Точність прогнозів
Основними критеріями в оцінці ефективності моделі, що у прогнозуванні, служать точність прогнозу і повнота уявлення майбутнього фінансового становища прогнозованого об'єкта. Питання з точністю прогнозу дещо складніше і потребує більш пильної уваги. Точність чи помилка прогнозу - це різниця між прогнозним та фактичним значеннями. У кожній конкретній моделі ця величина залежить від ряду факторів.
Надзвичайно важливу роль відіграють історичні дані, що використовуються при виробленні моделі прогнозування. В ідеалі бажано мати велику кількість даних за значний період. Крім того, використовувані дані мають бути "типовими" з погляду ситуації. Стохастичні методи прогнозування, які використовують апарат математичної статистики, пред'являють до історичних даних цілком конкретні вимоги, у разі невиконання яких може бути гарантована точність прогнозування. Дані мають бути достовірними, порівнянними, досить представницькими для прояву закономірності, однорідними і стійкими.
Точність прогнозу однозначно залежить від правильності вибору методу прогнозування тому чи іншому конкретному випадку. Однак це не означає, що в кожному випадку застосовна лише якась одна модель. Цілком можливо, що у ряді випадків кілька різних моделей видадуть відносно надійні оцінки. Основним елементом будь-якої моделі прогнозування є тренд або лінія основної тенденції зміни ряду. У більшості моделей передбачається, що тренд є лінійним, проте таке припущення не завжди закономірне і може негативно вплинути на точність прогнозу. На точність прогнозу також впливає метод відділення від тренду сезонних коливань - складання або множення. ПриВикористання методів регресії вкрай важливо правильно виділити причинно-наслідкові зв'язки між різними факторами та закласти ці співвідношення у модель.
Перш ніж використовувати модель для складання реальних прогнозів, її необхідно перевірити на об'єктивність, щоб забезпечити точність прогнозів. Цього можна досягти двома різними шляхами:
Результати, отримані за допомогою моделі, порівнюються з фактичними значеннями через якийсь проміжок часу, коли з'являються. Недолік такого підходу полягає в тому, що перевірка "упередженості" моделі може зайняти багато часу, тому що по-справжньому перевірити модель можна лише на тривалому часовому відрізку.
Модель будується з усіченого набору наявних історичних даних. Дані, що залишилися, можна використовувати для порівняння з прогнозними показниками, отриманими за допомогою цієї моделі. Такі перевірка більш реалістична, оскільки вона фактично моделює прогнозну ситуацію. Недолік цього у тому, що останні, отже, і найзначніші показники виключені з процесу формування вихідної моделі. У світлі вищесказаного щодо перевірки моделі стає зрозумілим, що для того, щоб зменшити очікувані помилки, доведеться вносити зміни до вже існуючої моделі. Такі зміни вносяться протягом усього періоду застосування моделі у реальному житті. Безперервне внесення змін можливе в тому, що стосується тренду, сезонних і циклічних коливань, а також будь-якого причинно-наслідкового співвідношення, що використовується. Ці зміни потім перевіряються за допомогою описаних методів. Таким чином, процес оформлення моделі включає кілька етапів: збір даних, вироблення вихідної моделі, перевірку, уточнення - і знову всеспочатку на основі безперервного збирання додаткових даних з метою забезпечення надійності моделі.