Tester de nouveaux indicateurs et leur impact sur vos prévisions

Nous avons déjà établi qu'il est important de sélectionner les bons indicateurs avancés pour votre entreprise (quelle que soit l'étape à laquelle vous vous trouvez dans la chaîne d'approvisionnement).
‍
[Apprenez-en davantage sur la façon d'identifier vos indicateurs avancés et non vos indicateurs retardataires pertinents.]

Il est vrai que l'identification des indicateurs pertinents peut être un véritable labyrinthe. Comment savoir si vous vous concentrez sur les sujets pertinents ? Y a-t-il de nouveaux indicateurs que vous devriez inclure ?

Il se peut également que vous dépendiez des mêmes indicateurs depuis un certain temps, mais que vous souhaitiez évaluer et tester la plausibilité de nouveaux indicateurs. Et surtout, son impact sur vos prévisions.

Décomposons-le.

« Vous vous fiez peut-être aussi aux mêmes indicateurs.
depuis un certain temps, mais j'aimerais évaluer et tester la plausibilité de nouveaux indicateurs. Et surtout, son impact
sur vos chiffres prévisionnels.«

Méthodologies de recherche de variables courantes et leurs performances

Nous avons constaté que de nombreux analystes élaborent et testent activement des modèles de régressions linéaires afin d'identifier les indicateurs pertinents pour leur variable principale. Cependant, tester les différentes méthodes prend généralement un certain temps lorsqu'on les exécute à l'aide de différentes méthodologies de recherche.

Pour commencer, quelles sont ces méthodologies de recherche et qu'est-ce qu'elles font le mieux ?

‍Recherche de coefficients
‍Commençons par utiliser la recherche par coefficient. Il comprend trois méthodes disponibles ; équation principale uniquement, toutes les équations, et toutes les équations - dans le sens du décalage.

Toutes les méthodes commencent par créer un modèle VAR avec pénalité LASSO, en utilisant la structure sélectionnée dans les paramètres de sélection des variables.

Ce modèle pénalisera les variables qui ne sont pas utiles pour la prédiction, ce qui signifie que leurs coefficients diminueront vers zéro. Essentiellement, la recherche de coefficients examine toutes les variables sélectionnées et leurs contributions individuelles à la variable d'intérêt. Bien qu'il permette un examen complet de tous les facteurs, il peut ne pas identifier automatiquement les plus importants.
 
‍Recherche par étapes
‍La recherche par étapes est un processus itératif qui commence par un ensemble initial de facteurs, puis ajoute ou supprime des variables en fonction de critères statistiques (par exemple, des valeurs p ou des critères d'information). Il vise à fournir des mesures qui reflètent la qualité d'un indicateur hors échantillon. Il reflétera essentiellement la performance d'un indicateur dans des situations sur lesquelles il n'a jamais été testé auparavant.

‍Recherche rétrograde : Dans un contexte de prévision, le modèle n'aura jamais accès aux points de données que nous voulons prédire, ce qui pose un problème différent de celui de simplement décrire les mouvements passés d'une variable.

Bien qu'un modèle complexe s'adapte souvent bien aux données, il peut être surajusté, ce qui signifie qu'il sera très efficace pour décrire ce qui s'est passé, mais pas ce qui va se passer. Elle ressemble un peu à la recherche par étapes, mais elle commence par un modèle qui inclut tous les facteurs, puis supprime progressivement les moins significatifs en fonction de critères statistiques.

La recherche rétrograde vise à produire des valeurs indiquant dans quelle mesure un indicateur est capable de prédire la variable principale. Il repose sur l'idée que si un indicateur peut être utile pour décrire la principale variable d'un échantillon, nous sommes généralement plus intéressés par la mesure dans laquelle l'indicateur peut renforcer le pouvoir prédictif d'un modèle. Le simple fait de comparer l'efficacité des trois méthodes de recherche sans l'ajuster au contexte serait une simplification excessive et totalement inexacte.

‍Il serait intéressant d'essayer les trois méthodes et de déterminer l'approche la plus appropriée et la plus efficace dans votre contexte particulier.

Voici un guide rapide sur les éléments à prendre en compte lorsque vous testez les trois méthodologies différentes :

Les résultats affichent-ils un faible rapport signal/bruit ?
‍Avec un faible rapport signal/bruit dans les données, il devient plus difficile de faire la différence entre les variables réellement influentes et les fluctuations aléatoires. Cela signifierait que les informations significatives sont éclipsées ou masquées par des fluctuations aléatoires ou du bruit.

Essentiellement, une diminution de la précision des prévisions.

Si vous identifiez un faible rapport signal/bruit dans les données à l'aide d'une méthode, cela indique qu'il peut être intéressant d'essayer la méthode suivante.

Les résultats varient-ils considérablement d'une méthode à l'autre ?
‍Exécutez séparément une ou les trois méthodes automatiquement et comparez les résultats prévus. Si les résultats prévus varient considérablement d'une méthode à l'autre, il vaut la peine de vérifier quel (s) indicateur (s) occupe toujours une place prépondérante par rapport à la variable principale de vos prévisions.

Cela vous donne une meilleure idée des variables (selon les méthodes testées) qui méritent d'être prises en compte à l'avenir.

Testez facilement les trois méthodes dans Indicio

Indicio inclut les trois méthodes que vous pouvez facilement utiliser lors de l'analyse d'un indicateur.

Choisissez les variables qui, selon vous, seront les plus pertinentes pour prévoir le point de données principal que vous avez sélectionné. Sélectionnez la méthode de votre choix (recherche par étapes, par coefficient ou recherche rétrospective) et lancez l'analyse des indicateurs. Indicio calculera et classera ensuite chaque variable explicative en fonction de sa causalité par rapport à votre principale variable d'intérêt, en utilisant une corrélation partielle et une régularisation LASSO pour réduire le bruit et supprimer les coefficients non pertinents.

Cela vous permet de tester plus de 20 indicateurs macroéconomiques dans Indicio, tous dans le but de vérifier s'ils ont un pouvoir prédictif pour prévoir votre principale variable, qu'il s'agisse des ventes totales ou de la demande du marché.

Les tests sont ensuite exécutés sur la base d'un modèle VAR avec effets Lasso qui affichera ensuite quelles variables sont insignifiantes et n'ajouteraient aucun pouvoir prédictif.

Plus de devinettes. [Essayez-le vous-même.]

Les avantages de tester ces méthodes

Obtenez des informations fiables sur les variables importantes
‍Chaque méthode a invariablement ses propres hypothèses et critères pour sélectionner les variables pertinentes auxquelles vous devez prêter attention.

En utilisant plusieurs méthodes, vous pouvez évaluer la cohérence des résultats. Si une variable apparaît systématiquement comme significative dans différentes méthodes, elle fournit des preuves plus solides de son importance. À l'inverse, si une variable semble significative dans une méthode mais pas dans d'autres, elle peut nécessiter des recherches plus approfondies.

Possibilité d'appliquer la méthode la plus adaptée au contexte
‍La valeur de chaque méthode peut varier en fonction du contexte spécifique et de la nature des variables considérées.

- En testant les trois méthodes, vous pouvez évaluer l'approche la plus adaptée et la plus efficace dans votre contexte particulier. Cela permet une analyse plus personnalisée et plus spécifique au contexte, augmentant ainsi la probabilité de découvrir les variables les plus pertinentes pour prévoir les ventes futures.

- L'essai des trois méthodes garantit que les variables clés ne sont pas négligées et augmente la confiance dans les résultats. Cependant, il est important d'interpréter et de comparer les résultats de manière critique, en tenant compte des points forts et des limites de chaque méthode.

[Essayez-le dans Indicio]