Наукасты ВВП: вклад отдельных переменных
В последнем посте про наукастинг я писал о том, что используемый нами модельный аппарат позволяет оценивать вклад отдельных переменных в наукасты - покажу как это выглядит на примере свежих расчётов.
Собственно итоговая цифра, которая публикуется - это результат ансамблирования оценок по отдельным переменным с весами, зависящими от качестве этих отдельных прогнозов. На графике мы видим вклад каждой переменной в итоговую цифру.
Вниз оценку текущих темпов роста тянут ЗВР, курс рубля, цены производителей и снижение численности экономически активного населения.
С розничной торговлей ситуация интересная: две последние строчки нужно интерпретировать совместно: номинальный объём тянет наукаст вниз, индекс физического объёма - вверх. Суммарный эффект - отрицательный, а такие расхождения в двух показателях возникают, скорее всего, из-за роста цен.
При этом в промышленности (особенно добыче) всё неплохо и даже внешний фон для нашей экономики умеренно позитивный
В последнем посте про наукастинг я писал о том, что используемый нами модельный аппарат позволяет оценивать вклад отдельных переменных в наукасты - покажу как это выглядит на примере свежих расчётов.
Собственно итоговая цифра, которая публикуется - это результат ансамблирования оценок по отдельным переменным с весами, зависящими от качестве этих отдельных прогнозов. На графике мы видим вклад каждой переменной в итоговую цифру.
Вниз оценку текущих темпов роста тянут ЗВР, курс рубля, цены производителей и снижение численности экономически активного населения.
С розничной торговлей ситуация интересная: две последние строчки нужно интерпретировать совместно: номинальный объём тянет наукаст вниз, индекс физического объёма - вверх. Суммарный эффект - отрицательный, а такие расхождения в двух показателях возникают, скорее всего, из-за роста цен.
При этом в промышленности (особенно добыче) всё неплохо и даже внешний фон для нашей экономики умеренно позитивный
👍4🤔2
Цены в начале 2024 года
В течение первых девяти дней нового 2024 года цены, по данным Росстата, росли в среднем на 0.029% в день (в декабре 2023, для сравнения, темпы были ниже: 0.023% в день).
Но есть и хорошие новости: цены на яйца завершают свой стремительный взлёт: за первые 9 дней января они прибавили всего 0.78%! Правда, соль за этот же период подорожала на 0.9%, хотя ничего аномального в её ценах до этого замечено не было: новый дефицит или случайное отклонение? Узнаем совсем скоро (прозвучало как клиффхэнгер какого-нибудь сериала)
Сезонный рост цен на овощи продолжает ускоряться: огурцы прибавили 13% (против 9% неделей ранее), помидоры - почти 10% (против 4% в конце декабря).
Из непродуктовых товаров дорожают лекарства, зато подешевели перелёты на самолётах (-5.85% за неделю!), жаль, что это происходит после гораздо более значительного роста в декабре
В течение первых девяти дней нового 2024 года цены, по данным Росстата, росли в среднем на 0.029% в день (в декабре 2023, для сравнения, темпы были ниже: 0.023% в день).
Но есть и хорошие новости: цены на яйца завершают свой стремительный взлёт: за первые 9 дней января они прибавили всего 0.78%! Правда, соль за этот же период подорожала на 0.9%, хотя ничего аномального в её ценах до этого замечено не было: новый дефицит или случайное отклонение? Узнаем совсем скоро (прозвучало как клиффхэнгер какого-нибудь сериала)
Сезонный рост цен на овощи продолжает ускоряться: огурцы прибавили 13% (против 9% неделей ранее), помидоры - почти 10% (против 4% в конце декабря).
Из непродуктовых товаров дорожают лекарства, зато подешевели перелёты на самолётах (-5.85% за неделю!), жаль, что это происходит после гораздо более значительного роста в декабре
👍3🤯2😱1
Отраслевые финансовые потоки в декабре 2023: госпотребление на подъёме, под вопросом - рост инвестиционного спроса
ЦБ регулярно выпускает очень интересную статистику: мониторинг отраслевых финансовых потоков. Это объём входящих платежей, проведённых через платёжную систему Банка России (то есть, это не вся выручка компаний, а только её часть), в отраслевом разрезе. В общем-то, неплохой альтернативный способ оценить экономическую активность по отраслям.
И в разрезе очень агрегированных отраслей картина потрясающая: в отрасли, ориентированные на государственное потребление, сейчас приходит в 8-10 раз больше денег, чем приходило в 2019 году! Рост начался в конце 2020, первый пик пришёлся на весну-лето 2022, во втором пике мы находимся сейчас
При этом входящий финпоток в отрасли, ориентированные на потребительский и инвестиционный спрос, за тот же период вырос где-то на 50% (и это просто инфляция). В инвестиционных отраслях был небольшой всплеск в конце 2023, но это, возможно, эффект конца года
ЦБ регулярно выпускает очень интересную статистику: мониторинг отраслевых финансовых потоков. Это объём входящих платежей, проведённых через платёжную систему Банка России (то есть, это не вся выручка компаний, а только её часть), в отраслевом разрезе. В общем-то, неплохой альтернативный способ оценить экономическую активность по отраслям.
И в разрезе очень агрегированных отраслей картина потрясающая: в отрасли, ориентированные на государственное потребление, сейчас приходит в 8-10 раз больше денег, чем приходило в 2019 году! Рост начался в конце 2020, первый пик пришёлся на весну-лето 2022, во втором пике мы находимся сейчас
При этом входящий финпоток в отрасли, ориентированные на потребительский и инвестиционный спрос, за тот же период вырос где-то на 50% (и это просто инфляция). В инвестиционных отраслях был небольшой всплеск в конце 2023, но это, возможно, эффект конца года
👍7
Входящие финансовые потоки по отраслям: главные победители и проигравшие в 4 квартале 2023
Ежедневный входящий денежный поток в организации, относящиеся к деятельности органов госуправления, в 4 квартале 2023 был в среднем на 1415% выше, чем в среднем в 2019 году. Это очень много. Из всех отраслей на втором месте идут финансовые услуги - и цифра там гораааааздо скромнее: +189%. Замыкает тройку лидеров одежда: +138% (и есть подозрение, что это в значительной степени военный спрос, как и в научной и технической деятельности и производстве металлических изделий).
В глубоком минусе ветеринарная отрасль: -65%, производство программного обеспечения (-39%, видимо, слишком много программистов уехало) и организация и проведение азартных игр (-28%).
Первая и последняя десятки в полном составе - на графике!
Ежедневный входящий денежный поток в организации, относящиеся к деятельности органов госуправления, в 4 квартале 2023 был в среднем на 1415% выше, чем в среднем в 2019 году. Это очень много. Из всех отраслей на втором месте идут финансовые услуги - и цифра там гораааааздо скромнее: +189%. Замыкает тройку лидеров одежда: +138% (и есть подозрение, что это в значительной степени военный спрос, как и в научной и технической деятельности и производстве металлических изделий).
В глубоком минусе ветеринарная отрасль: -65%, производство программного обеспечения (-39%, видимо, слишком много программистов уехало) и организация и проведение азартных игр (-28%).
Первая и последняя десятки в полном составе - на графике!
👍7❤1
Цены на второй неделе января
За период с 10 по 15 января 2024 цены в России, по данным Росстата, выросли на 0.13% - весьма неплохо по сравнению с предыдущими неделями.
Замедлился рост цен на овощи! Огурцы прибавили всего 3% против 13% за первые десять дней года, помидоры - 2% против 10% за 1-10 января. Почти на 1% подешевела курица и продолжили дешеветь полёты на самолётах. Это из хороших новостей.
Из плохих: начинает дорожать мясо, особенно баранина (+0.7% за неполную неделю), продолжают достаточно активно (до +1%, что очень немало для пяти дней!) расти цены на лекарства.
За период с 10 по 15 января 2024 цены в России, по данным Росстата, выросли на 0.13% - весьма неплохо по сравнению с предыдущими неделями.
Замедлился рост цен на овощи! Огурцы прибавили всего 3% против 13% за первые десять дней года, помидоры - 2% против 10% за 1-10 января. Почти на 1% подешевела курица и продолжили дешеветь полёты на самолётах. Это из хороших новостей.
Из плохих: начинает дорожать мясо, особенно баранина (+0.7% за неполную неделю), продолжают достаточно активно (до +1%, что очень немало для пяти дней!) расти цены на лекарства.
👍3🤯2
Ставки по кредитам в России продолжают расти
По данным ЦБ, ставки по кредитам продолжают свой начавшийся летом рост: средневзвешенная процентная ставка по кредитам на срок до 1 года достигла в ноябре 21.3% (против 20.9% месяцев ранее и 19% в июле); ставка по кредитам на срок от 1 года достигла 13.5% (против 12.1% в августе). Совсем короткие кредиты (до 30 дней и до востребования) выдаются в среднем под 36.7% (против 18% в июле).
Автокредиты дорожают ещё быстрее: средняя ставка по автомобильному кредиту на срок больше 1 года в ноябре достигла 17.5% против 16.3% месяцем ранее и 13.8% в июле. Ставка по коротким автокредитам снизилась, но это статистический выброс: такие кредиты составляют всего 0.03% от общего объёма выданных кредитов.
По данным ЦБ, ставки по кредитам продолжают свой начавшийся летом рост: средневзвешенная процентная ставка по кредитам на срок до 1 года достигла в ноябре 21.3% (против 20.9% месяцев ранее и 19% в июле); ставка по кредитам на срок от 1 года достигла 13.5% (против 12.1% в августе). Совсем короткие кредиты (до 30 дней и до востребования) выдаются в среднем под 36.7% (против 18% в июле).
Автокредиты дорожают ещё быстрее: средняя ставка по автомобильному кредиту на срок больше 1 года в ноябре достигла 17.5% против 16.3% месяцем ранее и 13.8% в июле. Ставка по коротким автокредитам снизилась, но это статистический выброс: такие кредиты составляют всего 0.03% от общего объёма выданных кредитов.
👍5
Системы раннего предупреждения о конфликтах
#лонгрид
Сегодня - ещё один лонгрид из разряда "читаем статьи за вас", на этот раз про системы раннего предупреждения о конфликтах. Статья, кому интересно полное изложение, здесь.
Оказывается, существует достаточно много, больше десятка, разных систем и проектов, регулярно оценивающих риски возникновения вооружённых конфликтов, переворотов и т.д. в разных странах мира, с частотой вплоть до недельной (это делает проект ACLED).
Большая часть этих проектов ведётся академическими организациями, поэтому прогнозы и оценки публикуются в открытом доступе! И могут быть совершенно спокойно использованы кем угодно - а ведь такого рода цифры, даже если они не очень точные, могут быть очень полезны с точки зрения управления рисками и в целом прогнозирования для многих компаний и организаций. В конце концов, как показывают нынешние события в Красном море, достаточно одной неадекватной группы в одной стране, чтобы подпортить жизнь всему миру, если эта группа оказалась в (не)нужном месте в (не)нужное время.
Другой вопрос, что прогнозы правда оказываются не очень точными: авторы статьи не делают детальную оценку, но небольшой пример с одним годом и тремя (африканскими) странами, где в этот год происходили вооружённые конфликты, показывает весьма умеренную точность. Conflict Forecast, к примеру, смог просигнализировать о вероятности конфликта за месяц до его возникновения в случае Эфиопии, но не показал выдающихся результатов для других стран. С другой стороны, и один предсказанный за месяц конфликт - уже неплохой результат!
Список проектов со ссылками (забирайте, может пригодиться!):
- VIEWS
- ACLED
- WPS
- PRS
- Peoples under Threat
- GCRI
- EWP
- Conflict Forecast
- Atrocity
- CoupCast
#лонгрид
Сегодня - ещё один лонгрид из разряда "читаем статьи за вас", на этот раз про системы раннего предупреждения о конфликтах. Статья, кому интересно полное изложение, здесь.
Оказывается, существует достаточно много, больше десятка, разных систем и проектов, регулярно оценивающих риски возникновения вооружённых конфликтов, переворотов и т.д. в разных странах мира, с частотой вплоть до недельной (это делает проект ACLED).
Большая часть этих проектов ведётся академическими организациями, поэтому прогнозы и оценки публикуются в открытом доступе! И могут быть совершенно спокойно использованы кем угодно - а ведь такого рода цифры, даже если они не очень точные, могут быть очень полезны с точки зрения управления рисками и в целом прогнозирования для многих компаний и организаций. В конце концов, как показывают нынешние события в Красном море, достаточно одной неадекватной группы в одной стране, чтобы подпортить жизнь всему миру, если эта группа оказалась в (не)нужном месте в (не)нужное время.
Другой вопрос, что прогнозы правда оказываются не очень точными: авторы статьи не делают детальную оценку, но небольшой пример с одним годом и тремя (африканскими) странами, где в этот год происходили вооружённые конфликты, показывает весьма умеренную точность. Conflict Forecast, к примеру, смог просигнализировать о вероятности конфликта за месяц до его возникновения в случае Эфиопии, но не показал выдающихся результатов для других стран. С другой стороны, и один предсказанный за месяц конфликт - уже неплохой результат!
Список проектов со ссылками (забирайте, может пригодиться!):
- VIEWS
- ACLED
- WPS
- PRS
- Peoples under Threat
- GCRI
- EWP
- Conflict Forecast
- Atrocity
- CoupCast
👍5🔥2❤1
К вопросу о состоянии ЖКХ в России
ЖКХ - одна из самых горячих тем последних недель, а вчера накал проблемы дошёл уже аж до предложений отбирать квартиры у малоимущих. Так что на этой неделе мы будем говорить о ЖКХ!
У Росстата есть чудесный, но выходящий только раз в три(!) года, сборник "Жилищное хозяйство в России". Последний выпуск вышел год назад, так что ещё относительно актуален, благо что многие тенденции за год-два едва ли сильно изменились.
К примеру - соотношение объёмов строительства жилья и коммунальной инфраструктуры!
В 2021 ввели в действие 93 миллиона квадратных метров жилья против 85 миллионов в 2015 и минимальных за последние годы 76 миллионов в 2018.
А вот ввод в действие инфраструктуры упал за эти 6 лет:
- 1600 км водопровода в 2021 против 2700 км в 2015
- 5250 км газовых сетей в 2021 против 9680 км в 2015
- 310 км канализации в 2021 против 472 км в 2015
- 103 км тепловых сетей в 2021 против 106 км в 2015 и 214(!) км в 2017
Последствия этого дисбаланса мы все сейчас наблюдаем
ЖКХ - одна из самых горячих тем последних недель, а вчера накал проблемы дошёл уже аж до предложений отбирать квартиры у малоимущих. Так что на этой неделе мы будем говорить о ЖКХ!
У Росстата есть чудесный, но выходящий только раз в три(!) года, сборник "Жилищное хозяйство в России". Последний выпуск вышел год назад, так что ещё относительно актуален, благо что многие тенденции за год-два едва ли сильно изменились.
К примеру - соотношение объёмов строительства жилья и коммунальной инфраструктуры!
В 2021 ввели в действие 93 миллиона квадратных метров жилья против 85 миллионов в 2015 и минимальных за последние годы 76 миллионов в 2018.
А вот ввод в действие инфраструктуры упал за эти 6 лет:
- 1600 км водопровода в 2021 против 2700 км в 2015
- 5250 км газовых сетей в 2021 против 9680 км в 2015
- 310 км канализации в 2021 против 472 км в 2015
- 103 км тепловых сетей в 2021 против 106 км в 2015 и 214(!) км в 2017
Последствия этого дисбаланса мы все сейчас наблюдаем
👍4🤯2😱2
О состоянии объектов ЖКХ
Продолжаем про статистику ЖКХ: со вводом мощностей всё не очень, но может, и старых запасов хватает? Не факт: с водопроводными и канализационными системами всё ещё не так плохо, а вот система теплоснабжения в городах России активно стагнирует.
Суммарная мощность источников теплоснабжения в городской местности снизилась за период 2015-2021 гг. с 534 до 501 Гкал/час, а число этих самых источников теплоснабжения (котельных) упало с почти 32 тысяч до 30 тысяч.
Доля потерь тепла, кстати, выросла с 11% до 12.5% за шесть лет - тоже свидетельство ухудшения ситуации.
С водопроводом и канализацией ситуация немного другая: протяженность и того, и другого растёт, но ещё быстрее растёт объём сетей, подлежащих замене. К примеру, суммарная протяжённость канализационных сетей за 2015-2021 гг. выросла на 5.8%, но протяжённость канализационных сетей, нуждающихся в замене, выросла на 9.2%!
Продолжаем про статистику ЖКХ: со вводом мощностей всё не очень, но может, и старых запасов хватает? Не факт: с водопроводными и канализационными системами всё ещё не так плохо, а вот система теплоснабжения в городах России активно стагнирует.
Суммарная мощность источников теплоснабжения в городской местности снизилась за период 2015-2021 гг. с 534 до 501 Гкал/час, а число этих самых источников теплоснабжения (котельных) упало с почти 32 тысяч до 30 тысяч.
Доля потерь тепла, кстати, выросла с 11% до 12.5% за шесть лет - тоже свидетельство ухудшения ситуации.
С водопроводом и канализацией ситуация немного другая: протяженность и того, и другого растёт, но ещё быстрее растёт объём сетей, подлежащих замене. К примеру, суммарная протяжённость канализационных сетей за 2015-2021 гг. выросла на 5.8%, но протяжённость канализационных сетей, нуждающихся в замене, выросла на 9.2%!
👍2😱2🤯1💔1
О состоянии организаций ЖКХ
А что там с нашими любимыми ГБУ Жилищник и прочими управляющими организациями? Всё неоднозначно.
С одной стороны, объём основных фондов у них стремительно растёт: с 3.9 триллионов рублей в 2017 до 5.4 трлн в 2021: это рост на 37% за пять лет. Вполне неплохо!
С другой стороны, фонды эти становятся только хуже: степень износа за те же пять лет выросла с 42.8% до 44.2%, доля полностью изношенных фондов увеличилась с 15.3% до 15.8%, а коэффициент обновления снизился с 7.1% (а в 2018 было 8.2%!) до 6.9%
А что там с нашими любимыми ГБУ Жилищник и прочими управляющими организациями? Всё неоднозначно.
С одной стороны, объём основных фондов у них стремительно растёт: с 3.9 триллионов рублей в 2017 до 5.4 трлн в 2021: это рост на 37% за пять лет. Вполне неплохо!
С другой стороны, фонды эти становятся только хуже: степень износа за те же пять лет выросла с 42.8% до 44.2%, доля полностью изношенных фондов увеличилась с 15.3% до 15.8%, а коэффициент обновления снизился с 7.1% (а в 2018 было 8.2%!) до 6.9%
😱4💩2👍1
ЖКХ: инвестиции
Интересные цифры к вопросу о том, что мы мало платим за ЖКХ и государство всё субсидирует.
Расходы консолидированного бюджета РФ на ЖКХ в 2021 составили 2.2 триллиона рублей - огромная сумма! Порядка 15.5 тысяч рублей на одного россиянина за год. Рост за пять лет - на 80%
Инвестиции в жилые здания и помещения (суммарные, не только государственные) за тот же 2021 год оказались в полтора раза больше: 22 тысячи рублей в расчёте на одного жителя! Но выросли за 2017-2021 гг. скромнее, всего на 42%.
А вот с инвестициями в системы ЖКХ всё не так гладко: рост по некоторым статьям очень неплохой (по сточным водам и электроэнергии - более чем в два раза за 5 лет), но вот сами цифры... 66 рублей инвестиций в основной капитал в области распределения тепловой энергии (те самые рвущиеся трубы отопления) в расчёте на россиянина за год! 384 рубля в распределении воды, 539 - в газовой отрасли, 633 - в канализации, 458 в электроэнергии
Интересные цифры к вопросу о том, что мы мало платим за ЖКХ и государство всё субсидирует.
Расходы консолидированного бюджета РФ на ЖКХ в 2021 составили 2.2 триллиона рублей - огромная сумма! Порядка 15.5 тысяч рублей на одного россиянина за год. Рост за пять лет - на 80%
Инвестиции в жилые здания и помещения (суммарные, не только государственные) за тот же 2021 год оказались в полтора раза больше: 22 тысячи рублей в расчёте на одного жителя! Но выросли за 2017-2021 гг. скромнее, всего на 42%.
А вот с инвестициями в системы ЖКХ всё не так гладко: рост по некоторым статьям очень неплохой (по сточным водам и электроэнергии - более чем в два раза за 5 лет), но вот сами цифры... 66 рублей инвестиций в основной капитал в области распределения тепловой энергии (те самые рвущиеся трубы отопления) в расчёте на россиянина за год! 384 рубля в распределении воды, 539 - в газовой отрасли, 633 - в канализации, 458 в электроэнергии
👍5🤯3😱1
Сколько стоит построить 1 квадратный метр жилья?
49200 рублей - такова была средняя фактическая стоимость строительства квадратного метра жилья в 2021 году - и это именно в многоквартирных домах, без ИЖС и прочей мелочёвки.
В 2015 она была ещё ниже, 39258 рублей.
Сейчас, надо полагать, стоимость стала выше, но явно не в разы. А сколько стоит 1 квадратный метр, который вы покупаете (особенно в Москве)?..
49200 рублей - такова была средняя фактическая стоимость строительства квадратного метра жилья в 2021 году - и это именно в многоквартирных домах, без ИЖС и прочей мелочёвки.
В 2015 она была ещё ниже, 39258 рублей.
Сейчас, надо полагать, стоимость стала выше, но явно не в разы. А сколько стоит 1 квадратный метр, который вы покупаете (особенно в Москве)?..
👍6🤯2😢2😁1🌚1
Иерархическое прогнозирование: текущий статус, проблемы и перспективы
Сегодня (вдохновившись сразу несколькими интересными статьями в последнем номере 2023 года International Journal of Forecasting) поговорим об иерархических прогнозах.
Иерархический прогноз предполагает, что вы прогнозируете набор временных рядов, связанных друг с другом какой-то иерархией: к примеру, общие продажи магазина и отдельно продажи по категориям (которые в сумме дают общие продажи). В такой ситуации у вас есть три простых способа построения прогноза:
- Снизу вверх: делаем прогноз низкоуровневых рядов (продаж по категориям), суммируем в верхний уровень
- Сверху вниз: делаем прогноз высокоуровневых рядов (суммарных продаж), дезагрегируем на нижний уровень (к примеру, используя веса, посчитанные по историческим данным)
- Начиная от середины: прогнозируется средний уровень иерархии, из него суммируем в верхние уровни, дезагрегируем в нижние
Почему не прогнозировать ряды просто отдельно друг от друга? Потому что почти наверняка получившиеся прогнозы будут не когерентны: для них не будут выполнены определяющиеся иерархией рядов соотношения (сумма прогнозов по категориям не будет равна прогнозу суммарных продаж!). А когерентность для иерархических прогнозов - штука очень важная.
Более сложные подходы к прогнозированию иерархических рядов подразумевают прогнозирование всех рядов, но построенное таким образом, чтобы когерентность выполнялась: таким образом мы и не теряем информацию (как в любом из простых методов), и сохраняем взаимосвязи между показателями.
Но и здесь появляются проблемы: к примеру, оказывается (см. статью), что для сохранения когерентности нужно выбирать модели, оптимальные по MSE или RMSE, но не по MAE или MAPE (или их модификациям, включая MASE). Причина проста: среднеквадратичную ошибку (MSE/RMSE) минимизирует матожидание, а сумма матожиданий равна матожиданию суммы. А MAE, к примеру, минимизируется медианой, и для медианы такое соотношение не выполняется. Вроде бы мелочь, но важная!
Другая важная мысль работы - это практически полное отсутствие исследований по интервальному прогнозированию для иерархических рядов. Сами авторы предлагают использовать копулы для получения таких прогнозов.
Собственно, это два главных вывода работы: если хотите когерентные прогнозы, оценивайте ошибки по (R)MSE, а самое перспективное направление для исследований в иерархическом прогнозировании - это интервальные прогнозы.
Теперь, кстати, лонгриды формата "читаем статьи за вас" будут обозначаться отдельным тегом #статьи для удобства поиска! :)
#лонгрид
#статьи
Сегодня (вдохновившись сразу несколькими интересными статьями в последнем номере 2023 года International Journal of Forecasting) поговорим об иерархических прогнозах.
Иерархический прогноз предполагает, что вы прогнозируете набор временных рядов, связанных друг с другом какой-то иерархией: к примеру, общие продажи магазина и отдельно продажи по категориям (которые в сумме дают общие продажи). В такой ситуации у вас есть три простых способа построения прогноза:
- Снизу вверх: делаем прогноз низкоуровневых рядов (продаж по категориям), суммируем в верхний уровень
- Сверху вниз: делаем прогноз высокоуровневых рядов (суммарных продаж), дезагрегируем на нижний уровень (к примеру, используя веса, посчитанные по историческим данным)
- Начиная от середины: прогнозируется средний уровень иерархии, из него суммируем в верхние уровни, дезагрегируем в нижние
Почему не прогнозировать ряды просто отдельно друг от друга? Потому что почти наверняка получившиеся прогнозы будут не когерентны: для них не будут выполнены определяющиеся иерархией рядов соотношения (сумма прогнозов по категориям не будет равна прогнозу суммарных продаж!). А когерентность для иерархических прогнозов - штука очень важная.
Более сложные подходы к прогнозированию иерархических рядов подразумевают прогнозирование всех рядов, но построенное таким образом, чтобы когерентность выполнялась: таким образом мы и не теряем информацию (как в любом из простых методов), и сохраняем взаимосвязи между показателями.
Но и здесь появляются проблемы: к примеру, оказывается (см. статью), что для сохранения когерентности нужно выбирать модели, оптимальные по MSE или RMSE, но не по MAE или MAPE (или их модификациям, включая MASE). Причина проста: среднеквадратичную ошибку (MSE/RMSE) минимизирует матожидание, а сумма матожиданий равна матожиданию суммы. А MAE, к примеру, минимизируется медианой, и для медианы такое соотношение не выполняется. Вроде бы мелочь, но важная!
Другая важная мысль работы - это практически полное отсутствие исследований по интервальному прогнозированию для иерархических рядов. Сами авторы предлагают использовать копулы для получения таких прогнозов.
Собственно, это два главных вывода работы: если хотите когерентные прогнозы, оценивайте ошибки по (R)MSE, а самое перспективное направление для исследований в иерархическом прогнозировании - это интервальные прогнозы.
Теперь, кстати, лонгриды формата "читаем статьи за вас" будут обозначаться отдельным тегом #статьи для удобства поиска! :)
#лонгрид
#статьи
👍4🔥4❤1
О направлениях исследований в иерархическом прогнозировании
В продолжение предыдущего поста: иллюстрация из упомянутой статьи, где сплошными линиями показаны уже относительно исследованные темы, а пунктирными - то, что ещё только предстоит исследовать.
Вопросы точечного иерархического прогнозирования и оценки качества таких прогнозов исследованы довольно неплохо, а вот с интервальным всё пока что плохо. Основные области:
- Моделирование совместного распределения рядов на исторических данных
- Получения точечного прогноза на основе многомерного интервального
- Оценка точности интервальных прогнозов
В продолжение предыдущего поста: иллюстрация из упомянутой статьи, где сплошными линиями показаны уже относительно исследованные темы, а пунктирными - то, что ещё только предстоит исследовать.
Вопросы точечного иерархического прогнозирования и оценки качества таких прогнозов исследованы довольно неплохо, а вот с интервальным всё пока что плохо. Основные области:
- Моделирование совместного распределения рядов на исторических данных
- Получения точечного прогноза на основе многомерного интервального
- Оценка точности интервальных прогнозов
👍4🔥1🤔1
В январской версии WEO МВФ значительно пересмотрел прогнозы по темпам многих стран
И первое место по изменению прогноза на этот (2024) год заняли мы: ещё в октябрьской версии прогнозов МВФ прогнозировал, что ВВП России в 2024 году вырастет на 1.1%, в опубликованной же вчера версии эта цифра выросла сразу до 2.6%!
По 1.2 п.п. прибавили прогнозы по темпам роста ВВП Ирана и Тайланда в этом году, по 0.6 п.п. - для Мексики и США
Лидеру по снижению прогноза: Аргентина (сразу -5.6 п.п.!!!), Саудовская Аравия (-1.3), Казахстан (-1.1), ЮАР (-0.8) и Египет (-0.6)
И первое место по изменению прогноза на этот (2024) год заняли мы: ещё в октябрьской версии прогнозов МВФ прогнозировал, что ВВП России в 2024 году вырастет на 1.1%, в опубликованной же вчера версии эта цифра выросла сразу до 2.6%!
По 1.2 п.п. прибавили прогнозы по темпам роста ВВП Ирана и Тайланда в этом году, по 0.6 п.п. - для Мексики и США
Лидеру по снижению прогноза: Аргентина (сразу -5.6 п.п.!!!), Саудовская Аравия (-1.3), Казахстан (-1.1), ЮАР (-0.8) и Египет (-0.6)
👍3
Цены в январе 2024: замедления инфляции пока не видно
Вечер среды, а значит Росстат опубликовал данные по инфляции за последнюю неделю!
За период с 22 по 29 января цены выросли на 0.16% (за предыдущую неделю, для сравнения, на 0.07%), среднесуточный рост цен в январе в итоге составил 0.021% в день - немногим меньше, чем в декабре 2023 (0.023% в день). Что ещё важно и интересно - меняется набор товаров-драйверов инфляции.
Яйца мы победили (снижение на 1.03% за неделю), зато всё более стремительно растут цены на мясо (баранина за неделю прибавила 0.9%, уже +2.5% с начала месяца!) и молочку: по +0.5% к ценам на сливочное масло и сыры за неделю, +1.9% и +1% с начала месяца соответственно.
Сезонный рост цен в овощах ещё идёт, но уже замедляется, а вот большая часть лекарств уже подорожала на 2-3% с начала года, что очень и очень немало. Цены на перелёты опять пошли вверх, хотя пока ещё ниже, чем в декабре.
Вечер среды, а значит Росстат опубликовал данные по инфляции за последнюю неделю!
За период с 22 по 29 января цены выросли на 0.16% (за предыдущую неделю, для сравнения, на 0.07%), среднесуточный рост цен в январе в итоге составил 0.021% в день - немногим меньше, чем в декабре 2023 (0.023% в день). Что ещё важно и интересно - меняется набор товаров-драйверов инфляции.
Яйца мы победили (снижение на 1.03% за неделю), зато всё более стремительно растут цены на мясо (баранина за неделю прибавила 0.9%, уже +2.5% с начала месяца!) и молочку: по +0.5% к ценам на сливочное масло и сыры за неделю, +1.9% и +1% с начала месяца соответственно.
Сезонный рост цен в овощах ещё идёт, но уже замедляется, а вот большая часть лекарств уже подорожала на 2-3% с начала года, что очень и очень немало. Цены на перелёты опять пошли вверх, хотя пока ещё ниже, чем в декабре.
😱5❤2👍1
Ипотека в декабре 2023
По последним данным ЦБ, с ипотечным рынком в России в декабре 2023 всё было хорошо: кредитов было выдано больше, чем в ноябре, но за счёт ипотек под залог ДДУ - то есть, на первичную недвижимость. Этот показатель, кстати, показал второй лучший результат в истории: 86.5 тысяч кредитов, больше было только в сентябре 2023: 93 тысячи.
Ипотек на "вторичку" было выдано 110 тысяч - против 112 тысяч в ноябре, 127.5 в октябре и 145 в сентябре. Вполне ожидаемая стагнация на фоне стремительного роста ставок.
Средний размер кредита на "первичку" впервые с прошлой зимы превысил 5 миллионов рублей, хотя до рекордных 6 миллионов лета 2022 пока ещё далеко. На среднюю "вторичную" квартиру ипотека составила чуть больше 3 миллионов - столько же, сколько в конце 2021.
Интересна долгосрочная динамика на фоне льготной ипотеки: доля кредитов на первичку за 4 года выросла с 28% до 44%. Средний кредит на первичку в 2019 был на 26% больше, чем на "вторичку", сейчас это превышение достигло 59%
По последним данным ЦБ, с ипотечным рынком в России в декабре 2023 всё было хорошо: кредитов было выдано больше, чем в ноябре, но за счёт ипотек под залог ДДУ - то есть, на первичную недвижимость. Этот показатель, кстати, показал второй лучший результат в истории: 86.5 тысяч кредитов, больше было только в сентябре 2023: 93 тысячи.
Ипотек на "вторичку" было выдано 110 тысяч - против 112 тысяч в ноябре, 127.5 в октябре и 145 в сентябре. Вполне ожидаемая стагнация на фоне стремительного роста ставок.
Средний размер кредита на "первичку" впервые с прошлой зимы превысил 5 миллионов рублей, хотя до рекордных 6 миллионов лета 2022 пока ещё далеко. На среднюю "вторичную" квартиру ипотека составила чуть больше 3 миллионов - столько же, сколько в конце 2021.
Интересна долгосрочная динамика на фоне льготной ипотеки: доля кредитов на первичку за 4 года выросла с 28% до 44%. Средний кредит на первичку в 2019 был на 26% больше, чем на "вторичку", сейчас это превышение достигло 59%
👍2🤯2👎1😁1😱1
Банковская система РФ в 2023: чистые иностранные активы восстановились, стабильный рост по другим статьям
По последним оценкам, чистые иностранные активы банковской системы РФ к началу 2024 вплотную подошли к отметке в 59 триллионов рублей. Для сравнения, 2022 год мы начали с 53 триллионами чистых иностранных активов, а 2023 - с 47 триллионами - так что даже по этому показателю наша банковская система (несмотря на все санкции) восстановилась и чувствует себя неплохо. Надо, понятное дело, делать поправку на курс рубля - но даже так цифры вполне себе на уровне докризисных
По "внутренним" показателям ситуация ещё лучше: после небольшого спада февраля-марта 2022 рост продолжился и даже ускорился: за 2023 год чистые требования к другим секторам выросли на четверть. Чистые требования к органам госуправления традиционно в отрицательной зоне (то есть, банки должны государству больше, чем государство - банкам), но и тут ситуация за последний год вернулась к докризисным цифрам
По последним оценкам, чистые иностранные активы банковской системы РФ к началу 2024 вплотную подошли к отметке в 59 триллионов рублей. Для сравнения, 2022 год мы начали с 53 триллионами чистых иностранных активов, а 2023 - с 47 триллионами - так что даже по этому показателю наша банковская система (несмотря на все санкции) восстановилась и чувствует себя неплохо. Надо, понятное дело, делать поправку на курс рубля - но даже так цифры вполне себе на уровне докризисных
По "внутренним" показателям ситуация ещё лучше: после небольшого спада февраля-марта 2022 рост продолжился и даже ускорился: за 2023 год чистые требования к другим секторам выросли на четверть. Чистые требования к органам госуправления традиционно в отрицательной зоне (то есть, банки должны государству больше, чем государство - банкам), но и тут ситуация за последний год вернулась к докризисным цифрам
👍4😁1🤯1
На что тратили свои доходы россияне в 2020-2022: мы стали беднее?
На этой неделе будем обсуждать цифры из свежего бюллетеня Росстата про доходы и расходы населения.
В 2020 году 9.1% своих доходов граждане России пустили на сбережения. В 2022 этот показатель опустился до 5.6%.
В 2020 на покупку товаров и услуг ушло 75.7% от общих доходов, в 2022 уже 78.6%. На оплату обязательных платежей в 2022 россиянам пришлось потратить 15.8% от своих доходов против 15.2% двумя годами ранее.
С одной стороны, тут конечно же есть эффект локдаунов в 2020: когда тратить особо не на что, почему бы не положить на депозит? С другой стороны, рост доли обязательных платежей - тенденция уже более настораживающая, потому что это не про выбор между потреблением и сбережением, а уже про то, какой долей доходов можно фактически распоряжаться.
И доля расходов на обязательные платежи и до 2020 года была ниже: в 2018 она составила 15%, в 2019 выросла до 15.2%, но таких цифр, как в 2022, не было
На этой неделе будем обсуждать цифры из свежего бюллетеня Росстата про доходы и расходы населения.
В 2020 году 9.1% своих доходов граждане России пустили на сбережения. В 2022 этот показатель опустился до 5.6%.
В 2020 на покупку товаров и услуг ушло 75.7% от общих доходов, в 2022 уже 78.6%. На оплату обязательных платежей в 2022 россиянам пришлось потратить 15.8% от своих доходов против 15.2% двумя годами ранее.
С одной стороны, тут конечно же есть эффект локдаунов в 2020: когда тратить особо не на что, почему бы не положить на депозит? С другой стороны, рост доли обязательных платежей - тенденция уже более настораживающая, потому что это не про выбор между потреблением и сбережением, а уже про то, какой долей доходов можно фактически распоряжаться.
И доля расходов на обязательные платежи и до 2020 года была ниже: в 2018 она составила 15%, в 2019 выросла до 15.2%, но таких цифр, как в 2022, не было
👍6❤2😢2
Доля расходов на оплату обязательных платежей по регионам России
Больше всего на обязательные платежи в 2022 тратили жители Новосибирской области: 23% от своих доходов! В Москве этот показатель был немногим ниже: 22.5%, в Санкт-Петербурге 18.9%. По сравнению с 2020 в Новосибирской области доля снизилась, в Москве - выросла, в других регионах из топ-5 заметных изменений нет
С другой стороны рейтинга - регионы Кавказа: в Дагестане и Чечне на обязательные платежи население тратит меньше 5% доходов, в Ингушетии и Кабардино-Балкарии чуть больше 6%. Следом идёт Севастополь с заметно более высоким показателем в 9%
В обязательные платежи Росстат, помимо всего прочего (типа выплаченных населением - но не бизнесом - налогов (а большую часть налогов у нас за население платят их работодатели)), включает и проценты по кредитам. Много ли это 20+% в Москве и Новосибирске в таком случае? Наверное, немало. В развитых странах ОЭСР насчитывает 30-40%, но это с подоходным налогом и пенсионными взносами
Больше всего на обязательные платежи в 2022 тратили жители Новосибирской области: 23% от своих доходов! В Москве этот показатель был немногим ниже: 22.5%, в Санкт-Петербурге 18.9%. По сравнению с 2020 в Новосибирской области доля снизилась, в Москве - выросла, в других регионах из топ-5 заметных изменений нет
С другой стороны рейтинга - регионы Кавказа: в Дагестане и Чечне на обязательные платежи население тратит меньше 5% доходов, в Ингушетии и Кабардино-Балкарии чуть больше 6%. Следом идёт Севастополь с заметно более высоким показателем в 9%
В обязательные платежи Росстат, помимо всего прочего (типа выплаченных населением - но не бизнесом - налогов (а большую часть налогов у нас за население платят их работодатели)), включает и проценты по кредитам. Много ли это 20+% в Москве и Новосибирске в таком случае? Наверное, немало. В развитых странах ОЭСР насчитывает 30-40%, но это с подоходным налогом и пенсионными взносами
👍2🤯2😱1
Как прогнозировать показатели, по которым пока практически нет доступных данных?
#лонгрид
#статьи
На самом деле, прогнозирование показателей, для которых пока (практически) нет истории — задача очень важная и распространенная. Новые показатели, новые ценные бумаги на рынке, новые продукты, новое что угодно ещё. Обсуждаемая сегодня статья, на основе которой мы и поговорим об этой интересной задаче, сконцентрирована как раз на продажах новых продуктов.
Предлагаемая авторами методология очень проста, но достаточно интересна и легко реализуема:
1) Берем исторические данные по продажам других продуктов (той же компании или чужих продуктов из той же сферы)
2) Кластеризуем их (авторы кластеризуют ряды просто на основе их точек, хотя на самом деле методов кластеризации для временных рядов есть много, и зачастую они работают лучше)
3) Считаем среднюю динамику продаж по каждому кластеру
4) По первым нескольким точкам, доступным для нового продукта, относим его к одному из кластеров (к тому, у которого средняя динамика максимально похожа на динамику данного продукта)
5) Прогнозируем продажи нового продукта любой моделью, используя продажи других продуктов кластера в качестве объясняющих переменных.
В работе, если честно, хватает нюансов. К примеру, вынесенные в название статьи модели машинного обучения неожиданно (на самом деле нет, с учетом размера выборок) проигрывают простой ARIMAX.
Другой нюанс ещё забавнее: авторы для измерения ошибок используют в том числе MASE — отношение MAE (средней абсолютной ошибки) данной модели к MAE наивного прогноза — и по одной из двух изучаемых выборок лучшая модель (все еще ARIMAX)… Проигрывает наивному прогнозу!
Так что вопросы есть, но сама по себе идея методологии очень интересна — и стоит того, чтобы попробовать ее реализовать и протестировать при возникновении задачи такого рода. Особенно с учетом того, что стандартный подход для прогнозирования новых переменных на практике — это нередко просто «метод пристального взгляда». Это, кстати, далеко не худшее решение, когда это взгляд опытного и хорошо понимающего фактуру человека, но помочь ему точными цифрами и хорошими аналогиями никогда лишним не будет.
#лонгрид
#статьи
На самом деле, прогнозирование показателей, для которых пока (практически) нет истории — задача очень важная и распространенная. Новые показатели, новые ценные бумаги на рынке, новые продукты, новое что угодно ещё. Обсуждаемая сегодня статья, на основе которой мы и поговорим об этой интересной задаче, сконцентрирована как раз на продажах новых продуктов.
Предлагаемая авторами методология очень проста, но достаточно интересна и легко реализуема:
1) Берем исторические данные по продажам других продуктов (той же компании или чужих продуктов из той же сферы)
2) Кластеризуем их (авторы кластеризуют ряды просто на основе их точек, хотя на самом деле методов кластеризации для временных рядов есть много, и зачастую они работают лучше)
3) Считаем среднюю динамику продаж по каждому кластеру
4) По первым нескольким точкам, доступным для нового продукта, относим его к одному из кластеров (к тому, у которого средняя динамика максимально похожа на динамику данного продукта)
5) Прогнозируем продажи нового продукта любой моделью, используя продажи других продуктов кластера в качестве объясняющих переменных.
В работе, если честно, хватает нюансов. К примеру, вынесенные в название статьи модели машинного обучения неожиданно (на самом деле нет, с учетом размера выборок) проигрывают простой ARIMAX.
Другой нюанс ещё забавнее: авторы для измерения ошибок используют в том числе MASE — отношение MAE (средней абсолютной ошибки) данной модели к MAE наивного прогноза — и по одной из двух изучаемых выборок лучшая модель (все еще ARIMAX)… Проигрывает наивному прогнозу!
Так что вопросы есть, но сама по себе идея методологии очень интересна — и стоит того, чтобы попробовать ее реализовать и протестировать при возникновении задачи такого рода. Особенно с учетом того, что стандартный подход для прогнозирования новых переменных на практике — это нередко просто «метод пристального взгляда». Это, кстати, далеко не худшее решение, когда это взгляд опытного и хорошо понимающего фактуру человека, но помочь ему точными цифрами и хорошими аналогиями никогда лишним не будет.
👍5🔥2❤1