Uploaded on

Strategic Risk and Performance management by Strategy@Risk Ltd. …

Strategic Risk and Performance management by Strategy@Risk Ltd.
The modern approach to improving business forecasts.

More in: Business , Technology
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads


Total Views
On Slideshare
From Embeds
Number of Embeds



Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

    No notes for slide


  • 1.   Foreca asting sa ales and d foreca asting u uncerta ainty  Introdu uction There aree a large numbber of methods used for fo orecasting ran nging from juudgmental (ex xpert forecasting etc.) thru expert system ms and time s series to caus sal methods ( nalysis etc.)1.   (regression anMost are used to give single point fforecast or at most single p point forecasts for a limite ed number of f scenarios.  We will in the following take a look at t the unusefuulness of such h single point forecasts. As exampple we will usee a simple for recast ‘model l’ for net sales multinational company. It turns  s for a large mout that there is a good linear relati ion between the company y’s yearly net sales in millio on euro and growth raates (%) in wo orld GDP:  with a corrrelation coef fficient R= 0.9 995. The relat tion thus accoounts for alm most 99% of th he variation in n the sales data a. The observe ed data is given as green d dots in the gra aph below, and the regresssion as the g green line. The ‘ ‘model’ explaains expected sales as consstant equal 16638M and with 53M in inc creased or decreased d sales per pe ercent increas se or decrease in world GDDP:   The Intern national Mon netary Fund (IMF) that kinddly provided tthe historical GDP growth rates also giv ves forecasts for expected future chang ge in World G 2 ‐ for the  next five yea GDP ars. When we  put these forecasts into the ‘moddel’ we ends up with foreccasts for net s sales for 2012 2 to 2016 as d depicted by th he yellow do ots in the grap ph above.                                                                1  Gardner, D & Tetlock, P P., (2011), Over rcoming Our Aversion to Ackknowledging Our Ignorance, h http://www.caato‐unbound.o org/2011/07/11/dan‐gardner r‐and‐philip‐tetlock/overcom ming‐our‐aversion‐to‐acknow wledging‐our‐ignorance/ / 2  World Economic Outloo ok Database, AApril 2012 Edition; http://www w.imf.org/exteernal/pubs/ft/wweo/2012/01/ /weodata/indeex.aspx  Page 1 of 7  P 
  • 2.   So m mission accom mplished!  …  O Or is it really? ? We know that the prob bability for ge etting a singlee‐point foreca ast right is zero‐ even whe en assuming tthat  ast of the GDP growth ratethe foreca e is correct ‐ s so the forecas sts we so far have will cert tainly be wro ong, but how wwrong?    So ome even persist in using forecasts that are manifesstly unreliable e, an attitudee encounteredd by  th he future Nob bel laureate K Kenneth Arrow w when he w was a young st ring the Second  tatistician dur World War. W W When Arrow di iscovered tha at month‐long g weather for recasts used bby the army wwere  worthless, he w w warned his suuperiors again nst using them m. He was rebuffed. "The Commanding g  General is well aware the fo orecasts are n no good," he  was told. "Hoowever, he ne eeds them fo or  planning purpooses." (Gardn ner & Tetlock,, 2011) Maybe we e should take e a closer look k at possible f forecast error rs, input data a and the final forecast. The pre ediction ba and Given the e regression wwe can calcula t band for fut ure observations of sales g ate a forecast given forecas sts of the future e GDP growth h rate. That is the region w where we with h a certain pr robability will expect new values of net sales to fall. In the gra aph below thee green area ggive the 95% forecast band:   Since the variance of the predictionns increases th he further ne ew forecasts ffor the GDP ggrowth rate lie es from the mean of the s sample values (used to compute the re egression), the e band will wwiden as we m move to either s side of this m mean. The bannd will also wi iden with dec creasing correelation (R) an nd sample sizee (the number o of observation ns the regress sion is based on).  So even iff the fit to the e data is good d, our regress sion is based o on a very sma all sample givving plenty of f room for prediction errors. In fact a a 95% confideence interval f for 2012, with an expected GDP growth rate of 3.5 5%, is net salees 1824M plu us/minus 82MM. Even so the e interval is st till only appro ox. 9% of the expected value. Now we hhave shown thhat the mode confidence interval(s) and  el gives good forecasts, callculated the cshown tha at the expect ted relative er rror(s) with high probabilitty will be sma all!   So finally th d!  …  Or is it really?  he mission is accomplishedThe forecasts we have made is base ed on forecas sts of future w world GDP gro but how certain  owth rates, bare they?  Page 2 of 7  P 
  • 3.  The GD DP forecast ts Forecastin ng the future growth in GD DP for any country is at be est difficult an nd much more e so for the G GDP growth foor the entire w world. The IMMF has therefoore supplied tthe baseline fforecasts with a fan chart3 picturing the uncertainnty in their es stimates.   This fan chart4 shows a as blue colore ed bands the uncertainty a around the W WEO baseline forecast with h 50, 70, and 900 percent con rvals5.   nfidence inter There is also another b band on the cchart, implied but un‐seen, , indicating a 10% chance of something g “unpredicctable”. The fan chart thus s covers only 9 90% of the IM MFs estimatees of the futur re probable growth raates.  The table below shows s the actual fi igures for the e forecasted G GDP growth (% %) and the lim mits of the confidenc ce intervals:  Lower  Baseline Uppe er  90% 70%  50% %  %  50%  70% 90%  %  2012  2.5 5  2.9  3.1 1  3.5  3.8  4.0 4.3  2013  2.1 1  2.8  3.3 3  4.1  4.8  5.2 5.9  The IMF h wing comments to the figures:  has the follow                                                            3  The Inflat tion Report Proojections: Understanding the e Fan Chart By  Erik Britton, Paaul Fisher and John Whitley,Quarterly B Bulletin, Febru uary 1998, pagees 30‐37.    The MPCs s Fan Chart Inflation Report, May 2002, pag ges 48‐49.   Assessing t the MPCs Fan Charts By Rob b Elder, George Tim Taylor and Tony Yates, Q e Kapetanios, T Quarterly Bullet tin, Autumn 20 005, pages 3266‐48  4  Figure 1.1 12. from:, Worrld Economic OOutlook (April 22012), Internat tional Monetar ry Fund, Isbn  9 978161635246 62. 5  As shown n, the 70 perce ent confidence interval includdes the 50 perc cent interval, a and the 90 perccent confidencce interval inccludes the 50 a and 70 percent t intervals. See e Appendix 1.2  in the April 20009 World Economic Outlook k for details.  Page 3 of 7  P 
  • 4.   Risks around the WEO pro “R ojections havee diminished,  consistent w with market in ndicators, butt they  re emain large and tilted to the downside. . The various  indicators do o not point in a consistent  direction. Infla ation and oil p price indicato ors suggest doownside risks to growth. The term spread  nd S&P 500 o an options pricess, however, pooint to upside e risks.” Our appro oximation of t the distribution that can h art for 2012 as given in the have produce d the fan cha e World Eco onomic Outloook for April 2 2012 is shownn below: This distribution has:  mmean 3.43%, standard dev viation 0.54, m minimum 1.2 22 and maximmum 4.70 – it is skewed w with a left tail. . The distribut tion thus also o encompasse es the implied d but un‐seen n band in the chart.  Now w we are read dy for serious  forecasting!The final sales forecasts By employying the samee technic that t we used to calculate the  forecast bannd we can by Monte Carlo simulation n compute thhe 2012 distribution of nett sales forecas e distribution of GDP grow sts, given the wth rates and by using the expected varriance for the e differences b between fore ecasts using the regression n and new obseervations. The e figure below w describes thhe forecast prrocess:    Page 4 of 7  P 
  • 5.   We however are not only using the 90% interval for The GDP  growth rate or the 95% fo orecast band,, but the full range of the distributions.  T The final fore ecasts of net s sales are given as a histogr ram in the gra aph below: This distribution of forecasted net s sales has:  me 0M, standard ean sales 1820 d deviation 81 1, minimum s sales 1590M an nd maximum sales 2055M – and it is slightly skewed d with a left ta ail. So what a added informa ation have we got from th he added effo ort?  Well, we nnow know that there is on nly a 20% probability for ne et sales to be e lower than 1 1755 or above e 1890. The e interval from m 1755M to 11890M in net sales will theen with 60% pprobability co ontain the act tual sales in 20 012 ‐ se graphh below giving the cumula ative sales dis tribution:    know that we with 90% proWe also k obability will see actual ne et sales in 20112 between 1 1720M and 1955M.Buut most impoortant is that w we have visua alized the unccertainty in th he sales forec casts and that contingen ncy planning f for both low aand high sales should be p performed.   Page 5 of 7  P 
  • 6.  An unce ertain pas st The Bank of England’s fan chart from 2008 show wed a wide ra nge of possibble futures, bu ut it also show wed the uncerrtainty about where we we ere then ‐ see e that the blac ck line showing National SStatistics data a for the past h has probabilit ty bands arou und it:   ates that the values for paThis indica ast GDP growt th rates are u uncertain (sto ochastic) or co ontains measurem ment errors. TThis of course e also holds fo or the IMF his storic growthh rates, but th hey are not supplying this type of i information.  wth rates canIf the grow n be considereed stochastic the results a bove will still l hold, if the c conditional distributio on for net sales given the G GDP growth r rate still fulfil ls the standard assumptio ons for using regressionn methods. Iff not other meethods of estimation must t be consider red.Black Swans y was still not enough to coBut all this uncertainty ontain what w was to becom me reality – sh hown by the r red line in the e graph abovee.  How wron ng can we be? Often more e wrong than we like to thiink. This is go ood ‐ as in use eful ‐ to know w.   `“ “As Donald Ru umsfeld once e said: its not only what w e dont know w ‐ the known unknowns ‐ its  what we dont w t know we dont know.” While stattistic methodds may lead us to a reasonably understa anding of som me phenomen non that doess not always tra anslate into aan accurate prractical prediction capabil ity. When thaat is the case, , we find ours selves talking ab bout risk, the likelihood tha at some unfav vorable or favvorable event will take plaace. Risk assessment is then nec cessitated and we are left only with pro obabilities.  Page 6 of 7  P 
  • 7.  A final w word Sales for recast models are an integrated part of our enterp o prise simulat tion models - as parts of the fmodels predictive an p nalytics. Pred dictive analy ytics can be d described as statistic mo odeling enabllingthe prediction of futu events or results6, usi present a past info ure r ing and ormation and data. dIn today’ fast movin and highly uncertain markets, for ’s ng y m recasting hav become th single mo ve he ostimportan element of the manage nt f ement proces The abilit to quickly and accura ss. ty y ately detectchanges in key extern and inter variable and adjust tactics acco i nal rnal es t ordingly can make all the edifferenc between su ce uccess and failure: f 1. Forecasts must integrate both externa and interna drivers of business an the financ b al al f nd cial re esults. 2. Absolute fore A ecast accurac (i.e. small confidence intervals) is less import than the cy l e s tant e in nsight about how current decisions and likely fut t a ture events w interact to form the will re esult 3. Detail does not equal accu D uracy with respect to for r recasts 4. The forecast is often less important th the assum T i han mptions and variables th underpin it – d hat th hose are the things that should be tra s aced to provi advance warning. ide 5. Never relay on single poi or scenari forecastin N o int io ngThe foreccasts are usuually done in three stages first by for n s, recasting the market for that particu e r ularproduct(s then the firm’s marke share(s) en s), f et nding up wit a sales for th recast. If the firm has eactivities in different geographic markets the the exerci se has to be repeated in each market s t en t,having in mind the co n orrelation be etween markkets: 1. All uncertaint about the different ma A ty arket sizes, m market share and their c es correlation wwill fi inally end up contributin to the unc p ng certainty in th forecast f the firm’s total sales. he for 2. This uncertain combine with the uncertainty fr T nty ed u from other fo orecasted varriables like in nterest rates, exchange ra ates, taxes et will even tc. ntually be ma anifested in t probability the distribution fo the firm’s equity valu or s ue.The ‘mod we have been using in the exam have nev been test out of sa del’ e mple ver ted ample. Itsusefulnes as a foreca model is therefore sti debatable ss ast ill e.Referen nces Gardner, D & Tetlock, P., (2011) Overcomin Our Aver ), ng rsion to Ack knowledging Our Ignora g ance,http://ww ww.cato-unbound.org/20011/07/11/daan-gardner-a and-philip-tet tlock/overco oming-our-aversion- -to-acknowle edging-our-iignorance/World Ecconomic Ouutlook Databa April 20 Edition; ase, 012http://ww ww.imf.org/e external/pubs/ft/weo/201 12/01/weoda ata/index.asp px                                                            6  In this cas se the probabi ility distribution of future net t sales.  Page 7 of 7  P