Het testen van nieuwe indicatoren en de impact ervan op uw voorspelde cijfers

We hebben eerder vastgesteld dat het belangrijk is om de juiste leidende indicatoren voor uw bedrijf te selecteren (ongeacht in welke fase u zich in de toeleveringsketen bevindt).
‍
[Lees meer over hoe u uw relevante toonaangevende, niet achterblijvende indicatoren kunt identificeren.]

Toegegeven, het kan nogal een doolhof zijn om de relevante indicatoren aan te wijzen. Hoe weet je of je je concentreert op de relevante onderwerpen? Zijn er nieuwe indicatoren die u moet opnemen?

Misschien bent u ook al een tijdje afhankelijk van dezelfde indicatoren, maar wilt u de plausibiliteit van nieuwe indicatoren beoordelen en testen. En cruciaal, de impact ervan op uw voorspelde cijfers.

Laten we het eens opsplitsen.

„Misschien ben je ook afhankelijk van dezelfde indicatoren.
al een tijdje, maar wil graag de plausibiliteit van nieuwe indicatoren beoordelen en testen. En cruciaal, de impact ervan
op basis van je voorspelde cijfers.„

Veelgebruikte methoden voor het zoeken naar variabelen en hoe ze presteren

We hebben ontdekt dat veel analisten actief lineaire regressiemodellen bouwen en testen om de indicatoren te identificeren die relevant zijn voor hun belangrijkste variabele. Het testen van de verschillende methoden kost echter doorgaans behoorlijk wat tijd wanneer ze met verschillende zoekmethoden worden uitgevoerd.

Om te beginnen, wat zijn deze zoekmethodieken en wat doen ze het beste?

‍Coëfficiënt zoeken
‍Laten we beginnen met het gebruik van coëfficiëntenonderzoek. Het bevat drie beschikbare methoden; alleen de hoofdvergelijking, alle vergelijkingen, en alle vergelijkingen - lagwise.

Alle methoden beginnen met het bouwen van een VAR-model met LASSO penalty, waarbij gebruik wordt gemaakt van de structuur die is geselecteerd in de instellingen voor het selecteren van variabelen.

Dit model zal variabelen bestraffen die niet bruikbaar zijn om te voorspellen, wat betekent dat hun coëfficiënten naar nul zullen krimpen. In wezen onderzoekt het zoeken naar coëfficiënten alle geselecteerde variabelen en hun individuele bijdragen aan de variabele van belang. Hoewel het een uitgebreid onderzoek van alle factoren mogelijk maakt, wordt mogelijk niet automatisch de belangrijkste geïdentificeerd.
 
‍Stapsgewijs zoeken
‍Stapsgewijs zoeken is een iteratief proces dat begint met een eerste set factoren en vervolgens variabelen toevoegt of verwijdert op basis van statistische criteria (bijvoorbeeld p-waarden of informatiecriteria). Het is bedoeld om maatregelen te bieden die aangeven hoe goed een indicator buiten de steekproef zal zijn. Het geeft in wezen weer hoe goed een indicator zal presteren in situaties waarop deze nog niet eerder is getest.

‍Achterwaarts zoeken: In een voorspellingscontext zal het model nooit toegang hebben tot de datapunten die we willen voorspellen, wat een ander probleem oplevert dan alleen het beschrijven van de bewegingen van een variabele in het verleden.

Hoewel een ingewikkeld model vaak goed bij de gegevens past, kan het te veel worden aangepast, wat betekent dat het heel goed kan beschrijven wat er is gebeurd, maar niet wat er zal gebeuren. Het lijkt enigszins op het stapsgewijs zoeken, maar begint met een model dat alle factoren omvat en vervolgens geleidelijk de minst significante verwijdert op basis van statistische criteria.

Backwards search is bedoeld om waarden te verkrijgen van hoe goed een indicator is in het voorspellen van de belangrijkste variabele. Het is gebaseerd op het idee dat hoewel een indicator nuttig kan zijn om de belangrijkste variabele in de steekproef te beschrijven, we meestal meer geïnteresseerd zijn in hoe goed de indicator de voorspellende kracht van een model kan versterken. Het simpelweg vergelijken van de effectiviteit van alle drie de zoekmethoden zonder ze contextueel aan te passen, zou een te grote vereenvoudiging en zeer onnauwkeurig zijn.

‍Het zou de moeite waard zijn om alle drie methoden uit te proberen en de meest geschikte en effectieve aanpak in uw specifieke context te bepalen.

Hier is een korte handleiding over waar je aan moet denken bij het testen van de drie verschillende methodologieën:

Vertonen de resultaten een lage signaal-ruisverhouding?
‍Met een lage signaal-ruisverhouding in de gegevens wordt het moeilijker om onderscheid te maken tussen de werkelijk invloedrijke variabelen en de willekeurige fluctuaties. Het zou betekenen dat de zinvolle informatie wordt overschaduwd of verduisterd door willekeurige fluctuaties of ruis.

In wezen verminderde nauwkeurigheid van de voorspelling.

Als u met één methode vaststelt dat er weinig signaal-ruis in de gegevens zit, is dat een indicatie dat het misschien de moeite waard is om de volgende methode uit te proberen.

Verschillen de resultaten nogal tussen de methoden?
‍Voer een of alle drie methoden afzonderlijk automatisch uit en vergelijk de voorspelde resultaten. Als de voorspelde resultaten nogal verschillen tussen de drie methoden, is het de moeite waard om te kijken welke indicator (en) nog steeds consistent prominent aanwezig is in de richting van de belangrijkste variabele in uw voorspelling.

Dit geeft u een beter idee van welke variabelen (volgens de geteste methoden) het overwegen waard zijn om verder te gaan.

Test eenvoudig alle drie de methoden in Indicio

Indicio bevat alle drie methoden waartussen u eenvoudig kunt schakelen wanneer u een indicatoranalyse uitvoert.

Kies de variabelen die volgens jou het meest relevant zijn voor het voorspellen van het primaire gegevenspunt dat je hebt geselecteerd. Selecteer de gewenste methode (stapsgewijs, coëfficiënt of achterwaarts zoeken) en voer de indicatoranalyse uit. Indicio berekent en rangschikt vervolgens elke verklarende variabele op basis van zijn causaliteit op basis van uw belangrijkste variabele van belang, met behulp van gedeeltelijke correlatie en LASSO-regularisatie om ruis te verminderen en irrelevante coëfficiënten te verwijderen.

Dit geeft u de mogelijkheid om meer dan 20 macro-economische indicatoren in Indicio te testen, allemaal met als doel te testen of ze voorspellend vermogen hebben bij het voorspellen van uw belangrijkste variabele, of het nu gaat om de totale verkoop of de marktvraag.

De tests worden vervolgens uitgevoerd op basis van een VAR-model met Lasso-effecten, dat vervolgens laat zien welke variabelen onbeduidend zijn en geen voorspellend vermogen zouden toevoegen.

Geen giswerk meer. [Probeer het zelf uit.]

Voordelen van het testen van deze methoden

Verkrijg robuuste inzichten in de variabelen die er toe doen
‍Elke methode heeft steevast zijn eigen aannames en criteria voor het selecteren van de relevante variabelen waar u op moet letten.

Door meerdere methoden te gebruiken, kunt u de consistentie van de resultaten beoordelen. Als een variabele bij verschillende methoden consequent even significant lijkt, is dat een sterker bewijs van het belang ervan. Omgekeerd, als een variabele significant lijkt in de ene methode, maar niet in andere, kan dit nader onderzoek vereisen.

Ruimte om de methode toe te passen die het meest geschikt is voor de context
‍De waarde van elke methode kan variëren, afhankelijk van de specifieke context en de aard van de variabelen die in aanmerking worden genomen.

- Door alle drie methoden uit te proberen, kunt u de meest geschikte en effectieve aanpak in uw specifieke context evalueren. Dit maakt een meer op maat gemaakte en contextspecifieke analyse mogelijk, waardoor de kans groter wordt dat de meest relevante variabelen worden ontdekt voor het voorspellen van toekomstige verkopen.

- Het uitproberen van alle drie de methoden zorgt ervoor dat belangrijke variabelen niet over het hoofd worden gezien en vergroot het vertrouwen in de bevindingen. Het is echter belangrijk om de resultaten kritisch te interpreteren en te vergelijken, rekening houdend met de sterke punten en beperkingen van elke methode.

[Probeer het uit in Indicio]