Założenia metody delfickiej:
niezależność opinii
anonimowość opinii oraz ekspertów
unikanie dominujących osobowości
kontrolowane sprzężenie zwrotne
zdalna, asynchroniczna, grupowa komunikacja
statystyczne opracowanie wyników
wieloetapowość
uzgadnianie i sumowanie opinii kompetentnych osób
Zasady metody burzy mózgów:
nie krytykować
stymulować jak największą liczbę pomysłów
zgłaszać wszystkie pomysły
łączyć, doskonalić pomysły
prezentować pomysły jasno i zwięźle
Wykorzystanie metody morfologicznej w prognozowaniu procesów gospodarczych:
* Metoda prognozowania strategii
* Służy do identyfikowania, indeksowania i liczenia wszystkich możliwych rozwiązań danego problemu
* Etapy:
1. Sformułowanie danego problemu (precyzyjnie i wielopłaszczyznowo)
2. Analiza problemu
3. Synteza (określenie wszystkich możliwych rozwiązań danego problemu przez różne połączenia pomysłów poprzez tworzenie tzw. skrzynki morfologicznej. Efekt: bardzo bogaty zbiór potencjalnych rozwiązań)
4. Badanie morfologiczne (poszukiwanie pewnego podzbioru w danym iloczynie morfologicznym)
5. Selekcja rozwiązań ze względu na kryteria
6. Wybór ostatecznego rozwiązania (dokonywany po wielokrotny powtarzaniu badania morfologicznego w selekcji rozwiązań)
Model adaptacyjny Browna i zasady prognozowania na jego podstawie
Bez wahań sezonowych
wartości wygładzone szeregu na moment t (ocena wartości trendu na moment t)
- parametr wygładzenia
Alfa ustalamy tak aby =minimum, czyli żeby rzeczywiste wartości różniły się jak najmniej od modelowych. Po ustaleniu ALFA budujemy prognozę dla okresu T:
- ostatnia ocena wartości trendu
- realne wyprzedzenie czasowe prognozy
- różnica ostatnich wartości wygładzonych
Dla szeregu z wahaniami sezonowymi:
Polega na:
oczyszczeniu szeregu z wahań sezonowych
zbudowaniu prognozy metodą wygładzenia wykładniczego lub
obliczeniu prognozy
Metoda pojedynczego wygładzania wykładniczego:
Metoda drugiego wygładzenia:
dla t=2,…n
Wykorzystanie modelu adaptacyjnego Holta w prognozowaniu:
Metodę Holta dla szeregu czasowego bez wahań sezonowych zapisujemy w następujący sposób:
dla t>1
przy czym:
dla t>1
- wartość wygładzona w okresie t
I - stałe wygładzania
- wygładzona wartość przyrostu ocen wartości trendu w okresie t
Prognozę obliczamy zgodnie ze wzorem:
- przyrost dwóch ostatnich ocen wartości trendu
- realne wygładzenie czasowe prognozy
W metodzie Holta uwzględniono zależność przyrostu ocen wartości trendu w okresie t od zmiany (przyrostu) ocen wartości trendu w okresie poprzednim. Wpływ poprzedniego okresu określa stała wygładzenia BETA. Gdy BETA jest bliska 0 to wpływ jest silny.
Zasady konstrukcji modelu walki konkurencyjnej na rynku dóbr i usług
- wskaźnik walki konkurencyjnej; wartość sprzedaży w okresie t w danym segmencie rynku (N – nowy produkt; S – stary produkt)
Na początku walka konkurencyjna pojawia się powoli, spełnia się ona do końca gdy stary produkt zostanie całkowicie wyparty z rynku, wtedy wykres jest blisko asymptoty 1.
Zagadnienie izokwant czynników i krańcowych stóp substytucji w dwuczynnikowym modelu potęgowym
y- produkcja
K – kapitał
L - zatrudnienie
Dobór czynników K i L aby osiągnąć założony poziom produkcji należy znaleźć izokwanty czynników produkcji
Każdy punkt na tej krzywej to kombinacja K i L dająca produkcję Yzero.
Tylko pewien łuk jest możliwy, dobieramy tak aby zminimalizować koszty.
Należy podstawić wzór jednej z izokwant, policzyć pochodną i przyrównać do 0.
Prognostyczne modele popytu na dobra podstawowe i dobra wyższego rzędu
Dobra podstawowe
Powstaje funkcja liniowa aby oszacować A i B stosujemy metodę najmniejszych kwadratów, wyliczamy i powracamy do modelu pierwotnego.
Dobra wyższego rzędu
przeszkadza i nie da się zastosować MNK wiec stosuje się interakcyjną metodę najmniejszych kwadratów
Liniowy i wykładniczy model trendu
Do oszacowania a stosujemy MNK
W celu oceny dopasowania oszacowanego modelu do danych empirycznych obliczamy: wariancję, odchylenie standardowe reszt, współczynnik zmienności reszt, współczynnik zbieżności i determinacji liniowej.
Model potęgowy
Model wykładniczy
Metoda „obszarów decyzyjnych” w analizie ryzyka bankowego
Zasady konstrukcji dwuskładnikowego portfela akcji w przypadku różnego skorelowania stóp zwrotu
Współczynniki rozbieżności prognoz H.Theila
Udział najgorszego (statystycznego) typu błędu w ogólnej strukturze błędu
Błąd złego przewidywania skali zmienności zjawiska
Błąd, który mówi o przewidywaniu punktów zwrotnych
Błędy predykcji „ex ante” na przykładzie modeli trendu
Ogólnie
dla modelu trendu Xt=[1T] – Informuje o ile przeciętnie może się różnić prognoza od wartości rzeczywistej ceteris Paribas.
Ocena ex ante względnego błędu predykcji
Im mniejsza wartość tym prognoza bardziej prawdopodobna
Dla modelu wykładniczego:
Grawitacyjne modele wymiany międzynarodowej
Model grawitacyjny bada oddziaływania jednostek, które wykorzystują założenia zbliżone do prawa grawitacji Newtona i potencjału Laguange’a. Wielkość oddziaływań jest funkcją wielkości mas i odległości między nimi.
Xij=f(Ei,Mj,Dij)
Ei=f(Yi,Pi) dochód, liczba ludności
Mj=f(Yj,Pj)
Xij=F(Yi,Pi.Yj,Pj,Dij) – miernik względnych oddziaływań
Najczęściej przyjmuje się że oddziaływania mają charakter multiplikatywny
Zasady konstrukcji macierzy przepływów strumieni handlu międzynarodowego
Modele logitowe i przykłady ich zastosowania w praktyce gospodarczej
1.Określamy prawdopodobieństwo z jakim dany wariant zmiennej jakościowej występował w przeszłości w zależności od występowania innych czynników
2.Rozpatrujemy metody prognozowania zmiennych 0-1
Bujemy model opisujący oczekiwane wartości zmiennej Y
Rosnąca funkcja kombinacji liniowej zmiennych x1,xn, składnika losowego (są to zmienne objaśniające czynniki wpływające na Y)
W modelu legitowym f.F jest dystrybuantą rozkładu logistycznego.
L-logit (funkcja odwrotna do F)
Model legitowy stosuje się np. do oceny klienta w banku, który ubiega się o kredyt.
Zasady obliczania i wykorzystania w prognozowaniu wskaźników sezonowości
Ustalamy wskaźniki sezonowości (o ile następuje wzrost lub spadek) nasilenia zjawiska w stosunku do poziomu przeciętnego.
j=1,2,3,…,m (numeracja sezonów)
i=1,2,3…,n (numeracja lat) N=n*m
Yt | t | Ct |
---|---|---|
Y1 | 1 | C1 |
Y2 | 2 | C2 |
… | … | … |
Yn | N | CN |
Trzeba stworzyć takie wskaźniki, które dla każdego sezonu podadzą relatywne do średniego poziomu wielkości wzrostu lub spadku zjawiska.
Grupujemy wskaźniki sezonowości:
1 | 2 | … | m | |
---|---|---|---|---|
1 | C1 | C2 | Cm | |
2 | Cm+1 | Cm+2 | Cm+m | |
… | ||||
n | C(n-1)m+1 | C(n-1)m+m=CN | ||
S1 | S2 | … | Sm |
Wykorzystujemy wskaźniki do prognozowania danych kwartalnych
Zintegrowany model trendu i wahań sezonowych
Z1 | Z2 | Z3 | Z4 |
---|---|---|---|
1 | 0 | 0 | 0 |
0 | 1 | 0 | 0 |
0 | 0 | 1 | 0 |
0 | 0 | 0 | 1 |
1 | 0 | 0 | 0 |
0 | 1 | 0 | 0 |
Parametry oblicza się metodą MNK ma takie miano jak y np. zł +/-
Wielorównaniowe modele prognostyczne – zapis skalarny i macierzowy
Zapis skalarny:
Rodzaje wielorównaniowych modeli prognostycznych
Podział zależy od postaw macierzy BETA:
Model prosty
B to macierz diagonalna (jednostkowa)
Zmienne Y nie oddziałują na siebie
każde równanie modelu można traktować osobno i obliczyć metodą MNK
Model rekurencyjny
B to macierz trójkątna lub może nią być po przestawieniu odpowiednich zmiennych
zmienne Y oddziałują na siebie ale tylko w postaci łańcucha rekurencyjnego w jednym kierunku – łańcuch powiązań Y
każde równanie modelu można traktować osobno i obliczyć MNK
predykcja łańcuchowa – obliczamy prognozę Yt1 dla zmiennej Yt1 zależnej jedynie od zmiennych z góry ustalonych
Model o równaniach współzależnych
ani macierz diagonalna ani trójkątna
zmienne oddziaływają na siebie, ale w dowolny sposób
istnieją sprzężenia zwrotne
Modele autoregresyjne i zasady budowy prognoz na ich podstawie
Stosuje się je do prognozowania zjawisk rozwijających się nieregularnie w czasie. Zakłada się zatem, że stan zjawiska w danym momencie zależy od stanów wcześniejszych.
; k=2 najczęściej
Do prognozowania stosuje się metodę pełzającą
Aby policzyć należy znać prognozy od do