Точність прогнозу оцінюють за величиною його помилки — різниці між прогнозованим і фактичним значенням досліджуваного показника. Але такий підхід можливий тільки у двох випадках. По-перше, коли період попередження вже закінчився, і дослідник має фактичні значення змінної; за короткотермінового прогнозування це цілком реально. По-друге, коли прогноз розробляють ретроспективно, тобто прогнозування здійснюють для деякого моменту часу в минулому, для якого вже є фактичні дані. При цьому наявну інформацію поділяють на дві частини. Одна з них, що охоплює більш ранні дані, служить для оцінки параметрів прогностичної моделі, а пізніші дані розглядаються як реалізація відповідних прогностичних оцінок. Отримані ретроспективно помилки прогнозу певного мірою характеризують точність використаної методики прогнозування і можуть виявитися корисними в разі зіставлення кількох методів. Водночас величину помилки ретроспективного прогнозу не можна розглядати як остаточний доказ придатності чи непридатності застосовуваного методу прогнозування. До неї варто ставитися з певною обережністю і, застосовуючи її як міру точності, враховувати, що вона отримана з використанням лише частини наявних даних. Але ця міра точності має велику наочність. Перевірка точності одного прогнозу мало впливає на прийняття рішень. На формування досліджуваного явища впливає безліч різноманітних чинників, тому повний збіг чи значна розбіжність їх прогнозу і його реалізація можуть бути наслідком сприятливих або несприятливих збігів обставин. Одиничний вдалий прогноз можна отримати за поганою моделлю, і навпаки. Звідси випливає, що якість прогнозів, застосовуваних алгоритмів і моделей можна оцінювати лише за сукупністю зіставлень прогнозів та їх реалізацій. Найпростішою мірою якості прогнозів за наявності даних про їх реалізацію може бути відношення кількості випадків, коли фактична реалізація охоплювалася інтервальним прогнозом, до загальної кількості прогнозів, тобто
η = p : (p + q),
де р — кількість прогнозів, підтверджених фактичними даними; q — кількість прогнозів, не підтверджених фактичними даними. Якщо всі прогнози підтверджуються, то q = 0 і η = 1, якщо ж усі прогнози не підтверджуються, то р, а отже і η = 0. У разі отримання прогнозів у вигляді точкових оцінок за перевірки якості прогнозування можна використовувати статистичні характеристики, зокрема середню абсолютну і середньоквадратичну помилки прогнозу, які мають ту саму розмірність, що й самі показники прогнозу. Розглянуті міри точності прогнозів мають сенс за умови, що у дослідника є інформація про дійсні значення величин, які він оцінював у ході розробки прогнозів. Такі міри якості важливі в разі вивчення різних способів прогнозування. Але у практичній роботі проблему точності прогнозу потрібно вирішувати, як правило, тоді, коли період попередження ще не закінчився і дійсне значення прогнозованої змінної невідоме. У цьому випадку проблему точності можна звузити, розглядати в плані зіставлення апріорних якостей, властивих альтернативним прогнозним моделям. Так, якщо прогнозування здійснюється статистичними методами, то, ймовірно, поняття точності прогнозу можна звузити, пов'язавши апріорну точність з величиною довірчого інтервалу. Модель, що дає вужчий довірчий інтервал за однієї й тієї ж довірчої імовірності, й є точнішою. Надійність прогнозу визначається ймовірністю реалізації відповідної прогностичної оцінки: чим вона вища, тим вища й надійність. Імовірність реалізації може бути оцінена суб'єктивно (експертне прогнозування) чи пов'язана з довірчим інтервалом прогнозу, якщо він заснований на статистичній моделі. У цьому випадку надійність є характеристикою, пов'язаною з мірою точності, якщо під мірою точності розуміти розмір довірчого інтервалу. Звідси — чим вища надійність прогнозу, тим нижча його точність, і навпаки. Одержувані на основі певних математичних методів прогнози мають сенс у межах лише тих умов, гіпотез і припущень, що були враховані в разі розробки відповідних прогнозуючих моделей. Таким чином, розробка й застосування математичних моделей у прогностичних цілях передбачають глибокий фінансово-економічний і економіко-статистичний аналіз. |