Η Ευρεία Συμβολή των “M-Competitions” στην Πρόβλεψη

Ολοκληρώθηκε πρόσφατα ο τέταρτος παγκόσμιος ακαδημαϊκός διαγωνισμός πρόβλεψης (M4 ή Makridakis 4), στον οποίο συμμετείχαν 248 συνολικά άτομα και ομάδες, από 48 χώρες του κόσμου. Οι πρωτοποριακοί διαγωνισμοί αυτοί, που αποτελούν πρωτοβουλία του Καθηγητή Σπύρου Μακριδάκη (το όνομα του οποίου και φέρουν) άρχισαν πριν από τέσσερις δεκαετίες, και έχουν συμβάλει ουσιαστικά στη βελτίωση της ακρίβειας των προβλέψεων και στην ενημέρωση των επαγγελματιών σχετικά με την πλέον κατάλληλη μέθοδο πρόβλεψης για τις ειδικές τους ανάγκες.
 
Ο φετινός διαγωνισμός διοργανώθηκε από το Ινστιτούτο για το Μέλλον (Institute for the Future - IFF) του Πανεπιστημίου Λευκωσίας, με τη στήριξη της Μονάδας Προβλέψεων & Στρατηγικής (Forecasting & Strategy Unit) του Εθνικού Μετσόβιου Πολυτεχνείου Αθηνών. 
 
Σύμφωνα με τον κ. Rob Hyndman, αρχισυντάκτη του διεθνούς περιοδικού International Journal of Forecasting: «Οι Διαγωνισμοί “M-Competitions” είχαν και έχουν τεράστια επιρροή στον τομέα των προβλέψεων. Έστρεψαν την προσοχή στο ερώτημα ποια μοντέλα παρήγαγαν πιο ακριβείς προβλέψεις, παρά τις μαθηματικές ιδιότητες αυτών των μοντέλων. Για αυτό, αξίζουν συγχαρητήρια στον Σπύρο Μακριδάκη, ο οποίος άλλαξε το τοπίο της έρευνας των προβλέψεων μέσω αυτής της σειράς διαγωνισμών».
 
Ο “M4” προσέλκυσε την ευρεία συμμετοχή πανεπιστημίων από τη Βραζιλία μέχρι την Αυστραλία, καθώς και πολυεθνικών εταιρειών όπως οι Uber, Oracle και Wells Fargo Bank, με μεγάλο αριθμό συμμετεχόντων να προέρχονται από τις ΗΠΑ, τη Μαλαισία, την Ελλάδα και τη Βρετανία.
 
Ο Καθηγητής Μακριδάκης, ο οποίος θεωρείται από πολλούς ο πατέρας της πρόβλεψης, δήλωσε: "Είμαι ευχαριστημένος με το μεγάλο ενδιαφέρον και την υποστήριξη που έτυχε η τελευταία επανάληψη του M Competition. Συνολικά, τα κυριότερα συμπεράσματα φαίνεται να καταδεικνύουν πως οι μεμονωμένες στατιστικές ή οι μέθοδοι που βασίζονται στη νοημοσύνη των μηχανών [Machine Learning] έχουν περιορισμένη αξία και ότι οι υβριδικές προσεγγίσεις και οι μέθοδοι συνδυασμού είναι ο τρόπος να προχωρήσουμε μπροστά, ώστε να βελτιώσουμε την ακρίβεια των προβλέψεων και να τους προσδώσουμε μεγαλύτερη αξία». Επίσης, σύμφωνα με τον Καθηγητή Μακριδάκη, αξίζει να σημειωθεί ότι 50 από τους 248 συμμετέχοντες ολοκλήρωσαν και υπέβαλαν διαστήματα προβλέψεων για όλες τις 100.000 χρονοσειρές.
 
Συγκεκριμένα, τα πέντε κυριότερα αποτελέσματα του Διαγωνισμού Πρόβλεψης “M4” έχουν ως εξής:

1. Ο συνδυασμός μεθόδων ήταν ο «βασιλιάς» του “Μ4”. Από τις 17 πιο ακριβείς μεθόδους, οι 12 ήταν «συνδυασμοί» κυρίως στατιστικών προσεγγίσεων.
2. Η μεγαλύτερη έκπληξη ήταν μια «υβριδική» προσέγγιση, που χρησιμοποίησε τόσο στατιστικά στοιχεία όσο και στοιχεία Νοημοσύνης των Μηχανών (ΝM). Αυτή η μέθοδος παρήγαγε τις πιο ακριβείς προβλέψεις αλλά και τα πιο ακριβή διαστήματα πρόβλεψης (PIs) και υποβλήθηκε από τον Slawek Smyl, Data Scientist στην Uber Technologies. Σύμφωνα με το ποσοστό ακρίβειας, ήταν σχεδόν 10% ακριβέστερη από το συγκριτικό σημείο αναφοράς.
3. Η δεύτερη πιο ακριβής μέθοδος ήταν ένας συνδυασμός επτά στατιστικών μεθόδων και μίας μεθόδου που βασίζεται στο ΝΜ, με τα βάρη στάθμισης του μέσου όρου υπολογιζόμενη από έναν αλγόριθμο ΝΜ που προγραμματίστηκε να ελαχιστοποιήσει το σφάλμα πρόβλεψης μέσω της διαδικασίας παρακράτησης (holdout tests). Αυτή η μέθοδος υποβλήθηκε από κοινού από το Πανεπιστήμιο Κορούνιας της Ισπανίας και το Πανεπιστήμιο Monash της Αυστραλίας.
4. Οι δύο πρώτες ακριβέστερες μέθοδοι επέδειξαν επίσης μια εκπληκτική επιτυχία στο σωστό προσδιορισμό διαστημάτων πρόβλεψης σε ποσοστό 95%. Αυτές είναι οι πρώτες μέθοδοι, εξ όσον γνωρίζουμε, που το έχουν κάνει αυτό, αντί να υποτιμούν ουσιαστικά την αβεβαιότητα.
5. Οι έξι καθαρές μέθοδοι ΝM που υποβλήθηκαν στο “M4”, είχαν όλες κακή απόδοση. Καμία από αυτές δεν ήταν ακριβέστερη από την Comb και μόνο μία ήταν ακριβέστερη από μια μέθοδο αναφοράς. Αυτή η εξέλιξη υποστηρίζει τα πορίσματα της πιο πρόσφατης έρευνας των καθηγητών Μακριδάκη, Σπηλιώτη και Ασημακόπουλου, που δημοσιεύτηκε στο PLOS ONE.

Ο Καθηγητής Μακριδάκης και η κοινότητα προβλέψεων προσβλέπουν στην έναρξη του επόμενου M-Competition (οι προετοιμασίες για τον “M5” βρίσκονται ήδη σε εξέλιξη), η οποία θα επεκταθεί πέρα από τις μεθόδους χρονοσειρών για να συμπεριλάβει επιπλέον εξωγενείς (επεξηγηματικές) μεταβλητές, με στόχο τη βελτίωση των χρηματοοικονομικών προβλέψεων (αγορά μετοχών και εμπορευμάτων).