Jak oceniać niepewność prognoz: przedziały, scenariusze i założenia

Dlaczego pojedyncza liczba nie wystarcza do oceny prognozy

Prognoza punktowa to jedna liczba: sprzedaż 260 sztuk, inflacja 3,2%, przychód 12 mln zł. Nie mówi, jak blisko rzeczywistej wartości można się spodziewać. Zakres, w którym z zadanym prawdopodobieństwem znajdzie się prognozowana wartość, wyznacza przedział ufności prognozy.

Dwie prognozy o identycznej wartości środkowej mogą mieć inną wartość decyzyjną, jeśli jedna mieści się w wąskim, a druga w rozległym przedziale. Decyzja o wielkości zamówienia, poziomie zapasów czy budżecie zależy od tego, jaką część przedziału firma obsłuży, a nie od samego punktu.

Przedział ufności prognozy: zakres, który łatwo nadinterpretować

Najprostsza definicja operacyjna: przedział ufności prognozy to zakres, w którym z zadanym prawdopodobieństwem znajdzie się prognozowana wartość. Przykład z planowania sprzedaży: jeśli dla całkowitej sprzedaży produktu w przyszłym miesiącu 95-procentowy przedział ufności wynosi od 252 do 266, to z prawdopodobieństwem 95% sprzeda się co najmniej 252 i co najwyżej 266 sztuk tego produktu.

Definicja jest wygodna, ale mało precyzyjna i łatwo prowadzi do nadinterpretacji. Pojęcie przedziału ufności zaproponowali statystyk polskiego pochodzenia Jerzy Spława-Neyman wraz z Egonem Pearsonem w latach 30. XX wieku, w nurcie podejścia częstościowego.

Często przywoływana definicja — „prawdopodobieństwo, z jakim w danym przedziale znajduje się wartość szacowanego parametru”, czyli np. 95% szans — jest błędna. Prawdopodobieństwo opiera się tu na teoretycznych rozkładach prawdopodobieństwa, a nie jest wyznaczane a priori z zebranych danych.

Właściwa interpretacja przedziału 95% brzmi: gdybyśmy powtórzyli badanie wielokrotnie (czego nigdy nie zrobimy), 95% tych przedziałów zawierałoby mierzony parametr. To założenie z teorii prawdopodobieństwa, a nie wiedza o tym, jak jest naprawdę.

Cumming i in. (2004) wskazują, że dla utworzonego przedziału ufności 95% w pojedynczym badaniu prawdopodobieństwo, że zawiera on wartość parametru, wynosi około 83,4%. Poziom 95% nie jest więc gwarancją dla pojedynczego przedziału — wynik nie musi „na pewno” zmieścić się w podanym zakresie.

Kluczowe parametry przedziału ufności

Horyzont i szerokość przedziału: kiedy prognoza jest jeszcze użyteczna

Zazwyczaj im bliższy horyzont prognozy, tym pewniejsze są prognozy — niepewność maleje wraz ze zbliżaniem się prognozowanego wydarzenia. Wartość całkowitej sprzedaży w następnym miesiącu jest nieznana, ale dla bliskiego okresu mamy zwykle dość dokładne przypuszczenia co do jej poziomu. Dużo mniej wiemy o sprzedaży w tym samym miesiącu, ale za rok: do tego czasu mogą zmienić się gusta konsumentów lub pojawić się nowy konkurent.

Szerokość przedziału jest miarą jakości modelu. Bardzo rozległe przedziały świadczą o tym, że model jest raczej nieprzydatny — wiąże się z nim zbyt duża niepewność prognoz. Szerokości przedziałów na wykresie pokazują, jak dobry jest model; taka reprezentacja graficzna jest bardziej intuicyjna niż jakikolwiek wskaźnik liczbowy.

Praktyczne czytanie wykresu polega na porównaniu szerokości przedziału w kolejnych okresach ze zdolnością firmy do reagowania. Jeśli przedział rośnie szybciej niż horyzont decyzji (np. czas realizacji zamówienia u dostawcy), prognoza na dalsze okresy przestaje wspierać konkretne zobowiązania i nadaje się tylko do planowania kierunkowego.

Poziom ufności jako świadomy wybór, nie automat

Przedział ufności określa się z różnym procentem zaufania, np. 90% czy 95%; najczęściej używa się 95%. Poziom nie jest wartością narzuconą — sterowanie nim daje kontrolę nad niepewnością. Szersze przedziały dają 99% pewności, że prognoza się w nich zawrze; 80% to przedziały węższe, ale mniej pewne.

Wybór poziomu powinien wynikać z konsekwencji decyzji. Gdy przekroczenie zakresu oznacza wysokie koszty (niedobór towaru, przekroczenie limitu, kara umowna), uzasadniony jest wyższy poziom i szerszy przedział. Gdy decyzja jest tania w korekcie i podejmowana często, węższy przedział bywa wygodniejszy. Wybrany poziom warto zapisać razem z prognozą, żeby odbiorca wiedział, jak szerokiego zakresu się spodziewać.

Od przedziału do scenariuszy: bazowy, negatywny, pozytywny

Prognozy przedziałowe pozwalają przygotować różne scenariusze przyszłych wydarzeń — pozytywne i negatywne — a co za tym idzie, różne strategie biznesowe. Zamiast planować na jednym przebiegu zdarzeń, firma dostaje strukturę do rozdzielenia działań.

Naturalne przypisanie: wartość środkowa lub najbardziej prawdopodobna jako scenariusz bazowy, dolna granica przedziału jako scenariusz negatywny, górna jako pozytywny. Do każdego dopisuje się decyzje wyprzedzające, np. poziom zapasu bezpieczeństwa i warunki uruchomienia dodatkowego dostawcy przy scenariuszu negatywnym oraz plan wykorzystania nadwyżki przy pozytywnym. Taki zestaw pokazuje, gdzie firma jest nieprzygotowana na skraj wartości.

Założenia i przesłanki prognostyczne: niewidoczna część prognozy

Przesłanki prognostyczne to hipotezy badawcze określające mechanizm prognozowanego zjawiska — założenia o tym, dlaczego wynik miałby się zmieniać w określony sposób, a nie sama liczba, która z nich wychodzi. Bez ich zapisania odbiorca prognozy nie ma jak ocenić, czy w ogóle powinien jej użyć.

Praktyczny sposób prowadzenia założeń to tabela z kolumnami: treść założenia, kierunek i siła wpływu na wynik, sposób weryfikacji w czasie oraz to, czy da się je zaobserwować, zanim wynik się zmaterializuje. Przypisanie każdego założenia do konkretnego scenariusza pozwala ustalić, który scenariusz staje się realny, gdy założenie przestaje obowiązywać.

Ostatni krok to analiza wrażliwości: które założenie najbardziej zmienia wynik prognozy. Nie służy ona wyborowi jednego „najważniejszego” założenia, lecz ustaleniu kolejności obserwacji — na które przesłanki patrzeć najczęściej, bo ich zmiana najszybciej przesuwa cały przedział.

Przykład z Polski: cykliczna projekcja inflacji i PKB NBP

Narodowy Bank Polski przygotowuje projekcję inflacji i PKB trzy razy w roku i publikuje ją w marcu, lipcu i listopadzie w IV rozdziale „Raportu o inflacji”. Rytm ten daje powtarzalny punkt odniesienia: każdą projekcję można porównać z poprzednią i z tym, co faktycznie się wydarzyło w międzyczasie.

Sama projekcja nie zwalnia odbiorcy z oceny niepewności. Trzeba ustalić jej horyzont, zebrać założenia, na których ją oparto, i sprawdzić, jak szerokie są prezentowane zakresy. Cykliczna publikacja to wzorzec dla własnego procesu: stały kalendarz, udokumentowane założenia i porównywanie kolejnych edycji.

Cykliczna publikacja prognoz przez Narodowy Bank Polski

Krótka lista kontrolna: jak ocenić niepewność własnej prognozy

Przed użyciem prognozy warto przejść kilka pytań. Czy przedział jest interpretowany poprawnie, tzn. czy nikt nie traktuje 95% jako gwarancji, że wynik zmieści się w zakresie w pojedynczym przypadku? Jaki jest horyzont prognozy i czy niepewność na tym horyzoncie rośnie zgodnie z tym, jak zmieniały się zakresy w poprzednich okresach? Jak szeroki jest przedział i czy jego szerokość nie świadczy już o tym, że model jest nieprzydatny do podejmowania zobowiązań?

Jaki poziom ufności wybrano i czy odpowiada on kosztom przekroczenia zakresu? Czy przygotowano scenariusze bazowy, negatywny i pozytywny wraz z przypisanymi decyzjami? Które założenia są krytyczne — których zmiana najmocniej przesuwa wynik — i jak będą obserwowane?

Zestaw odpowiedzi na te pytania powinien trafiać do odbiorcy razem z liczbą. Bez niego prognoza pozostaje pojedynczą wartością, której nie da się rozliczyć ani zasadnie zakwestionować.