Plan wykładów

Prognozowanie – podstawowe pojęcia
Organizacja procesu prognostycznego

dr Aneta Sobiechowska-Ziegert

Dane w prognozach Jakość prognoz Etapy prognozowania

Prognozowanie na podstawie szeregów

czasowych
– metody naiwne i metoda średniej
ruchomej
- modele tendencji rozwojowej i
autoregresyjne

Prognozowanie na podstawie

przyczynowo-skutkowego modelu
ekonometrycznego

Metody i problemy prognozowania
długookresowego – stabilność modelu
Prognozy makrootoczenia
przedsiębiorstwa
Prognozy elementów mikrootoczenia
przedsiębiorstwa
Prognozowanie zmiennych
wewnętrznych przedsiębiorstwa
Prognozowanie zjawisk jakościowych

Literatura:

M.Cieślak, Prognozowanie gospodarcze –

metody i zastosowania, PWN W-wa 1997 (i

nowsze)
A.Zeliaś, B.Pawełek, S.Wanat,Prognozowanie

ekonomiczne, teoria, przykłady, zadania,

PWN, W-wa 2003

Zaliczenie
przedmiot
u

Zaliczenie
laboratorium –
projekt

Zaliczenie
wykładów – test
pisemny

Średnia
ważona

Prognozowanie –
podstawowe pojęcia,
funkcje i klasyfikacje
prognoz

Organizacja procesu
prognostycznego

PROGNOZOWANIE -

PREDYKCJA

HIPOKRATES (gnoza – wiedza, prognoza –

uprzednia wiedza)
PROCES WNIOSKOWANIA W PRZYSZŁOŚĆ

(racjonalnie, z wykorzystaniem metod

naukowych)
Wynikiem predykcji jest PROGNOZA, która

wyznaczana jest dla wybranego okresu

prognozowania
Sąd, którego prawdziwość jest zdarzeniem

losowym , przy czym prawdopodobieństwo

tego zdarzenia jest bliskie jedności

DLACZEGO PROGNOZY

(ekonomiczne) NIE ZAWSZE SIĘ

SPRAWDZAJĄ?

Zjawiska ekonomiczne są niezwykle złożone
Otoczenie, w którym zachodzą ciągle się zmienia
W otoczeniu ekonomicznym nie można
przeprowadzać eksperymentów w takim zakresie
jak np. w naukach przyrodniczych
Działań człowieka nie można dokładnie
przewidzieć.

PROGNOZA POWINNA OKREŚLIĆ OGÓLNY
KIERUNEK ROZWOJU BADANYCH
WIELKOŚCI EKONOMICZNYCH

Potrzeba prognozowania - przykłady

producent

przyszła

sprzedaż

wielkość,
struktura,
harmonogram
produkcji

handlowiec

przyszła
sprzeda
ż

wielkość
dostaw,
dodatkowe
zatrudnienie

uczelnia

liczba
kandydatów

egzaminy, nowe
laboratoria, nowe
kierunki

rząd

inflacja,
bezrobocie,
popyt na
energię,
liczba i
struktura
ludności

polityka monetarna,
fiskalna, budowa
elektrowni
atomowej, miejsca
w szpitalach,
szkołach

Rodzaje prognoz (przegląd

klasyfikacji)

Kryterium podziału

horyzont czasowy

długoterminowe (ponad 2 lata)

średnioterminowe (do 2 lat)

krótkoterminowe (do 3 m-cy)

operacyjne

strategiczne

struktura
prognozy

ilościowe

jakościowe

stopień szczegółowości

ogólne

szczegółowe

metoda opracowania

cel lub funkcja

badawcze

ostrzegawcze

proste

złożone

Rodzaje prognoz cd.

Prognozy wygasłe (zbudowane dla
okresu, dla którego znana jest realizacja)
Prognozy bezwarunkowe i warunkowe
(uzależniające realizację zdarzenia od
pwenych okoliczności)
Prognozy punktowe i przedziałowe
(przewidujące, że zmienna przyjmie w
przyszłości określoną wartość lub
wartość z pewnego przedziału)

Cele (funkcje

prognozowania)

1. wspomaganie procesów decyzyjnych w skali
mikro- i makroekonomicznej

1.1 przewidywanie koniunktury, jakości życia, inflacji,
wpływów do budżetu z tytułu podatków, ...

1.2. przewidywanie kształtowania się otoczenia
przedsiębiorstwa – przepisy prawno-podatkowe, ochrona
środowiska

1.3. przewidywanie możliwości sprzedaży – popyt,
konkurencja, siła nabywcza ludności

1.4. prognozowanie wielkości produkcji i zapotrzebowania materiałowego

1.5. prognozowanie kosztów produkcji, przychodów i wyników finansowych

Funkcja preparacyjna

2. wszechstronne rozpoznanie przyszłości

3. pobudzanie do podejmowania działań
sprzyjających realizacji prognozy, gdy zapowiada
ona zdarzenia korzystne, i przeciwstawiających się
jej realizacji, gdy przewidywane zdarzenia są
oceniane jako niekorzystne

funkcja informacyjna

funkcja aktywizująca

Metody prognostyczne

matematyczno-statystyczne

niematematyczne

oparte na
modelach
deterministyczn
ych

oparte na
modelach
ekonometryczn
ych

1-równaniowe wielorównaniowe

klasyczne
modele
trendu

adaptacyjn
e modele
trendu

modele
przyczyno
wo-opisowe

modele
autoregresy
jne

proste rekurencyjne o

równaniach
współzależn
ych

1. Ankietowe
2. Intuicyjne
3. Metoda

ekspertyz

4. Metody

kolejnych
przybliżeń

5. Delficka
6. Analogowe
7. Inne

h

e

u

ry

st

yc

zn

e

ORGANIZACJA PROCESU
PROGNOSTYCZNEGO

Dane wykorzystywane w
prognozowaniu
Etapy prognozowania

Problemy prognozowania

zjawisk ekonomicznych

Niewystarczające rozeznanie nauki w
powiązaniach między zmiennymi ekonomicznymi
(wykorzystywanie modeli ekonometrycznych)
Młode gospodarki rynkowe charakteryzują się
krótkimi, nieregularnymi i wykazującymi
głębokie zmiany szeregami czasowymi
(zmieniająca się sytuacja polityczna
uniemożliwia porównywalność danych)
Założenie o regularności kształtowania się
zjawisk gospodarczych w czasie

1000

1100

1200

1300

1400

1500

1600

1700

1800

1900

import ropy w tys t

10000,0

11000,0

12000,0

13000,0

14000,0

15000,0

16000,0

17000,0

18000,0

eksport w mln P LN

Obiekty gospodarcze nie są ani całkiem
sterowalne ani całkiem autonomiczne
Dopasowanie oszacowanego modelu w
przeszłości nie oznacza, że będzie on
równie dobrze dopasowany w
przyszłości
Problem stabilności modelu –
niezmienność postaci analitycznej,
zbioru zmiennych objaśniających i
wartości parametrów w przyszłości

Pytanie: czy ma sens

prognozowanie

długoterminowe ?

Tak, o ile dotyczy zjawisk z powolnymi
zmianami ilościowymi
Paradoksalnie duża okazała się przydatność
prognoz długoterminowych w przeszłości,
choć stopień ich trafności był bardzo niski

DOKONAŁY PRZEWROTU W MYŚLENIU O

NIEOGRANICZONYCH MOŻLIWOŚCIACH

EKSPANSJI CZŁOWIEKA, KTÓRY DZIĘKI

ROZWOJOWI NAUKI I TECHNIKI MIAŁBY

POKONAĆ WSZELKIE BARIERY (Raport Klubu

Rzymskiego z 1972 roku)

Dane wykorzystywane w

prognozach

Jednowymiarowy szereg czasowy (pokazuje stany zmiennej

prognozowanej y w momencie lub okresie t, gdzie: t = 1,2,3...,n)

]

,...,

,

,

[

3

2

1

n

y

y

y

y

y 

2000

Q1

Q2

Q3

Q4

Liczba

pracującyc

h w tys.

osób

14319 14518 14727

14540

Tabela 1. L.pracujących w roku 2000 w Polsce (stan w końcu kwartału)

Źródło: Opracowanie własne na podst. danych GUS

Wielowymiarowy szereg czasowy (pokazuje
stany kilku zmiennych w okresie lub momencie
t)



























mn

m

m

n

n

y

y

y

y

y

y

y

y

y

Y

...

...

...

...

...

...

...

2

1

2

22

21

1

12

11

m1

m2

m3

m4

m5

m6

M1

111,

7

115,

4

114,

8

116,

3

121,

6

126,

1

M2

322,

2

324,

6

319,

0

317,

6

322,

0

321,

9

Tabela 2. Podaż pieniądza M1 i M2 w Polsce w pierwszej połowie roku 2002

Źródło: Opracowanie własne na podst. danych GUS

Jednowymiarowy szereg przekrojowy (pokazuje ciąg
zaobserwowanych stanów zmiennej prognozowanej,
z których każdy odnosi się do tego samego okresu
[momentu] ale do różnych obiektów)





k

y

y

y

y

...

2

1



Przykład:

•Samochody osobowe na 100 mieszkańców w
wybranych krajach w roku 2003

•Dochody ludności w Polsce w roku 2002 według
województw

Wielowymiarowy szereg przekrojowy (otyczy kilku
zmiennych opisujących zjawisko, w odniesienniu do
tego samego momentu [okresu] ale do różnych
obiektów)



























mk

m

m

k

k

y

y

y

y

y

y

y

y

y

Y

...

...

...

...

...

...

...

2

1

2

22

21

1

12

11

Przykład:
Liczba lekarzy w Polsce w roku 2003 według województw i według specjalności

Szereg przekrojowo-czasowy (utworzony przez szeregi
czasowe m zmiennych opisujących k obiektów)































k

Y

Y

Y

Y

...

2

1

gdzie:
Y

k

– macierz z

wielowymiarowego szeregu czasowego dla obiektu k

Przykład:
Samochody zarejestrowane w Polsce w latach 1999-2003 według województw
i typów samochodów (osobowe, ciężarowe, autobusy)

Zmienne syntetyczne (wykorzystywane do
charakteryzowania zjawisk złożonych; w przypadku,
gdy bezpośrednie zmierzenie zjawiska jest niemożliwe,
np. jakość życia, rozwój społeczno-gospodarczy kraju)

1. Do stworzenia zmiennych syntetycznych wykorzystuje się
odpowiednio dobrane zmienne diagnostyczne:

STYMULANTY

DESTYMULANTY

NOMINANTY

O pożądanym rozwoju badanego
zjawiska świadczy

ich wzrost

ich spadek

Charakteryzują
się określonym
poziomem
nasycenia

2. Sprowadzenie zmiennych diagnostycznych do
porównywalności – normalizacja, przy porównaniu
badanego obiektu ze wzorcem

3. Agregacja znormalizowanych zmiennych diagnostycznych

Zmienne zero-jedynkowe (opisujące zjawiska o
charakterze jakościowym)









0

1

X

jeżeli zdarzenie wystąpi (obiekt ma daną cechę)

jeżeli zdarzenie nie wystąpi (obiekt nie ma danej cechy)

Zmienne te mogą pełnić rolę zmiennych:

objaśniających

model szacowany KMNK

Prognozowanie jak
przy zwykłych
modelach
ekonometrycznych

objaśnianych

Transformacja
probitowa
(przekształcenie
częstości na wartość
dystrybuanty
standaryzowanego
rozkładu normalnego)

Transformacja
logitowa
(przekształcenie
częstości na tzw.
logity, czyli
logarytmy p/p-1

modele szacowane UMNK

Sformułowanie
zadania
prognostycznego

Obiekt,

zjawisko,

zmienne, cel,

dopuszczalno

ść, horyzont

Podanie
przesłanek
prognostycznych

Co kształtuje

dane

zjawisko,

zebranie

materiału

statystyczne

go

Wybór metody
prognozowania

Wyznaczenie prognozy

Ocena dopuszczalności
prognozy

Weryfikacja
prognozy

Określenie

błędu ex-

ante

Określenie

błędu ex-

post

B

łą

d

e

x-

a

n

te

w

ię

k

sz

y

o

d

za

k

ła

d

a

n

e

g

o

E
T
A
P
Y

P
R
O
G
N
O
Z
O
W
A
N
I
A

NASTĘPNY WYKŁAD:
Jakość prognoz
czyli:
Wykorzystać prognozę czy wyrzucić ją do
śmieci?