Почему?

Во-первых, без знания конкретной предметной области, вся аналитика и всё прогнозирование просто сводятся к управжнениям по построению моделей. Это весело, но это не делает вас экспертами в этой области. Если вы считаете, что можно просто построить красочный график или отфильтровать шум и дать прогноз, для того, чтобы получить какой-то разумный результат, то вы серьёзно ошибаетесь. Любая аналитика должна делаться с учётом природной специфичности области, а не в вакууме. Не стоит просто так применять какую-нибудь ARIMA к ряду данных и считать, что вы сделали что-то полезное. Без понимания проблемы, это превращается просто в упражнения по работе в Excel / R / Python. Кстати, Роб Хайндман написал по этой же теме пост пару дней назад.

Во-вторых, мы на самом деле не знаем настоящую ситуацию. Данные, с которыми мы работаем, скорее всего, некорректные и неполные. Например, страны в эти дни перестают делать тесты всем подряд, боясь ещё большего распространения вируса. Но даже делая тесты, мы не можем точно сказать, сколько у нас заражённых на самом деле по многим разным причинам. Строя модели по неправильным данным, вы, конечно же, получите неправильные выводы. Есть одно исключение — это если вы используете специальные модели из данной области при поддержке экспертов (см. «во-первых» и ссылку на блог Роба).

В-третьих, все эти упражнения по анализу и прогнозированию совершенно не помогают в принятии каких-либо осмысленных решений. Они делаются чисто для любопытства, без особых целей. Например, какой-нибудь эксперт спрогнозировал, что число заразившихся вирусом во всём мире к 31 марта 2021 года будет от 53 до 530 миллионов человек. Ну, и что? Какое решение можно принять на основе такого прогноза? Никакое. Что могут сделать люди с этим прогнозом? Ничего. Это просто прогноз для самого себя (и возможно для самопиара). COVID-19 — это сейчас хайповая тема в аналитике, и можно заработать себе баллы и привлечь к себе внимание просто делая что-то в этой области. Но вклад в функционирование общества подобные аналитика и прогнозирование не вносят практически никакого.

Что делать?

Вместо того, чтобы делать подобные бессмысленные прогнозы, можно сфокусироваться, например, на том, чего ожидать в экономике из-за вируса. Карантин, само-изоляция и закрытие общественных пространств серьёзно бьют по экономике. К сожалению, судя по всему, эпидемию в отдельной взятой стране без этого не остановить. Перед нами встаёт делема: закрывать и вредить экономике или же не закрывать и вредить здоровью общества. В связи с этим можно попробовать найти ответы на следующие вопросы:

• Как вирус будет распространятся в разных сценариях (полное закрытие страны / частичное закрытие / никакого закрытия)?
• Что будет с экономикой в этих сценариях?
• Что произойдёт с бизнесом во время изоляции?
• Как много компаний обанкротится из-за вируса?
• Какие типы компаний обанкротятся первыми?
• Как вся эта ситуация повлияет на цены на продукты?
• Как много людей потеряет работу из-за удара по экономике?

Ответы на эти и другие вопросы значительно более полезны и выжны. Они могут помочь принять решения прямо здесь и сейчас, пока не поздно. Скорее всего, всякие ARIMA и экспоненциальное сглаживание не помогут в ответах на эти вопросы. Судя по всему, нужно использовать экспертные методы, обращаясь за помощью к специалистам в области эпидемиологии и экономики.

Другой интересный пример — это панические покупки, которые уже повредили цепям поставок во многих странах. Люди неожиданно стали покупать в среднем на 200% больше, чем обычно. В связи с этим можно задать ряд вопросов, связанных с исследованием операций:

• Как цепь поставок отреагирует на это в краткосрочной перспективе?
• Каков будет эффект этих панических покупок в долгосрочной перспективе?
• Когда это закончится и когда спрос вернётся к своему нормальному уровню?
• Что будет со спросом по окончанию паники?

Ответы на эти вопросы тоже важны и помогают в принятии решений разным группам людей. Да, найти правильные ответы сложно, но они могут принести реальную пользу.

Резюмируя

Я не дам вам никаких прогнозов по COVID-19, просто потому что я не эксперт. Но я могу точно сказать, что по этому поводу слишком много хайпа, паники и шума. Мы (прогнозисты, экономисты, аналитик и пр.) должны помогать обществу, а не создавать ещё больше шума и паники. Поэтому, если вы хотите что-то поанализировать и попрогнозировать на тему COVID-19, а потом выложить это на всеобщее обозрение, подумайте по поводу того, как это поможет людям. Если не поможет, то просто не делайте этого.

Сообщение Прогнозирование как самоцель появились сначала на Open Forecasting.

— Вы прогнозисты такие-сякие, — говорит он. — Вам не нужны объяснения и причинно-следственные связи. Вам лишь бы модель оценить, да прогноз дать! А что там за модель получилась и имеет ли она смысл — вам до фени! Хлебом вас не корми — дай поэкстраполировать… Извращенцы несчастные!

Честно говоря, это не первый раз, когда я слышу подобное мнение о том, чем я занимаюсь. Мол, те же эконометристы, например, строят модели для того, чтобы вскрыть причинно-следственные связи, смотрят в глубину, глядят в душу… а прогнозисты — только и знают, что тренды да прогнозные интервалы клепать. Поверхностные какие-то и совершенно несерьёзные ребята. Ну, и, конечно же, вот такое вот мнение о прогнозистах встречается:

Прогнозистус экстраполятус
(картинка взята из этих ваших интернетов)

Но на самом деле всё не так. Мы не такие. Мы вполне себе серьёзные! Нас причины интересуют не меньше, чем следствия. А всё потому что, если ты не знаешь, что привело, например, к резкому росту продаж тестов на беременность в январе 2025, то какой ты к чёрту прогнозист?! Что ты сможешь сделать, используя свои модели, если ты не понял, что вызвало такой неожиданный рост рождаемости в октябре 2025? Как ты можешь учесть риски, если не знаешь, к чему может привести принятие какого-нибудь очередного безумного закона о запрете презервативов с 31 декабря 2024?! В общем, прогнозист должен знать причины тех или иных событий и понимать, как их можно учесть в будущем.

Поэтому мы так же, как и эконометристы, используем регрессионный анализ. Нам так же, как и эконометристам, нужно учитывать важные, существенные переменные. У нас, так же как и у эконометристов, должны получаться качественные модели (и желательно без всяких там автокорреляций, гетероскедастичностей и мультиколлинеарностей). Но при этом модель для нас не является самоцелью. Нам не настолько важно, как она там аппроксимировала ряд данных (то есть, насколько хорошо коэффициенты подогнали её к ряду), какой процент дисперсии «объяснила» и какими распрекрасными статистическими свойствами обладают её коэффициенты. Да и в проверку статистических гипотез не все из нас верят (гореть мне в эконометрическом аду!)… Нам, на самом деле, намного важнее, чтобы модель работала на практике, чтобы она давала точный прогноз. И вот в этом как раз и заключается главное различие между прогнозистами и многими другими «-истами»: взгляд в будущее.

Вы спросите: раз вы такие крутые, что же вы строем не ходите что же вы эти самые регрессии не используете на каждом углу и не пользуетесь всей этой наиполезнейшей информацией о связях между переменными? Ответ банален и прост. Для того, чтобы дать прогноз с помощью регрессии, нужно иметь в распоряжении будущие значения каждой из включённых в модель переменных. Для этого надо либо обладать некой уникальной информацией (например, о том, что в магазинах города наша компания готовит акцию: «Купи тортик, получи бутыль самогона в подарок»), либо спрогнозировать каждую из переменных, используя экстраполяционные методы. Как вы понимаете, в некоторых ситуациях бывает проще просто экстраполировать один ряд, нежели несколько. Но, конечно же, не всегда.

P.S. Вообще же методы прогнозирования не ограничиваются лишь математическими моделями. Экспертные методы никто не отменял, аналогов им в некоторых ситуациях просто нет. А практически любой экспертный метод учитывает прямо или косвенно те самые причинно-следственные связи.

P.P.S. Так что не надо мне тут «бла-бла-бла»!

Сообщение Взгляд в будущее появились сначала на Open Forecasting.