Sprawozdanie z działań własnych studenta w ramach przedmiotu Informatyka w zarządzaniu Przedsiębiorstwem

Prowadzący :

Grupa ćwiczeniowa:

Zadaniem grupy ćwiczeniowej było przeprowadzenie prognozy dla kursu waluty Korona Szwedzka w stosunku do Złotego na podstawie danych z określonego okresu czasu. Za narzędzie prognostyczne posłużyła aplikacja Predyktor 4.0 pakietu Sphinx 4.0. Prognozę należało przeprowadzić według trzech dostępnych w programie modeli- liniowego, dowolnego nieliniowego oraz autoregresyjnego. Ćwiczenie miało zaowocować nabyciem umiejętności posługiwania się aplikacją oraz dobierania optymalnie najkorzystniejszego rozwiązania dla danego przypadku. Jednym z kryteriów weryfikacji prognozy było wyliczenie błędu bezwzględnego, wyliczanego wzorem:

Δy= yt-y_rz

oraz błędu względnego wyliczanego wzorem:

δ%= (Δy/y_rz) * 100%

Badanie kursu waluty Korona Szwedzka (SEK) w roku 2010

Za dane statystyczne posłużyły podawane przez Narodowy Bank Polski wartości obcej waluty z ostatniego dnia notowań każdego miesiąca kalendarzowego. Celem weryfikacji trafności prognoz wzięto pod uwagę kursy waluty z trzech pierwszych miesięcy roku 2011.

Miesiąc	Kurs
Styczeń	0,39
Luty	0,40
Marzec	0,40
Kwiecień	0,39
Maj	0,41
Czerwiec	0,42
Lipiec	0,43
Sierpień	0,42
Wrzesień	0,42
Październik	0,42
Listopad	0,41
Grudzień	0,43
Styczeń 2011	0,43
Luty 2011	0,44
Marzec 2011	0,45

Metoda prognostyczna :Szereg źródłowy [Kurs]

Wyprzedzenie prognozy w okresach :5

Parametry modelu

Średnia wartość dla danych historycznych MEAN = 0,41

Odchylenie standardowe dla danych historycznych STD = 0,01347

Korelacja dla danych historycznych, CORR = 1

Jakość modelu :

Dobre dopasowanie modelu dla danych historycznych

1. Model liniowy

Jako pierwszy model prognostyczny zastosowano model liniowy, w przypadku którego prognozę przeprowadza się przy pomocy wzoru

y= a₀+a₁t

Metoda prognostyczna :Regresja [Kurs]

Wyprzedzenie prognozy w okresach :5

Parametry modelu

a[0] = 0,4116

a[1] = 0,00366

Średnia wartość dla danych historycznych MEAN = 0,41

Odchylenie standardowe dla danych historycznych STD = 0,01347

Korelacja dla danych historycznych, CORR = 0,0644

Jakość modelu :

Model nie jest odpowiedni

nazwy indeksu Szereg źródłowy Regresja [Kurs] Błąd bezwzględny 1 Błąd względny 1 I 0,41 0,39 -0,02 -4,88% II 0,37 0,39 0,02 5,41% III 0,38 0,4 0,02 5,26% IV 0,36 0,4 0,04 11,11% V 0,4 0,4 0 0,00% VI 0,42 0,4 -0,02 -4,76% VII 0,41 0,4 -0,01 -2,44% VIII 0,4 0,41 0,01 2,50% IX 0,39 0,41 0,02 5,13% X 0,4 0,41 0,01 2,50% XI 0,4 0,42 0,02 5,00% XII 0,41 0,42 0,01 2,44%
Model został uznany za nieodpowiedni pod względem jakościowym.
2. Model wielomianowy
Jako kolejny model wybrany został spośród nieliniowych model wielomianowy.

Metoda prognostyczna :Regresja [Kurs]

Wyprzedzenie prognozy w okresach :5

Parametry modelu

a[0] = 0,40

a[1] = 0,0766

a[2] = -0,00423

Średnia wartość dla danych historycznych MEAN = 0,41

Odchylenie standardowe dla danych historycznych STD = 0,347

Korelacja dla danych historycznych, CORR = 0,287

Jakość modelu :

Model nie jest odpowiedni

nazwy indeksu	Szereg źródłowy	Regresja [Kurs]	Błąd bezwzględny 2	Błąd względny 2
I	0,41	0,41	0	0,00%
II	0,37	0,42	0,05	13,51%
III	0,38	0,45	0,07	18,42%
IV	0,36	0,44	0,08	22,22%
V	0,4	0,47	0,07	17,50%
VI	0,42	0,46	0,04	9,52%
VII	0,41	0,44	0,03	7,32%
VIII	0,4	0,43	0,03	7,50%
IX	0,39	0,42	0,03	7,69%
X	0,4	0,41	0,01	2,50%
XI	0,4	0,4	0	0,00%
XII	0,41	0,4	-0,01	-2,44%

Model wielomianowy również został oceniony jako nieodpowiedni pod względem jakościowym.

3. Model autoregresyjny.

Jako trzeci zastosowano model autoregresyjny, w którym zmienna objaśniana obliczana jest na podstawia dwóch poprzednich wartości.

Metoda prognostyczna :AR(2) [Kurs]

Wyprzedzenie prognozy w okresach :5

Parametry modelu

a[0] = -0,207

a[1] = 1,22

Średnia wartość dla danych historycznych MEAN = 3,9

Odchylenie standardowe dla danych historycznych STD = 0,768

Korelacja dla danych historycznych, CORR = 0,967

Jakość modelu :

Dobre dopasowanie modelu dla danych historycznych

nazwy indeksu	Szereg źródłowy	AR(2) [Kurs]	AR(2) [Kurs] Bb 2	AR(2) [Kurs] Bw 2
I	0,41
II	0,37
III	0,38	0,40	0,02	5,26%
IV	0,36	0,38	0,02	5,56%
V	0,4	0,42	0,02	5,00%
VI	0,42	0,4	-0,02	-4,76%
VII	0,41	0,4	-0,01	-2,44%
VIII	0,4	0,41	0,01	2,50%
IX	0,39	0,41	0,02	5,13%
X	0,4	0,38	-0,02	-5,00%
XI	0,4	0,4	0	0,00%
XII	0,41	0,4	-0,01	-2,44%

Jakość dopasowania modelu do danych historycznych została oceniona jako dobra

Wnioski.

Wśród trzech wykorzystanych podczas ćwiczenia metod prognostycznych najskuteczniejsza (czyli najbliżej odpowiadająca faktycznym wartościom) metodą okazała się metoda autoregresyjna.