Бэктестинг для X-13ARIMA-SEATS

Мы слышим много вопросов от наших пользователей о точности прогнозирования: как мой прогноз модели будет сочетаться с фактическими значениями в будущем? Совпадают ли прогнозные и фактические значения? Какова будет ошибка отслеживания?

Техника бэктестинга решает эти вопросы, но с простой изюминкой: если бы мы могли вернуться в прошлое, мы могли бы откалибровать модель, используя только данные, доступные до этого времени, и сделать прогноз вне выборки. Затем мы повторяем процедуру для разных дат.

В конце процесса бэктестинга мы генерируем временной ряд прогнозируемых значений, который затем можно проанализировать в сравнении с фактическим временным рядом. Затем мы можем рассчитать всевозможные статистические данные.

Эта статья была написана под влиянием конкретного запроса в службу поддержки от одного из наших пользователей:

“Как провести бэктестирование прогноза X-13ARIMA-SEATS по сезонно скорректированным и итоговым (т.е. несезонно скорректированным) значениям?”

Для проведения бэктестинга нам необходимо запустить несколько сценариев X13AS, которые отличаются только набором входных данных.

В этом учебном пособии мы будем использовать ежемесячные данные о занятости в несельскохозяйственном секторе Министерства труда США (DOL) за период с января 1970 года по июнь 2022 года.

1. С помощью мастера X13 Wizard постройте модель X13, используя полный набор данных. Мастер запишет спецификацию модели (текст в формате JSON) в рабочий лист, где вы ее укажете.
   
2. Далее в пустом столбце перечислите все периоды, для которых вы хотите сделать прогноз.
   
3. Подсчитайте количество точек данных от начала набора данных до каждого периода, указанного в шаге (2).
   
4. Скопируйте формулу X13AS(.) из пункта (1) в отдельный столбец, соседний со столбцом из пункта (3).
   

5. Замените диапазон ячеек входных данных вызовом функции NxSubset(.). Функция NxSubset принимает в качестве 1-го аргумента полный набор данных, но финишное смещение вычисляется в столбце из шага (3).
   

   Примечание:

   Пожалуйста, обратитесь к Справочное руководство NxSubset(.) чтобы узнать больше.

6. Теперь функция X13AS(.) строит новый сценарий, используя только данные до этого момента.
7. Используя функции X13ASCOMP(.) и X13ASFORE(.), запросите компонент или прогнозное значение для даты в этой строке.
   
8. Используйте встроенную функцию Excel VLOOKUP(.) для запроса фактического значения каждой строки.
   
9. Скопируйте формулы из верхней строки в остальные части таблицы. Это вызовет серию вычислений модели X13, и их завершение может занять до минуты.
   
10. Наконец, давайте построим график бэктестинга вместе с фактическими значениями.
    

Заключение

В нашем примере мы рассчитали несезонный скорректированный прогноз на один месяц за последние 24 месяца, но мы можем легко расширить диапазон исследования и/или рассчитать другие результаты.

После того как мы рассчитали выходные временные ряды бэктестинга, мы должны количественно описать ошибку отслеживания прогноза, используя ваш любимый показатель эффективности прогноза (входит в NumXL), такой как MAPE, RMSE, MASE и т. д.