PROGNOZOWANIE TRENDÓW

1. Klasy metod prognozowania

Wyróżnić można następujące klasy metod analizy i prognozowania:

•

Metody, uwzględniające związki przyczynowo-skutkowe pomiędzy

zmiennymi systemu,

•

Metody symptomatyczne, polegające na analizie (ogólnie:

wielowymiarowych) szeregów czasowych oraz ew. dynamicznych

związków pomiędzy poszczególnymi ich zmiennymi składowymi,

•

Metody heurystyczne, sprowadzające się do procedur wytwarzania i

syntetyzowania opinii ekspertów oraz innego rodzaju materiałów

typu ankietowego.

Można powiedzieć, że wszystkie te klasy metod winny być stosowane w

systemie prognoz krótkookresowych.

Rozwój systemu oznaczać będzie nie tyle całkowite odrzucanie którejś z

w/w klas, ale przechodzenie w ramach z każdej klas od procedur i metod

uproszczonych do bardziej zaawansowanych.

Niewątpliwie jednak w miarę rozwoju systemu wzrastać winna rola metod

opartych na identyfikacji związków przyczynowo skutkowych.

2. Metody symptomatyczne

2.1. Analiza szeregów czasowych

Oparcie prognoz na analizie dotychczasowej dynamiki zmiennych jest

szczególnie użyteczne w sytuacji, gdy nie potrafimy sformułować

miarodajnych zależności behawioralnych (przyczynowo-skutkowych).

Dzieje się tak zwykle w sytuacji, gdy na zmienną prognozowaną oddziałuje

wiele różnorodnych czynników i/lub zależności są trudno identyfikowalne.

Takie warunki są charakterystyczne np. dla okresu transformacji

systemowej i wiążą się zarówno z niepełnym jeszcze wykształceniem

stabilnych mechanizmów funkcjonowania gospodarki (niejako zgodnych z

dostępną teorią) jak i trudnościami natury statystycznej.

Ogólny model szeregu czasowego zmiennej y jest następujący:

y[t] = f( y[t-1], y[t-2], ... y[t-k], t, e)

gdzie: k - wielkość opóźnienia

e - składnik losowy

Uwzględnienie opóźnionych wartości zmiennej wiąże się z przyjęciem

hipotezy o wpływie prehistorii kształtowania zmiennej na jej teraźniejsze i

przyszłe wartości. W analizie zjawisk ekonomicznych ma to szczególne

znaczenie, charakteryzują się one bowiem określoną bezwładnością:

szybkie, dowolne zmiany wartości kategorii ekonomicznych nie są

możliwe, zatem - w krótkim okresie - można przyjąć zależność poziomu

zmiennej od jej poziomu z bliskiej przeszłości.

Bezpośrednie uwzględnienie czasu (zmienna t) pokazuje wpływ na

kształtowanie wartości zmiennej y czynników: tendencji rozwojowej,

wahań sezonowych i cyklicznych.

Niewątpliwie uwzględnienie cyklu koniunkturalnego w metodach

prognozowania na podstawie szeregów czasowych - w przypadku polskiej

gospodarki - nie wchodzi na razie w grę.

Istotne jest natomiast wyodrębnienie trendu i prognoza jego zmian.

Zmiany natężenia ruchu zmiennej w tym samym kierunku mogą być

prognozowane na podstawie użycia modeli adaptacyjnych (np. trendu

pełzającego). Zmiany (punkty) zwrotne (odwrócenie trendu) mogą być

identyfikowane albo mechanicznie (na podstawie metod analizy

statystycznej) albo na podstawie procedur syntezy opinii ekspertów.

Można zatem zaproponować ogólną procedurę prognozowania na

podstawie szeregów czasowych. W bazie metod systemu prognoz

krótkookresowych będzie ona oznaczana symbolem MPSC.

MPSC

Metoda prognozowania na podstawie szeregów

czasowych

1. Wyodrębnienie z szeregu wahań sezonowych

2. Wyznaczenie autoregresyjnego modelu tendencji rozwojowej na danych

oczyszczonych z wahań sezonowych; należy skorzystać z modeli

adaptacyjnych, które realizują postulat postarzania informacji (silniej

uwzględniają ostatnie obserwacje) i w ten sposób implementują elementy

aktualnej zmienności trendu.

3. Wyznaczenie prognozy punktowej (na najbliższy okres) na podstawie

modelu tendencji rozwojowej.

4. Analiza ewentualnych możliwości odwrócenia trendu (użycie metod

statystycznego badania obszaru obserwacji tzw. prognoz ostrzegawczych

i/lub procedur syntezy ocen eksperckich). Weryfikacja prognozy.

5. Korekta prognozy o składnik sezonowy.

We wstępnej fazie budowy systemu prognoz krótkookresowych metoda

MPSC może być stosowana dość szeroko, nawet dla większości zmiennych

systemu, jest to bowiem najszybszy i najmniej kosztowny sposób

uzyskiwania dość miarodajnych prognoz krótkookresowych, szczególnie w

sytuacji braku niezawodnego rozpoznania kształtu zależności

behawioralnych lub też ich dużej zmienności.

2.2. Metoda analogowa

Najogólniej prognozowanie analogowe polega na wykorzystaniu

podobieństwa kształtowania się zmiennych w czasie. Jedna grupa

zmiennych - nazywana grupą zmiennych wiodących - zmienia się

wcześniej niż inna - grupa zmiennych naśladujących. Zmienne naśladujące

mogą więc być prognozowane na podstawie zmiennych wiodących (i już

dostępnej, faktycznej, informacji o ich wartościach).

http://notatek.pl/prognozowanie-trendow?notatka