Prognozowanie procesów ekonomicznych

Zakres egzaminu obejmuje:

1. Zadania związane z praktyczną budową prognoz i interpretacją wyników (całość zagadnień podnoszonych podczas ćwiczeń w salach komputerowych)

2. Całość materiału z podręczników:

1. Dittmann P.: Metody prognozowania sprzedaży w przedsiębiorstwie. Wyd. AE, Wrocław 2004. lub nowsze wydanie.

2. Stańko S.: Prognozowanie w rolnictwie. Wydawnictwa SGGW, Warszawa 1999.

3. Zagadnienia podnoszone podczas wykładów.

Przykładowe zagadnienia teoretyczne:

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).

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

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

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.

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

A tu nie miałam pomysłu jak sformułować te zadania….

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.

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.

• 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 (?)

17.Określ warunki dopuszczalności prognozy.

• 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?

• 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. O czym informuje nas współczynnik Jansunowy?

21. Czym informuje nas współczynnik Theila?

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

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?

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)

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

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.

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

30.Omów predykcję na podstawie trendu liniowego

31.Zapisz ogólną postać modelu trendu z sezonowością

32.Wymień przykłady modeli tendencji rozwojowej.

• Liniowa funkcja trendu

• potęgowa funkcja trendu

• Trend wykładniczy itd

33.Opisz metodę prostego wyrównywania wykładniczego

Proste wyrównywanie wykładnicze polega na tym, że obserwacjom przypisuje się wagi malejące wykładniczo.

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.

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?

38.Co to jest szereg czasowy?

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

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.

1. Co to są modele klasy ARIMA?

2. Jaki test możemy zastosować do weryfikacji hipotezy o braku autokorelacji stopnia I?

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

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.

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?

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 opierają się na opiniach i wiedzy ekspertów. Opinie ekspertów mają bardzo duże znaczenie, są najważniejsze.

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

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)

76. Jakie są główne cele weryfikacji prognoz ex post?

Mierniki ex post cechują się tym, ze obliczane są na podstawie informacji o prognozach już wygasłych i odpowiadającej im realizacji zmiennej prognozowanej. Pozwalają więc na porównanie uzyskanej z prognozy z prognozami już wygasłymi.

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)

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

na pewno Holt, ale co więcej to nie mam pojęcia…..i jeszcze ekstrapolacja trendu (chyba)

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

Na pewno Wintres, ale co więcej to nie ma pojęcia….

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.

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.)

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.

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.

Totalnie nie wiem o co tu chodzi i nie mogę tego znaleźć nigdzie w sensownej formie  (w załączniku przesyłam to co znalazłam)

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):







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

Jeśli chodzi o pytania 87 i 91 to nie jestem pewna czy są dobrze. Brałam to zgodnie z wersją wykładów i z książki tego kogoś.

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?

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.

105. Na czym polega prognozowanie metodą Holta?

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




a potem jego zmiany według:




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.

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.

2. zbieranie danych statystycznych

3. wybór zmiennych objaśniających

4. konstrukcji modelu - wybór postaci analitycznej

5. estymacja modelu

6. weryfikacja 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.

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

2. Powinny być reprezentantem rożnych aspektów badanego odcinak rzeczywistości gospodarczej

3. Wyrażone w jednostkach naturalnych

4. Powinny mieć określone tradycje badawcze

5. Wiarygodne i dostępne dane statystyczne dotyczące wyróżnionych zmiennych w modelu

6. Mierzalny charakter.

7. Powinny charakt. się zmiennością np.( powyżej 10%),

8. istotne skorelowanie ze zmienną objaśnianą,

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

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

• analiza współczynników korelacji,

• reguła "stop",

• integralnych informacji Hellwiga,

• Gaussa-Doolitle'a,

• standaryzacji zmiennych,

• eliminacji a posteriori,

• selekcji a priori,

• regresji krokowej,

• regresji stopniowej i inne

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?

• Określenie zadania prognostycznego

• Wybór grupy ekspertów

• Opracowanie i rozesłanie ankiety

• Analiza uzyskanych odpowiedzi

• Sformułowanie prognozy

• Rozesłanie kolejnej ankiety

• Analiza uzyskanych odpowiedzi

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

Za pomocą zastosowania rang, czyli np. Czterech ekspertów poproszono o opinie dotyczące wielkości inflacji w Polsce w latach 2000- 2005. Przyjęto, że może wystąpić pięć różnych wariantów inflacji a zadaniem ekspertów jest przypisanie rang, które oceni kolejno według szans wystąpienia określonej wielkości inflacji. Przykładowo od (1-5)

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

Zalety .

Niezależność opinii ekspertów (izolowanie ekspertów);

Anonimowo wypowiadanych sądów (ankietowanie);

Wieloetapowo postępowania (zestaw ankiet przeplatany zbiorczymi opiniami ekspertów);

Uzgadnianie i sumowanie opinii osób kompetentnych.

Wady

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?

Metody analogowe

analogie historyczne;

analogie przestrzenne;

analogie przestrzenno-czasowe;

biologiczne;

119. Na czym polega metoda testu koniunktury?

120. Na czym polega metoda barometru koniuktury?

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

122. Jakimi metodami prognozujemy kursy akcji giełdowych?

123. Jakie są możliwości i granice naukowego przewidywania przyszłości?

124. Wymień funkcje prognoz i omów jedną z nich.

• poznawcza (informacyjna);

• preparacyjna (decyzyjna);

• Strategiczna - prognozy mogą stanowić podstawę długofalowego działania lub długofalowej polityki gospodarczej, inf. Z prognoz długookresowych mogą być podstawą wyboru strategii działania dla długiego i krótkiego okresu

• ostrzegawcza;

• weryfikacyjna;

• aktywizująca;

125. Wymień i omów czynniki wpływające na trafność prognoz.

1. horyzont prognozy;

2. głębokość retrospekcji;

3. metody prognostyczne;

4. informacje prognostyczne (jakość danych);

5. moment konstrukcji prognozy;

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

Etapy

• 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.

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

Mierniki dokładności rzędu EX ANTE

błąd średni predykcji określa o ile przeciętnie rzeczywiste realizacje zmiennej prognozowanej będą się odchylać od wartości sformułowanej prognozyi wariancja prognozy

EX POST(obliczane na podstawie materiałów z przeszłości):

• Przeciętny błąd prognozy ME,

• Przeciętny bezwzględny błąd prognozy MAE,

• Przeciętny względny błąd procentowy MPE,

• Przeciętny bezwzględny błąd procentowy MAPE

• Średni kwadrat błędu prognozy MSE.

128. Co rozumiemy pod pojęciem przesłanek prognostycznych?

Przesłanki prognostyczne - hipotezy badawcze określające mechanizm prognozowanego zjawiska.

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

Poziom pogłowia trzody chlewnej można obliczac z ekstrapolacji funkcji trednu. Do zbudowania prognozy przyjęto założenia:

- najbliższe kilka kwartałów będzie obejmowalo rosnąca fazę cyklu,

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

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

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

131. Wymień zasady budowy prognoz i przesłanki decydujące o ich wyborze.

• zasada predykcji nieobciążonej (wielokrotne prognozowanie);

• zasada największego prawdopodobieństwa (zmienna losowa, znany rozkład prawdopodobieństwa, prognoza- wartość modalna rozkładu);

• zasada minimalizująca oczekiwaną stratę (relacja prognoza/błąd = min, tj. prognoza = mediana rozkładu);

• zasada predykcji punktowej i przedziałowej.

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

• brak postulatu stałości postaci analitycznej funkcji trendu;

• uwzględniają zmiany kierunku trendu;

• prognozy średnio i krótkookresowe;

• zmienność szeregu determinowana przez I, TI, lub TSI;

• błędy prognoz wygasłych -korekta modelu;

• prognoza ilościowa o charakterze ekastrapolacyjnym;

• wg zasady status quo, postawa pasywna;

• prognozowanie oraz wygładzanie szeregów czasowych;

• brak możliwości obliczenia mierników błędów ex ante.

133. Podaj przykłady funkcji mogących znaleźć zastosowanie jako analityczne modele trendu w konkretnych sytuacjach prognostycznych.

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

• zjawisko jest zbyt złożone, by można je opisać i zrozumieć bez użycia modeli,

• - zadaniem prognosty jest przewidzenie tego, co zdarzy się, a nie wyjaśnienie dlaczego to się zdarzy.

• - koszty zdobycia wiedzy o przyczynach wystąpienia zjawiska są bardzo wysokie.

135. Wskaż ogólne warunki, w których można korzystać z analogii w prognozowaniu.

- 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.

136. Kiedy korzysta się z metod heurystycznych w prognozowaniu.

W przypadku braku danych z przeszłości i możliwości do opinii ekspertów, dziedziny kiedy problemy nie zostały jeszcze dokładnie poznane, gdzie trudno jest określić istniejące zalezności i prawidłowości do przewidywania zjawisk i procesów jakościowych, nowych.

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.

• Obliczenie wielkości wahań sezonowych.

• Wyeliminowanie z szeregu czasowego sezonowości.

• Obliczenie funkcji trendu na podstawie szeregu po wyeliminowaniu sezonowości.

• Budowa prognozy metodą ekstrapolacji funkcji trendu.

• Obliczenie prognozy dla poszczególnych okresów.

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

• analogie historyczne;

• analogie przestrzenne;

• analogie przestrzenno-czasowe;

• biologiczne;

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

• Podobieństwo poziomu mierzymy różnicą =0 kształtu gdy charakteryzują się podobnymi zmianami w czasie (np.. Podobne tendencje, wahania sezonowe, cykliczne. Miernikiem może być współczynnik korelacji liniowej lub inne miary podobieństwa

139.Prognozy ostrzegawcze - pojęcie i metody wyznaczania.

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.

Sposoby wyznaczania:

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

• 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, p. ostrzegawcze formułuje się gdy wartości zmiennych wychodzą poza linie kontrolne

• metoda różnic - opiera się na identyfikacji punktów charakterystycznych funkcji

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

140.Budowa prognoz w metodzie bilansowej.

141.Omów etapy tworzenia scenariusza jako metody prognozowania

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 otoczeniem

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.

24







---