• Przewidywanie- wnioskowanie o zdarzeniach nieznanych na podstawie zdarzeń znanych. Te zdarzenia nieznane mogą być zdarzeniami

należącymi do przeszłości lub mogą to być zdarzenia należące do przyszłości.

Przewidywanie zdarzeń należących do przeszłości można podzielić na:

- racjonalne

- nieracjonalne.

Z przewidywaniami racjonalnymi mamy do czynienia wówczas, gdy proces wnioskowania przebiega od sformułowania przesłanek prognostycznych do wyciągnięcia wniosków.

Przesłanki prognostyczne- pewne założenia dotyczące prognozowanego zjawiska.

Z przewidywaniami nieracjonalnymi mamy do czynienia wówczas, gdy nie sformułowano przesłanek prognostycznych, bądż nie zachowano związku pomiędzy sformułowanymi przesłankami a wyciągamymi wnioskami.

Przewidywanie racjonalne można podzielić na:

- zdroworozsądkowe

- naukowe.

Przewidywania zdroworozsądkowe oparte są na doświadczeniu oraz intuicji osób przewidujących. Ten typ przewidywań ma jednak jedną wadę, mianowicie przewidywania te mają ograniczony charakter. Ograniczoność ta jest związana z doświadczeniem życiowym tych osób, bądż z miejscem zamieszkania lub działania firmy.

Przewidywania naukowe są to przewidywania oparte na prawidłowościach występujących w prognozowanych zjawiskach oraz prowadzone przy użyciu metod opracowanych przez naukę.

• Prognoza- sąd o zajściu określonego zdarzenia należącego do przyszłości formułowany z wykorzystaniem dorobku nauki, empirycznie weryfikowalny,niepewny, ale akceptowalny.

Empirycznie weryfikowalny- sąd ten musi być tak sformułowany, ażeby można było ocenić jego trafność i wyznaczyć błąd prognozy.

Niepewność- prognozy są z natury rzeczy sądami niepewnymi.

Akceptowalność- prognozy są na ogół budowane w określonym celu.

Prognozy gospodarcze- prognozy, które mają być wykorzystywane w zarządzaniu, zwłaszcza zarządzaniu przedsiębiorstwem.

Wykorzystanie prognozy wiąże się z podejmowaniem decyzji, które pociągają za sobą pewne skutki finansowe dla przedsiębiorstw. Prognoza akceptowalna jest to prognoza, której ufamy.

• Klasyfikacja prognoz:

- krótkookresowe

- średniookresowe

- długookresowe.

Zmiany występujące w prognozowanym zjawisku mogą być:

- ilościowe

- jakościowe.

Zmiany ilościowe- zmiany polegające na tym, iż zmienia się wartość zmiennej prognozowanej, nie zmienia się ogólna prawidłowość.

Zmiany jakościowe- polegają na zmianie prawidłowości.

Prognozy krótkookresowe- prognozy wyznaczone na takie odcinki czasu, w których będą występowały jedynie zmiany ilościowe.

Prognozy średniookresowe- prognozy budowane na takie odcinki czasu, w których będą przeważały zmiany ilościowe, zaś w niewielkim stopniu

występowały zmiany jakościowe.

Prognozy długookresowe- prognozy budowane na takie odcinki czasu, w których będą przeważały zmiany jakościowe.

• Budowa prognozy przebiega w sześciu etapach:

1. Określenie zadania prognostycznego:

a. określenie obiektu, dla którego budowana jest prognoza

b. określenie zjawiska prognozowanego

c. określenie zmiennej, która będzie opisywać dane zjawisko. Wybór zmiennej związany jest z celem budowy prognozy

d. określenie celu budowy prognozy

e. okres prognozowania

f. muszą być określone warunki dopuszczalności prognozy, tzn. muszą być podane kryteria, po spełnieniu których prognoza

będzie uznawana za dopuszczalną lu akceptowalną. Najczęściej warunki te określa się poprzez podanie dopuszczalnego błędu

prognozy. Błąd może pociągać za sobą konsekwencje dwojakiego rodzaju, a mianowicie:

- prognoza może okazać się zawyżona

- prognoza może okazać się zaniżona tzn. faktyczny popyt okaże się wyższy od planowanego.

Firmy dopuszczają błąd prognozy od 0,5% do 25%. Zależy to głównie od rodzaju działalności. Ten błąd często nie jest

symetryczny. (Inna wielkośc błędu w przypadku prognozy zawżonej, inna- w przypadku prognozy zaniżonej).

2. Formułowanie przesłanek prognostycznych

3. Wybór metody prognozowania

4. Budowa prognozy

5. Ocena jakości prognozy.

• Wyróżnia się postawę:

- pasywną

- aktywną.

W postawie pasywnej przyjmuje się, że nic się nie zmienia, czyli nie zmieniają się czynniki, które wpływają na prognozowane zjawisko. Ponadto zakładamy, że czynniki te będą oddziaływały w taki sam sposób.

Postawa aktywna polega na tym, że dopuszczamy możliwość zmiany czynników wpływających na prognozowane zjawisko.

• Metoda prognozowania- sposób przetworzenia danych o przeszłości oraz sposób przejścia od przetworzonych danych do prognozy.

Najczęściej przetworzenie danych o przeszłości odbywa się poprzez budowę modelu prognostycznego. Jednym z takich modeli jest model ekonometryczny.

Przejście od modelu do prognozy nazywane jest regułą prognozowania. Najczężciej korzysta się z tzw. reguły podstawowej. Polega ona na tym, że prognozę uzyskuje się z modelu poprzez jego ekstrapolację, czyli przedłużenie.

Niekiedy używa się reguły podstawowej z poprawką. Polega ona na tym, iż prognozę wyznaczoną przy użyciu reguły podstawowej koryguje się wielkością błędu prognoz wcześniejszych.

Oprócz tych dwóch reguł istnieją inne reguły np. reguła największej wiarygodności polegająca na tym, że za prognozę przyjmuje się ten wariant zmiennej, którego szanse realizacji zostały ocenione jako największe.

Najczęściej prognozy budowane są przez ekspertów.

Metoda prognozowania= model+reguła

Metody prognozowania można podzielić na:

- ilościowe

- jakościowe.

Metody ilościowe- metody, w których korzysta się z modeli formalnych.

Model formalny- model, który możemy zapisać w postaci równania lub układu równań.

Metody jakościowe- metody, które oparte są na modelach nieformalnych, czyli takich, których nie potrafimy zapisać. Najczęściej mamy z nimi do

czynienia, gdy prognozy budowane są przez ekspertów.

Do metod ilościowych zalicza się:

- modele szeragów czasowych

- modele ekonometryczne

- modele analogowe

- modele zmiwnnych wiodących

- modele analizy kohortowej

- testy rynkowe.

Do metod jakościowych zalicza się:

- metody oparte na opinii osób bezpośrednio zajmujących się sprzedażą

- metody oparte na opinii kierownictwa firmy

- metody oparte na opiniach ekspertów spoza pzredsiębiorstwa.

Czynniki brane pod uwagę przy wyborze metody:

- przesłanki prognostyczne. Niektóre z metod mogą być stosowane tylko przy przyjęciu postawy pasywnej, inne zaś przy postawie aktywnej.

- dane statystyczne. Prognozy są najczęściej budowane na podstawie danych statystycznych dotyczących przeszłości prognozowanego

zjawiska.Dostępność danych statystycznych wpływa na wybór metody.

- jeśli prognoza budowana jest na podstawie szeregu czasowego, wówczas w zależności od prawidłowości (składowa występująca w szeregu

czasowym) korzysta się z tej lub innej grupy metod.

- czas, jaki możemy przeznaczyć na budowę modelu

- koszty, jakie możemy ponieść na budowę prognoz

- oprogramowanie komputerowe. Najprostsze metody można znależć w arkuszu kalkulacyjnym. Bardziej skomplikowane metody mogą

wymagać zakupu specjalistycznego oprogramowania.

Sposób budowy prognozy wynika z użytej metody.

• Ocena dopuszczalności prognozy może być dokonana na podstawie:

- błędu prognozy ex ante

- błędu ex post prognoz wcześniejszych

- w formie słownej oceny przez ekspertów.

Błąd ex ante- przypuszczalny błąd prognozy określany w momencie budowania prognozy. Nie wszystkie metody umożliwiają obliczenie błędu ex ante. W takich sytuacjach do oceny prognozy można użyć rzeczywistych błędów ex post.

Ocena trafności- ocenienie rzeczywistych błędów.

• Szereg czasowy- ciąg kolejnych w czasie wartości zmiennej prognozowanej.

Wszystkie metody oparte na modelach szeregu czasowego mogą być używane tylko przy przyjęciu postawy pasywnej, a więc do budowy prognoz krótkookresowych. Niekiedy korzysta się z tych metod także do budowy prognoz średniookresowych, ale trzeba się liczyć z tym, że błąd prognozy może być większy.

Szereg czasowy:

- składowa systematyczna

- składowa przypadkowa (wahania przypadkowe).

Składowa systematyczna występuje w postaci określonych prawidłowości.

Składowa przypadkowa charakteryzuje się tym, że wahania są zmienne, nieregularne. Zmieniają się co do kierunku i siły.

Składowa systematyczna:

- stały poziom

- trend (tendencja rozwojowa)

- wahania okresowe.

Trend- systematyczna skłonność do wzrostu lub spadku wartości zmiennej.

Wahania okresowe tym różnią się od przypadkowych, że są regularne.

Wahania okresowe:

- sezonowe (długość cyklu nie przekracza jednego roku)

- cykliczne (długość cyklu przekracza jeden rok, najczęściej związane z cyklem koniunkturalnym w gospodarce 5-7 lat).

Lepszym niż wykres modelu określeniem, z jaką sytuacją mamy do czynienia jest zastosowanie odpowiednich testów.

• W szeregu czasowym występuje stały poziom.

• Metody, jakie możemy wykorzystać do prognozowania:

- średnia ruchoma prosta

- średnia ruchoma ważona

- prosty model wygładzania wykładniczego.

Średnia ruchoma prosta- prognoza na okres t jest wyznaczana jako zwykła średnia arytmetyczna z k ostatnich wartości prostej. Metoda ta jest zawarta w arkuszu kalkulacyjnym. Ta metoda jest używana w metodzie analitycznej:

- analiza fundamentalna

- analiza techniczna.

Średnia ruchoma ważona- jeśli chcemy uwzględnić okres, to liczymy średnią arytmetyczną ruchomą.

• Funkcje analityczne- funkcje, których postać można zapisać w postaci równania. Do najczęściej używanych funkcji należą:

- funkcja liniowa

- funkcja potęgowa

- funkcja wykładnicza

- funkcja logarytmiczna

- wielomian stopnia drugiego (parabola)

- wielomian odwrotnościowy

- funkcja liniowo-odwrotnościowa

• funkcja ilorazowa.

• Używa się następujących parametrów dopasowania modeli do danych:

- współczynnik determinacji

- estymacja parametrów- szacowanie wartości parametru. Najczęściej używa się metody najmniejszych kwadratów, ale tylko dla

modeli funkcji liniowych

- sprawdzamy, czy model dobrze opisuje dane. Sprawdzić, czy reszty modelu mają rozkład normalny.

Do wyznaczania prognozy używa się najczęściej reguły podstawowej, bądż reguły podstawowej z poprawką.

W celu uzyskania prognozy wstawia się za zmienną t numer okresu, na który budowana jest prognoza. Uzyskana w ten sposób prognoza jest nazywana prognozą punktową, gdyż jest to jedna liczba, a więc punkt na osi liczbowej.

Analityczne funkcje trendu mają tę zaletę, że umożliwiają, oprócz obliczenia prognozy, obliczenie przypuszczalnego błędu prognozy.

Można także obliczyć przypuszczalny błąd prognozy tzn. ex ante, gdy używamy innych funkcji trendu poza liniową.Po zbudowaniu funkcji liniowej liczymy błąd dla tej przetransformowanej funkcji, a następnie korzysta się ze wzoru na błąd funkcji pierwotnej.

Oprócz prognozy punktowej wyznacza się często także przedział prognozy nazywany inaczej prognozą przedziałową. Przedział prognozy jest to przedział ufności dla prognozy punktowej. Jest to przedział liczbowy, w którym z przyjętym z góry prawdopodobieństwem znajduje się przyszła wartość prognozowanej zmiennej.

Proste modele wygładzania wykładniczego są to modele złożone z dwóch równań. Najprostszym modelem jest liniowy model wygładzania wykładniczego Holta. (Trend ma postać liniową).

Budujemy prognozę, liczymy błędy (lepszy jest błąd mniejszy).

Zaletą modeli wygładzania wykładniczego jest to, iż mogą być używane także wówczas, gdy analityczne funkcje trendu nie dają pozytywnych rezultatów, czyli stopień dopasowania tych funkcji jest mały. Wadą modelu wygładzania wykładniczego jest to, iż nie umożliwia obliczenia błędów prognozy ex ante. Ocena dopuszczalności prognozy odpowiada na pytanie, czy prognozę można zaakceptować, jest przeprowadzana na podstawie błędów ex post prognoz wygasłych.

• SZEREG CZASOWY I WYSTĘPUJĄCE W NIM WAHANIA SEZONOWE

Jedną z najprostszych metod jest metoda wskażnikowa. Polega ona na obliczeniu wskażników sezonowości informującuch o natężeniu sezonowości w poszczególnych fazach cyklu.

Fazy wahań są to podokresy cyklu, których liczba zależy od częstotliwości pomiaru zmiennej prognozowanej.

Wahania sezonowe dzielimy na:

- bezwzględnie stałe (amplituda wahań mniej więcej taka sama)

- względnie stałe (amplituda wahań zmienia się, np. rośnie).

W analizie sezonowości stosuje się modele addytywne i modele multiplikatywne.

Model addytywny jest sumą funkcji trendu, wahań sezonowych i wahań przypadkowych.

Model multiplikatywny jest iloczynem funkcji trendu, wahań sezonowych i wahań przypadkowych.

Jeśli w szeregu występują wahania bezwzględnie stałe, to lepsze wyniki dają modele addytywne (w sensie dopasowania modelu).

Jeśli mamy wahania względnie stałe, to na ogół lepsze wyniki dają modele multiplikatywne.

• Budowa modelu przebiega w czterech etapach:

1.Szacowanie trendu- można to zrobić w dwojaki sposób: bądż zastosować analityczną funkcję trendu lub użyć średniej

arytmetycznej centrowanej, bądż niecentrowanej.

2. Eliminacja trendu

Jeśli używa się modelu addytywnego, to odejmuje się od danych rzeczywistych trend.

W modelu multiplikatywnym dzieli się dane przez trend.

3. Eliminacja wahań przypadkowych

Wahania przypadkowe eliminuje się w ten sposób, że liczy się średnie arytmetyczne z ilorazów, bądż z różnic (w modelu

addytywnym) odnoszących się do tej samej fazy.

Wskażniki surowe niekiedy nie spełniają warunków, które powinny spęłniać wskażniki sezonowości.

W modelu addytywnym suma wskażników sezonowości musi być równa zero.

W modelu multiplikatywnym suma wskażników sezonowości musi być równa liczbie faz.

4. Skorygowanie surowych wskażników sezonowości. Obliczenie czystych wskażników sezonowości.

---