Testen neuer Indikatoren und deren Auswirkungen auf Ihre prognostizierten Zahlen

Wir haben bereits zuvor festgestellt, dass die Auswahl der richtigen Frühindikatoren für Ihr Unternehmen wichtig ist (unabhängig davon, in welcher Phase der Lieferkette Sie sich befinden).
‍
[Erfahren Sie mehr darüber, wie Sie Ihre relevanten Früh- und nicht Nachlaufindikatoren identifizieren können.]

Es kann zugegebenermaßen ein ziemliches Labyrinth sein, die relevanten Indikatoren zu lokalisieren. Woher wissen Sie, ob Sie sich auf die relevanten konzentrieren? Gibt es neue Indikatoren, die Sie einbeziehen sollten?

Möglicherweise verlassen Sie sich auch schon seit einiger Zeit auf dieselben Indikatoren, möchten aber neue Indikatoren bewerten und auf ihre Plausibilität testen. Und vor allem die Auswirkungen auf Ihre prognostizierten Zahlen.

Lassen Sie uns das aufschlüsseln.

„Möglicherweise sind Sie auch auf dieselben Indikatoren angewiesen.
seit einiger Zeit, möchte aber neue Indikatoren bewerten und auf ihre Plausibilität testen. Und vor allem ihre Wirkung
auf Ihren prognostizierten Zahlen.„

Gängige Methoden zur Variablensuche und wie sie funktionieren

Wir haben festgestellt, dass viele Analysten aktiv lineare Regressionsmodelle erstellen und testen, um die für ihre Hauptvariable relevanten Indikatoren zu identifizieren. Das Testen der verschiedenen Methoden nimmt jedoch in der Regel ziemlich viel Zeit in Anspruch, wenn sie mit unterschiedlichen Suchmethoden ausgeführt werden.

Zunächst einmal, was sind diese Suchmethoden und was können sie am besten?

‍Koeffizientensuche
‍Beginnen wir mit der Koeffizientensuche. Es beinhaltet drei verfügbare Methoden; nur Hauptgleichung, alle Gleichungen, und alle Gleichungen - verzögerungsfrei.

Alle Methoden beginnen mit der Erstellung eines VAR-Modells mit LASSO-Strafe, wobei die in den Einstellungen für die Variablenauswahl ausgewählte Struktur verwendet wird.

Dieses Modell benachteiligt Variablen, die für Vorhersagen nicht nützlich sind, was bedeutet, dass ihre Koeffizienten gegen Null schrumpfen. Im Wesentlichen werden bei der Koeffizientensuche alle ausgewählten Variablen und ihre individuellen Beiträge zur interessierenden Variablen untersucht. Sie ermöglicht zwar eine umfassende Untersuchung aller Faktoren, identifiziert aber möglicherweise nicht automatisch die wichtigsten.
 
‍Schrittweise Suche
‍Die schrittweise Suche ist ein iterativer Prozess, der mit einem anfänglichen Satz von Faktoren beginnt und dann anhand statistischer Kriterien (z. B. p-Werte oder Informationskriterien) Variablen hinzufügt oder entfernt. Ziel ist es, Kennzahlen bereitzustellen, die Aufschluss darüber geben, wie gut ein Indikator außerhalb der Stichprobe sein wird. Im Wesentlichen wird es widerspiegeln, wie gut ein Indikator in Situationen abschneiden wird, an denen er noch nicht getestet wurde.

‍Rückwärtssuche: In einem Prognosekontext wird das Modell niemals Zugriff auf die Datenpunkte haben, die wir vorhersagen wollen, was ein anderes Problem darstellt, als nur die vergangenen Bewegungen einer Variablen zu beschreiben.

Ein kompliziertes Modell passt zwar oft gut zu den Daten, es kann jedoch zu einer Überanpassung kommen, was bedeutet, dass es sehr gut beschreiben kann, was passiert ist, aber nicht, was passieren wird. Es ähnelt in gewisser Weise der schrittweisen Suche, beginnt jedoch mit einem Modell, das alle Faktoren einbezieht, und entfernt dann anhand statistischer Kriterien schrittweise die am wenigsten signifikanten Faktoren.

Die Rückwärtssuche soll Werte dafür liefern, wie gut ein Indikator die Hauptvariable vorhersagen kann. Es basiert auf der Idee, dass ein Indikator zwar nützlich sein kann, um die Hauptvariable in der Stichprobe zu beschreiben, uns aber in der Regel mehr daran interessiert, wie gut der Indikator die Vorhersagekraft eines Modells stärken kann. Einfach die Wirksamkeit aller drei Suchmethoden zu vergleichen, ohne sie kontextuell anzupassen, wäre zu stark vereinfacht und äußerst ungenau.

‍Es lohnt sich, alle drei Methoden auszuprobieren und den für Ihren speziellen Kontext am besten geeigneten und effektivsten Ansatz zu ermitteln.

Hier ist eine kurze Anleitung, woran Sie beim Testen der drei verschiedenen Methoden denken sollten:

Zeigen die Ergebnisse ein niedriges Signal-Rausch-Verhältnis?
‍Bei einem niedrigen Signal-Rausch-Verhältnis in den Daten wird es schwieriger, zwischen den wirklich einflussreichen Variablen und den zufälligen Schwankungen zu unterscheiden. Das würde bedeuten, dass die aussagekräftigen Informationen durch zufällige Schwankungen oder Rauschen überschattet oder verdeckt werden.

Im Wesentlichen verringerte Prognosegenauigkeit.

Wenn Sie mit einer Methode feststellen, dass die Daten ein geringes Signal-Rausch-Verhältnis aufweisen, ist dies ein Hinweis darauf, dass es sich möglicherweise lohnt, die nächste Methode auszuprobieren.

Unterscheiden sich die Ergebnisse je nach Methode stark?
‍Führen Sie eine oder alle drei Methoden separat automatisch aus und vergleichen Sie die prognostizierten Ergebnisse. Wenn die prognostizierten Ergebnisse bei den drei Methoden stark variieren, lohnt es sich, einen Blick darauf zu werfen, welche Indikatoren in Bezug auf die Hauptvariable in Ihrer Prognose immer noch durchgehend im Vordergrund stehen.

Dies gibt Ihnen ein besseres Gefühl dafür, welche Variablen (gemäß den getesteten Methoden) es wert sind, in Zukunft in Betracht gezogen zu werden.

Testen Sie einfach alle drei Methoden in Indicio

Indicio umfasst alle drei Methoden, zwischen denen Sie bei der Durchführung einer Indikatoranalyse problemlos wechseln können.

Wählen Sie die Variablen aus, von denen Sie glauben, dass sie für die Prognose des von Ihnen ausgewählten primären Datenpunkts am relevantesten sind. Wählen Sie die gewünschte Methode (schrittweise Suche, Koeffizienten- oder Rückwärtssuche) und führen Sie die Indikatoranalyse durch. Indicio berechnet dann jede erklärende Variable und ordnet sie entsprechend ihrer Kausalität zu Ihrer wichtigsten interessierenden Variablen ein. Dabei werden partielle Korrelation und LASSO-Regularisierung verwendet, um das Rauschen zu reduzieren und irrelevante Koeffizienten zu entfernen.

Dies gibt Ihnen die Möglichkeit, mehr als 20 makroökonomische Indikatoren in Indicio zu testen, alle mit dem Ziel zu testen, ob sie für die Prognose Ihrer Hauptvariablen, sei es der Gesamtumsatz oder die Marktnachfrage, prädiktive Aussagekraft haben.

Die Tests werden dann auf der Grundlage eines VAR-Modells mit Lasso-Effekten durchgeführt, das dann anzeigt, welche Variablen unbedeutend sind und keine Aussagekraft verleihen würden.

Kein Rätselraten mehr. [Probiere es selbst aus.]

Vorteile des Testens dieser Methoden

Gewinnen Sie fundierte Einblicke in die Variablen, auf die es ankommt
‍Jede Methode hat ausnahmslos ihre eigenen Annahmen und Kriterien für die Auswahl der relevanten Variablen, auf die Sie achten sollten.

Mithilfe mehrerer Methoden können Sie die Konsistenz der Ergebnisse beurteilen. Wenn eine Variable bei verschiedenen Methoden durchweg als signifikant erscheint, ist dies ein deutlicherer Beweis für ihre Bedeutung. Umgekehrt kann eine weitere Untersuchung erforderlich sein, wenn eine Variable bei einer Methode signifikant erscheint, bei anderen jedoch nicht.

Raum für die Anwendung der Methode, die für den Kontext am besten geeignet ist
‍Der Wert jeder Methode kann je nach dem spezifischen Kontext und der Art der betrachteten Variablen variieren.

- Indem Sie alle drei Methoden ausprobieren, können Sie den für Ihren speziellen Kontext am besten geeigneten und effektivsten Ansatz evaluieren. Dies ermöglicht eine individuellere und kontextspezifischere Analyse und erhöht die Wahrscheinlichkeit, die relevantesten Variablen für die Prognose zukünftiger Verkäufe aufzudecken.

- Das Ausprobieren aller drei Methoden stellt sicher, dass wichtige Variablen nicht übersehen werden, und erhöht das Vertrauen in die Ergebnisse. Es ist jedoch wichtig, die Ergebnisse kritisch zu interpretieren und zu vergleichen, wobei die Stärken und Grenzen der einzelnen Methoden zu berücksichtigen sind.

[Probiere es in Indicio aus]