„Szefie! Prognozowaliśmy 2.6, a wyszło nawet 2.5, dokładnie w celu, jest świetnie!”
Wyobraźmy sobie taką scenę. A potem wyobraźmy sobie, że zaglądacie Państwo w szczegóły prognozy, i usługi prognozowane na 3.5 wyszły 5, ale za to dobra prognozowane na 3 wyszły 0.5. Przy odpowienich wagach błędy tych dwóch prognoz sie „zjadły” i średnio wyszło w punkt. Jest świetnie? Nie jest już tak świetnie?
🤔
Prognozowanie może mieć dwa cele. 🎓
Pierwszy, oczywisty, to trafienie w punkt. Dla analityka rynkowego, jeśli z prognozą trafia w punkt, to potem już tylko szeroka i to pusta autostrada: wiadomo, że polityka pieniężna jest data driven, funkcja reakcji banku centralnego jest znana i dobrze określona na przestrzeni stanów, rynki wiedzą, co będzie grane — a idealna prognoza to kilka lub kilkanaście dni przewagi nad innymi uczestnikami rynku. Gdyby dało się kupić idealny zgadywacz liczb, byłby baaaardzo drogi i dla większości byłby zupelnie wystarczający.
Drugi, to narzędzie poznania rzeczywistości. Prognoza wynika z jakiegoś modelu. Budujemy model, żeby umieć wydestylować ze złożonego w swojej istocie świata pomocne syntezy na temat wiodących procesów. Prognozowanie jest konsekwencją tego, że mamy model — nie celem samym w sobie. Taki model (jak każdy model!) na pewno jest tylko przybliżeniem rzeczywistości, ale jego struktura to forma — nieco tylko drwiąco — wyznania wiary, na temat tego, co sądzimy o mechanizmach w rzeczywistości. Jeśli model wszystko prognozuje źle, ale (przypadkiem!) błędy się znoszą, to to, co sądzimy o mechanizmach w rzeczywistości ma się … nijak do rzeczywistości.
Ocena, czy model jest dobry czy zły może oczywiście dotyczyć samego „zgadywania w punkt”, ale z mojej perspektywy patrząc, model, który wie ile, ale nie wie dlaczego — jest mało przydatny. Bo nie pomaga wydestylować ze złożonego w swojej istocie świata żadnych pomocnych syntez na temat wiodących dziś procesów. I bo każdy model czasem się pomyli co do liczb — ważne, żeby z grubsza dobrze opowiadał o wiodących mechanizmach w gospodarce.
A! No i z byciem „data driven” i funkcją reakcji trochę żartowałam. Przez łzy, ale co zrobić…