Ольга Правук - Неликвиды и излишки - как выявить и обезвредить. Как выявить неликвиды товаров и материалов, ликвидировать их, определить прич

MAPE — средняя абсолютная ошибка в процентах

где Z (t) — фактическое значение временного ряда, а Z (t) — прогнозное.

Данная оценка применяется для временных рядов, фактические значения которых значительно больше 1.

Если же фактические значения временного ряда близки к 0, то в знаменателе окажется очень маленькое число, что сделает значение MAPE близким к бесконечности. Это не совсем корректно. Для рядов, содержащих значения, близкие к нулю, применяют следующую оценку ошибки прогноза:

MAE — средняя абсолютная ошибка

Кроме указанных методов, иногда используют другие оценки ошибки — менее популярные, но также применимые.

MSE — среднеквадратичная ошибка

RMSE — квадратный корень из среднеквадратичной ошибки

SD — стандартное отклонение

,где ME — средняя ошибка, определенная по формуле выше.

Оценка ошибки прогноза — формула Валерия Разгуляева

(сайт http://upravlenie-zapasami.ru/ )

Одной из самых используемых формул оценки ошибки прогнозирования является следующая:

где P — это прогноз, а S — факт за тот же месяц. Однако у этой формулы есть серьезное ограничение: как оценить ошибку, если факт равен нулю? Возможный ответ: в таком случае D = 100 %, это означает, что мы полностью ошиблись. Однако простой пример показывает, что такой ответ не верен:

Оказывается, что в варианте развития событий № 2, когда мы точнее угадали спрос, чем в варианте № 1, ошибка по данной формуле оказалась больше. То есть ошиблась уже сама формула. Есть и другая проблема: если мы посмотрим на варианты № 2 и № 3, то увидим, что имеем дело с зеркальной ситуацией в прогнозе и факте, а ошибка при этом отличается в разы! То есть при такой оценке ошибки прогноза нам лучше его заведомо делать менее точным, занижая показатель, — тогда ошибка будет меньше! Хотя понятно, что чем точнее будет прогноз — тем лучше будет и закупка. Поэтому для расчета ошибки Валерий Разгуляев рекомендует использовать следующую формулу:

В таком случае для тех же примеров ошибка рассчитается иначе:

Как видим, в варианте № 1 ошибка становится равной 100 %, причем это уже не наше предположение, а чистый расчет, который можно доверить машине. Зеркальные же варианты № 2 и № 3 имеют и одинаковую ошибку, причем эта ошибка меньше ошибки самого плохого варианта № 1. Единственная ситуация, когда данная формула не сможет дать однозначного ответа, — это равенство знаменателя нулю. Но максимум из прогноза и факта равен нулю, только когда они оба равны нулю. В таком случае получается, что мы спрогнозировали отсутствие спроса, и его действительно не было, то есть ошибка тоже равна нулю, — значит, мы сделали совершенно точное предсказание.

Визуальный метод: графический

Визуальный метод состоит в том, что мы на график выводим значение прогнозной модели и факта продаж по тем моделям, которые хотим сравнить. Далее сравниваем визуально, насколько прогнозная модель близка к фактическим продажам.

Ошибка прогноза— апостериорная величина отклонения прогноза от действительного состояния объекта. Если говорить о прогнозе продаж, то это показатель отклонения фактических продаж от прогноза.

Точность прогнозированияесть понятие прямо противоположное ошибке прогнозирования. Если ошибка прогнозирования велика, то точность мала, и наоборот: если ошибка прогнозирования мала, то точность велика. По сути дела, оценка ошибки прогноза MAPE есть обратная величина для точности прогнозирования — зависимость здесь простая.