【翻译文章】评估预测的准确性：无论晴雨，都应做好准备

本文翻译者：lindamsh 校稿者：chengguo0740


　　从业者可以利用控制制图, 方差变异分析来评估预报的准确性。为了展示一个公司的前景，用这两个工具将会揭示随着时间的变化，预测偏差和一致性的演化。


作者Michael Ohler


　　就像人们根据天气预告来判断他们是否应该带伞,组织使用预测来预报和准备未来的事情。在整个行业中,公司会试图测定未来会发生什么——他们预测产品或原材料的价格、市场需求、汇率和其它诸多主要的绩效指标。在这些预测的基础上，建立生产基地，推出新产品，重新调整商业实体。


　　虽然这种预测对做出一个重大的商业决策是至关重要的，但是它们可能并不像人们想象的那样准确。组织经常用一种基本的方法来评估的这种预测的准确性。例如,他们来监控这些,用当前的实际数值和最新的可用的预报相比,或者他们比较当前的和最新的一个季度的业务预测。


　　在他的书《黑天鹅》中：“极不可能的影响 (随机的屋子,2007), Nassim Nicholas Taleb指出了在业务流程中随机性预测的缺陷。为了阐明这一问题的随机性、从业者可以利用控制制图和方差分析来评估预测的准确性。为了展示一个公司的前景，用这两个工具将会揭示随着时间的变化，预测偏差和一致性的演化。


预测的偏差

　　在公司通常有两种方法来编译一个预测。在某种程度上,过去的表现可以推断未来。该方法假潜在的设机制是相同的。例如, 酒店根据季节可以预测入住率，根据这个来计划临时员工招聘的需求。或者，一个组织可以集合成倍的个体建议并汇成一个体系。例如，将销售代理预测合并在一个数据库。


　　为了用两种方法中的任一种方法来恰当地分析预测的准确性，从业人员必须了解以下术语:


　　预测范围是描述预测未来多久的一个公制。例如,天气预报通常长达10天的范围。


　　预测偏差指测量偏差有多少，一般来说，预测评估最高值或最低值相差有多少。例如，一个销售预测可能有一个正的（乐观的）或负的(悲观)的偏差。一般来说，一个正偏差的销售预测，销售预测比后来实际值要高。这样一种偏差可能发生在，业务单位根据他们的预报来分配生产能力,就会有一个乐观的动机。


　　预测一致性量化了预测传播。人们期望一个短范围的预测(如为期一天的天气预报高温)同长期范围的预测一致，(从现在起10天高温)，原因是对于一个长期的预测,不知道的或不明确的影响因素很大,而10天高温的预测可能会明显偏离今天的预测。


　　预测偏差和一致性对于预测准确性来说是两个重要的因素。我们注意到基于预测和真实值之间若干的偏移量，偏差和一致性的量聚集在一起。换句话说，他们通常取决于一段时间的预测和实际数据。偏移量通常用两种不同的方式来测量:

1.预测-实际

　　当一段连续的时间,或一序列的数据点,偏移量可以考虑是稳定的。

2.预测-实际

　　一段连续时间的真实数据和一个长期的趋势

　　有一个很突出的例子，长期的趋势可以在计算机内存容量中看出, 这已经持续了50年左右，是由英特尔的共同创始人Gordon Moore第一次观察出来的趋势。作为摩尔定律的预测,大约每两年会有两倍的晶体管数量可以放置到集成电路，使存储一致性地增长。


图1:预测偏差的影响因素和一致性





图1中的鱼骨图介绍了影响预测偏差和一致性的两种独立参数、时间和预测范围,同样也展示了用来分析这些数据的工具


案例研究:一组组件的价格预测


　　举例,考虑用于组装的一个组件超过20个月的价格预测数据，（图2 提前6个月范围的价格预测。）比如,一个为期3个月的价格预测(3 mFC)，在第9个月价格实际上是由第6个月得出的，这些数据源于供求关系模式,由生产能力确定未来的供应和需求,并推导出销售价格。


图2:在不同的预测范围下，实际组件价格数据对预测部件价格





　　利用控制图,就能确定从8mFC到10mFC个月的实际价格的点明显超过了这里展示图。尽管后来它们表现出了一个重要的负偏差（图4，在图4种,从时间段上显示了倾角以前，对于零点的控制限较低,这意味着预测的平均值减去实际值明显大于零,从而积极偏见。对于倾角以后,上控制限是零,结果表明预测有负偏差。


图3: 实际价格的单值控制图





图4: 在未来一到六个月的时间里，预测的X平均值减去范围内的实际值。




　　从商业报道中可以我们可以看出一个组件的预测价格和实际价格的关系。公司的采购及生产部门在第8个月后会将降价后的庆祝作为一个持续性的突破,并轻易的放弃价格恢复到以前水平的想法。根据这个普遍的想法，从采购部门接收大量信息的预报员会因此在他们的模式中采用这些参数。


　　不幸的是,这样的事件似乎是司空见惯的事,因为在这个团体中我们经常会有“正向思考”的态度, 带着理解这个复杂的市场机制态度的专家会因此听力顿觉。为了避免此类情形,组织应该让专家量化认知风险的可能性,评估其可能产生的影响,从而准备一个应急计划。


设定时间期限


　　一个月的预测一定比六个月更好吗?把这个转化为一个数学术语,这个问题可以这样来问:围绕真实数据做一个月预报会远远低于六个月的预报吗?利用这个预报减去真实值的公式，从业者可以对分散的同一性进行方差分析测试来回答这个问题。根据以上数据,考虑20个月研究的时间轴时，预测偏差不会明显预测范围(图5，这些圆点显示了标准差和95%置信区间线。

图5:预测值减去真实值的方差试验




确定置信区间

　　预测值减去真实价格的数据分析在基于过去的预测记录上可以用来评估预测置信区间，假设预测结果和以前的预测一样。之前从方差评估中的一致性（图6）和偏差（与零点的偏离不是很明显）可以得出预测值的置信区间。

图6:预测价格1-sigma置信区间





　　大约有30%的机会真实价格会落在1-sigma的置信区间外（有15.9%的机会落在1-sigma以上的置信区间，有15.9%的机会落在1-sigma以下的置信区间） 决策取决于一个95% 或者更高的更宽泛的置信区间。这里仅考虑70%的置信区间。未来三个月价格在内将会是$ 3.90或2.90美元,有30%的机会价格会超出这两个值。用来解决任意这两个问题的措施属于完全不同的性质

　　为了管理组件的业务，从实用的观点上,在这个置信水平下，这样精确的预测是毫无价值的。一个有用的预测是在上下线的置信区间内，取一个合理的高置信水平，这会使预测得到相同的实际结果。


考虑的模型

　　当一种供求关系的模型应用到实际研究的例子中,有许多潜在的预测模型。模型越详细,这些模型的预测更容易被认可。本文讨论的模型就可以在任何复杂的情况下测量预报的有效性。


解决不准确的预测


　　面对一个不能提供有用数据的预测,有两种方法可以选择:

1.重点改进预测过程及其精度

2.改进过程反应时间，这样会对预测的准确性的需求较少


　　第一种（选择）在很多业务环境中的不可能性使得Taleb写道：“我们简直不能预测”。但是在当今的商业世界中不做预测不是一种选择。 由于第二种选择导致的必要性，六西格玛团队也许发现对于改进方案来说，预测准确性是一个巨大的源头。 比如，假设一种结合了预测的产品是不正确的，六西格玛团队可以启动一个方案来减少预定时间，目的是通过改进反应时间来变换需求。 或者，假设产品和原材料价格的预测是不准确的，团队可以启动一个方案来减少在供应链中的浪费。


　　正如Taleb辩证阐述的一样，最难的部分不是评估预测的准确性，而是在整个组织得到普遍的接受的结果并且把它们转化成一种改进和管理业务流程的一贯性的方法。


关于作者: Michael Ohler曾作为成本控制员就职于财务预测领域,质量和项目经理。他是一个得到认证的黑带大师,有一个实验物理学博士学位的头衔。可以通过www.ohlermichael.de联系到他。