バックテストはフォーキャスト モデルのパフォーマンスの推測に使用します。
バックテストのロジック
フォーキャスト モデルを作成する際には、履歴データ (実績) の一部が差し引かれます。差し引かれるデータはフォーキャスト対象期間と等しくなります。学習済みフォーキャスト モデルによって、差し引かれたデータに対応する期間の予測が生成されます。バックテストではフォーキャストと実績の比較がサポートされています。精度指標はこの比較を基にしています。
(例:
12 か月分の履歴データがあり、フォーキャスト対象期間が 3 か月だとします。
- モデルの学習プロセスでは履歴データのうち最初の 9 か月分を使用し、過去 3 か月について予測します。 残り 3 か月分の履歴データはモデルの学習プロセスから差し引かれます。
- PlanIQ によって、過去 3 か月のフォーキャストと実績が比較されます。この比較により、フォーキャスト モデルのパフォーマンスを推測する高度な精度指標が実現されます。
- 差し引かれたデータをインポートすることで、アイテム レベルでパフォーマンスを推測できます。
予測された値が実績に近いほど、モデルの予測精度が高く、推測されるパフォーマンスも良いということになります。
