1. Wymień znane Ci rodzaje prognoz.

Podział ze względu na horyzont prognozy:

• bezpośrednia (bezzwłoczna) nie przekracza 1 miesiąca

• krótkoterminowa obejmuje od 1 do 3 miesięcy

• średnioterminowa nie przekracza 2 lat

• długoterminowa obejmuje ponad 2 lata

Podział ze względu na charakter (strukturę):

• proste i złożone

• ilościowe i jakościowe

• jednorazowe i powtarzalne

• kompleksowe i sekwencyjne

• samosprawdzające się i destruktywne

Podział ze względu na stopień szczegółowości:

• ogólne

• szczegółowe

Podział ze względu na zakres ujęcia:

• światowe

• międzynarodowe

• krajowe

• regionalne

Podział ze względu na metodę opracowania:

• minimalne, średnie, maksymalne

• czyste, weryfikowalne, modelowe

• nieobciążone, wg największego prawdopodobieństwa, minimalizujące oczekiwaną stratę

Podział ze względu na cel lub funkcję:

• badawcze, w tym: ostrzegawcze

• normatywne

• aktywne i pasywne

2. Czego dotyczą prognozy strategiczne?

Prognozy strategiczne (prognozy rozpoznawcze, mające zastosowanie w prognozach długoterminowych) oraz operatywne (wykorzystuje się do planowania krótko i średniookresowego).

Stanowią podstawę długofalowego działania lub długofalowej polityki gospodarczej. Mogą być podstawą w wyborze strategii działania. Dotyczyć mogą takiej decyzji, jak reorganizacja gospodarstwa, gdy otwierają się przed nim nowe, a przy tym trwałe możliwości zbytu produktów rolnych dzięki rozpoczęciu budowy zakładów przetwórczych w danym rejonie i zawieraniu długoletnich umów kontraktacyjnych. Rolnik może w wyniku takich informacji rozpoczynać proces reorganizacji gospodarstwa przez gromadzenie odpowiednich środków i materiałów w poszczególnych latach.

3. Jak możemy podzielić prognozy ze względu na horyzont czasowy?

Podział ze względu na horyzont prognozy:

• bezpośrednia (bezzwłoczna) nie przekracza 1 miesiąca

• krótkoterminowa obejmuje od 1 do 3 miesięcy

• średnioterminowa nie przekracza 2 lat

• długoterminowa obejmuje ponad 2 lata

4. Jak możemy podzielić prognozy ze względu na ich cel lub funkcję?

Podział ze względu na cel lub funkcję:

• badawcze, w tym: ostrzegawcze

• normatywne

• aktywne i pasywne

• Horyzont czasowy: Operacyjne, bezzwłoczna (do miesiąca), długo- (powyżej 2 lat), średnio- (od 3 mies do 2 lat), krótkoterminowe (od 1 mies. do 3 mies.), strategiczne, perspektywiczne, ponadperspektywiczne

• Charakter lub struktura: Proste, złożone, ilościowe, jakościowe

• Stopień szczegółowości: Ogólne, szczegółowe

• Zakres ujęcia: Krajowe, międzynarodowe, światowe

• Metoda opracowania: Indukcyjne, dedukcyjne, minimajne, średnie, maksymalne, czyste (pierwotne) weryfikowane, modelowe,

• Cel lub funkcja: Ostrzegawcze, badawcze, normatywne, aktywne, pasywne

• Zasięg: Mikro-, makroekonomiczne.

• Prognozy wygasłe (zbudowane dla okresu, dla którego znana jest realizacja)

• Prognozy bezwarunkowe i warunkowe (uzależniające realizację zdarzenia od pewnych okoliczności)

• Prognozy punktowe i przedziałowe (przewidujące, że zmienna przyjmie w przyszłości określoną wartość lub wartość z pewnego przedziału)

5. Jakie są możliwości i granice naukowego przewidywania przyszłości?

W świecie, w którym żyjemy panuje pewien porządek- zdarzenia powiązane są różnymi zależnościami, które podlegają pewnym prawidłowościom. Prawidłowości jak i zależności mogą być różnego typu , mogą mieć charakter funkcyjny, przyczynowo-skutkowy, bezpośredni, pośredni, pierwotny , wtórny itd. W naukach technicznych , chemicznych identyfikacja i poznanie występujących prawidłowości i zależności może być bardzo dokładna .Natomiast w naukach ekonomicznych zależności i prawidłowości występujące w działalności gospodarczej mają charakter stochastyczny. Natężenie i kierunek zmian danych zjawisk i procesów determinowany jest przez wiele czynników o charakterze przypadkowym. Stąd w dział. Gospodarczej można przewidywać zjawiska i procesy mające charakter względnie stały. Nie można natomiast przewidywać z odpowiednią dokładnością zjawisk szczególnych, przypadkowych. Nie można również przewidzieć nagłej zmiany polityki gospodarczej rządu w odniesieniu np. do rolnictwa. Nie możemy przewidzieć takich sytuacji jak susze, przymrozki, powodzie. Czyli nie można przewidzieć zdarzeń losowych.

6. Wymień funkcje prognoz i omów jedną z nich.

-funkcja poznawcza

-preparacyjna( decyzyjna)

-strategiczna

-ostrzegawcza

-weryfikacyjna

-aktywizująca

Funkcja poznawcza- każda prawidłowo sporządzona prognoza jest najbardziej prawdopodobnym obrazem przyszłości. Z niej można dowiedzieć się o tendencjach rozwojowych badanych zjawisk i procesów, wpływu na nie różnych czynników, siły i rodzaju współzależności między procesami, możliwościach i ograniczeniach rozwojowych itp. Na podstawie tych informacji poznajemy przyszłość .Jest to jednocześnie funkcja poznawcza( informacyjna).Uzyskane z prognoz informacje umożliwiają, ułatwiają lub usprawniają wyznaczanie celów i określenie warunków działania.

7. Wymień i omów czynniki wpływające na trafność prognoz.

-horyzont prognozy - im horyzont prognozy jest dalszy, tym prawdopodobieństwo zaistnienia przewidywanego stanu maleje, a więc zmniejsza się pewność prognozy

-głębokość retrospekcji- to długość okresu, którym obserwuje się zjawisko stanowiące przedmiot prognozy; w długim okresie można wykryć więcej czynników określających dane zjawisko, siłę ich wpływu i znaczenie oraz ocenić charakter występujących zmian; pozwala to ustrzec się błędów polegających na przyjęciu mało istotnych, a pominięciu ważnych czynników kształtujących dane zjawisko.

-metody prognostyczne - aby prognoza byłą przydatna, należy przed zastosowaniem określonej metody dokonać także głębokiej analizy zjawiska w przeszłości i uzyskać właściwą ocenę jego cech; o wyborze metody prognozowania decydują następujące przesłanki: charakter procesu zmian prognozowanego zjawiska, horyzont czasu objęty prognozą, rodzaj informacji, którą dysponujemy, możliwości techniczne i osobowe.

-informacje prognostyczne- zależność trafności prognozy od rodzaju, jakości i zakresu informacji. Prognoza zbudowana na podstawie błędnych i niekompletnych informacji, niezgodnych z rzeczywistym poziomem zjawiska w przeszłości, nie odzwierciedla także prawidłowo zjawisk w przyszłości. Ważnym elementem jest zakres informacji. Zebrane informacje powinny charakteryzować kompleksowo przebieg prognozowanego zjawiska. Dlatego niekiedy należy rezygnować lepszej metody na rzecz gorszej z powodu braku niezbędnych informacji.

-moment konstrukcji prognozy

• horyzont prognozy (im dalszy tym prognoza mniejsza pewność prognozy),

• głębokość retrospekcji (długość okresu obserwacji zjawiska, w długim okresie można wykryć więcej czynników określających dane zjawisko, siłę ich wpływu, znaczenie oraz ocenić charakter występujących zmian),

• metody prognostyczne (należy stosować takie metody, które najlepiej odzwierciedlają rzeczywistość gospodarczą w zakresie danego zjawiska; zastosowanie metody powinno być poprzedzone szeroką i wnikliwą jej weryfikacją indukcyjną i dedukcyjną)

• informacje prognostyczne (rodzaj, jakość i zakres informacji);

• moment konstrukcji prognozy

Zwiększanie trafności prognoz:

• stosowanie kilku metod - porównanie wyników;

• porównanie z wynikami innych autorów;

• wyprowadzenie wniosków ze znanych już prognoz;

• weryfikacja merytoryczna i logiczna;

• prognozy ex post.

8. Wymień etapy procesu prognozowania i omów wybór metody prognozowania.

Etapy procesu prognozowania:

• określenie zakresu prognozowania;

• określenie horyzontu prognozowania;

• wybór metody prognozowania;

• zbiór informacji;

• wykonanie obliczeń;

• ocena trafności i realności prognozy;

• monitorowanie.

Wybór metody prognozowania:

• cel prognozy;

• specyfika rozpatrywanej sytuacji prognostycznej;

• charakter zmian prognozowanego zjawiska;

• właściwości metod prognozowania;

• horyzont czasu objęty prognozą;

• rodzaj i zakres dostępnych danych statystycznych;

• możliwości techniczne, osobowe;

• koszty zastosowania określonych metod.

9. Wymień znane Ci mierniki oceny dokładności prognoz i omów ich przydatność.

- średni błąd predykcji -SPB- określa o ile, przeciętnie biorąc, w długim ciągu predykcji rzeczywiste realizacje zmiennej prognozowanej będą odchylać się od wartości sformułowanej prognozy.

-średnia arytmetyczna błędów prognozy (ASBP lub ME )

-średnia bezwzględnej wartości błędów prognoz, zwana krótko błędem prognozy - mówi o ile sformułowane prognozy w poszczególnych okresach różnią się średnio od rzeczywistej wartości zmiennej prognozowanej.

-średni kwadrat błędu prognoz (MSE)-

• Trafność prognoz ilościowych mierzymy błędami ex post)

- średnia arytmetyczna błędów prognoz (ME)

• Średnia bezwzględnej wartości błędów MAE

• Średni względny błąd prognoz (MPE)

• Średnia bezwzględna błędów procentowych (MAPE)

• Średni kwadratowy błąd prognozy (MSE)

Błędy ex ante: służą do oceny dokładności prognoz

10. Co rozumiemy pod pojęciem przesłanek prognostycznych?

Przesłanki prognostyczne to hipotezy badawcze określające mechanizm prognozowanego zjawiska.

Przesłanki prognostyczne to hipotezy badawcze określające mechanizm prognozowanego zjawiska.

Przesłanki prognostyczne to czynniki np. bliższego i dalszego otoczenia przedsiębiorstwa oraz elementy strategii przedsiębiorstwa, które wywierają wpływ na prognozowane zjawisko, a także na przyjęcie hipotez dotyczących oddziaływania tych czynników na kształtowanie się prognozowanego zjawiska w okresach objętych budową prognozy.

Przyjęcie pewnych hipotez (założeń) dotyczących sposobów oddziaływania tych czynników (ich kierunku i siły) prowadzi do zajęcia przez prognostę określonej postawy wobec przyszłości prognozowanego zjawiska. Za ekstremalne uważa się postawy pasywną i aktywną.

Postawa pasywna - nieunikniona przyszłość, determinowana związkami między zjawiskami, będąca następstwem przeszłości. Przyjęcie założenia o stałości związków występujących między zjawiskiem prognozowanym a oddziałującymi na nie czynnikami.

Postawa aktywna - uznanie przyszłości za stosunkowo niezależną od przeszłości

11. Sformułuj zadania prognostyczne, gdy chcesz sporządzić prognozy potrzebne producentowi (np. trzody chlewnej, mleka, zbóż).

sformułowanie zadania prognostycznego - np. ceny wieprzowiny, mleka, zbóż,

a także cel wyznaczenia prognozy np. przedstawić kształtowanie się cen w

przyszłości, czy prognoza będzie podstawą do podjęcia decyzji produkcyjnych

czy inwestycyjnych, określenie postaci wyniku, jaki ma być uzyskany np. wykres

kształtowania się cen

− horyzont czasowy - ustalić jak daleko zamierzamy prognozować, im krótszy okres

prognozy tym bardziej szczegółowa prognoza, dłuższe horyzonty określają kierunek

rozwoju oraz natężenie związanych z nimi przeobrażeń

− wybór techniki prognozowania - determinowany przez: cel prognozy, specyfika

rozpatrywanej sytuacji prognostycznej, charakter procesu zmian prognozowanego

zjawiska, horyzont czasu, rodzaj dostępnej informacji, możliwości osobowe i

techniczne, właściwości i koszty wykorzystania metod prognostycznych

− zbiór odpowiednich informacji - ważny jest odpowiedni system pozyskania i

opracowania danych, należy ustalić źródło z którego będą dostępne i wiarygodne dane statystyczne np. raporty ARR, IERi GŻ

− wykonanie obliczeń

− weryfikacja prognozy - wykonana po upływie czasu, który obejmuje prognozę

− monitorowanie - ciągłe gromadzenie i analiza informacji, które mogą mieć wpływ na przewidywane zjawiska, w celu dokonania korekty w celach, środkach i sposobach działania

Sformułowanie zadania prognostycznego polega na określeniu zjawiska prognozowanego, celu budowy prognozy, zmiennej prognozowanej, okresu prognozy, horyzontu prognozy, interwału prognozy oraz wymagań dotyczących dopuszczalności (stopnia niepewności) prognozy.

Należy określić zjawisko, którego dotyczyć będzie budowana prognoza np. sprzedaż, przychody przedsiębiorstwa oraz cel budowy prognozy. Cel budowy prognozy wynika z konkretnego problemu decyzyjnego. Może nim być np. stworzenie określonych podstaw, niezbędnych do podjęcia decyzji o rozbudowie przedsiębiorstwa czy wprowadzeniu nowego produktu (usługi) na rynek, zaplanowanie wielkości produkcji czy zatrudnienia, określenie potrzeb finansowych przedsiębiorstwa itd. Po określeniu celu konstrukcji prognozy należy dokonać wyboru zmiennej charakteryzującej prognozowane zjawisko. Przykładowo wielkość sprzedaży może być określona ilościowo (w jednostkach naturalnych) bądź wartościowo (w cenach stałych lub bieżących). Wybór zmiennej (zmiennych) charakteryzującej badane zjawisko wynika z celu budowy prognozy. Ponadto na tym etapie należy określić okres, interwał i horyzont prognozy oraz wymagania dotyczące jej dopuszczalności (stopnia niepewności).

W przedsiębiorstwie na ogół wymagania dotyczące dopuszczalności prognozy określa się poprzez podanie maksymalnej dopuszczalnej wartości błędu budowanej prognozy. Umożliwia ona określenie kosztów błędu prognozy, jakie może zaakceptować przedsiębiorstwo.

W specyficznych sytuacjach wymagania odnośnie dopuszczalności prognozy mogą być sformułowane poprzez określenie żądanej wiarygodności prognozy tzn. prawdopodobieństwa realizacji prognozy.

Ścisłe sformułowanie zadania prognostycznego jest niezmiernie ważne, ponieważ wpływa na dalszy przebieg postępowania prognosty.

12. Czym różni się metoda prognozowania pośredniego od metody prognozowania bezpośredniego?(tylko tyle udało mi się znaleźć)

• metody bezpośrednie,

• wykorzystujące dane na temat. dotychczasowego przebiegu procesu,

• metody pośrednie

wykorzystujące dane na temat przebiegu badanego procesu oraz innych (np. analogicznych) procesów.

metody bezpośrednie - wykorzystujące dane nt. dotychczasowego przebiegu procesu,

metody pośrednie - wykorzystujące dane nt. przebiegu badanego procesu oraz innych (np. analogicznych) procesów

13. Opisz zasadę predykcji nieobciążonej.

Zasada predykcji nieobciążonej. Predykcja nieobciążona ma tę własność, że prognoza jest ustalana na poziomie równym nadziei matematycznej przewidywanej zmiennej endogenicznej przy założeniu, że spełnione są wszystkie warunki wyjściowe prognoz. Nieobciążoność predykcji oznacza, ze w przypadku wielokrotnego powtarzania się procesu wnioskowania, w przyszłości błędy prognoz będą miały charakter losowy o średniej zero i nie będą występować błędy systematyczne.

14.Opisz zasadę największego prawdopodobieństwa.

Zasada predykcji według największego prawdopodobieństwa polega na wyznaczeniu prognozy na poziomie równym modalnej (dominancie) rozkładu zmiennej prognozowanej.

• tak skonstruować prognozę aby miała duże szanse okazać się trafną

• wartością prognozy jest stan zmiennej, któremu odpowiada najwyższe prawdopodobieństwo lub max. wartość funkcji gęstości

• może być stosowana wówczas gdy zmienna prognozowana jest zmienną losową i jest znany jej rozkład prawdopodobieństwa tzn.

Yt+p=Mo(Yt) , gdzie Mo=modalna rozkładu

• gdy zmienna prognozowana ma charakter skokowy-predykcja wg tej zasady polega na przyjęciu za prognozę wartość zmiennej Y, której odpowiada największe prawdopodobieństwo realizacji

• przy zmiennej ciągłej za prognozę przyjmuję się wartość zmiennej prognozowanej, której odpowiada max. funkcji gęstości prawdopodobieństwa rozkładu tej zmiennej

15.Opisz zasadę minimalizacji oczekiwanej straty.

• gdy błędna prognoza prowadzi do strat, które są zależne od rozmiarów popełnionych błędów wnioskowania w przyszłość

• polega ona na wyborze takiej wartości, przy której realizacja prognozy do błędu przybiera wartość minimalną

• różnica między prognozą a wartością rzeczywistą przybiera wartość minimalną , gdy prognoza jest równa medianie rozkładu

16.Od czego zależy poprawność prognozowania?

od jakości danych, od wybranej metody metody prognozowania, od horyzontu prognozy, głębokości retrospekcji, informacji prognostycznych, od znajomości zjawiska

Poprawność prognozowania zależy od:

• Poprawnej analizy prognozowanego zjawiska,

• Odpowiednich informacji,

• Zastosowania właściwej metody prognozowania,

• Poprawnie skonstruowanego modelu prognozy.

17.Określ warunki dopuszczalności prognozy.

„gdy jest obdarzona przez odbiorcę stopniem zaufania wystarczającym do tego, by mogła być wykorzystana do celu, dla którego została wyznaczona”

V- wariancja prognozy (miernik ex-ante)

• Prognoza jest dopuszczalna, gdy jest obdarzona przez odbiorcę takim stopniem

zaufania by mogła być wykorzystana do celu dla ,którego została ustalona

• Praktycznie gdy błąd prognozy jest mniejszy od przyjętej liczby σ (różna w różnych

sferach działalności)

• Przedziałowa Prawdopodobieństwo P = 1-α

18. Co to są mierniki dokładności (niedokładności) predykcji?

Do celów prognostycznych wybiera się model dobry w sensie mierników: jakość modelu, wartość prognostyczna modelu (określa się ją przez badanie jakości prognoz : trafność - ex-post, dopuszczalność - ex-ante).

• Mierniki dokładności predykcji mają na celu zbadanie jakości prognoz ich trafności i dokładności

• Trafność prognoz ilościowych mierzymy błędami ex post i ex ante

19.Wymień znane Ci mierniki ex ante i ex post dokładności predykcji?

Trafność prognoz ilościowych mierzymy błędami ex post

- Średnia arytmetyczna błędów prognoz (ME)

• Średnia bezwzględnej wartości błędów MAE

• Średni względny błąd prognoz (MPE)

• Średnia bezwzględna błędów procentowych (MAPE)

• Średni kwadratowy błąd prognozy (MSE)

Błędy ex ante: służą do oceny dokładności prognoz, obliczane są jednocześnie z prognozą;

-wariancja prognozy Vp2= *E(Yi-Ypi)2 , Yi- wartość zmiennej prognozowanej

Ypi -prognoza

-błąd średni predykcji -pierwiastek z Yp2

Bezwględny błąd ex ante:

-Jest pierwiastkiem z wariancji prognozy

-Informuje, jakich przeciętnych wahań zmiennej prognozowanej wokół jej wartości oczekiwanej można spodziewać

-Tak otrzymany błąd prognozy jest wyrażony w tych jednostkach jak miary co zmienna prognozowana. Jest on wystarczający do wyboru spośród kilku modeli tej zmiennej takiego modelu, który daje najlepszą prognozę, czyli ma najwyższą wartość prognostyczną

20. Współczynnik Janusowy - ocena aktualności modelu:

Jeżeli J² Ⴃ 1 + ၤ dla ၤ małej liczby rzeczywistej (nieco większej od zera) to model nadal jest aktualny. Wariancja średniego błędu predykcji ex post nie jest dużo większa od wariancji resztowej modelu. Jeżeli J² jest dużo większe od 1 uznajemy, że model już się zdezaktualizował.

Ex-ante:

• Mierniki ex-ante informują o ile, rzeczywiste wartości zmiennej prognozowanej będą się odchylały od wartości prognozy.

• Określane w chwili wyznaczania prognozy gdy nie jest znana realizacja zmiennej prognozowanej.

• Stopień trafności określa się za pomocą błędów ex-ante

Błędy prognoz ex post mogą być wykorzystane do określenia dopuszczalności prognozy gdy:

• nowo formułowane przesłanki potwierdzają zasadność przesłanek przyjętych do wyznaczenia poprzedniej prognozy,

• do ustalenia nowej prognozy wykorzystuje się tę samą metodę co poprzednio,

• przedział weryfikacji poprzedniej prognozy jest taki sam jak żądany horyzont nowej prognozy,

• brak możliwości wyznaczenia mierników ex-ante

Ocena wartości prognostycznej modelu:

• Wykazanie przez odbiorcę stopnia zaufania do prognozy wystarczającego do wykorzystania w ustalonym celu,

• Żądany i maksymalny horyzont prognozy,

• Błąd prognozy ex ante - pierwiastek kwadratowy wariancji prognozy,

• Prawdopodobieństwo realizacji prognozy (prawdopodobieństwo, że zmienna prognozowa-na przyjmie określoną wartość),

• Wiarygodność prognozy (prawdopodobieństwo, że różnica pomiędzy wartością rzeczywistą a prognozowaną nie przekroczy określonej wartości).

Wariancja prognozy:

21. Współczynnik Theila:

Jeśli prognoza jest idealnie trafna. Im większe różnice między wartościami rzeczywistymi i prognozowanymi badanej zmiennej tym większa wartość tego miernika.

• Określa wielkość błędu z tytułu obciążoności prognozy. Nieodgadnięcie średniej wartości zmiennej prognozowanej.

• Określa wielkość błędu z tytułu nieodgadnięcia wahań zmiennej prognozowanej (niedostatecznej elastyczności).

• Określa wielkość błędu z tytułu nieodgadnięcia kierunku tendencji rozwojowej zmiennej prognozowanej (rozminięcie prognozy i realizacji).

22. Jak jest różnica pomiędzy pierwiastkiem błędu średniokwadratowego (RMSE), a średnim absolutnym błędem procentowym (MAPE)?

RMSE to błąd ex post BEZWZGLĘDNY, a MAPE to błąd ex post WZGLĘDNY

RMSE informuje nas o przecietnej różnicy między zmiennymi rzeczywistymi a prognozowanymi wyrażana w jednostce szeregu czasowego, a MAPE o przeciętnej procentowej różnicy między wartością rzeczywistą a wartością prognozy.

23. Czym różni się prognoza ex post od prognozy ex ante?

Ze względu na rodzaj posiadanej informacji wyróżnia się prognozy:

• ex post, w przypadku których wartości zmiennych objaśniających są znane, a prognoza może być porównana z wartościami zaobserwowanymi,

1. ex ante, w przypadku których dostępność danych, dotyczących zmiennych objaśniających, zależy od długości i struktury występujących opóźnień oraz charakteru zjawisk. Dane te są zazwyczaj wyznaczane z pewnym prawdopodobieństwem, wówczas otrzymana prognoza nosi nazwę warunkowej (względem zmiennych objaśniających).

W praktyce oznacza to, że prognozy ex post wyznacza się dla tzw. prognoz wygasłych, czyli takich, dla których w momencie sporządzania prognoz znane są prawdziwe wartości zmiennej prognozowanej.

24. Czym różnią się wahania sezonowe od wahań cyklicznych?

102. Wahania sezonowe to zmiany regularne powtarzające się w tym samym czasie w okresie każdego roku, natomiast wahania cykliczne wyrażają się w postaci długookresowych , rytmicznych zmian wartości zmiennej prognozowanej (pow, jednego roku)

Wahania sezonowe (St) to wahania wartości zmiennej wokół jej trendu lub stałego (przeciętnego) poziomu, powtarzające w okresie jednego roku. Przyczyną wahań o cyklu rocznym są na ogół czynniki przyrodnicze, dlatego nazywa się je wahaniami sezonowymi.

Cykliczność (Ct) regularny schemat fluktuacji wokół trendu, lub średniego poziomu, w okresie dłuższym od jednego roku. Cykliczność wywoływana jest warunkami ekonomicznymi, związanymi z cyklami koniunkturalnymi w gospodarce.

25.Omów składowe szeregów czasowych i powody ich występowania.

• Wahania przypadkowe-losowe, wynikają z działania czynników których nie da się przewidzieć

• Wahania sezonowe- wynikają z specyfiki pewnych zjawisk, wyrażają wpływ zachowań ludzi , wynikających z kalendarza lub specyfiki produkcji na kształtowanie się zmiennej prognozowanej ;powtarzają się regularnie w tym samym okresie każdego roku

• Wahania cykliczne-są to takie zmiany , które powtarzają się regularnie w analogicznych jednostkach czasu

• Tendencja rozwojowa-wyznacza ona rozwój danego zjawiska

• Wahania przypadkowe (wynikają z wpływu nie przewidzianych czynników),

• Wahania sezonowe (zmiana powtarzające się regularnie w tym samym okresie roku, mogą wynikać z kalendarza lub specyfiki i charakteru danego zjawiska np. produkcja rolnicza-większa podaż zbóż po żniwach),

• Wahania cykliczne(wynikają z przebiegu cyklu koniunkturalnego, zmany pojawiają się regularnie w analogicznych jednostkach czasu np. cykle koniunkturalne w ekonomii),

• Tendencja rozwojowa(systematyczne, jednokierunkowe zmiany (wzrost lub spadek) poziomu badanego zjawiska, zachodzące w długim okresie. Wskazuje na długookresowy kierunek rozwoju dostarcza informacji o charakterze strategicznym, długookresowym).

26. Podaj przesłanki pozwalające na zastosowanie w prognozowaniu szeregów czasowych oraz modeli ekonometrycznych.

• Podstawową przesłanką wnioskowani na podstawie modeli ekonometrycznych jest uznanie stochastycznego charakteru prawidłowości gospodarczych. By wykorzystać model ekonometryczny do prognozowania powinien, być on poprawienie zbudowany, oszacowany i zweryfikowany.

Poprawny modelowy opis zjawiska:

• realistycznie uwzględnia wszystkie elementy badanego zjawiska;

• umożliwia wnioskowanie na temat danego zjawiska;

• dostatecznie uwzględnia związki występujące pomiędzy badanymi zjawiskami.

Modele szeregów czasowych warto stasować gdy:

• trudno jest przedstawić ilościowo współzależności;

• odpowiedź co będzie, a nie dlaczego;

• niewiele zmiennych objaśniających;

• redukcja kosztów;

Modele szeregów czasowych ograniczenia:

• dysponowanie długimi szeregami czasowymi;

• wg zasady status quo (niezmienność czynników otoczenia), postawa pasywna;

• zmiany wyłącznie o charakterze ilościowym;

• niezbędna identyfikacja składników zmienności szeregu czasowego.

27. Wskaż wady i zalety naiwnych metod prognozowania.

Metody naiwne to błądzenie przypadkowe-wartość prognozy jest równa ostatniej zaobserwowanej wartości zmiennej

Zaletą metody naiwnej jest prostota, wadą brak oceny jakości prognozy na podstawie prognoz

wygasłych.

Zalety:

Prosty algorytm, łatwość zrozumienia, szybkie i tanie prognozowanie

Wady:

Niska jakość prognozy, ocena jedynie za pomocą błędów ex post

28.Opisz różnice pomiędzy metodą prognozowania średniej ruchomej prostej i ważonej.

Metoda prognozowania średniej ruchomej prostej za prognozę przyjmuję średnia arytmetyczną z kilku ostatnich obserwacji w szeregu czasowym. Wszystkie obserwacje są tak samo ważne. Natomiast metoda średniej ważonej nadaje wagi, w taki sposób, że obserwacją nowszym nadaje wagi wyższe. Co oznacza, że na prognozę największy wpływ mają ostatnie obserwacje.

29.Co to jest funkcja trendu?

Trend albo tendencja rozwojowa - monotoniczny składnik w modelu zależności badanej cechy statystycznej od czasu

Tendencja rozwojowa (Tt) systematyczne, jednokierunkowe zmiany (wzrost lub spadek) poziomu badanego zjawiska, zachodzące w długim okresie. Wskazuje na długookresowy kierunek rozwoju dostarcza informacji o charakterze strategicznym, długookresowym.

30.Omów predykcję na podstawie trendu liniowego

yt =a+ b* t

Wybór funkcji trendu na podstawie analizy graficznej, metod heurystycznych, badań przyrostów, Określenie parametrów funkcji trendu liniowego, Ocena dopasowania liniowej funkcji trendu (wyznaczenie reszt oraz obliczenie odchylenia standardowego reszt)

31.Zapisz ogólną postać modelu trendu z sezonowością

Sezonowość multiplikatywna:

Y_t = T_t ^. S_t ^. I_t

Sezonowość addytywna:

Y_t = T_t + S_t + I_t

32.Wymień przykłady modeli tendencji rozwojowej.

• Liniowa funkcja trendu

• potęgowa funkcja trendu

• Trend wykładniczy itd

Modele tendencji rozwojowej:

• Trend liniowy,

• Trend potęgowy,

• Trend wykładniczy,

• Zmodyfikowany trend wykładniczy,

• Trend kwadratowy,

• Trend hiperboliczny,

• Trend logistyczny,

• Model trendu Gompertza.

33.Opisz metodę prostego wyrównywania wykładniczego

Istota tej metody polega na tym, że szereg czasowy zmiennej prognozowanej wygładza się za pomocą ważonej średniej ruchomej, przy czym wagi są określane według funkcji wykładniczej. Podstawowym założeniem przy stosowaniu tych metod jest przyjęcie, że przyrosty wartości trendu zmiennej prognozowanej (poza okresami, kiedy następowała zmiana lub załamanie trendu) są w przybliżeniu stałe lub zmieniają się w regularny sposób.

34.Kiedy można zastosować metodę wyrównywania wykładniczego Holta, a kiedy

Wintersa?

• Metoda liniowa HOLTA - gdy występuje tendencja rozwojowa i wahania przypadkowe,

• Metoda WINTERA - gdy występuje tendencja rozwojowa, wahania sezonowe i wahania przypadkowe.

Holta:

-podobna do Browna II rzędu

-występują dwie stałe wygładzania: do wygładzania poziomu trendu i do wygładzania jego zmian

-ważny jest wybór stałych wygładzania - dokonuje się tego z punktu widzenia minimalizacji błędów sporządzonych prognoz

-nadaje się do prognozowania szeregu z tendencją rozwojową i wahaniami przypadkowymi

-należy do adaptacyjnych metod prognozowania

Wintersa:

Jest to jedna z adaptacyjnych metod prognozowania. Stosuje się ją gdy w szeregu czasowym występują wahania sezonowe i tendencja.

Występują 3 stałe wygładzania:

α - do wygładzania poziomu trendu

γ - do wygładzania zmiany trendu

δ - do wygładzania wahań sezonowych

Wybieramy tą z najmniejszym średnim kwadratem błędu prognoz.

35.Wymień kroki postępowania przy konstrukcji modelu trendu pełzającego

Krok I.

Ustalenie wartości stałej wygładzania 1<k<n. Najczęściej przyjmuje się k=3 (stała wygładzania jest liczbą naturalną). Wartość stałej wygładzania zależy od szybkości zmian poziomu zjawiska w czasie. Jeśli występują duże różnice w poziomach zjawiska (zmiennej) w krótkich okresach, należy wybrać dość małą wartość stałej wygładzania. Jeżeli zaś zauważa się powolne zmiany, wtedy można przyjąć stałą wygładzania o wyższej wartości. Wyższa wartość stałej wygładzania powoduje większe wygładzenie szeregu, a w związku z tym słabsze reagowanie na zmiany zachodzące w szeregu czasowym.

Jakość wygładzania zależy od trafnego doboru stałej wygładzania. W przypadku załamywania się trendu za stałą wygładzania można przyjąć pierwszy zlokalizowany punkt zwrotny, tj taki moment czasu, po którym nie dochodzi do zmiany dynamiki lub kierunku trendu.

• Krok II

Oszacowanie parametrów funkcji trendu metodą najmniejszych kwadratów
na podstawie kolejnych fragmentów szeregu o długości k.

• Krok III

Obliczenie wygładzonych wartości zmiennej
, tj. wartości teoretycznych wynikających z danej funkcji trendu. Z danej funkcji trendu wyznaczamy wartości teoretyczne dla tych okresów t, na podstawie których była szacowana funkcja trendu. Tak więc dla dowolnego t z przedziału (2; n-1) wartości oszacowanej odpowiada nie jedna, a zbiór aproksymant
, otrzymany na podstawie funkcji trendu.

• Krok IV

Obliczenie średniej wartości wygładzonej
dla każdego okresu t jako średniej arytmetycznej wartości wygładzonych, wyznaczonych dla tego okresu w kroku III.

• Krok V

Obliczenie przyrostów funkcji trendu dla wartości wygładzonych

• Krok VI

Nadanie wag poszczególnym przyrostom. Wagi te realizują proces postarzania informacji. Wagi nadawane są w ten sposób, by najnowsze przyrosty miały największe znaczenie. Suma wag wynosi 1. Konstrukcja wag jest następująca:

Wartości wag harmonicznych dla znanej liczby przyrostów można także odszukać w tablicach statystycznych.

• Krok VII

Określenie średniego przyrostu trendu jako średniej ważonej (wagami harmonicznymi) wszystkich przyrostów obliczonych w kroku V.

Krok VIII

Wyznaczenie prognozy punktowej na moment/okres T

36.Opisz prognozowanie metodą wag harmonicznych

• Wyrównanie szeregu czasowego za pomocą trendu pełzającego

• Ekstrapolacja trendu

1.Przyjmujemy okres wygładzania k

Szacujemy parametry liniowego trendu dla określonego k.

Wyznaczenie wartości wygładzonych polegający na wstawieniu kolejnych wartości t do odpowiednich funkcji.

Ostateczne wygładzenie szeregu otrzymamy przez obliczenie średnich arytmetycznych dla t.

2.Prognoza dla okresu T:

- wartość wygładzona metodą trendu pełzającego w okresie n-tym

w - współczynnik harmoniczny

37.Co to jest analiza scenariuszowa?

Metoda scenariuszowa jest jedną z heurystycznych metod podejmowania decyzji. Opiera się na założeniu, że zdarzeń w przyszłości nie da się przewidzieć z całą pewnością, należy więc przewidzieć i opracować różne "scenariusze" rozwoju obecnej sytuacji. Do każdego wariantu opracowywany jest sposób zachowania w przypadku, gdyby okazał się prawdziwy. Do realizacji przyjmuje się ten wariant, który wydaje się najbardziej prawdopodobny, jeśli jednak nie sprawdzi się, należy skorzystać z jednego z uprzednio przygotowanych rozwiązań alternatywnych.

Metoda scenariuszowa jest często wykorzystywana w przedsiębiorstwach w celu badania zmian, które mogą zajść w makrootoczeniu

38.Co to jest szereg czasowy?

Szeregiem czasowym nazywamy zbiór wartości cechy w uporządkowanych chronologicznie różnych momentach (przedziałach) czasu.

Jednowymiarowy szereg czasowy (pokazuje stany zmiennej prognozowanej y w momencie lub okresie t, gdzie: t = 1,2,3...,n

39.Kiedy szereg jest stacjonarny?

Szereg jest stacjonarny, kiedy zmienność, która występuje odbywa się wokół stałej wielkości. Przykładem takiego szeregu jest kształtowanie się średnio miesięcznych temperatur powietrza,czy opadów w tych samych miesiącach poszczególnych lat.

Szereg jest stacjonarny kiedy dla zjawiska lub procesu gospodarczego występujące zmiany nie wykazują tendencji, wahań sezonowych ani cyklicznych. Zmienność, która występuje odbywa się wokół stałej wielkości. Przykładem może być kształtowanie się średnio miesięcznych temperatur powietrza czy opadów w tych samych miesiącach poszczególnych lat.

40, Co to są modele klasy ARIMA?

Stosowanie do konstrukcji prognoz modeli ARIMA (p,d,q) wymaga dysponowania długim szeregiem czasowym (>50). Tego typu modele często są używane do prognozowania zjawisk gospodarczych.

W modelu wyróżniamy trzy parametry ARIMA (p,d,q) parametry autoregresyjne -p, rząd różnicowania d, parametry średniej ruchomej -q. Modele klasy ARIMA mogą być stosowane wówczas, gdy w szeregu czasowym występuje stały poziom zmiennej prognozowanej i wahania przypadkowe (szereg stacjonarny). W przypadku gdy w szeregu czasowym występuje tendencja rozwojowa i wahania przypadkowe, ich zastosowanie jest poprzedzane przekształceniem (za pomocą operacji różnicowania-d) pierwotnego szeregu czasowego w szereg stacjonarny. W sytuacji, gdy w szeregu czasowym występują wahania sezonowe, przypadkowe i ewentualnie tendencja rozwojowa, po eliminacji trendu (jeśli występuje) za pomocą operacji różnicowania szeregu, stosuje się model z odpowiednimi opóźnieniami czasowymi zmiennej prognozowanej

41, Jaki test możemy zastosować do weryfikacji hipotezy o braku autokorelacji stopnia pierwszego?

W celu sprawdzenia, czy między składnikami resztowymi analizowanego modelu występuje autokorelacja, możemy zastosować test Durbina - Watsona.

Badanie autokorelacji (weryfikacja współczynnika autokorelacji):

Test Durbina - Watsona dla i = 1

Aby w sposób poprawny zastosować ten test, analizowany model ekonometryczny musi posiadać wyraz wolny, składnik resztowy musi mieć rozkład normalny a w charakterze zmiennej objaśniającej nie może występować opóźniona zmienna objaśniana.

42.Na czym polega zasada postarzania informacji?

Zasada ta polega na preferownianiu informacji nowszych, te informacje mają wyższe rangi,

43.Wymień wady i zalety modeli tendencji rozwojowej

Przykłady modeli tendencji rozwojowej.

• Liniowa funkcja trendu

• potęgowa funkcja trendu

• Trend wykładniczy itd

Modele trendu -wady i zalety

Zalety:

• •znajomość wartości zmiennych objaśniających w okresie prognozowanym,

• •w modelach trendu i sezonowości są ustalone (nielosowe) wartości zmiennych zerojedynkowych (powtarzają się w kolejnych okresach)

• •prostota obliczeń,

• •łatwość ekstrapolacji modelu na okresy przyszłe (wynika ze znajomości wartości),

• •łatwość prognozowania.

Wady:

• •modele opisują przebieg zjawiska w czasie a nie wyjaśniają mechanizmu przyczynowo -skutkowego (mają mniejszą wartość poznawczą niż modele przyczynowo -skutkowe)

• •nieograniczoność funkcji trendu w miarę jak t rośnie do nieskończoności, dotyczy to wszystkich modeli trendu z wyjątkiem wielomianu trygonometrycznego

(Ze względu na to możemy otrzymać mało wiarygodne prognozy, gdzie trend jest opisany jako funkcja zmiennej czasowej t)

• •przydatność w prognozowaniu na krótkie i co najwyżej średnie okresy

• •T przy dużej zmienności procesu

44. Na czym polega podstawowy problem w wyznaczaniu prognoz na podstawie modelu przyczynowo-opisowego?

Problemem jest dobór właściwego zestawu zmiennych objaśniających (zmienne, które wchodząc do modelu, zapewniałyby możliwie dokładny opis wahań prognozowanej w danym przedziale czasu). Jeżeli już w danym przedziale czasowym model nie wykazuje zgodności z rzeczywistością to uzasadnione jest domniemanie ze również będzie on mało dokładny przy prognozowaniu.

45.Jak wyznaczyć prognozę na podstawie oszacowanego modelu ekonometrycznego?

Na podstawie dobrego modelu ekonometrycznego ustalamy wartość zmiennej objaśnianej dla niezaobserwowanych w próbie wartości zmiennych objaśniających.

Podstawowa reguła prognozowania polega na tym, że za prognozę zmiennej objaśnianej na czas przyjmuje się wartość z modelu tej zmiennej, obliczoną przy przewidywanych dla czasu t wartościach zmiennych objaśniających.

Prognozy mogą być dwojakie: punktowe lub przedziałowe.

Prognoza punktowa:

Prognoza przedziałowa:

W przypadku gdy odchylenia losowe modelu mają rozkład normalny prognozy wyznacza się w następujący sposób:

→ mała próba (n  30)

t odczytuje się z tablic t-Studenta dla n - k - 1 stopni swobody

→ duża próba (n > 30)

u odczytuje się z tablic dystrybuanty rozkładu normalnego

W przypadku gdy odchylenia losowe nie mają rozkładu normalnego (nie weryfikowano hipotezy lub została odrzucona) prognozy wyznacza się w następujący sposób:

46. Jakie przyjmuje się założenia, co do wartości składnika losowego w prognozowanym okresie, przy wyznaczaniu prognoz w oparciu o modele ekonometryczne?

(znalazłam tylko jedno:/)

Rozkład składnika losowego modelu nie ulegnie zmianie w czasie, to znaczy jego rozkład jest stacjonarny.

Model ekonometryczny jest statystycznym opisem zależności między zmiennymi relacji będących obrazem rzeczywistości ekonomicznej ale przede wszystkim jest instrumentem analizy modelowanych zależności.

Ponieważ model budowany jest w oparciu o informacje z przeszłości, chcemy wiedzieć jakie są możliwości wykorzystania modelu do opisu przyszłości. Opis taki z pewnością wymaga przyjęcia istotnych dla wiarygodności opisu założeń, czego dotyczą?.

1. Założenia, że zbudowany został „dobry model”,

2. Relacje strukturalne są stabilne w czasie, daje to przekonanie, że związki opisane w oparciu o informacje z przeszłości będą miały podobne charakterystyki w horyzoncie prognozy,

3. Składnik losowy ma stały rozkład w czasie. Oznacza to, że nie pojawiają się nowe istotne zmienne oddziaływujące na zmienną prognozowaną, dotychczasowe natomiast nie zmieniają swego oddziaływania zgodnie z założeniem 2,

4. Znane są wartości zmiennych objaśniających /lub ich rozkłady prawdopodobieństwa/ w momencie lub okresie prognozowanym,

Nie istnieją ograniczenia co do możliwości eks

Druga wersja tego samego:

PROGNOZOWANIE NA PODSTAWIE MODELU EKONOMETRYCZNEGO
Inaczej predykcja ekonometryczna.
Aby można było wnioskować na podstawie modelu ekonometrycznego, muszą być spełnione następujące założenia:
· Znajomość modelu zmiennej prognozowanej,
· Stabilność parametrów parametrów postaci analitycznej,
· Stabilność rozkładu odchyleń losowych modelu,
· Znajomość wartości zmiennych objaśniających objaśniających okresie prognozowania,
· Dopuszczalność ekstrapolacji modelu poza próbę statystyczną.
Prognozowanie na podstawie:
· Trendu: uzyskuje się na podstawie modelu tendencji rozwojowej drogą prostej jego ekstrapolacji. W tym celu do oszacowanego równania w miejsce zmiennej czasowej wstawia się numer okresu prognozowania i otrzymuje się prognozę zmiennej w okresie
· Modelu opisowego: znajomość trendów, planów społeczno-gospodarczych, inne prognozy
· Wag harmonicznych: jest związana z predykcją według tzw. Zasady postarzania informacji (preferowanie informacji nowszych - wyższa ranga niż starsze - niższa ranga)

Składnik losowy wyraża tzw. błąd w równaniu, czyli wpływ na Y czynników nie uwzględnionych w modelu w sposób bezpośredni, takich jak: warunki klimatyczne, zawartość cukru w burakach cukrowych, przygotowanie cukrowni do kampanii cukrowniczej itp. Zależność produkcji cukru od powierzchni uprawy buraka cukrowego jest liniowa.

47.Jak można dokonać doboru odpowiedniej postaci funkcyjnej modelu tendencji rozwojowej?

W modelach tendencji rozwojowych opisuje się wahania badanych zmiennych w czasie, przedstawiając zmiennie endogeniczne jako funkcje czasu. Ustalenie postaci analitycznej funkcji trendu można oprzeć na przesłankach teoretycznych o określonym mechanizmie rozwoju zmiennej prognozowanej (endogenicznej). Mogą to być np. fazy życia produktu.

Dotychczas nie ma jednolitego, możliwego do powszechnego zastosowania sposobu wybory postaci analitycznej modelu. Najczęściej są to:

• Analiza graficzna

• Metoda heurystyczna

• Badanie przyrostów

• Inne sposoby np. analiza wariancji, metoda ortogonalnych wielomianów Fishera

48, Co w modelach autoregresyjnych pełni rolę zmiennych objaśniających?

Rolę zmiennej objaśniającej pełni zmienna objaśniana opóźniona w czasie o jeden lub więcej okresów (modele bez zmiennych egzogenicznych) - opóźnione wartości zmiennych objaśnianych

49.Co możemy wykorzystać w celu wyboru związku funkcyjnego miedzy zmienną objaśnianą, a objaśniającą w modelach przyczynowo - opisowych?

Analiza regresji jest narzędziem do opisu i oszacowania ilościowego związku między daną zmienną objaśnianą (zależną), a jedną lub więcej zmiennymi objaśniającymi (niezależnymi):

• zmienne objaśniające: x1, x2, ..., xk.

• zmienna objaśniana: y

Jeśli:

• k = 1 - regresja prosta,

• k > 1 - regresja złożona.

50.Kiedy stosuje się prognozowanie analogowe?

Do rozwiązywania takich problemów prognozowania jak:

• Przewidywanie punktów zwrotnych trendu i zmiany powiązań między zmiennymi w przyszłości

• Przewidywanie postaci trendu i związku między zmiennymi w przyszłości

• Przewidywanie zajścia nowych zdarzeń w obiekcie, dla którego buduje się prognozę

51.Na czym polega prognozowanie analogowe?

Istotą tej metody jest prognozowanie o przyszłości jednych obiektów na podstawie wiedzy o innych podobnych obiektach. Podobieństwo to może być określone ze względu na wartość zmiennych opisujących obiekty lub postać między zmiennymi.

(inaczej: Polega na przewidywaniu przyszłości określonej zmiennej przez wykorzystanie informacji o innych zmiennych, których zmiany w czasie są podobne, jakkolwiek nierównoczesne)

52.Czy różnią się zmienne jednoimienne od zmiennych różnoimiennych?

Jeśli zmienna prognozowana i zmienne wykorzystane do predykcji są tego samego typu i mają tego samego typu miana, to mamy do czynienia z prognozowaniem na podstawie zmiennych jednoimiennych, w przeciwnym wypadku jest to prognozowanie na podstawie zmiennych różnoimiennych.

53.Wymień cztery główne rodzaje metod analogowych.

• Metoda analogii biologicznych

• Metoda analogii przestrzennych

• Metoda analogii historycznych

• Metoda analogii przestrzenno-czasowych

54.Na czym polega metoda analogii przestrzennych?

Polega na przenoszeniu z jednych obiektów do innych prawidłowości zmian zjawisk w czasie. (inaczej: przewidywanie wystąpienia zjawiska na danym obszarze po zaobserwowaniu go na innych obszarach np. pojawienie się choroby na jednym obszarze pozwala przypuszczać, że rozprzestrzeni się ona na obszar sąsiedni)

55.Na czym polega metoda analogii przestrzenno-czasowych?

Polega na przenoszeniu prawidłowości zmian w czasie jednych zjawisk na inne w tym samym obiekcie (np. wzrost zainteresowania firmą po wprowadzeniu nowego modelu w jednym kraju, może być podstawą do prognozowania wzrostu zainteresowania w innym kraju po wprowadzeniu w nim nowego produktu)

56.Jaki jest najważniejszy problem metodologiczny prognozowania analogowego?

Najważniejszym problemem metodologicznym prognozowania analogowego jest określenie podobieństwa zmiennych. W przypadku prognoz ilościowych należy stosować ilościowe kryteria podobieństwa. Są nimi:

• kryterium podobieństwa poziomu

• kryterium podobieństwa kształtu

57.Co rozumiemy przez heurystyczne metody prognozowania?

Są to metody prognozowania oparte na wiedzy, doświadczeniu i intuicji pewnych ekspertów. Oparte na regule największego prawdopodobieństwa.

(bardziej szczegółowo: To przewidywanie nowych obrazów rzeczywistości niekoniecznie dających się opisać za pomocą analizy przeszłości. Określa się je również jako intuicyjne, bo opiera się ono na wyobraźni i zdrowym rozsądku. Nie oparte z reguły na ścisłych obliczeniach. Ogólną ich ideą jest porządkowanie wypowiedzi i ocen ekspertów z danej dziedziny wiedzy dotyczącej przyszłości.)

58.Jakie znaczenie mają opinie ekspertów w przypadku prognozowania heurystycznego?

Metody heurystyczne polegają na wykorzystaniu opinii ekspertów, opartej na intuicji i doświadczeniu. Ekspert buduje model myślowy prognozowanego wycinka rzeczywistości, starając się w nim uwzględnić fakty zarówno już znane, jak i przeczuwane mierzalne i niemierzalne. Dokonuje eksperymentów na modelu, usiłując odgadnąć czynniki, które mogą wpłynąć na zmianę prognozowanego zjawiska. W procesie prognozowania występuje od kilku do kilkudziesięciu ekspertów. Ich opinie są opracowywane przez organizatorów badania, którzy w celu uzyskania prognozy stosują zazwyczaj zasadę największego prawdopodobieństwa.

59.Do jakich celów wykorzystuje się metody heurystyczne?

Metody heurystyczne stosujemy w tych dziedzinach, w których problemy nie zostały jeszcze wystarczająco dokładnie poznane, gdzie trudno jest skwantyfikować istniejące zależności i prawidłowości do przewidywania zjawisk i procesów niemierzalnych, jakościowych, nowych, a także tych, dla których nie jest możliwe przeprowadzenie odpowiedniej analizy retrospektywnej

60.Wymień kilka przykłady metod heurystycznych.

Metody heurystyczne to:

• metoda delficka

• metoda SEER(odmiana metody delfickiej)

• „burza mózgów”(konferencje problemowe)

• metoda refleksji

61.Jakie warunki powinna spełniać grupa ekspertów formułująca prognozę metodą delficką?

• Grupa powinna być uniwersalna tzn. złożona z osób wszechstronnych, przestawicieli różnych dziedzin nauki i praktyki

• Grupa powinna być liczna, by reprezentować różne poglądy

• wybrane osoby powinny niezależnie myśleć oraz mieć niezależną wizję przyszłości.

Eksperci powinni posiadać dużą wiedzę merytoryczną w tematyce będącej przedmiotem ankiet i jednocześnie szerokie horyzonty, być kompetentni, przejawiać niezależność w myśleniu i reprezentować różnorodne doświadczenia.

62.Co to jest „burza mózgów”

Burza mózgów jest jedną z tzw. metod heurystycznych i najbardziej znaną odmianą konferencji problemowej. „Burza mózgów” to procedura grupowa, w której każdy członek grupy indywidualnie generuje pomysły i poddaje je dyskusji na forum grupy.

Etapy burzy mózgów:

- Jasno formułowany jest temat

- Tworzone są pomysły w poszczególnych grupach

(struktura zespołu np. specjaliści z danej dziedziny 40 - 70%,

specjaliści dziedzin pokrewnych 20-50,

osoby nie związane z problemem 10-30%)

- Dokładana analiza zgłoszonych projektów, przez zespół oceniający.

Wybór najlepszego projektu bądź projektu który jest połączeniem kilku

istniejących projektów.

(jednorodny zespół specjalistów z danej dziedziny)

63.Na czy polega metoda delficka?

Metoda delficka polega na opracowaniu szczegółowych ankiet skierowanych do specjalistów i ekspertów, a następnie na uogólnieniu opinii na podstawie analizy uzyskanych odpowiedzi.

64.Omów główne funkcje prognoz?

• poznawcza, rozpoznawcza, albo informacyjna- dzięki prognozom dowiadujemy się o tendencjach rozwojowych badanych zjawisk i procesów, wpływaniu na nie różnych czynników, siły i rodzaju współzależności między procesami, możliwościach i ograniczeniach rozwojowych.

• decyzyjna,preparacyjna - pomaga przy podejmowaniu decyzji, przygotowuje na inne działania.

• strategiczna - prognozy mogą stanowić podstawę długofalowego działania lub długofalowej polityki gospodarczej. Może być podstawą wyboru strategi długo- bądź krótkofalowego działania.

• ostrzegawcza - pozwala podjąć działania zapobiegawczo-preferencyjne.

• weryfikacyjna - prognozy dają wcześniejsze rozeznanie o stopniu realizacji celów

• aktywizująca - pobudza do podejmowania działań sprzyjających realizacji prognozy.

65.Wymień podstawowe zasady budowy prognoz ekonometrycznych.

• zasada predykcji nieobciążonej

• zasada predykcji największego prawdopodobieństwa

• zasada predykcji minimalizującej oczekiwaną stratę

• zasada predykcji punktowej i przedziałowej

− zasada predykcji nieobciążonej - prognoza ustalana na poziomie równym nadziei

matematycznej przewidywanej zmiennej endogenicznej, przy założeniu, że spełnione

są wszystkie warunki wyjściowe prognoz. Nieobciążoność predykcji oznacza, że w

przypadku wielokrotnego powtarzania procesu wnioskowania w przyszłość błędy

prognoz będą miały charakter losowy o średniej zero i nie będą występować błędy

systematyczne.

− zasada predykcji największego prawdopodobieństwa - prognoza przyjmuje wartość, która występuję z największym prawdopodobieństwem lub maksymalna wartość funkcji gęstości rozkładu. Prognozą jest wartość modalna rozkładu. Zasada może być stosowana wówczas, gdy zmienna prognozowana jest zmienną losową oraz gdy znany jest rozkład prawdopodobieństwa.

− zasada predykcji minimalizacji oczekiwanej straty - polega na wyborze takiej

wartości zmiennej, przy której relacja prognozy do błędu jest minimalna. Różnica

między prognozą a wartością rzeczywistą jest minimalna wtedy, gdy prognoza

przyjmuje wartość mediany rozkładu.

− zasada predykcji punktowej i przedziałowej - predykcja punktowa polega na wyborze jednej liczby, uznanej za najlepszą ocenę interesującej nas zmiennej w przyszłym okresie. Predykcja przedziałowa polega na wyznaczeniu przedziału liczbowego o takiej właściwości, że można mu przypisać rozsądnie bliskie prawdopodobieństwo tego, że wartość rzeczywista zmiennej prognozowanej znajdzie się w tym przedziale.

66.Co oznacza aktywna oraz pasywna postawa przyjmowana w procesie prognozowania?

Postawa pasywna oznacza przyjęcie stałości związków występujących między zjawiskiem prognozowanym, a oddziałującymi na niego czynnikami, natomiast postawa aktywna polega na przekonaniu, że przyszłość jest w pewnym stopniu niezależna od przeszłości, przyjmuje się więc możliwość zmiany związków między zjawiskiem prognozowanym, a warunkującymi go czynnikami

67.Dzięki czemu jesteśmy zdolni budować prognozy zjawisk ekonomicznych?

Prognozy ekonomiczne możemy budować dzięki temu, że w świecie panuje pewien określony porządek. Polega on na tym,że zdarzenia powiązane są różnymi zależnościami oraz na tym,że zależności te podlegają pewnym prawidłowościom.

68.Dlaczego prognozy nie zawsze się sprawdzają?

- zbyt daleki horyzont prognozy

-zła głębokość retrospekcji (za krótki okres obserwacji zjawiska stanowiącego przedmiot prognozy)

- wybór złej metody prognostycznej

-błędne lub niekompletne informacje prognostyczne

69.Jakie Twoim zdaniem są główne problemy związane z prognozowaniem zjawisk gospodarczych

-Natężenie i kierunek zmian zjawisk i procesów gospodarczych determinowany jest przez wiele czynników przypadkowych.(Nie można przewidzieć nagłej zmiany polityki rządu). Niektóre zjawiska można przewidzieć tylko na poziomie „przeciętnym

-Nieadekwatność ujęcie teoretycznych ,odwzorowujących rzeczywistość i zmiany jakie w niej zachodzą jest źródłem błędów w prognozie

70.Na czym polega integracja metod prognozowania?

Prowadzone przez różnych autorów badania wykazały, że nie istnieje tylko jedna metoda prognozowania, która jest optymalna w każdej sytuacji prognostycznej - czasem bardziej trafne prognozy uzyskuje się za pomocą metod ilościowych, a innym razem za pomocą metod jakościowych. W stosowanych obecnie systemach prognostycznych przedsiębiorstw często używa się metod należących do obu tych grup (ilościowych i jakościowych). Metody ilościowe są rutynowo wykorzystywane do analizy danych historycznych i przygotowania wstępnych prognoz, które następnie są przedmiotem subiektywnych ocen dokonywanych przez menedżerów - mogą oni modyfikować prognozy z punktu widzenia innych istotnych informacji oraz własnych ocen dotyczących przyszłości.??

71. Od jakich czynników zależy wybór metody programowania?

Wybór techniki prognozowania zależy od wielu elementów. Zastosowanie metody powinno być poprzedzone szeroką i wnikliwą analizą. Chodzi o to, by poznać zalety i wady poszczególnych metod oraz warunki ich stosowania. Przed zastosowanie określonej metody należy także dokonać głębokiej analizy zjawiska w przeszłości i uzyskać właściwą ocenę jego cech. Przyjmuje się, że o wyborze metody prognozowania decydują określone przesłanki. Są to: charakter procesu zmian prognozowanego zjawiska, horyzont czasu objęty prognozą, rodzaj informacji, którą dysponujemy, możliwości techniczne i osobowe.

72. W jaki sposób zidentyfikować składniki zmienności szeregu czasowego?

Decyzja o zastosowaniu szeregu do prognozowania i wyboru reguły prognozowania budowy powinna być poprzedzona analizą charakteru występującej zmienności. Do tego celu niezbędne jest zastosowanie określonych testów statystycznych (parametrycznych i nieparametrycznych). Spośród testów nieparametrycznych najczęściej stosuje się: test serii oparty na znakach odchyleń obserwacji zmiennej prognozowanej od mediany, test punktów zwrotnych, test znaków oparty na znakach pierwszych różnic obserwowanej zmiennej prognozowanej, test Danielsa oparty na współczynniku korelacji rang Spearmana. Spośród testów parametrycznych najczęściej stosuje się: test dotyczący współczynnika korelacji, test vn Neumana oparty na sumie kwadratów pierwszych różnic obserwacji zmiennej prognozowanej, test Bartletta oparty na funkcji autokorelacji.

Np. o tym, czy występują wahania sezonowe można się dowiedzieć nie tylko z analizy testów statystycznych, ale także z pozastatystycznej wiedzy o danym zjawisku a także analizy graficznej. Analiza graficzna w tym przypadku polega na zrobieniu dwóch rysunków: jednego, na którym przedstawiony jest poziom danego zjawiska dla całego szeregu czasowego, drugiego, na którym przedstawiony jest poziom danego zjawiska dla jednoimiennych okresów. Jeżeli wahania dla jednoimiennych okresów są widocznie mniejsze niż dla całego szeregu, wtedy występują wahania sezonowe w danym szeregu.

73. Wymień kryteria oceny jakości danych statystycznych.

Przy wyborze informacji gromadzonych do budowy prognoz należy stosować określone kryteria. Należą do nich: prawdziwość, jednoznaczność, identyfikowalność zjawiska przez zmienne, kompletność, aktualność w przyszłości, porównywalność, koszt zbierania i opracowywania. Dane są prawdziwe, gdy odpowiadają przedmiotowi, którego dotyczą. Jednoznaczność danych oznacza podawanie ich w taki sposób by każdy odbierał je w takim sam sposób. Przez kompletność rozumiemy wszystkie dane niezbędne do diagnozy i prognozy, a pomijanie informacji marginesowych czy tez powtarzających się. Wymagania co do porównywalności danych mogą być rozpatrywane pod kątem różnych czynników. Najczęściej są to: czas (jednakowe momenty i odstępy między obserwacjami), terytorium, te same pojęcia i kategorie.

74. W jaki sposób ocenić jakość modelu prognostycznego?

Wyróżnia się wiele różnych materiałów dokładności wnioskowania w przyszłość. Ze względu na moment ich sporządzania można je podzielić na mierniki dokładności ex ante i ex post. Mierniki ex ante charakteryzują się tym, że obliczane są jednocześnie z prognozą. Na ogół podawana jest spodziewana wartość odchyleń rzeczywistych zmiennej prognozowanej od prognozy. Mierniki ex post cechują się tym, ze obliczane są na podstawie informacji o prognozach już wygasłych i odpowiadającej im realizacji zmiennej prognozowanej.

75. Jakie znasz miary dopuszczalności prognoz ex ante?

Wariancja prognozy (określa rząd odpowiednio zdefiniowanych błędów wnioskowania w przyszłość)

Błąd średni predykcji (określa prawdopodobieństwo spełnienia się prognozy)

Tutaj za to ręki nie dam sobie uciąć można dodać jeszcze średni błąd predykcji

76. Jakie są główne cele weryfikacji prognoz ex post?

Weryfikacja ex post prognoz dostarcza wniosków co do użyteczności metod prognozowania i przewidywalności zjawisk.

Analiza trafności umożliwia więc m.in. ocenę:

* osiąganego horyzontu prognozy,

* źródeł niedoskonałości prognoz,

* możliwości wykorzystania danej metody do prognozowania danej zmiennej,

* wybrania metody dającej dla danej zmiennej najmniejsze błędy.

77. Kiedy możemy stosować modele szeregów czasowych do budowy prognoz?

Szereg czasowy może stanowić podstawę do zastosowania różnych metod prognostycznych. W procedurach prognozowania na podstawie szeregów czasowych nie wnika się bowiem w przyczyny zmian i występujące współzależności, a przedstawia zjawisko jako funkcję czasu. Przyczyny takiego podejścia mogą być następujące:

• trudno jest przedstawić ilościowo występujące współzależności

• sporządzającego prognozę interesuje to, co będzie, a nie dlaczego coś będzie

• trudno jest przedstawić występujące związki w postaci zależności przyczynowo-skutkowych

• występuje niewielka liczba zmiennych - zmienna prognozowana i objaśniająca, którą jest czas, odpada więc problem doboru zmiennych objaśniających

• z reguły nie ma problemu z zebraniem próby statystycznej dla celów estymacji modelu

• łatwo jest przewidzieć poziom zmiennej objaśniającej dla każdego okresu w przyszłości, wartość ta zależy od przyjętego systemu numeracji okresów.

78. Jakie znasz metody prognozowania szeregów czasowych zjawisk o stałym poziomie i wahaniami przypadkowymi?

Metoda naiwna (ale gdy występują niewielkie wahania przypadkowe), metoda średniej ruchomej prostej i metoda średniej ruchomej ważonej (ale gdy występują znaczne wahania przypadkowe)

Metody naiwne

Metoda średniej ruchomej prostej i ważonej

Prosty model wygładzania wykładniczego

Modele autoregresji i średniej ruchomej

79. Jakie znasz metody prognozowania szeregów czasowych zjawisk z tendencją rozwojową i wahaniami przypadkowymi?

Analityczne modele trendu

Model liniowy Holta, Browna II i III rzędu

Model trendu pełzającego z wagami harmonicznymi

80. Jakie znasz metody prognozowania na szeregów czasowych zjawisk z wahaniami sezonowymi i przypadkowymi?

Metoda wskaźników

Model Wintersa

Metoda trendów jednoimiennych okresów

Analiza harmoniczna

81. Jakie znasz główne wyróżniki (cechy) grup metod prognozowania na podstawie szeregów czasowych?

• Metody te wnioskują o wartości zmiennych opisujących określone zjawisko w przyszłości na podstawie obserwacji badanego zjawiska w przeszłości.

• Jedynym czynnikiem niosącym informacje o badanym zjawisku są przeszłe wartości zmiennych go opisujących (nie wnikamy w prawa i prawidłowości nim rządzące).

• Metody korzystają z zasady status quo i ma ona charakter ekstrapolacyjny, tzn. zakłada się niezmienność w czasie czynników kształtujących badane zjawisko i przenosi się wykrytą w przeszłości zależność w przyszłość

82. Krótko scharakteryzuj naiwne metody prognozowania.

Metody naiwne prognozowania oparte są na założeniu, że wahania przypadkowe są niewielkie i nie zmieni się dotychczasowy wpływa czynników kształtujących obserwowane zjawisko. Zaletą metody naiwnej jest prostota, wadą brak oceny jakości prognozy na podstawie prognoz wygasłych.

83. Wymień podstawowe wyróżniki metody ekstrapolacji funkcji trendu.

Prognoza powstaje na podstawie wyodrębnionego trendu. Wykrywa się pewne tendencje i zakłada się , że w przyszłości się one nie zmienią.

Przyszłe warunki bardzo mało lub wcale nie różnią się od tych, do których odnoszą się istniejące prawa, teorie.

Wymień:

• prognoza ilościowa o charakterze ekstrapolacyjnym;

• prognozy średniookresowe;

• zmienność szeregu determinowana jest przez trend, wahania przypadkowe;

• wg zasady status quo, postawa pasywna;

• zgodnie z założeniami klasycznej teorii predykcji;

• nie uwzględnia zmian kierunku trendu;

• ryzyko oparcia prognozy na dobrym modelu, ale nieaktualnym dla ostatnich obserwacji, ostre założenie o niezmienności mechanizmu rozwojowego zjawisk.

84.W jaki sposób powstaje prognoza metodą średniej ruchomej ważonej?

Prognozę metodą średniej ruchomej ważonej buduje się uwzględniając postulat określany mianem postarzania informacji. Oznacza to, że informacje starsze mają relatywnie mniejszą wagę niż informacje bliższe okresu prognozowanemu. Sposób nadawania wag informacjom może być dokonany:

• W sposób intuicyjny - w tym sposobie postępowania sporządzający prognozę musi określić liczbę wyrazów średniej oraz wagi nadawane poszczególnym wyrazom (wzór str. 103 w książce)

• W sposób potęgowy- korzysta się wtedy z następującego wzoru:

• Inny sposób postarzania informacji (wzór str. 104 wybaczcie ale nie umiem tych wzorów pisać..)

85. Omów weryfikację ekonometrycznego modelu prognostycznego.

Weryfikacja modelu ma na celu:

1. sprawdzenie przylegania modelu do opisywanego fragmentu rzeczywistości;

2. zestawu zmiennych objaśniających z punktu widzenia siły ich wpływu na zmienna objaśnianą;

3. rozkładu składnika losowego.

Weryfikacja modelu:

• merytoryczna (ogólnoekonomiczna):

1. ocena parametrów;

2. zgodność z teorią i naszą wiedzą o zjawisku;

• statystyczna:

3. istotność parametrów funkcji trendu;

4. współczynnik zmienności losowej;

5. współczynnik determinacji lub zbieżności;

6. składnik losowy (autokorelacja, losowości, symetria, stacjonarność).

86.Jakimi własnościami powinny się charakteryzować reszty poprawnie dobranego modelu funkcji trendu?

Reszty- różnice między wartościami empirycznymi a teoretycznymi. Reszty powinny mieć jak najmniejsze wartości, gdyż wtedy wartości z modelu będą najbardziej zbliżone do badanych.

87. Krótko omów założenia klasycznej teorii predykcji.

Podstawowe założenia:

• Znany jest model ekonometryczny wyjaśniający kształtowanie się zmiennej, którą zamierzamy prognozować

• Struktura opisywanych przez dany model zjawisk czy procesów jest stabilna w czasie tak, że model jest wystarczająco dokładnym odzwierciedleniem ilościowych relacji nie tylko w okresie, z którego pochodziła próba, lecz również w okresie prognozowanym. Założenie to oznacza, że zarówno postać analityczna jak i wartości jego parametrów nie ulegają dezaktualizacji nie tylko na przestrzeni czasu, na podstawie którego estymowano, lecz także w okresie prognozowanym.

• Znane są dla okresu prognozowanego wartości zmiennych objaśniających występujące w modelu.

• Rozkład składnika losowego modelu nie ulegnie zmianie w czasie, to znaczy jego rozkład jest stacjonarny.

• Dopuszczalna jest ekstrapolacja modelu poza próbę statystyczną.

(Często do podstawowych założeń teorii predykcji dodaje się jeszcze 2 postulaty:

• Dla prognozy ekonometrycznej powinna być obliczona wartość miernika określającego rząd dokładności predykcji.

• Prognozę należy budować w taki sposób, aby wybrany miernik rzędu dokładności predykcji przybrał możliwie korzystną wartość.)

Inna wersja na to pytanie:

1. Znajomość modelu kształtowania się zmiennej prognozowanej

• Znajomość postaci analitycznej występujących zależności między zmiennymi modelu

• Znajomość wartości ocen parametrów strukturalnych

• Znajomość wartości ocen parametrów struktury stochastycznej (wariancji resztowej, macierzy wariancji i kowariancji ocen parametrów strukturalnych)

• Stabilność prawidłowości ekonomicznej w czasie

Model powinien być dobrym odzwierciedleniem badanych prawidłowości nie tylko w okresie, z którego pochodzą dane do estymacji, lecz również w okresie, na który się prognozuje

• Stabilność postaci analitycznej modelu

• Stabilność zbioru zmiennych objaśniających

• Stabilność wartości parametrów strukturalnych

3. Stabilność rozkładu składnika losowego

• Rozkład składnika losowego nie ulega zmianom w czasie

• Mały i stabilny błąd szacunku modelu (odchylenie standardowe reszt) gwarantuje otrzymanie prognoz obarczonych małym błędem systematycznym

• Rozkład składnika losowego nie ulega zmianom w czasie

• Mały i stabilny błąd szacunku modelu (odchylenie standardowe reszt) gwarantuje otrzymanie prognoz obarczonych małym błędem systematycznym

4. Znajomość wartości zmiennych objaśniających modelu w okresie prognozowanym

• Plany, założenia

• Prognozy zmiennych objaśniających na podstawie tendencji rozwojowej lub na podstawie modeli opisowych

5. Dopuszczalność ekstrapolacji modelu poza zaobserwowany obszar zmienności zmiennych objaśniających

• Ma na celu zapobieżenie bezkrytycznym uogólnieniom

• Nie ma gwarancji budowy dobrych prognoz na podstawie zaobserwowanego poziomu zmienności zmiennych objaśniających w przeszłości

88. Omów rolę składnika losowego w procesie predykcji.

Składnik losowy przedstawia łączny efekt oddziaływania na zmienną endogeniczną (Y) tych wszystkich czynników, które nie zostały uwzględnione jako zmienne objaśniające w modelu, a także błędy wynikające z przyjęcia niewłaściwej postaci funkcyjnej modelu, błędów pomiaru wartości zmiennych

Obecność składnika losowego w modelu ekonometrycznym tłumaczona jest kilkoma przyczynami:

- niedostateczną wiedzą i umiejętnościami badacza,

- brakiem możliwości uwzględnienia w modelu wszystkich czynników wpływających na kształtowanie się złożonych zjawisk gospodarczych,

- błędami pomiaru,

- losowością zjawisk ekonomicznych.

Inna wersja tego samego:


Jeśli przyjmiemy model ekonometryczny postaci:


Składnik losowy = różnica między rzeczywistą wartością zmiennej objaśnianej, a jej wartością teoretyczną:

Wpływ składników losowych na proces predykcji:

• wywołanie odchyleń wartości zmiennej prognozowanej od prognozy

• średnie błędy szacunku parametrów strukturalnych modelu zależą od wariancji składników losowych

Wpływ składników losowych na proces predykcji jest tym większy im większa jest ich wariancja

Duża wariancja składników losowych = brak możliwości oszacowania modelu z wystarczającą do celów prognostycznych dokładnością. Nie możliwe jest też zbudowanie dokładnych prognoz.

Wzrost wariancja składników losowych w czasie = dokładność wnioskowania w przyszłość maleje.

Wzrost wariancji składników losowych w czasie wyraźny i trwały = brak możliwości wykorzystania do celów prognostycznych zbudowanego modelu

89. Na czym polega metoda prognozowania na podstawie trendów jednoimiennych okresów?

Przy prognozowaniu na podstawie modeli trendów jednoimiennych okresów dane empiryczne dzieli się na m szeregów czasowych, odnoszących się do tego samego okresu (sezonu). Np. tylko do I, II kwartału w przypadku danych kwartalnych. W wyniku takiego postępowania otrzymuje się tyle nowych szeregów czasowych , ile wyodrębniono okresów, a każdy z nich składa się z tylu wyrazów ile lat obejmuje badany okres. Tak powstałe szeregi czasowe są wolne od wahań sezonowych. Są one podstawą do prognozowania metodą ekstrapolacji funkcji trendu

Gdy porównamy wykres przedstawiający wartości dla całego szeregu i wykresy wartości dla jednoimiennych okresów możemy stwierdzić, że jeśli wahania dla jednoimiennych okresów są widocznie mniejsze niż dla całego szeregu oznacza to, że występują wahania sezonowe. Wtedy z analizy graficznej zjawiska można stwierdzić tendencję rozwojową zjawiska.

90. Kiedy do analizy i prognozowania szeregów czasowych stosujemy addytywny, a kiedy multiplikatywny model prognostyczny?

Addytywny model prognostyczny stosujemy, gdy każda ze składowych modelu jest wyrażona w tych samych jednostkach miary co zmienna prognozowana i nie występują interakcje pomiędzy poszczególnymi składnikami.

Natomiast w modelu multiplikatywnym przyjmuje się, że obserwowane wartości zmiennej prognozowanej stanowią iloczyn składowych szeregu czasowego

91. Na czym polega prognozowanie zjawisk z sezonowością modelem ekonometrycznym ze zmiennymi zerojedynkowymi?

Efekty sezonowe w modelu ekonometrycznym określa się stosując zmienne zero-jedynkowe.

Zmienna zero-jedynkowa to zmienna przyjmująca wartość jeden dla danego okresu (np. miesiąca, kwartału) i zero w pozostałych okresach.

92. W jaki sposób prognozujemy metodą dekompozycji sezonowej - wymień etapy tej analizy.

Etapy postępowania:

1. wyodrębnienie wahań sezonowych

• obliczyć średnią ruchomą

• wyodrębnić z szeregu surowe wskaźniki sezonowości

• dokonać korekty surowych wskaźników sezonowości

2. eliminacja sezonowości w szeregu

3. wyodrębnienie tendencji rozwojowej

• obliczyć funkcję trendu najlepiej opisującego szereg czasowy po wyeliminowaniu sezonowości

4. budowa prognozy dla szeregu z tendencją oraz wahaniami sezonowymi.

93.Omów istotę analizy harmonicznej.

Analiza harmoniczna służy do budowy prognozy na podstawie szeregu czasowego z wahaniami sezonowymi. Idea prognozowania na podstawie analizy harmonicznej polega na wykorzystaniu właściwości funkcji cosinus. Przykład zastosowania tej metody w prognozowaniu przedstawia Dittman.

94.Jakie są podstawowe wyróżniki metody prognozowania na podstawie szeregów czasowych i ich wyodrębnionych elementów (dekompozycja sezonowa).

Podstawowe wyróżniki:

• zmienność szeregu determinowana przez trend i sezonowość;

• wyszczególnienie sezonowości, trendu, wahań przypadkowych;

• ekstrapolacja trendu + korekta sezonowa;

• prognozy średniookresowe;

• wysoka wartość poznawcza.

95. O czym informują nas wskaźniki sezonowości w modeli multiplikatywnym i addytywnym?

Wahania sezonowe addytywne - absolutne poziomy wahań:




ni - ilość jednoimiennych okresów cyklu sezonowości

W przypadku oczyszczonych mierników sezonowości zachodzi następująca zależność:




d - liczba podokresów (faz) cyklu sezonowości

Wahania sezonowe multiplikatywne - wskaźniki wahań:




W przypadku oczyszczonych mierników sezonowości zachodzi następująca zależność:




Między absolutnymi poziomami wahań sezonowych a wskaźnikami sezonowości zachodzą następujące zależności, jeżeli mamy do czynienia ze stałym poziomem zjawiska w czasie (brak tendencji rozwojowej):







Ja bym jednak opisała to własnymi słowami, że wskaźniki w addytywnym muszą być równe 0 a w multiplikatywnym liczbie tych okresów np. 4 jak kwartały. Jeśli tak nie jest to należy je oczyścić, Addytywnym wskaźniki mówią o ile w górę czy w dół są odchylenia od lini trendu a w multiplikatywnym o ile procent są odchylenia od lini trendu

96.W jaki sposób budujemy prognozy zjawisk cyklicznych?

Prognozowanie na podstawie szeregu czasowego, w którym występują wahania cykliczne, sezonowe i tendencja wymaga odpowiednio długiego szeregu niezbędnego do wyodrębnienia wszystkich elementów.

• Oblicza się średnią ruchomą

• Wyodrębnia się z szeregu czasowego wahania sezonowe

• Dokonuje się odpowiedniej korekty

• Eliminuje się z szeregu czasowego wahania sezonowe

• Oblicza się funkcję trendu

• Wyodrębnia się wahania cykliczne

• Wyodrębnia się wahania przypadkowe

• Budowa prognozy dla szeregu z tendencją, wahaniami sezonowymi i cyklicznymi

97.Jakie są podstawowe wyróżniki grupy metod adaptacyjnych?

-brak postulatu stałości postaci analitycznych f. Trendu

-uwzględniają zmiany kierunku trendu

-prognozy średnio i krótkoterminowe

-zmienność szeregu determinowana przez I,TI lub TSI

-błędy prognoz wygasłych - korekta modelu

98.Na czym polega istota wygładzania wykładniczego? Wskaż modele odpowiednie do prognozowania szeregów czasowych w zależności od występujących w nich składowych.

Wygładzanie wykładnicze - metoda obróbki szeregu czasowego zmniejszająca jego wariancję za pomocą ważonej średniej ruchomej z przeszłych wartości, o wagach malejących wykładniczo wraz z odległością w czasie. Jest przydatna w prognozowaniu szeregów czasowych o niewielkim stosunku sygnału do szumu, szczególnie nie mających wyraźnego trendu i wahań sezonowych.

- Prosty model Browna - stosujemy w przypadku występowania w szeregu czasowym prawie stałego poziomu zmiennej prognozowanej oraz wahań przypadkowych.

- Liniowy model Holta - stosujemy w przypadku występowania w szeregu czasowym tendencji rozwojowej zmiennej prognozowanej oraz wahań przypadkowych.

- Model Wintersa - stosujemy w przypadku występowania w szeregu czasowym tendencji rozwojowej zmiennej prognozowanej oraz wahań sezonowych i przypadkowych.

99, Jakie są etapy prognozowania na podstawie metody trendy pełzającego z uwagami harmonicznymi?


1) Obliczenie przyrostów funkcji trendu

2) Określenie tendencji (zmian) w okresie t+1


3) Budowa prognozy




100, W jaki sposób powstaje prognoza w modeli Brona rz. I ?

Prognozę uzyskuje się z następującego wzoru:


gdzie:

Y^t+1 - prognoza dla t+1

Yt - poziom zmienne prognozowanej w okresie t

Y^t - prognoza dla okresu t sporządzona w t

a - stała wyrównywania 0 < a < 1

101, W jaki sposób dokonać wyboru stałych wygładzania oraz wartości początkowych w modelach wyrównywania wykładniczego?

(nic więcej nie znalazłam o tym)

Stałe wygładzania dobieramy tak aby błąd RMSE był minimalny

wybór wartości początkowych:

-za wartość początkową bierzemy średnią z kilku pierwszych okresów

102, Omów znaczenie i rolę stałej wygładzania a w modelach wygładzania wykładniczego?

Stała wygładzania determinują:

• siłę wpływu wcześniejszych informacji na budowane prognozy (nadaje wagi);

• wygładzenie szeregu;

• korektę o błędy prognoz wygasłych;

103. Jakie konsekwencje wiążą się z przyjęciem wysokiej wartości stałej wygładzania a w modelach wygładzania wykładniczego?

• wysoka wartość stałej wygładzania a :

» słaby efekt wygładzania;

» prognoza determinowana najnowszą informacją;

» uwypuklenie krótkookresowych zmian poziomu zjawiska;

» silna reakcja na zmiany poziomu zmiennej prognozowanej;

» słaba eliminacja wpływu wahań przypadkowych;

104, Wskaż różnice pomiędzy modelem Browna rz. pierwszego, drugiego i trzeciego.

Browna rzędu I

Stosuje się ten model w przypadku występowania wahań przypadkowych, czyli szeregu czasowego bez wyraźnie zaznaczonego trendu

Browna rzędu II

Browna rzędu drugiego polega na podwójnym wygładzaniu rzeczywistych wartości Y. Model ten znajduje zastosowanie w przypadku szeregu czasowego wykazującego trend liniowy.

Browna rzędu III

? nigdzie nie znalazłam info o takim…

105, Na czym polega prognozowanie metodą Holta?

Zastosowanie metody Holta polega na wygładzania dwóch składowych systematycznych:

trendu i poziomu przeciętnego, stąd w metodzie tej niezbędne jest określenie

wartości 2 parametrów, a samo prognozowanie bazuje na układzie dwóch równań

Prognozując tą metodą, najpierw wygładza się poziom trendu zgodnie ze wzorem:




a potem jego zmiany według:




trzecie równanie umożliwia wyznaczenie prognozy wygasłej. Dla okresu t+1

przyjmuje ono postać:

ŷt+1 = Ct + Tt

prognozowaniu metodą wyrównywania wykładniczego Holta:

-podobna do Browna II rzędu

-występują dwie stałe wygładzania: a - do wygładzania poziomu trendu; g - do wygładzania jego zmian

-ważny jest wybór stałych wygładzania - dokonuje się tego z punktu widzenia -minimalizacji błędów sporządzonych prognoz

-nadaje się do prognozowania szeregu z tendencją rozwojową i wahaniami przypadkowymi

-należy do adaptacyjnych metod prognozowania

W modelu Holta występują dwa rodzaje prognoz: prognozy wygasłe stawiane na okresy, w których rzeczywista wartość już się zrealizowała, dlatego jest to prognoza wygasła oraz prognoza autentyczna stawiana, na okres który jeszcze nie zaistniał.

106, Co wiesz o metodzie Wintersa?

-należy do metod adaptacyjnych

-może być zastosowany do szeregów czasowych, w których występują wahania sezonowe i przypadkowe

-stosujemy w przypadku występowania w szeregu czasowym tendencji rozwojowej.

-wybór stałych wygładzania z unktu widzenia minimalizacji błędu prognozy

-wybrać wartość inicjalną.

Występują 3 stałe wygładzania:

α - do wygładzania poziomu trendu

γ - do wygładzania zmiany trendu

δ - do wygładzania wahań sezonowych

Wybieramy tą z najmniejszym średnim kwadratem błędu prognoz

107.Jakie są wyróżniki prognozowania na podstawie ekonometrycznych modeli przyczynowo0-opisowych?

Podstawowe wyróżniki:

• wyjaśnia mechanizm zmian zachodzących w prognozowanym zjawisku;

• przedstawia zależności pomiędzy zmienną a zmiennymi objaśniającymi;

• ocena wpływu zmiennych objaśniających na zmienną objaśnianą;

• stosowane gdy do uzyskania prognozy potrzebna jest znajomość mechanizmu zmian prognozowanego zjawiska;

• wysoka wartość poznawcza;

• prognoza budowana jest zgodnie z założeniami klasycznej teorii predykcji.

108. Omów znane klasyfikacje modeli ekonometrycznych?

Pod względem wartości poznawczych modele ekonometryczne można podzielić na 4 klasy:

1) modele przyczynowo-skutkowe
2) modele symptomatyczne
3) modele autoregresyjne
4) modele tendencji rozwojowej
Ad. 1. Modelami przyczynowo-skutowymi są modele, w których między zmienną objaśnianą a zmiennymi objaśniającymi zachodzi związek przyczynowo-skutkowy. Zmienna objaśniana modelu odgrywa wówczas rolę skutku, a zmienne objaśniające - rolę przyczyn.
Ad. 2. Modele symptomatyczne odznaczają się tym, że nie można zastosować do nich interpretacji przyczynowo-skutkowej. W modelach tych rolę zmiennych objaśniających odgrywają zmienne silnie skorelowane w sensie statystycznym ze zmienną objaśnianą.
Ad. 3. Modele autoregresyjne to modele, w których w roli zmiennych objaśniających występują opóźnione w czasie zmienne objaśniane. Modele te mają zastosowanie głównie do zjawisk odznaczających się intercją.
Ad. 4. Modele tendencji rozwojowej to modele opisujące rozwój zjawisk w czasie. W modelach tego typu zmienne objaśniane są przedstawione jako funkcje jedynie zmiennej czasowej (oznaczonej t), która zazwyczaj przybiera wartość kolejnych liczb naturalnych przyporządkowanych kolejnym jednostkom czasu badanego okresu.

Ze względu na charakter powiązań między nieopóźnionymi zmiennymi endogenicznymi w modelu wielorównaniowym, modele dzielimy na:
1) modele proste 2) modele rekurencyjne
3) modele o równaniu współzależnych

109. Wymień etapy konstrukcji modelu ekonometrycznego.

1. Sformułowanie modelu

a. wybór zmiennych: y, x1, x2,...

b. wybór postaci matematycznej modelu: liniowa, potęgowa,...

2. Zebranie danych statystycznych

3. Selekcja zmiennych objaśniających

4. Estymacja parametrów modelu:

a. parametrów strukturalnych: a0, a1, a2,...

b. parametrów stochastycznych: s(ai), s(y), R2, R

5. Weryfikacja modelu

6. Interpretacja modelu

Metoda opiera się na założeniu, że procesy przebiegają w sposób ewolucyjny; nie bierze pod uwagę zmian czynników oddziałujących na przebieg wyznaczonych funkcji;

110. Wymień kryteria statystyczne doboru zmiennych objaśniających w modelach przyczynowo-opisowych.

Kryteria merytoryczne

• Zmienne, które są w merytorycznym związku ze zmienna prognozowaną.

• Powinny być reprezentantem rożnych aspektów badanego odcinak rzeczywistości gospodarczej

• Wyrażone w jednostkach naturalnych

• Powinny mieć określone tradycje badawcze

• Wiarygodne i dostępne dane statystyczne dotyczące wyróżnionych zmiennych w modelu

• Mierzalny charakter.

Kryteria statystyczne

• Współczynnik zmienności powyżej 10%

• dobre skorelowanie ze zmienną objaśnianą.

• maksymalizacja stopnia dokładności, z jaką model ekonometryczny opisuje rozwój badanego zjawiska.

• autokorelacja składnika losowego modelu.

• korelacji składnika losowego ze zmiennymi objaśniającymi.

• eliminacja współliniowości zmiennych objaśniających.

• losowości i normalności rozkładu składnika losowego.

• jednorodności wariancji składnika losowego.

• zgodność, nieobciążoność, efektywność estymatorów.

• minimalizacja wariancji predyktora.

• istotna rola w okresie prognozowanym.

111. W jaki sposób ustalić wartości zmiennych objaśniających w okresie prognozowanym.

• arbitralna ocena - stosowana w symulacjach

• metoda ekstrapolacji ich tendencji

• łączenie wyników wielu metod.

112. Jakie są podstawowe wyróżniki metod prognozowania analogowego?

• podobieństwo kierunków i sekwencji zmian w czasie zmiennych opisujących to samo zjawisko w różnych obiektach lub różne zjawiska w tym samym objecie;

• wskazują kierunek zmian;

• pomocne w formułowaniu ocen i średniookresowych prognozy;

• identyfikacja punktów zwrotnych;

• wysoka wartość poznawcza.

113. Jakie są podstawowe zastosowania metod heurystycznych w prognozowaniu?

• wskazywanie dat zajścia określonego zdarzenia;

• określenie poziomu badanej zmiennej;

• określenie punktów zwrotnych badanych zmiennych;

• określenie prawdopodobieństwa zaistnienia danego zdarzenia;

• określenie natężenia występowania zjawisk nowych;

• tworzenie ocen faktów determinujących przyszłość

• ocena przydatności utworzonych modeli prognostycznych

114. Jakie znasz metody prognozowania heurystycznego?

• metodę indywidualnych ekspertyz

• metodę ekspertyz zespołowych (równoległych lub kolejnych)

• metoda delficką,

• metoda SEER (System for Event Evaluation and Review),

• "burza mózgów" (brain storming),

• "buzz session",

• synektyka,

• metoda kolektywnego generowania pomysłów,

• metoda wpływów krzyżowych (Cross - Impact Matrics).

115. Jak przebiega schemat prognozowania metodą delficką?




116. W jaki sposób zbadać zgodność opinii ekspertów w metodzie delfickiej?

Zgodnośc opinii ekspertów, można obliczyć korzystając z poniższych wzorów;




117. Jakie są zalety, a jakie wady metody delfickiej?

Zalety

1. Niezależność opinii ekspertów (izolowanie ekspertów);

2. Anonimowo wypowiadanych sądów (ankietowanie);

3. Wieloetapowo postępowania (zestaw ankiet przeplatany zbiorczymi opiniami ekspertów);

4. Uzgadnianie i sumowanie opinii osób kompetentnych.

Wady;

1. Zaangażowanie wielu osób do opracowania ankiet i odpowiedzi uczestników;

2. Długi czas trwania badania;

3. Brak możliwości wymiany poglądów między uczestnikami;

4. Małe zaangażowanie ekspertów jeżeli nie wprowadzi się ich w szczegóły zagadnienia;

5. Trudno w zbudowaniu jednoznacznej ankiety dającej jednoznaczne odpowiedzi;

6. Trudno w doborze właściwych osób do grupy ekspertów;

7. Wykorzystywanie metody do prognoz długookresowych (przesunięcie w czasie ich weryfikacji).

118. Jakie znasz metody prognozowania koniunktury gospodarczej?

- test koniunktury

- barometr koniunktury, w tym




119, Na czym polega metoda testu koniunktury?

Test koniunktury jest techniką umożliwiającą ocenę aktualnej sytuacji rynkowej i badanie krótkookresowych prognoz kształtowania się procesów i zjawisk rynkowych na podstawie informacji jakościowych pochodzących od określonej liczby podmiotów rynkowych, przeważnie od jednostek handlowych i przedsiębiorstw.

Test koniunkturalny oparty jest na ankietach miesięcznych oraz kwartalnych.

W ankiecie miesięcznej występują:

Pytania diagnostyczne - (odnoszące się do sytuacji przedsiębiorstwa w danym miesiącu lub w porównaniu z poprzednim miesiącem)

Pytania prognostyczne dotyczące oceny przyszłej sytuacji przedsiębiorstwa w porównaniu ze stanem w danym miesiącu) o horyzoncie 3 miesięcy.

Pytania maja charakter jakościowy.

Na podstawie odpowiedzi ankietowanych przedsiębiorstw wyznaczane wskaźniki koniunktury wskazują:

- stan normalny (typowy, najczęściej spotykany w danym obiekcie)

- stan polepszenia w stosunku do okresu poprzedniego

- stan pogorszenia w stosunku do okresu poprzedniego.

(z rozpędu też to zrobiłam - NK)

Podstawowy cel:

• Określenie aktualnego stanu aktywności gospodarczej w porównaniu z okresem poprzednim

• Wyznaczenie prawdopodobnego kierunku zmian w następnym okresie.

Zawartość ankiety przewiduje:

• Pytania diagnostyczne;

• Pytania prognostyczne;

• Pytania specjalne;

oraz warianty odpowiedzi wyróżniające:

• stan normalny (typowy, najczęściej spotykany w danym obiekcie)

• stan polepszenia w stosunku do okresu poprzedniego

• stan pogorszenia w stosunku do okresu poprzedniego.

Dlaczego warto stosować test koniunktury?

• diagnoza działalności gospodarczej w czasie rzeczywistym

• informacja z „pierwszej ręki”

- artykułowanie oczekiwań podmiotów gospodarczych

- regularność i częstość prowadzonych badań
- przedstawienie procesów gospodarczych w aspekcie ex post oraz ex ante
- jednoczesna obserwacja wielu zmiennych

- opis procesów makroekonomicznych informacją o skali mikro.

119. Na czym polega metoda barometru koniunktury?

Barometr koniunktury to odpowiednio dobrane zestawy wskaźników oraz wyprowadzane z nich wskaźniki zbiorcze pomocne w ocenie bieżącej sytuacji oraz krótkookresowych prognozach, w tym prognozach ostrzegających przed spowolnieniem wzrostu gospodarczego lub niekorzystna sytuację gospodarcza.

Metoda ta polega na:

- ocenie aktualnego stanu rynku (ustalamy wskaźnik referencyjny, który pozwala na ocenę aktualnego stanu gospodarki na bieżąco, w ujęciu miesięcznym, nie czekając na dane sprawozdawcze podsumowujące rok lub kwartał)

- ocenie perspektywy rozwoju rynku (ustalamy wskaźnik wyprzedzający, który informuje o przyszłych tendencjach wedle zasady „Kto wie lepiej i wcześniej niż inni ten wygrywa, korzysta z boomu, przygotowuje się na kryzys”)

- przewidywaniu punktów zwrotnych (odpowiadamy sobie na pytanie „w jakiej fazie cyklu znajduje się obecnie rynek? Czy grozi mu recesja lub przegrzanie?”)

Barometr koniunktury opiera się na analogiach historycznych, dlatego możemy wyróżnić tu trzy grupy wskaźników: wyprzedzający, referencyjny i opóźniony. Sa one budowane na podstawie bazy danej z wskaźnikami referencyjnymi, poprzez analogię szeregów czasowych i korelację krzyżowa otrzymujemy wskaźniki metody barometru koniunktury.

120. Na czym polega metoda barometru koniunktury?

Barometr koniunktury to odpowiednio dobrane zestawy wskaźników oraz wyprowadzane z nich wskaźniki zbiorcze pomocne w ocenie bieżącej sytuacji oraz krótkookresowych prognozach, w tym prognozach ostrzegających przed spowolnieniem wzrostu gospodarczego lub niekorzystna sytuację gospodarcza.

Metoda ta polega na:

- ocenie aktualnego stanu rynku (ustalamy wskaźnik referencyjny, który pozwala na ocenę aktualnego stanu gospodarki na bieżąco, w ujęciu miesięcznym, nie czekając na dane sprawozdawcze podsumowujące rok lub kwartał)

- ocenie perspektywy rozwoju rynku (ustalamy wskaźnik wyprzedzający, który informuje o przyszłych tendencjach wedle zasady „Kto wie lepiej i wcześniej niż inni ten wygrywa, korzysta z boomu, przygotowuje się na kryzys”)

- przewidywaniu punktów zwrotnych (odpowiadamy sobie na pytanie „w jakiej fazie cyklu znajduje się obecnie rynek? Czy grozi mu recesja lub przegrzanie?”)

Barometr koniunktury opiera się na analogiach historycznych, dlatego możemy wyróżnić tu trzy grupy wskaźników: wyprzedzający, referencyjny i opóźniony. Sa one budowane na podstawie bazy danej z wskaźnikami referencyjnymi, poprzez analogię szeregów czasowych i korelację krzyżowa otrzymujemy wskaźniki metody barometru koniunktury.

121. W jaki sposób budujemy prognozy tzw. metodą wzorca?

(Stańko str. 163, nigdzie więcej o tym nie ma, albo ja ułomnie szukam)

Wariant wzorca polega na naśladowaniu procesów zachodzących w krajach, regionach lub obiektach wyżej rozwiniętych przez kraje, regiony lub obiekty opracowujące prognozę.

Praktycznie sprowadza się to do odnalezienia w historii kraju, regionu lub obiektu lepiej rozwiniętego, przyjmowanego jako wzorzec, poziomu rozwoju zjawiska, jaki występuje obecnie w obiekcie sporządzającym prognozę. Z historii dynamiki rozwoju badanego zjawiska korzysta się, sporządzając prognozę dla obiektu o niższym poziomie rozwoju. Gdy dotyczy to zmiennych opisujących obiekty powiązanych z czasem, mówi się
o prognozowaniu dynamiki. Gdy zaś dotyczy to zmiennych innych niż czasowa, mówi się o prognozowaniu formy związku.

122. Jakimi metodami prognozujemy kursy akcji giełdowych?

Metody analizy akcji podlegają różnym klasyfikacjom. Można przytoczyć następującą klasyfikację analiz akcji: (ten podział jest zgodny z wykładami)

• analiza fundamentalna

• analiza techniczna

W nowoczesnej teorii analizy akcji wyróżnia się: (a tu trochę poszperałam po różnych stronach i znalazłam taki, opisy są z wykładów)

• ˇ analizę fundamentalną,

• Analiza polityczno-ekonomiczna i monetarna kraju

• Oszacowanie perspektyw branży lub gałęzi

• Analiza ekonomiczno-finansowa danej spółki

• Porównanie wskaźników spółki ze średnimi wskaźnikami dla branży i gospodarki

• ˇ metody prognozowania kursów akcji, do których zalicza się:

• ˇ analizę techniczną,

• Obserwacja obrotów oraz sygnałów zapowiadających kontynuację lub zmianę obecnych tendencji

• Sygnały odczytywane są na podstawie linii trendu* [*wykreślanych z kolejnych punktów zwrotnych kursu akcji - górnych lub dolnych], formacji [wzorów odczytywanych na podstawie wykresów kursów i obrotów], średnich ruchomych

• ˇ metody ekonometryczno - statystyczne prognozowania,

• ˇ metody "komputerowe" prognozowania.

Wykorzystywane są tu modele średniej ruchomej, wyrównywanie wykładnicze, model regresji wielorakiej, model arima. (to wedle artykułu jaki znalazłam, wydaje się zbędne, ale dodałam dla pewności, jakby jednak modele chciał)

123. Jakie są możliwości i granice naukowego przewidywania przyszłości?

(Stańko str 11)

W świecie w którym żyjemy panuje pewien porządek. Polega on na tym, że zdarzenia powiązane są różnymi zależnościami oraz na tym, że zależności te podlegają pewnym prawidłowościom. Zarówno prawidłowości te, jak i zależności mogą być różnego typu, mogą mieć charakter funkcyjny, przyczynowo-skutkowy, bezpośredni, pośredni, pierwotny itp. Znajomość tych związków pozwala wyjaśnić różne prawidłowości występujące w otaczającym nas świecie oraz stanowi podstawę do budowy prognoz. Nie można jednak przewidywać z odpowiednią dokładnością zjawisk i zdarzeń szczególnych, przypadkowych, które będą miały miejsce. Np. w rolnictwie nie można przewidzieć szczególnych zdarzeń przyrodniczo-klimatycznych (np. susza).

Zjawiska i procesy charakteryzujące względnie trwałe prawidłowości można przewidywać z dużym prawdopodobieństwem, natomiast niektóre zjawiska można przewidywać tylko na poziomie „przeciętnym”. Nie można natomiast przewidywać zdarzeń
i zjawisk przypadkowych, losowych, szczególnych.

124. Wymień funkcje prognoz i omów jedną z nich.

-funkcja poznawcza

-preparacyjna( decyzyjna)

-strategiczna

-ostrzegawcza

-weryfikacyjna

-aktywizująca

Funkcja poznawcza- każda prawidłowo sporządzona prognoza jest najbardziej prawdopodobnym obrazem przyszłości. Z niej można dowiedzieć się o tendencjach rozwojowych badanych zjawisk i procesów, wpływu na nie różnych czynników, siły i rodzaju współzależności między procesami, możliwościach i ograniczeniach rozwojowych itp. Na podstawie tych informacji poznajemy przyszłość .Jest to jednocześnie funkcja poznawcza( informacyjna).Uzyskane z prognoz informacje umożliwiają, ułatwiają lub usprawniają wyznaczanie celów i określenie warunków działania.

125. Wymień i omów czynniki wpływające na trafność prognoz.

(opracowane na podstawie Stańko, str. 15)

Czynniki wpływające na trafność prognoz:

1. horyzont prognozy

2. głębokość retrospekcji

3. metody prognostyczne

4. informacje prognostyczne (jakość danych)

Horyzont prognozy - Im horyzont prognozy jest dalszy, tym prawdopodobieństwo

zaistnienia przewidywanego stanu maleje, a więc zmniejsza się pewność prognozy. Prognozy o długim horyzoncie prognozy nie są przydatne dla praktyki gospodarczej i należy z nich rezygnować.

Głębokość retrospekcji- to długość okresu, w którym obserwuje się zjawisko stanowiące przedmiot prognozy. W długim okresie można wykryć więcej czynników określających dane zjawisko, siłę ich wpływu i znaczenie oraz ocenić charakter występujących zmian. Pozwala to ustrzec się błędów polegających na przyjęciu mało istotnych,
a pominięciu ważnych czynników kształtujących dane zjawisko.

Metody prognostyczne - Do budowy prognozy należy stosować takie metody, które najlepiej odzwierciedlają rzeczywistość gospodarczą w zakresie danego zjawiska. Bezkrytyczne i mechaniczne przyjmowanie pewnych metod prognostycznych prowadzi do bezkrytycznego traktowania wyników. Dlatego zastosowane metody powinny być poprzedzone szeroką i wnikliwą jej weryfikacją indukcyjną i dedukcyjną. Należy poznać ich zalety i wady oraz warunki stosowania. Ułatwi to prawidłową interpretację uzyskanych za ich pomocą wyników. Aby prognoza byłą przydatna, należy przed zastosowaniem określonej metody dokonać także głębokiej analizy zjawiska w przeszłości i uzyskać właściwą ocenę jego cech.

O wyborze metody prognozowania decydują następujące przesłanki:

• charakter procesu zmian prognozowanego zjawiska,

• horyzont czasu objęty prognozą,

• rodzaj informacji, którą dysponujemy,

• możliwości techniczne i osobowe.

Informacje prognostyczne- Są to dane statystyczne jakie posiadamy. Zależność trafności prognozy od rodzaju, jakości i zakresu informacji. Prognoza zbudowana na podstawie błędnych i niekompletnych informacji, niezgodnych z rzeczywistym poziomem zjawiska w przeszłości, nie odzwierciedla także prawidłowo zjawisk w przyszłości. Ważnym elementem jest zakres informacji. Zebrane informacje powinny charakteryzować kompleksowo przebieg prognozowanego zjawiska. Dlatego niekiedy należy rezygnować z lepszej metody na rzecz gorszej z powodu braku niezbędnych informacji.

126. Wymień etapy procesu prognozowania i omów wybór metody prognozowania.

Etapy procesu prognozowania: (Stańko str. 21)

1. określenie zakresu prognozowania

2. określenie horyzontu prognozowania

3. wybór metody (techniki) prognozowania

4. zbiór odpowiednich informacji

5. wykonanie obliczeń

6. ocena trafności i realności prognozy (weryfikacja)

7. monitorowanie

Wybór metody prognozowania: (wykłady Idzika)

1. cel prognozy

2. specyfika rozpatrywanej sytuacji prognostycznej

3. charakter zmian prognozowanego zjawiska

4. właściwości metod prognozowania

5. horyzont czasu objęty prognozą

6. rodzaj i zakres dostępnych danych statystycznych

7. możliwości techniczne, osobowe

8. koszty zastosowania określonych metod

Wśród metod wyróżnia się te które najczęściej są stosowane do prognozowania długoterminowego (heurystyczne) oraz takie,

które są stosowane najczęściej do konstrukcji prognoz krótko- i średnioterminowych (np. oparte na szeregach czasowych)

Dobrze jest zbudować prognozę kilkoma metodami i porównać dokładność uzyskanych wyników. Wyniki mogą się różnić,

wyznacza to jednak pewne pole, w którym prawdopodobnie znajdzie się prognozowane zjawisko. (Stańko str. 21)

127. Wymień znane Ci mierniki oceny dokładności prognoz i omów ich przydatność.

Mierniki oceny dokładności prognoz EX POST - Mierniki ex-post informują o ile, rzeczywiste wartości zmiennej

prognozowanej odchylały się od wartości prognozy. Określa się po upływie czasu, na który prognoza była wyznaczona.

Są to: ( z wykładów Idzika)

1. BEZWZGLĘDNY BŁĄD PROGNOZY (E) - informuje o wielkości odchylenia prognozy od wartości rzeczywistej zmiennej y

2. ŚREDNI BEZWZGLĘDNY BŁĄD PROGNOZY (ME) - informuje o średniej wielkości odchylenia prognozy od wartości rzeczywistej zmiennej y

3. ŚREDNI BŁĄD PROCENTOWY PROGNOZY (MPE) -informuje o średniej wielkości udziału błędu w relacji do wartości rzeczywistej zmiennej y

4. ŚREDNI BEZWZGLĘDNY BŁĄD PROCENTOWY PROGNOZY (MAPE) -informuje o średniej względnej wielkości udziału błędu w relacji do wartości rzeczywistej zmiennej y

5. ŚREDNI KWADRAT BŁĘDU PROGNOZY (MSE)

6. ŚREDNI BŁĄD PROGNOZY (RMSE)- informuje o przeciętnych odchyleniach prognoz od wartości rzeczywistych

7. WSPÓŁCZYNNIK THEILA - Miernik ten przyjmuje wartość zero, gdy prognoza jest idealnie trafna. Im większe różnice między wartościami rzeczywistymi i prognozowanymi badanej zmiennej tym większa wartość tego miernika. Określa wielkość błędu z tytułu obciążoności prognozy nieodgadnięcia średniej wartości zmiennej prognozowanej. Określa wielkość błędu z tytułu nieodgadnięcia wahań zmiennej prognozowanej (niedostatecznej elastyczności). Określa wielkość błędu z tytułu nieodgadnięcia kierunku tendencji rozwojowej zmiennej prognozowanej (rozminięcie prognozy i realizacji).

8. WSPÓŁCZYNNIK JANUSOWY - Określa relację stopnia dopasowania prognozy i modelu do danych rzeczywistych. Jeżeli J2 <= 1, to uważa się, że dotychczasowe prognozy są trafne i model nadal może być wykorzystywany do prognozowania.

Mierniki dokładności rzędu EX ANTE - Mierniki ex-ante informują o ile, rzeczywiste wartości zmiennej prognozowanej

będą się odchylały od wartości prognozy. Określane w chwili wyznaczania prognozy gdy nie jest znana realizacja zmiennej

prognozowanej.

Są to: (książka Stańko str. 39)

1. WARIANCJA PROGNOZY

2. BŁĄD ŚREDNI PREDYKCJI - określa o ile przeciętnie biorąc w długim ciągu predykcji rzeczywiste realizacje

zmiennej prognozowanej będą się odchylać In plus lub In minus od wartości sformułowanej prognozy

128. Co rozumiemy pod pojęciem przesłanek prognostycznych? (Dittman str. 29)

Przesłanki prognostyczne - wskazują czynniki mikro i makrootoczenia przedsiębiorstwa, wywierającego wpływ na wielkość

prognozowanego zjawiska, a także na przyjęciu hipotez dotyczących sposobów oddziaływania tych czynników na

kształtowanie się prognozowanego zjawiska w okresach, których dotyczy prognoza.

Do przesłanek prognostycznych można zaliczyć również określenie i zebranie niezbędnych danych do konstrukcji prognozy

danych.

129. Sformułuj zadania prognostyczne, gdy chcesz sporządzić prognozy potrzebne producentowi (np. trzody chlewnej, mleka, zbóż).

Poziom pogłowia trzody chlewnej można obliczać z ekstrapolacji funkcji trendu. Do zbudowania prognozy można przyjąć założenia:

- najbliższe kilka kwartałów będzie obejmowało rosnąca fazę cyklu,

- zwiększenie pogłowia trwać będzie przez 8 kwartałów (średnia długość fazy wzrostowej z dwóch ostatnich cykli),

- przebieg tej fazy cyklu będzie podobny do rosnącej fazy cyklu ostatniego ( podobne wskaźniki wzrostu). (Stańko str. 98)

130. Jaką metodę byś wybrał(a) do sporządzenia prognozy popytu w Polsce na: chleb, telewizory, domy jednorodzinne, samochody z automatyczną skrzynią biegów?

Do prognozy popytu w Polsce na chleb, telewizory, domy jednorodzinne i samochody z automatyczną skrzynią biegów wybrałabym metodę analogi przestrzenno-czasowej.

1. Na początku należałoby dokonać podziału tych produktów na grupy potrzeb:

• Chleb- wyżywienie

• Domy jednorodzinne- mieszkanie

• Telewizory-zagospodarowanie materialne

• Samochody z automatyczna skrzynią biegów- zagospodarowanie materialne

2. Kolejny etap to określenie zmiennych (wskaźników) , które mierzą stopień zaspokojenia poszczególnych grup. Wykorzystam zmienne syntetyczne powstałe z agregacji zmiennych cząstkowych, oparte na określonym wzorcu. Za wzorzec przyjmuje kraj o wyższym poziomie życia (np. Niemcy). Za wartość wzorca przyjmę średnią określającą poziom życia w tym kraju, który jest obiektem wzorcowym. (metoda wzorcowa).

3. Prognozowanie polega na wyznaczeniu przyszłych wartości wszystkich obserwowanych wskaźników (zarówno w obiekcie badanym jak i wzorcowym) i wyznaczeniu na ich podstawie przyszłej wartości syntetycznego miernika np. spożycia chleba, popytu na telewizory czy popytu na domy jednorodzinne.

4. Na podstawie miernika wnioskuje się o przyszłych zmianach w poziomie życia.

131. Wymień zasady budowy prognoz i przesłanki decydujące o ich wyborze. (materiały od Hamulczuka i Stańko str. 33)

1. Zasada predykcji nieobciążonej (uzasadnione wówczas, gdy proces prognozowania może być wielokrotne powtarzany)

2. Zasada największego prawdopodobieństwa (gdy nie można oczekiwać, że
   w przyszłości powtórzą się obecne warunki, zmienna prognozowana jest zmienną losową i jest znany lub może być oszacowany na próbie jej rozkład prawdopodobieństwa)

3. Zasada minimalizująca oczekiwaną stratę (Strata związana z popełnieniem błędu prognozy jest negatywnym skutkiem spowodowanym wykorzystaniem błędnej prognozy w procesie planowania i zarządzania danym obiektem)

4. Zasada predykcji punktowej (Wybór jednej liczby, uznanej za najlepszą,
   w danych warunkach, ocenę wartości interesującej nas zmiennej w przyszłym okresie)

5. Zasada predykcji przedziałowej (wyznaczenie przedziału liczbowego, któremu można przypisać rozsądnie bliskie jedności prawdopodobieństwa tego, że rzeczywista wartość zmiennej prognozowanej znajdzie się w tym przedziale)

132. Przedstaw charakterystykę adaptacyjnych metod prognozowania i ich przydatność
w praktyce gospodarczej.

Charakterystyka ogólna metod adaptacyjnych

• Stosowane przy szeregach czasowych

• Duża elastyczność i zdolność dostosowawcza:

• Do zmian kierunku lub prędkości trendu

• Do zniekształceń lub wahań sezonowych

• Prognozy opierają się na założeniu segmentowego rozwoju zjawiska w czasie-gładkość w pewnych przedziałach czasowych

• Doskonałe i bardzo proste narzędzia prognozowania krótkookresowego

Podstawowe wyróżniki adaptacyjnych metod prognozowania: (wykłady Idzik)

1. brak postulatu stałości postaci analitycznej funkcji trendu

2. uwzględniają zmiany kierunku trendu

3. prognozy średnio i krótkookresowe

4. zmienność szeregu determinowana przez I, TI, lub TSI

5. błędy prognoz wygasłych -korekta modelu

6. prognoza ilościowa o charakterze ekastrapolacyjnym

7. wg zasady status quo, postawa pasywna

8. prognozowanie oraz wygładzanie szeregów czasowych

9. brak możliwości obliczenia mierników błędów ex ante

W praktyce gospodarczej coraz większe znaczenie nabierają takie metody prognozowania, które dla wielu różnych zjawisk i

procesów pozwalają szybko budować prognozy. Duża elastyczność modeli adaptacyjnych i ich zdolność dostosowawcza w

przypadku nieregularnych zmian trendu czy też zniekształceń i przesunięć wahań periodycznych (np. sezonowych,

okresowych), czyni z nich wygodne narzędzie krótkookresowych prognoz statystycznych. (Stańko str.100)

Rodzaje: (Stańko str. 100)

− średnia ruchoma

− średnia ruchoma ważona

− model wyrównania wykładniczego Browna I, II, III rzędu

− model wyrównania liniowo - wykładniczego Holta

− model wyrównania wykładniczego Wintersa

− model wyrównania wykładniczego trendu pełzającego z wagami harmonicznymi.

133. Podaj przesłanki pozwalające na zastosowanie w prognozowaniu modeli szeregów czasowych.

Przyczyny zastosowania modeli szeregów czasowych: (Stańko str. 46)

• trudno jest przedstawić ilościowo występujące współzależności

• sporządzającego prognozę interesuje to, co będzie, a nie dlaczego coś będzie

• trudno jest przedstawić występujące związki w postaci zależności przyczynowo-skutkowych

• występuje niewielka liczba zmiennych - zmienna prognozowana i objaśniająca, którą jest czas, odpada więc problem doboru zmiennych objaśniających

• z reguły nie ma problemu z zebraniem próby statystycznej dla celów estymacji modelu

• łatwo jest przewidzieć poziom zmiennej objaśniającej dla każdego okresu
  w przyszłości, wartość ta zależy od przyjętego systemu numeracji okresów

134. Podaj przykłady funkcji mogących znaleźć zastosowanie jako analityczne modele trendu w konkretnych sytuacjach prognostycznych. (Internet i Stańko str. 52)

Modele analityczne- Określenie funkcji trendu metodą analityczną polega na znalezieniu funkcji f(t), optymalnie, w świetle przyjętych kryteriów oceny, pasującej do wyrazów szeregu czasowego zmiennej prognozowanej. Do oceny dopasowania modelu do danych empirycznych używa się na ogół współczynnika determinacji R2.

• funkcja liniowa- Reprezentuje ona stały kierunek rozwoju danego zjawiska, wyznaczony przez współczynnik kierunkowy prostej . Parametr ten jest współczynnikiem stałego przyrostu wartości zmiennej prognozowanej w ciągu jednostki czasu

• funkcja wykładnicza- charakteryzuje się najczęściej rosnącą stopą wzrostu, wzrost ten jest nieograniczony

• wielomian stopnia drugiego (parabola)- którego zaletą jest duża elastyczność, wynikająca z posiadania trzech parametrów, dzięki czemu może on lepiej odzwierciedlać różne nieliniowe tendencje rozwojowe

• funkcja potęgowa- która jest odpowiednia do opisu tendencji rozwojowych, które w układzie współrzędnych logarytmicznych wykazują przebieg liniowy, może wykazywać rosnące lub malejące zmiany w zależności od parametru

• funkcja logarytmiczna

• funkcja kwadratowa - może w wielu przypadkach lepiej odzwierciedlać różne nieliniowe tendencje niż poprzednie wymienione funkcje z powodu trzech parametrów, zaletą tej funkcji jest duża elastyczność

• funkcja hiperboliczna

• funkcja logistyczna

• model trendu Gompertza

135. Wskaż ogólne warunki, w których można korzystać z analogii w prognozowaniu. (Stańko str. 159)

Istotą zastosowania metod analogowych jest prognozowanie o przyszłości jednych obiektów na podstawie wiedzy o innych podobnych obiektach. Podobieństwo to może być określone ze względu na wartość zmiennych opisujących obiekty lub postać powiązań między zmiennymi. Czyli musi być obiekt podobny na podstawie, którego będziemy prognozować oraz wiedza na temat tego obiektu niezbędna do zbudowania prognozy.

Stosujemy gdy:

• teoria nie dostarcza pełnego przyczynowego wyjaśnienia zjawiska,

• niemożność ekstrapolowanie tendencji z przeszłości

• istnienie obiektów (zmiennych) podobnych

• przewidywanie punktów zwrotnych trendu

• przewidywanie postaci trendu i zmiany postaci związków pomiędzy zmiennymi w przyszłości

• przewidywanie nowych zdarzeń , jeżeli takie zdarzenia wystąpiły w innym kontrolnym (analogicznym) obiekcie

• potrzeba sporządzenia prognozy na okresy wieloletnie i perspektywistyczne

Metody prognozowania analogowego są użyteczne zwłaszcza w problemach: (Internet)

• z przewidywania postaci analitycznej funkcji trendu,

• z przewidywania punktów zwrotnych trendu i zmiany postaci związków

pomiędzy zmiennymi,

• z przewidywania realizacji zdarzeń dotyczących badanego obiektu, wtedy gdy zdarzenia takie wystąpiły w innym obiekcie,

• z określania związków pomiędzy zmiennymi w przyszłości

136. Kiedy korzysta się z metod heurystycznych w prognozowaniu. (Stańko str. 148)

Metody te znajdują swoje zastosowanie w tych dziedzinach, w których problemy nie zostały jeszcze wystarczająco dokładnie poznane, gdzie trudno jest skwantyfikować istniejące zależności i prawidłowości do przewidywania zjawisk i procesów niemierzalnych, jakościowych, nowych, a także tych, dla których nie jest możliwe przeprowadzenie odpowiedniej analizy retrospektywnej. Najczęściej wykorzystuje się je do: wskazania momentu (okresu) zajścia prognozowanego zjawiska, określania jego poziomu, punktów zwrotnych, prawdopodobieństwa wystąpienia danych zdarzeń.

Metody są wykorzystywane przy prognozowani nowych zdarzeń, np. nowych odkryć naukowych, technologii, potrzeb ludzi, a także przewidywania zmian dotychczasowych prawidłowości.

Polegają na wykorzystaniu opinii ekspertów, opartej na intuicji i doświadczeniu.

137. Wymień etapy postępowania przy dekompozycji szeregu czasowego, w którym występują: tendencja (T), wahania sezonowe (S), wahania cykliczne (C) oraz wahania przypadkowe (I) i omów budowę prognozy.

Etapy postępowania: (Stańko str. 93)

1. Oblicza się średnią ruchomą

2. Wyodrębnia się z szeregu czasowego wahania sezonowe

3. Dokonuje się odpowiedniej korekty surowych wskaźników wahań sezonowych

4. Eliminuje się z szeregu czasowego wahania sezonowe

5. Oblicza się funkcję trendu

6. Wyodrębnia się wahania cykliczne

7. Wyodrębnia się wahania przypadkowe

8. Zbudować prognozę

Tym sposobem postępowania wyodrębnia się wszystkie elementy występujące w szeregu czasowym. Mając te elementy, można zbudować prognozę.

138. Wymień znane ci analogowe procedury prognozowania i omów metodę analogii przestrzenno-czasowych.

Procedura prognozowania analogowego ma następującą postać:   (Internet)

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.
 

Analogie przestrzenno - czasowe

• Przenoszenie z jednych obiektów do innych prawidłowości zmian zjawisk w czasie

• Na ogół są to zmienne jednoimienne (np. tendencja do wzrostu korzystania z komputerów osobistych w krajach

zaawansowanych cywilizacyjnie wystąpi w krajach opóźnionych cywilizacyjnie)

• Podstawą prognozowania jest określenie podobieństwa zmiennych. Może to być podobieństwo poziomu lub kształtu

Metoda analogii czasowo - przestrzennej polega na przenoszeniu z jednych obiektów do innych prawidłowości zmian zjawisk w czasie. Jedną z bardziej specyficznych metod prognozowania różnego typu zjawisk i procesów jest metoda analogii rozwojowej. Jej odmianą jest metoda porównań międzynarodowych i międzyregionalnych, nazywana metodą komparatywną. Prognozowanie tą metodą polega na przeniesieniu prawidłowości rozwojowych z kraju, regionu lub innych obiektów o wyższym rozwoju na kraj, region lub obiekty podlegające prognozowaniu, z reguły o niższym rozwoju.
W metodzie tej wyróżnia się dwa warianty: wariant wzorca i wariant luki.

Wariant wzorca polega na naśladowaniu procesów zachodzących w krajach, regionach lub innych obiektach wyżej rozwiniętych przez kraje, regiony lub obiekty opracowujące prognozę. Wariant luki polega na wyszukaniu „dróg jeszcze nie przetartych albo mało uczęszczanych tzw. luki lub szczeliny w procesie rozwoju” i zbadaniu, czy w ogóle istnieją możliwości przetarcia tych dróg i zastosowania ich na terenie kraju, regionu lub obiektu, dla którego sporządzona jest prognoza. (Stańko str. 163)

139.Prognozy ostrzegawcze - pojęcie i metody wyznaczania. (Internet)

Punktem wyjścia do formułowania prognoz ostrzegawczych jest kwalifikacja zdarzeń jako korzystnych lub niekorzystnych dla odbiorcy prognozy. Zdarzeniem niekorzystnym jest zawsze nieuregulowany(statystycznie) przebieg zmiennej, czyli taki, w którym dominują składowe losowe o różnych kierunkach i sile oddziaływania.

Metody wyznaczania prognoz ostrzegawczych:

• badanie dopuszczalności prognozy - gdy prognoza jest niedopuszczalna z powodu zbyt dużego błędu ex ante lub zbyt dużego współczynnika wyrazistości (pow 10%) formułujemy prognozę ostrzegawczą

• współczynnik korelacji wielorakiej - jeśli nie jest istotnie różny od zera

• współczynnik korelacji rang Spearmana - istotna wartość tego współczynnika świadczy o przewidywalności zmiennej, nieistotna wartość zmusza do sformułowania prog. ostrzegawczej

• karty kontrolne - linia centralna przebiega na poziomie średniej wartości zmiennej, a po jej obu stronach znajdują się linie kontrolne, umieszczone w odległości jednego i dwóch odchyleń standardowych od średniej, prognozy ostrzegawcze formułuje się gdy wartości zmiennych wychodzą poza linie kontrolne

• metoda różnic - opiera się na identyfikacji punktów charakterystycznych funkcji (ekstremów i punktów przegięcia)

• ekstrapolacja dotychczasowych prawidłowości - prognozy ostrzegawcze formułuje się, gdy wartości prognozowane zmiennej są niekorzystne dla odbiorcy prognozy

140. Budowa prognoz w metodzie bilansowej

Etapy budowy modelu: (Internet)

1. wybór wielkości bilansowych,

2. ułożenie równań bilansowych,

3. wybór wielkości stanu,

4. ułożenie równań stanu,

5. określenie wielkości wyjściowych

• Wykorzystuje się ją do prognozowania średnioterminowego

• Najważniejszym celem jest uzyskania statystycznego obrazu sytuacji rynkowej dla danego okresu (roku, sezonu)

• Sporządzając bilans zestawiamy dwie strony:

• zasoby, które mogą być do dyspozycji w danym okresie. Określają one potencjalną podaż rynkową

• zapotrzebowanie na zasoby (popyt)

• z zestawienia zasobów i zapotrzebowania na nie uzyskujemy informacje o nadwyżkach lub niedoborach rynkowych (deficycie)

• Na podstawie przeszłości zestawiamy bilans dla przyszłych okresów wykorzystując różne metody prognozowania dla poszczególnych jego elementów

141.Omów etapy tworzenia scenariusza jako metody prognozowania

Etapy: (Stańko str. 155)

1. Tworzy się możliwie kompletną listę elementów systemu, to jest możliwie kompletny wykaz zbioru zdarzeń systemu w danym wyjściowym stanie oraz zdarzeń możliwych w przyjętym horyzoncie czasu

2. Określa się prawdopodobieństwo zdarzeń oraz prawdopodobieństwo czasu ich zajścia

3. Określa się interakcję pomiędzy elementami oraz systemem a otoczenie

4. Wybiera się zdarzenia wiodące tzw. krytyczne punkty zwrotne

5. Konstruuje się scenariusze

6. Ocenia się scenariusze z punktu widzenia otoczenia dla systemu. Skonstruowane scenariusze poddawane są dalszej ocenie ekspertom, by sformułowali pewną miarą prawdopodobieństwo ich spełnienia i ocenę z punktu widzenia otoczenia

7. Ostatnim etapem badań jest przełożenie zbioru równań na werbalny, jakościowy opis systemu.

Etapy: (prezentacja z Internetu)

1. Zdefiniowanie obiektu, określenie jego elementów i powiązań między nimi. określenie zakresu scenariusza.

2. Identyfikacja zjawisk należących do otoczenia danego obiektu (tzw. obszarów oddziaływania) i wpływających na jego rozwój oraz określenie powiązań miedzy zmiennymi należącymi do różnych obszarów oddziaływania i zmiennymi wnętrza obiektu.

3. Ilościowy opis powiązań między elementami obiektu oraz między obiektem a jego otoczeniem w teraźniejszości, czyli w chwili, w której przygotowuje się scenariusz.

4. Sporządzenie prognoz zmiennych należących do otoczenia obiektu i nań wpływających.

5. Opracowanie prescenariuszy.

6. Identyfikacja czynników zakłócających proces rozwoju obiektu.

7. Sporządzenie scenariusza.

2



















---