dr inż. Katarzyna Halicka
dr inż. Katarzyna Halicka
Politechnika Białostocka
Wydział Zarządzania
Katedra Informatyki Gospodarczej i Logistyki
Prognozowanie Gospodarcze, Ćwiczenia
3
Prognozowanie
Prognozowanie
Gospodarcze
Gospodarcze
Ćwiczenia 4
Składowe szeregów czasowych
Składowe szeregów czasowych
Każdy rzeczywisty szereg czasowy obrazujący
pewne zjawisko gospodarcze jest złożeniem
dwóch składowych:
składowej systematycznej, będącej
wynikiem oddziaływania stałego zestawu
bodźców na zmienną prognozowaną,
składowej przypadkowej (nieregularnej,
składnika losowego), będącej efektem
oddziaływania przyczyn
o charakterze losowym.
2
Prognozowanie gospodarcze
Składowe szeregów czasowych
Składowe szeregów czasowych
Składowa systematyczna występuje zazwyczaj w
postaci:
trendu
trendu – powolnych, regularnych i
systematycznych zmian określonego zjawiska,
obserwowanych w dostatecznie długim
przedziale czasu, wyraża on długookresową
skłonność do jednokierunkowych zmian (wzrostu
lub spadku) wartości badanej zmiennej;
stałego (średniego) poziomu
stałego (średniego) poziomu – wartości
prognozowanej zmiennej oscylują wokół
pewnego stałego poziomu;
składowej okresowej
składowej okresowej (periodycznej).
3
Prognozowanie gospodarcze
Składowe szeregów czasowych
Składowe szeregów czasowych
Składową okresową (periodyczną)
Składową okresową (periodyczną) można wyrazić w
postaci:
wahań cyklicznych – długookresowych, rytmicznych wahań
zmiennej wokół tendencji rozwojowych lub stałego przeciętnego
poziomu, wahania cykliczne (koniunkturalne) obrazują
powtarzające się po sobie okresy ożywienia i recesji w
gospodarce trwające od kilku do kilkunastu lat, starzenie się
powstawanie nowych technologii;
wahań sezonowych – wahań zmiennej wokół tendencji
rozwojowych lub stałego przeciętnego poziomu występujących
jako powtarzające się dość regularne zmiany ilościowe w
przebiegu zjawisk w tych samych jednostkach kalendarzowych
zamykające się w czasie nie przekraczającym jednego roku, ich
źródłem są na przykład zmiany pór i miesięcy roku, dni
tygodnia, cyklu dnia i nocy;
4
Prognozowanie gospodarcze
Graficzna prezentacja poszczególnych
Graficzna prezentacja poszczególnych
składowych szeregu czasowego
składowych szeregu czasowego
5
Prognozowanie gospodarcze
Relacje pomiędzy poszczególnymi komponentami szeregu
Relacje pomiędzy poszczególnymi komponentami szeregu
Postać
addytywna
addytywna
gdzie:
Y
t
- wartość zmiennej Y w momencie lub okresie t,
T
t
- wartość składowej systematycznej opisana funkcją trendu w
momencie lub okresie t,
S
t
- wartość składowej systematycznej wyrażona przez składnik
sezonowy w momencie lub okresie t,
C
t
- wartość składowej systematycznej wyrażona przez składnik
cykliczny w momencie lub okresie t,
E
t
- wartość składowej losowej w momencie lub okresie t.
6
Prognozowanie gospodarcze
t
t
t
t
t
E
C
S
T
Y
Relacje pomiędzy poszczególnymi komponentami szeregu
Relacje pomiędzy poszczególnymi komponentami szeregu
Postać
multiplikatywna:
multiplikatywna:
Postać
mieszana:
mieszana:
7
Prognozowanie gospodarcze
t
t
t
t
t
E
C
S
T
Y
t
t
t
t
t
S
E
C
T
Y
Dekompozycja szeregu czasowego
Dekompozycja szeregu czasowego
Wyodrębnienie elementarnych składowych
systematycznych i składowej przypadkowej z
analizowanego szeregu czasowego.
Najpopularniejszym, najprostszym, skutecznym i
zarazem najmniej kosztownym sposobem dekompozycji
szeregów czasowych jest
analiza graficzna
analiza graficzna.
Pierwszym krokiem do przeprowadzenia dekompozycji
jest sporządzenie wykresu badanego szeregu
czasowego. Na jego podstawie prognosta identyfikuje
komponenty wchodzące w skład analizowanego szeregu.
8
Prognozowanie gospodarcze
Kształt kilku typowych kombinacji składowych
Kształt kilku typowych kombinacji składowych
szeregów czasowych
szeregów czasowych
9
Prognozowanie gospodarcze
Prognozowanie na podstawie szeregów czasowych
Prognozowanie na podstawie szeregów czasowych
10
Politechnika Białostocka
Wydział Zarządzania
Prognozowanie gospodarcze
Podstawowy model metody naiwnej
Podstawowy model metody naiwnej
Zgodnie z modelem podstawowym metody naiwnej,
przyszła wartość zmiennej prognozowanej przyjmuje
wartość zaobserwowaną w okresie poprzednim:
gdzie:
y
*t+1
– prognozowana wartość zmiennej Y
wyznaczona na
moment lub okres t+1,
y
t
– rzeczywista wartość zmiennej prognozowanej Y
w momencie lub okresie t.
11
Politechnika Białostocka
Wydział Zarządzania
Prognozowanie gospodarcze
t
t
y
y
*
1
Podstawowy model metody naiwnej
Podstawowy model metody naiwnej
Podstawowa metoda naiwna oparta jest na modelu
błądzenia przypadkowego. Może być stosowana do
konstrukcji prognoz:
krótkookresowych
krótkookresowych,
na jeden krok w przód,
na jeden krok w przód,
w przypadku, gdy w szeregu czasowym występuje
składowa systematyczna w postaci
stałego
stałego
(przeciętnego) poziomu
(przeciętnego) poziomu oraz składnik losowy w postaci
niewielkich wahań przypadkowych
niewielkich wahań przypadkowych.
12
Politechnika Białostocka
Wydział Zarządzania
Prognozowanie gospodarcze
Błąd
Błąd
ex post
ex post
prognozy
prognozy
13
Politechnika Białostocka
Wydział Zarządzania
Prognozowanie gospodarcze
Podstawowym błędem wykorzystywanym do
oceny trafności jest bezwzględny błąd prognozy ex
post w czasie t. Błąd ten można zapisać za pomocą
następującej zależności:
gdzie:
y
t
- wartość zmiennej prognozowanej w chwili t,
y
*t
- prognoza na moment lub okres t.
W literaturze błąd ten często oznaczany jest jako
q
t
lub
e
t
*
-
t
t
t
y
y
q
Pierwiastek ze średniego kwadratowego
Pierwiastek ze średniego kwadratowego
bezwzględnego błędu prognozy ex post
bezwzględnego błędu prognozy ex post
14
Politechnika Białostocka
Wydział Zarządzania
Prognozowanie gospodarcze
Z uwagi na brak możliwości bezpośredniego
odniesienia błędów bezwzględnych do zmiennej
prognozowanej, w praktyce prognostycznej
wykorzystywany jest pierwiastek ze średniego
kwadratowego bezwzględnego błędu prognozy ex post).
Błąd średniokwadratowy, informuje o przeciętnych
odchyleniach prognoz od wartości rzeczywistych.
Wartość ta wyrażona jest w tych samych jednostkach co
zmienna prognozowana y
t
.
n
i
t
q
n
q
s
1
2
2
*
1
Względny błąd prognozy
Względny błąd prognozy
ex post
ex post
15
Politechnika Białostocka
Wydział Zarządzania
Prognozowanie gospodarcze
Względny błąd prognozy ex post informuje o
wielkości odchylenia prognozy od wartości
rzeczywistej w czasie t. Odchylenie to wyrażone
jest w procentach wartości zmiennej
prognozowanej.
%
100
%
100
-
*
t
t
t
t
t
t
y
q
y
y
y
Średnie względne błędy prognozy
Średnie względne błędy prognozy
16
Politechnika Białostocka
Wydział Zarządzania
Prognozowanie gospodarcze
Średni względny błąd prognozy
Wartość średnia modułu względnego błędu prognozy
Błędy te wskazują na przeciętne odchylenie prognoz
od wartości rzeczywistej, które wyrażone jest
najczęściej w procentach wartości zmiennej
prognozowanej.
n
i
t
n
1
1
n
i
t
n
1
1
Współczynnik
Współczynnik
U Theila
U Theila
17
Politechnika Białostocka
Wydział Zarządzania
Prognozowanie gospodarcze
Rola współczynnika U Theila. miernika
najczęściej sprowadza się do oceny porównawczej
(benchmarkingu) formalnych metod
prognostycznych z modelem naiwnym.
Współczynnika U można przedstawić za pomocą
następujących zależności:
2
1
1
2
1
1
1
1
*
1
2
1
1
2
1
1
1
1
*
1
n
t
t
t
t
n
t
t
t
t
n
t
t
t
t
n
t
t
t
t
t
t
t
y
y
y
y
y
y
y
y
y
y
y
y
y
y
y
U
Współczynnik
Współczynnik
U Theila
U Theila
18
Politechnika Białostocka
Wydział Zarządzania
Prognozowanie gospodarcze
gdzie:
- względna zmiana prognozy,
- względna zmiana wartości
rzeczywistej.
Miernik ten pozwala na porównanie względnych
zmian prognozy i wartości rzeczywistych.
t
t
t
y
y
y
*
1
t
t
t
y
y
y
1
Współczynnik
Współczynnik
U Theila
U Theila
19
Politechnika Białostocka
Wydział Zarządzania
Prognozowanie gospodarcze
Współczynnik U będzie równy zero wówczas, gdy
zbudowana prognoza będzie prognozą w 100%
trafną (błąd prognozy ex post równy zero).
Współczynnik U będzie równy jeden wówczas, gdy
prognozy zbudowane przy wykorzystaniu metody
formalnej będą równe wartościom rzeczywistym.
W przypadku, gdy względne zmiany prognozy
będą miału przeciwny kierunek niż względne zmiany
wartości rzeczywiste, wówczas współczynnik U
będzie przyjmował wartości większe od jedności.
Im większe są różnice pomiędzy wartościami
rzeczywistymi a prognozami tym współczynnik U
Theila przyjmuje coraz większe wartości.
Współczynnik
Współczynnik
U Theila
U Theila
20
Politechnika Białostocka
Wydział Zarządzania
Prognozowanie gospodarcze
Przedział ufności prognozy
Przedział ufności prognozy
21
Politechnika Białostocka
Wydział Zarządzania
Prognozowanie gospodarcze
Przedział ufności do prognozy ma postać:
gdzie:
z - wartość rozkładu t-Studenta dla s stopni
swobody i poziomie prawdopodobieństwa 1-a ,
s
*
- pierwiastek ze średniego kwadratowego
błędu prognoz ex post.
*
*
*
*
;
zs
y
zs
y
t
t
Przedział ufności prognozy
Przedział ufności prognozy
22
Politechnika Białostocka
Wydział Zarządzania
Prognozowanie gospodarcze
Interpretując tak skonstruowany przedział
ufności można stwierdzić, że z
prawdopodobieństwem p prognoza będzie należała
do przedziału od do . Wielkość
tego przedziału odzwierciedla dokładność
oszacowania prognoz.
Duży przedział ufności do prognozy może
wskazywać na niską dokładność predykcji.
*
*
zs
y
t
*
*
zs
y
t
Przedział ufności prognozy
Przedział ufności prognozy
23
Politechnika Białostocka
Wydział Zarządzania
Prognozowanie gospodarcze
Wybrane wartości rozkładu t-Studenta
przy s = ∞
p=1-a
0,50
0,60
0,70
0,80
0,90
0,95
0,99
z
0,674 0,842 1,036 1,282 1,645 1,960 2,576
KONIEC