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).

Znowu: nie mamy tu do czynienia z identyfikacją związków przyczynowo-skutkowych, a raczej z zabiegiem technicznym, który wykrywa syntetyczne oddziaływanie niezidentyfikowanych zależności behawioralnych na kształtowanie się kategorii ekonomicznych w taki sposób, iż zmiany jednych naśladują zmiany innych.

Ta metodologia wydaje się być przydatna dla proponowanego systemu prognoz krótkookresowych, szczególnie w kontekście zasady 80-20 oraz w warunkach słabej identyfikowalności związków przyczynowo-skutkowych.

Zastosowanie metody wymaga:

a) zdefiniowania miary podobieństwa kształtowania zmiennych,

b) określenia zbiorów zmiennych wiodących i naśladujących,

c) określenia powiązań i opóźnień naśladowczych (dla każdej zmiennej naśladującej - jakie są zmienne wiodące i z jakim opóźnieniem występuje zjawisko naśladowania).

Punkty b) i c) realizowane są zazwyczaj w iteracyjnej procedurze, polegającej na testowaniu istotności podobieństwa oraz wyznaczaniu opóźnienia naśladowczego na różnych konfiguracjach zmiennych wiodących i naśladujących.

Dobór zmiennych wiodących odbywa się poprzez wyznaczania wartości miar podobieństwa "naśladująca - wiodąca" w sekwencyjnie opóźnianych względem przedziału obserwacji zmiennej naśladującej przedziałach obserwacji zmiennych wiodących. Wybierana jest maksymalna wartość miernika podobieństwa i jeśli spełnia ona przyjęte kryterium istotności - "przesuwana" w czasie zmienna uznawana jest za wiodącą z opóźnieniem właściwym dla maksymalnej wartości miary podobieństwa.

Rezultatem jest model ekonometryczny o następującej postaci:

y_i[t] = f_i( { x_ij[t-o_ij) } )

określający zależność i-ej zmiennej naśladującej y od zbioru odpowiednich dla niej zmiennych wiodących x, branych z odpowiednimi (wyznaczanymi odrębnie dla każdej ze zmiennych wiodących) opóźnieniami.
 

Podsumowując, procedura prognozowania analogowego (oznaczana w bazie metod systemu identyfikatorem MANA) ma następującą postać:
 

MANA

Metoda prognozowania analogowego

1. Na podstawie opinii eksperckich określenie szerokiego, wstępnego zestawu zmiennych wiodących i naśladujących.  2. Budowa miary podobieństwa i określenie jej krytycznej (istotnej) wartości.    3. Dla każdej zmiennej wiodącej określenie zestawu zmiennych naśladujących oraz opóźnień naśladowania.    4. Budowa i estymacja modeli uzależniających zmienne naśladujące od opóźnionych wartości zmiennych wiodących.    5. Wyznaczenie prognozy zmiennych naśladujących z w/w modeli na podstawie faktycznej informacji o zmiennych wiodących.

 

Ustalenie konkretnych zestawów "przewodzenie-naśladowanie" jest możliwe, oczywiście, dopiero w trakcie działania systemu prognoz krótkookresowych. W tej chwili należy tylko zwrócić uwagę, iż lista proponowanych zmiennych systemu winna być pod tym kątem znacząco rozbudowana, uwzględniając np. informacje o:

- podpisanych kontraktach handlowych i zmianach w portfelu zamówień krajowych,

- udzielonych zezwoleniach budowlanych,

- kształtowaniu się zapasów,

- wartości udzielonych kredytów w podziale na konsumpcyjne i inwestycyjne,

- zmianach cen podstawowych surowców i materiałów.

itp.

Mogą to być "kandydatki" na zmienne wiodące, nawet jeśli informacje o nich występują w postaci częściowej (np. dotyczącej części przedsiębiorstw).

3. Metody ocen eksperckich i badań ankietowych
 

Ważną rolę w systemie prognoz krótkookresowych powinny odgrywać oceny ekspertów. Praktycznie są one wykorzystywane zawsze: nie ma narzędzi formalnych, ilościowych, które zapewniałyby automatyczną generację prognoz.

Zawsze w formułowaniu prognozy występuje duża doza myślenia jakościowego, eksperckiej intuicji.

Chodzi jednak o to, by w systemie prognoz krótkookresowych tę "ekspercką" stronę dobrze zorganizować i rozbudować. Aby nie były to całkiem przypadkowe, zbyt mało kompetentne ingerencje w proces formułowania prognozy na podstawie warsztatu ilościowego.

Waga ocen eksperckich jest szczególnie duża w sytuacji, gdy na przebieg procesów gospodarczych oddziaływuje szereg czynników bądź natury jakościowej bądź to słabo ilościowo rozpoznanych.
 

Istotnym źródłem informacji wejściowej dla systemu prognoz krótkookresowych powinny być także badania ankietowe. Już prowadzony comiesięczny test koniunktury zawiera liczne informacje, które mogłyby być wykorzystane albo w metodzie prognozowania analogowego (nadążające zmiany jednych zmiennych za innymi) i/albo jako przetworzony materiał pomocniczy dla grup eksperckich.

Oprócz tego, w miarę ewolucji systemu prognozowania i pojawiania się nowych potrzeb informacyjnych mogłyby być konstruowane ankiety dodatkowe, mechanizmy monitoringu itp.
 

Należy mocno podkreślić, że ze względu na burzliwy rozwój środków łączności i przetwarzania informacji (sieci komputerowe, wysoka wydajność hardware'u, nowoczesne i szeroko dostępne rozwiązania software'owe), możliwości stosunkowo łatwego ankietowania i monitorowania oraz szybkiego uzyskiwania ocen eksperckich niepomiernie wzrastają.
 

Zwykle sformalizowane procedury zbierania i syntetyzowania opinii ekspertów (metoda delficka, metoda Cross-Impact-Analysis- CIA) stosowane są w prognozowaniu długookresowym. Nic jednak nie stoi na przeszkodzie, by zmodyfikować je w taki sposób, aby były użyteczne w systemie prognoz krótkookresowych.

W szczególności, w metodzie delfickiej, zachowując anonimowość konkretnych odpowiedzi, można:
 

• ograniczyć liczbę iteracji, nie żądając prawie pełnej zgodności opinii i wprowadzając mechanizm super-wyboru jednego lub dwóch wariantów

• zorganizować sesje grup eksperckich w formie elektronicznej z natychmiastowymi, interakcyjnymi automatycznymi syntezami, z interakcyjnym dostępem ekspertów do baz danych i wszelkiej innej potrzebnej informacji; wirtualne sesje wielokrotnie przyspieszają całą procedurę i należy przypuszczać, że trzy sesje (każda z których komasuje mnogość iteracji tradycyjnej metody) dadzą ostateczny rezultat.

 
 
Na ogólnosystemowym poziomie można wymienić następujące obszary szczególnego zaangażowania ekspertów (połączenie metod delfickiej i CIA):
 

• identyfikacja przeszłych albo najbliższych w przyszłości możliwych zdarzeń, które wpłyną na istotne zmiany w obserwowanych trendach lub zależnościach behawioralnych,

• ocena siły wzajemnego powiązania tych zdarzeń,

• kwantyfikacja całkowitych prawdopodobieństw wystąpienia sekwencji zdarzeń współzależnych i/lub ich istotnego oddziaływania na gospodarkę,

• ocena siły wpływu tych zdarzeń na kierunek i intensywność zmian (trendów, relacji behawioralnych).

 
Ten rodzaj pytań w prognozowaniu krótkookresowym jest zazwyczaj pomijany: zakłada się, że charakterystyki strukturalne systemu są w krótkim okresie stabilne. Niewątpliwie jest to założenie słuszne, jednak od czasu do czasu występują punkty zwrotne (np. załamanie tendencji), które mogą być przewidziane m.in. poprzez odpowiednią ekspercką analizę poprzedzających i mogących jeszcze wystąpić w najbliższej przyszłości zdarzeń.

Ponieważ jednak punkty zwrotne nie występują często, organizacja wirtualnych sesji eksperckich w w/w obszarach powinna mieć charakter elastyczny.

Zaangażowane w ten proces grupy eksperckie będą zatem potencjalnie gotowe do podjęcia sesji, ta zaś inicjowana może być dopiero poprzez sygnał od jednej lub więcej grup o dostrzeżonej możliwości istotnych zmian w tendencjach.
 

Drugim obszarem zaangażowania ekspertów jest obszar uzyskiwania informacji szczegółowej, niedostępnej innymi środkami.

Przykładem może być organizacja grup eksperckich według klucza wydzielonych rynków (sektorów). Tylko swoiści "branżowi" eksperci mają dostateczną wiedzę o tendencjach, możliwościach, zagrożeniach występujących na rynkach konkretnych produktów. Oczywiście, grupy takie powinny być wyposażone w pełną dostępną informację statystyczną oraz w metody analityczno-prognostyczne (ogólnego charakteru) stosowane wobec konkretnych obszarów sektorowych.

Ale właśnie wiedza ekspercka ma tu znaczenie zasadnicze w wypełnianiu luk statystyki oraz w weryfikowaniu i korygowaniu automatyzmy metod formalnych.

Metody zbierania i przetwarzania ocen eksperckich będą tu takie same jak w przypadku poziomu ogólnosystemowego (metoda delficka i metoda CIA).

Informacja uzyskiwana na poziomach sektorowo-produktowych winna być następnie agregowana lub wykorzystywana na zasadzie prognoz analogowych do sformułowania prognozy ogólnej.
 

Zaawansowanym sposobem zbierania i syntetyzowania informacji eksperckiej mogą być gry symulacyjne, w których biorą udział grupy eksperckie,

Fundamentem gry jest model gospodarki w podziale na sektory instytucjonalne z dodatkowym wyróżnieniem w sektorze przedsiębiorstw konkretnych rynków (sekcji, działów, grup EKD). Grupy eksperckie - wyposażone w pełne instrumentarium statystyczno-analityczne - podejmowałyby konkretne "decyzje" co do wielkości sprzedaży krajowej, eksportu, importu, zmian technologicznych itp. w ramach podsektorów sektora przedsiębiorstw; podaży pieniądza, stopy oprocentowania - w ramach sektora instytucji finansowych, wydatków budżetowych - w ramach sektora instytucji rządowych i samorządowych.

Symulacja modelowe ukazywałaby skutki i ograniczenia tych "decyzji", kolejne jej iteracje prowadziłyby do wyborów wariantów spójnych, te z kolei oceniane by były w kategoriach prawdopodobieństwa.

  Podsumowując w systemie prognoz krótkookresowych byłoby miejsce dla czterech rodzajów procedur heurystycznych,

Pierwsza procedura dotyczy wykorzystania metody ankietowej,

MANKI	Metoda ankietowa
1. Konstruowanie ankiety  2. Zbiór informacji metodami elektronicznymi  3. Przetwarzanie ankiety  4. Wykorzystanie wyników do formułowania prognoz metodą MANA lub dla wzbogacenia metod ocen eksperckich

 

W początkowej fazie rozwoju systemu można wykorzystać informacje z już funkcjonujących ankiet (np. testów koniunktury). Użyte mogłyby być zarówno informacje w przekroju szczegółowych pytań (np. o podpisane kontrakty czy prognozowaną przez przedsiębiorstwa sprzedaż), jak i syntetyczny wskaźnik koniunktury, który mógłby znaleźć się jako zmienna objaśniająca w funkcjach krótkookresowego prognozowania różnych wielkości makroekonomicznych.
 
Druga procedura dotyczy zastosowania ocen eksperckich do przewidywania istotnych zmian tendencji i charakterystyk zależności behawioralnych.
Miałaby ona charakter głównie ostrzegawczy.
Jej wykorzystanie nie miałoby charakteru systematycznego. Inicjowana poprzez sygnały od grup eksperckich znajdujących się w potencjalnej gotowości do prowadzenia wirtualnych sesji, na zasadzie swoistego przełącznika (trigger) uruchamiającego sekwencje wirtualnych sesji.

 

MOCE-TRIG

Metoda ocen eksperckich dla wykrywania zagrożeń (połączenie metody delfickiej i CIA)

1. Identyfikacja przeszłych albo najbliższych w przyszłości możliwych zdarzeń, które wpłyną na istotne zmiany w obserwowanych trendach lub zależnościach behawioralnych  2. Ocena siły wzajemnego powiązania tych zdarzeń,  3. Kwantyfikacja całkowitych prawdopodobieństw wystąpienia sekwencji zdarzeń współzależnych i/lub ich istotnego oddziaływania na gospodarkę,  4. Kwantyfikacja wynikowej intensywności zmian (trendów, relacji behawioralnych).  5. Korekta prognoz wykonywanych innymi metodami

 

Trzecia proponowana procedura miałaby na celu uzyskiwanie pogłębionych informacji szczegółowych i ich wykorzystywanie w prognozowania na szczeblu makroekonomicznym.

MOCE-SEKT	Metoda ocen eksperckich dla uzyskiwania szczegółowych informacji sektorowych
1. Wyróżnienie sektorów i stworzenie grup specjalistów analizujących poszczególny rynki przy wykorzystaniu metod formalnych oraz metod ocen eksperckich (delfickiej i CIA)  2. Uzyskanie prognoz sektorowych i produktowych  3. Użycie prognoz sektorowych i produktowych w prognozowaniu wielkości makroekonomicznych (agregacja, metoda zmiennych wiodących i naśladujących, proste modele ekonometryczne).

 

Niewątpliwie ta procedura nie będzie mogła być wdrożona w pierwszych fazach budowy systemu, wymaga bowiem znacznego wysiłku organizacyjnego.
Jednak już od początku należy czynić kroki w kierunku jej implementacji, gdyż szczegółowe informacje (eksperckie) o charakterze sektorowym i produktowym w znaczący sposób podnoszą jakość ogólnych prognoz krótkookresowych.
 

Czwarta, najbardziej zawaansowana procedura heurystyczna sprowadza się do rozwiniętej gry symulacyjnej.

Jest to właściwie cała klasa gier, różnicowanych pod kątem przedmiotowym (czego dotyczą) i podmiotowym (kto bierze udział).
Wyróżnimy dwie zaawansowane formy gry symulacyjnej, różniące się czynnikiem podmiotowym. Obie mają podobną strukturę.

MOCE-GRA

Metoda gry symulacyjnej

1. Budowa modelu gry: kompleksowy model gospodarki, uwzględniający podział na sektory instytucjonalne, a w sektorze przedsiębiorstw - na gałęzie; model winien uwzględniać powiązania międzygałęziowe i międzysektorowe;  2. Grupy uczestników (agentów) odpowiadają za poszczególne obiekty modelu: zagranica, gospodarstwa domowe (w podziale na rodzaje), gałęzie sektora przedsiębiorstw, system finansowy , system instytucji rządowych i samorządowych, natura (generowanie egzogenicznych, niezależnych od behawioralnych charakterystyk gospodarki - zdarzeń)  3. W ramach gry agenci uczestnicy formułują krótkookresowe prognozy dla swoich obiektów (przy wykorzystaniu bazy danych statystycznych, metod formalnych oraz metod syntezy ocen eksperckich)  4. Prognozy cząstkowe są włączane do modelu, który weryfikuje ich spójność i generuje różnego rodzaju wynikowe dostosowania (w przypadku niespójności)  5. Gra ma charakter iteracyjny, prowadzący do wariantowych rozwiązań; cały materiał gry jest syntetyzowany i po automatycznym przetworzeniu analizowany przez grupę super-ekspertów, która ostatecznie formułuje ogólną prognozę krótkookresową

Pod względem podmiotowym gra taka może być prowadzona na szczeblu grup eksperckich i/lub z udziałem wytypowanych przedsiębiorstw. Ten ostatni rodzaj gry jest technicznie i organizacyjnie możliwy do realizacji dzięki połączeniom sieciowym (już teraz istnieje w świecie wiele tego rodzaju gier).

LITERATURA

1. Nieklasyczne metody prognozowania. Pod red. M. Cieślak. PWN, Warszawa 1983.

2. Metody prognozowania działalności przedsiębiorstwa. Pod red. P. Dittmanna. Wrocławska Biblioteka Menedżera, AE Wrocław 1991,

3. Prognozowanie w zarządzaniu przedsiębiorstwem. Pod red. M. Cieślak. Wrocławska Biblioteka Menedżera, AE Wrocław 1992 (wyd. 2 )

4. Prognozowanie gospodarcze. Pod red. M. Cieślak. AE Wrocław 1996 (wyd. 2).

5. Prognozowanie gospodarcze. Metody i zastosowania Pod red. M. Cieślak. PWN, Warszawa 1997.

 
 

---