MAPE
Mean Absolute Percentage Error (MAPE) misst Prognosegenauigkeit, indem Prognosefehler als Prozentsatz der tatsächlichen Werte ausgedrückt werden. MAPE wird häufig in verschiedenen Bereichen genutzt, unter anderem in der Rohstoffpreisprognose. Anders als absolute Fehlerkennzahlen ist MAPE skalenunabhängig und erlaubt dadurch Vergleiche über unterschiedliche Datensätze hinweg.
Wie MAPE funktioniert
MAPE wird in mehreren Schritten berechnet:
- Absoluten Fehler berechnen: Die absolute Differenz zwischen Prognosewert und tatsächlichem Wert wird bestimmt.
- In Prozent umwandeln: Der absolute Fehler wird durch den tatsächlichen Wert geteilt.
- Durchschnitt bilden: Der Mittelwert dieser prozentualen Fehler wird über alle Beobachtungen berechnet.
Stärken und Grenzen
MAPE ist hilfreich, wenn Modellgenauigkeit über Datensätze mit unterschiedlichen Größenordnungen verglichen werden soll. Die Kennzahl kann jedoch irreführend sein, wenn tatsächliche Werte nahe null liegen, weil dadurch sehr hohe prozentuale Fehler entstehen können. In solchen Fällen kann Mean Absolute Error (MAE) geeigneter sein.
Anwendung in der Rohstoffpreisprognose
In Rohstoffmärkten wird MAPE häufig genutzt, um Modelle für Preise von Märkten wie Öl oder Erdgas zu bewerten. Durch die prozentuale Fehlerkennzahl können Analysten Modellleistungen über verschiedene Rohstoffe und Zeiträume hinweg vergleichen.
