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?