Testando novos indicadores e seu impacto em seus números previstos

Estabelecemos anteriormente que selecionar os principais indicadores corretos para sua empresa é importante (independentemente do estágio em que você esteja na cadeia de suprimentos).
‍
[Saiba mais sobre como identificar seus indicadores principais e não atrasados relevantes.]

É certo que pode ser um grande labirinto identificar os indicadores relevantes. Como saber se você está se concentrando nos relevantes? Há novos indicadores que você deve incluir?

Você também pode estar dependendo dos mesmos indicadores há algum tempo, mas gostaria de avaliar e testar a plausibilidade de novos indicadores. E, o mais importante, seu impacto em seus números previstos.

Vamos detalhar isso.

“Você também pode estar dependendo dos mesmos indicadores
já faz algum tempo, mas gostaria de avaliar e testar a plausibilidade de novos indicadores. E, crucialmente, seu impacto
em seus números previstos.“

Metodologias comuns de pesquisa de variáveis e como elas funcionam

Descobrimos que muitos analistas criam e testam ativamente modelos de regressão linear para identificar os indicadores relevantes para sua variável principal. No entanto, testar os vários métodos normalmente leva um bom tempo ao executá-los usando diferentes metodologias de pesquisa.

Para começar, quais são essas metodologias de busca e o que elas fazem de melhor?

‍Pesquisa de coeficiente
‍Vamos começar usando a pesquisa de coeficientes. Inclui três métodos disponíveis; somente equação principal, todas as equações, e todas as equações - atrasos.

Todos os métodos começam construindo um modelo VAR com penalidade LASSO, usando a estrutura selecionada nas configurações de seleção de variáveis.

Esse modelo penalizará variáveis que não são úteis para predição, o que significa que seus coeficientes diminuirão para zero. Essencialmente, a pesquisa de coeficientes examina todas as variáveis selecionadas e suas contribuições individuais para a variável de interesse. Embora permita um exame abrangente de todos os fatores, ele pode não identificar automaticamente os mais importantes.
 
‍Pesquisa passo a passo
‍A pesquisa gradual é um processo iterativo que começa com um conjunto inicial de fatores e, em seguida, adiciona ou remove variáveis com base em critérios estatísticos (por exemplo, valores p ou critérios de informação). O objetivo é fornecer medidas que reflitam a qualidade de um indicador fora da amostra. Essencialmente, ele refletirá o desempenho de um indicador em situações nas quais não foi testado antes.

‍Pesquisa inversa: Em um contexto de previsão, o modelo nunca terá acesso aos pontos de dados que queremos prever, representando um problema diferente do que apenas descrever os movimentos anteriores de uma variável.

Embora um modelo complicado geralmente se ajuste bem aos dados, ele pode sofrer de sobreajuste, o que significa que será muito bom para descrever o que aconteceu, mas não o que acontecerá. É um pouco semelhante à pesquisa por etapas, mas começa com um modelo que inclui todos os fatores e, em seguida, remove progressivamente os menos significativos com base em critérios estatísticos.

A pesquisa retroativa tem como objetivo produzir valores de quão bem um indicador está em prever a variável principal. Ele se baseia na ideia de que, embora um indicador possa ser útil para descrever a variável principal na amostra, geralmente estamos mais interessados em quão bem o indicador pode fortalecer o poder preditivo de um modelo. Simplesmente comparar a eficácia de todos os três métodos de pesquisa sem ajustá-los contextualmente seria uma simplificação excessiva e extremamente imprecisa.

‍Valeria a pena experimentar os três métodos e determinar a abordagem mais adequada e eficaz em seu contexto específico.

Aqui está um guia rápido sobre o que pensar ao testar as três metodologias diferentes:

Os resultados estão exibindo uma baixa relação sinal/ruído?
‍Com uma baixa relação sinal/ruído nos dados, torna-se mais difícil diferenciar entre as variáveis realmente influentes e as flutuações aleatórias. Isso significaria que as informações significativas são ofuscadas ou obscurecidas por flutuações aleatórias ou ruídos.

Essencialmente, diminuiu a precisão da previsão.

Se você identificar que há baixa relação sinal-ruído nos dados usando um método, isso é uma indicação de que talvez valha a pena experimentar o próximo método.

Os resultados variam um pouco entre os métodos?
‍Execute separadamente um ou todos os três métodos automaticamente e compare os resultados previstos. Se os resultados previstos variarem um pouco entre os três métodos, vale a pena dar uma olhada em quais indicadores ainda estão consistentemente proeminentes em relação à variável principal em sua previsão.

Isso dá uma ideia melhor de quais variáveis (de acordo com os métodos testados) valem a pena considerar no futuro.

Teste facilmente todos os três métodos no Indicio

O Indicio inclui todos os três métodos entre os quais você pode alternar facilmente ao realizar uma análise de indicadores.

Escolha as variáveis que você acha que serão mais relevantes para prever o ponto de dados primário que você selecionou. Selecione o método desejado (busca gradual, coeficiente ou retroativa) e execute a análise do indicador. O Indicio então calculará e classificará cada variável explicativa de acordo com sua causalidade com sua principal variável de interesse, usando correlação parcial e regularização LASSO para reduzir o ruído e remover coeficientes irrelevantes.

Isso permite que você teste mais de 20 indicadores macroeconômicos no Indico, todos com o objetivo de testar se eles têm poder preditivo na previsão de sua variável principal, seja o total de vendas ou a demanda do mercado.

Os testes são então executados com base em um modelo VAR com efeitos Lasso que exibirão quais variáveis são insignificantes e não adicionariam poder preditivo.

Chega de adivinhação. [Experimente você mesmo.]

Benefícios de testar esses métodos

Obtenha informações robustas sobre as variáveis que importam
‍Cada método invariavelmente tem suas próprias suposições e critérios para selecionar as variáveis relevantes às quais você deve prestar atenção.

Usando vários métodos, você pode avaliar a consistência dos resultados. Se uma variável aparecer consistentemente como significativa em diferentes métodos, ela fornece evidências mais fortes de sua importância. Por outro lado, se uma variável parecer significativa em um método, mas não em outros, ela pode exigir uma investigação mais aprofundada.

Espaço para aplicar o método mais adequado ao contexto
‍O valor de cada método pode variar dependendo do contexto específico e da natureza das variáveis consideradas.

- Ao experimentar os três métodos, você pode avaliar a abordagem mais adequada e eficaz em seu contexto específico. Isso permite uma análise mais personalizada e específica do contexto, aumentando a probabilidade de descobrir as variáveis mais relevantes para prever vendas futuras.

- Experimentar todos os três métodos garante que as principais variáveis não sejam negligenciadas e aumente a confiança nas descobertas. No entanto, é importante interpretar e comparar os resultados de forma crítica, considerando os pontos fortes e as limitações de cada método.

[Experimente em Indicio]