Точност на прогнозата
Основните критерии при оценката на ефективността на модела, използван при прогнозиране, са точността на прогнозата и пълнотата на представяне на бъдещото финансово състояние на прогнозирания обект. Въпросът за точността на прогнозата е малко по-сложен и изисква по-голямо внимание. Точността или грешката на прогнозата е разликата между прогнозираните и действителните стойности. Във всеки конкретен модел тази стойност зависи от редица фактори.
Изключително важна роля играят историческите данни, използвани при разработването на модел за прогнозиране. В идеалния случай е желателно да имате голямо количество данни за значителен период от време. Освен това използваните данни трябва да са "типични" по отношение на ситуацията. Стохастичните методи за прогнозиране, използващи апарата на математическата статистика, налагат доста специфични изисквания към историческите данни, в случай на неизпълнение на които не може да се гарантира точността на прогнозата. Данните трябва да са надеждни, сравними, достатъчно представителни за проява на закономерности, хомогенни и стабилни.
Точността на прогнозата явно зависи от правилния избор на метода за прогнозиране в конкретен случай. Това обаче не означава, че във всеки случай е приложим само един модел. Напълно възможно е в някои случаи няколко различни модела да дадат относително надеждни оценки. Основният елемент във всеки модел за прогнозиране е тенденцията или линията на основната тенденция на серията. Повечето модели предполагат, че тенденцията е линейна, но това предположение не винаги е разумно и може да повлияе неблагоприятно на точността на прогнозата. Точността на прогнозата се влияе и от метода, използван за отделяне на сезонните колебания от тенденцията - събиране или умножение. ПриИзползвайки регресионни методи, е изключително важно да се идентифицират правилно причинно-следствените връзки между различните фактори и да се включат тези връзки в модела.
Преди даден модел да може да се използва за правене на реалистични прогнози, той трябва да бъде тестван за обективност, за да се гарантира, че прогнозите са точни. Това може да се постигне по два различни начина:
Резултатите, получени от модела, се сравняват с действителните стойности след определен период от време, когато се появят. Недостатъкът на този подход е, че тестването на "безпристрастността" на модела може да отнеме много време, тъй като моделът може наистина да бъде тестван само за дълъг период от време.
Моделът е изграден от съкратен набор от налични исторически данни. Останалите данни могат да се използват за сравнение с прогнозираните цифри, получени с помощта на този модел. Този вид проверка е по-реалистична, тъй като всъщност моделира прогнозираната ситуация. Недостатъкът на този метод е, че най-новите и следователно най-значимите индикатори са изключени от процеса на генериране на оригиналния модел. В светлината на горното по отношение на валидирането на модела става ясно, че за да се намалят очакваните грешки, е необходимо да се направят промени във вече съществуващ модел. Такива промени се правят през целия период на прилагане на модела в реалния живот. Възможни са непрекъснати промени по отношение на тенденция, сезонни и циклични колебания, както и всяка използвана причинно-следствена връзка. След това тези промени се проверяват с помощта на вече описаните методи. По този начин процесът на проектиране на модел включва няколко етапа: събиране на данни, разработване на първоначалния модел, проверка, усъвършенстване - и отново всичкипърво въз основа на непрекъснатото събиране на допълнителни данни, за да се гарантира надеждността на модела.