv<strong>en</strong>des.<br />
Dette er faktisk et viktig prinsipp i<br />
alle prognosemodeller: En modell som<br />
adekvat beskriver data med et minimum<br />
av parametere. Samm<strong>en</strong>h<strong>en</strong>g<strong>en</strong> mellom<br />
AR- og MA-prosess<strong>en</strong>e som ble nevnt i<br />
innledning<strong>en</strong> kommer altså til sin fulle<br />
rett i d<strong>en</strong>ne samm<strong>en</strong>h<strong>en</strong>g. Når vi i tillegg<br />
kan beskrive <strong>en</strong> tidsrekke ved hjelp av<br />
kombinerte prosesser (ARMA-prosesser),<br />
utgjør disse modell<strong>en</strong>e et meget<br />
fleksibelt og slagkraftig verktøy mht<br />
beskrivelse av avh<strong>en</strong>gighet<strong>en</strong>e i <strong>en</strong> tidsrekke.<br />
Det har ikke vært mulig å gå inn på alle<br />
finesser og sider ved ARIMA-modell<strong>en</strong>e.<br />
Det h<strong>en</strong>vises til gode lærebøker som [3],<br />
som går l<strong>en</strong>gre <strong>en</strong>n det som er mulig i<br />
d<strong>en</strong>ne artikkel<strong>en</strong>. Dessut<strong>en</strong> har Televerkets<br />
Forskningsinstitutt utført et forskningsprosjekt<br />
hvor prognoser etter d<strong>en</strong>ne<br />
metod<strong>en</strong> var tema, se [5].<br />
Det skal også nevnes at Box-J<strong>en</strong>kins<br />
metode er videreutviklet slik at forklaringsvariable<br />
kan trekkes inn. Dette kalles<br />
på <strong>en</strong>gelsk “Transfer function”-modeller.<br />
Slike modeller muliggjør forbedringer<br />
både i nøyaktighet og i forl<strong>en</strong>gelse av<br />
prognosehorisont<strong>en</strong>. En ann<strong>en</strong> videreutvikling<br />
er såkalte “Interv<strong>en</strong>tion”-modeller,<br />
som takler problemer i form av outliere,<br />
nivåskift o l.<br />
ARIMA-modell<strong>en</strong>e er teoretisk svært tiltal<strong>en</strong>de.<br />
Dessut<strong>en</strong> har de i praksis ofte<br />
gitt svært gode resultater. Likevel har<br />
nok metod<strong>en</strong>s matematisk/statistiske<br />
kompleksitet til <strong>en</strong> viss grad bremset<br />
utbredelse og bruk av d<strong>en</strong>. Før statistikkpakker<br />
tok metod<strong>en</strong> inn som standard<br />
analyseverktøy, krevde d<strong>en</strong> at bruker<strong>en</strong><br />
var skolert i relativt komplekse statistiskmetodiske<br />
samm<strong>en</strong>h<strong>en</strong>ger.<br />
Antall observasjoner<br />
24<br />
20<br />
15<br />
19<br />
10<br />
0<br />
1 1<br />
5<br />
9<br />
4<br />
3<br />
1 1<br />
-5σ -4σ -3σ -2σ -σ snitt σ 2σ 3σ 4σ 5σ<br />
Figur 24 Histogram for støyledd<strong>en</strong>e<br />
123