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:
yi[t] = fi( { xij[t-oij) } )
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.