l. Prognozowanie i symulacje - wyjaśnienie pojęć podstawowych

Podstawowymi pojęciami, których będziemy używać są pojęcia określające zbiór technik przewidywań przyszłości:

• prognozowanie i prognoza,

• prognozowanie gospodarcze i prognoza gospodarcza,

• planowanie,

• symulacje.

Prognozowanie jest to oparte na naukowych podstawach racjonalne przewidywanie kształtowania się (przebiegu i stanu) zjawisk, procesów, zdarzeń w przyszłości. Prognozowanie odnosi się do określonego obiektu (układu, systemu), którym może być: kraj, region, województwo, przedsiębiorstwo, człowiek, rodzina. W obiektach zachodzą zjawiska, procesy, zdarzenia demograficzne, społeczne, kulturowe, gospodarcze, techniczne, przyrodnicze, medyczne itp. Zjawiska przedstawiamy za pomocą zmiennych (dają się opisać), wśród których wyróżnia się zmienne ilościowe oraz zmienne jakościowe. Stan, jaki przyjmuje zmienna może być wyrażony liczbą (zmienna ilościowa) lub opisem słownym (zmienna jakościowa).

Rodzaje przewidywań:

Przewidywanie przyszłości to wnioskowanie o zdarzeniach, zjawiskach, które zajdą w czasie należącym do przyszłości. Wnioskowanie może odbywać się na podstawie informacji o przeszłości. Przewidywanie - racjonalne i nieracjonalne; racjonalne - zdroworozsądkowe i naukowe.

Przewidywanie racjonalne jest procesem wnioskowania przebiegającym od przesłanek, czyli zbioru faktów należących do przeszłości stanowiących punkt wyjścia prognozowania, poprzez interpretację tych faktów, do konkluzji. A zatem na podstawie przesłanek wyprowadza się wnioski.

Przewidywania nieracjonalne mają miejsce wtedy, gdy przesłanki nie zostały skonkretyzowane i/lub nie zachowano związku między przesłankami a konkluzją. Przewidywaniami nieracjonalnymi są wróżby, proroctwa, przepowiednie, które niekoniecznie muszą być fałszywe.

Przewidywanie zdroworozsądkowe ma miejsce wtedy, gdy tok rozumowania oparty jest na doświadczeniu, bez posługiwania się regułami nauki.

Przewidywanie naukowe. O naukowych przewidywaniach przyszłości mówimy wtedy, gdy w procesie prognozowania - wnioskowania o przyszłości posługujemy się regułami nauki, którą od wiedzy potocznej wyróżnia przede wszystkim - zorganizowany proces poznawczy prowadzący do konstruowania teorii i określona metoda badawcza.

Predykcja jest synonimem pojęcia prognozowanie, chociaż najczęściej w literaturze przez predykcję rozumie się proces ekonometrycznego wnioskowania w przyszłość.

Prognoza jest to sąd o zajściu określonego zdarzenia (faktu, zjawiska) w czasie określonym z dokładnością do momentu lub okresu należącego do przyszłości, przy czym prawdziwość tego sądu jest zdarzeniem losowym, którego prawdopodobieństwo jest wystarczająco duże dla celów praktycznych. Z tej definicji wynikaj ą następujące właściwości prognozy. Prognoza jest:

• sformułowana z wykorzystaniem dorobku nauki,

• odnosi się do określonej przyszłości (momentu lub okresu).

• odnosi się do określonego obiektu, w których zachodzą zjawiska, zdarzenia, fakty, zjawiska daj ą się opisać za pomocą zmiennych,

• weryfikowalna empirycznie,

• niepewna, ale akceptowana.

Niepewność prognozy wynika z samej natury procesów gospodarczych, ich podatności na zakłócenia losowe oraz niepełnej wiedzy prognosty o procesach zachodzących w gospodarce i jego umiejętności wykrywania nieprawidłowości w ich przebiegu.

Empiryczna weryfikowalność prognozy oznacza, że samo sformułowanie prognozy jest precyzyjne (nie ogólnikowe) i że jest określony moment czasu należący do przyszłości, w którym prognoza może być sprawdzona.

Prognozy są na ogół błędne tzn., że w pełni nie są zgodne z rzeczywistością, nie urzeczywistniają się, jednak muszą na tyle wiarygodne, aby można było je zastosować w praktyce.

Prognozowanie gospodarcze jest to racjonalne i naukowe przewidywanie przyszłych zjawisk i procesów gospodarczych.

Prognoza gospodarcza jest sąd o przyszłym kształtowaniu się zjawisk i procesów gospodarczych. Prognozowanie gospodarcze jest szczególnie skomplikowane ze względu na uzależnienie zjawisk prognozowanych od przebiegu różnorodnych czynników (wpływających na zjawisko prognozowane), czynniki te można podzielić na egzogeniczne i endogeniczne.

Czynniki egzogeniczne - zewnętrzne, na które decydenci nie mają wpływu, które należy uwzględnić w trakcie prognozowania jako zewnętrzne ograniczenia przebiegu zjawisk i procesów gospodarczych.

Czynniki endogeniczne - wewnętrzne, oddziaływujące na prognozowane zjawisko wewnątrz badanego obiektu, które mogą być kształtowane przez decydentów.

Planowanie to ustalanie celów gospodarczych i znajdowanie najlepszych rozwiązań ekonomicznych

prowadzących do ich osiągnięcia. Różnica między planem a prognozą.

Plan to:

> dyrektywa, program działania, wyznaczenie celów, wskazanie środków, których należy użyć, aby

osiągnąć ustalone cele, obmyślanie czegoś,

Prognoza:

> niczego nie nakazuje, zawiera tylko domniemanie co do przyszłości, przewidywanie przyszłego

kierunku przemian, domyślanie się tego, co zajdzie w przyszłości z określonym

prawdopodobieństwem.

Symulacje to badanie możliwych stanów interesującej nas zmiennej - fragmentu rzeczywistości za pomocą zbioru technik badania operacji polegających na zastosowaniu matematyki i statystyki do zagadnień zarządzania, a służących do eksperymentowania - ze zjawiskami ekonomicznymi - na modelu ekonomicznym, który odzwierciedla rzeczywistość. Symulacja naśladuje za pomocą modelu rzeczywistych procesów (np. produkcyjnych) lub określa efekty decyzji ekonomicznych, technicznych w danym ukłacŁzie gospodarczym.

Cechą charakterystyczną symulacji jest

* szacowanie, prawie zawsze za pomocą komputera skutków jakiegoś zdarzenia, lub skutków zmian w modelu wartości którejkolwiek jego składowej przez powielanie (symulowanie - naśladowanie) dużej liczby wyników, jakie w rzeczywistości mogą nastąpić. Celem eksperymentowania jest więc znalezienie odpowiedzi na pytanie "co by było. gdyby" w modelu zmienić wartość którejkolwiek składowej lub postać zmian wartości tej składowej w skali czasu lub w każdym innym wymiarze.

Różnica pomiędzy prognozą a symulacją.

Prognoza

* sąd o przewidywanym kształtowaniu się zjawisk i procesów w przyszłości,

* ma charakter sądu kategorycznego, odpowiada na pytanie co będzie w przyszłości,

* jest obarczona błędem,

* wymaga wykorzystania modelu w sposób dedukcyjny (tzn. przejście od sądu ogólnego do prognozy

— sądu szczegółowego), czyli jest obliczana na podstawie modelu ale bez eksperymentowania na

nim.

Symulacja

• naśladowanie jakiegoś rzeczywistego procesu lub efektu,

• ma charakter sądu hipotetycznego, odpowiada na pytanie co by było, gdyby,

• nie jest obarczona błędem,

• wymaga wykorzystania modelu w sposób indukcyjny (tzn. wyprowadzanie wniosków ogólnych na podstawie eksperymentów), czyli eksperymentowania na nim.

PODSTAWOWE POJĘCIA PROGNOZOWANIA

Pojęcia związane z czasem przyszłym, którego dotyczy prognoza:

• okres prognozy,

• wyprzedzenie prognozy,

• horyzont prognozy.

Okres prognozy jest to okres (moment czasu), którego dotyczy sporządzana prognoza. Okres prognozy powinien być ściśle zdefiniowany, sporządzając prognozę należy zawsze dokładnie określić rok, moment - jednostkę czasu w przyszłości, której ona będzie dotyczyć. Liczba jednostek czasu, jaka upływa od teraźniejszości do okresu prognozy nazywa się wyprzedzeniem prognozy.

Horyzont prognozy jest to należący do przyszłości najdalszy moment lub okres, w którym prognoza jest dopuszczalna. Prognozą dopuszczalną jest taka prognoza, która przez jej odbiorcę może być uznana za dostatecznie dokładną lub wiarygodną. Długość horyzontu prognozy zależy od szeregu czynników, z których najważniejszymi są:

• charakter obiektu prognozy,

• wybrany model prognostyczny,

• zastosowana metoda prognozowania.

Żądany horyzont prognozy jest określony przez odbiorcę prognozy, nie może on być dłuższy od maksymalnego.

Metoda i reguła (zasada) prognozowania

Metoda prognozowania jest to sposób postępowania prowadzący do rozwiązywania zadań prognostycznych. Sposób postępowania odnosi się przy tym do dwóch faz przewidywania -prognozowania:

• I faza - diagnozowania przeszłości,

• II faza - określania przyszłości.

W pierwszej fazie przetwarza się informacje dotyczące przeszłości, co odbywa się najczęściej poprzez budowę modelu ekonomiczno - matematycznego (formalnego) - modelu ekonometrycznego -przyczynowo-skutkowego, trendu — lub myślowego (tworzonego w umyśle eksperta). W drugiej fazie przewidywania następuje przejście od danych przetworzonych przy użyciu modelu do prognozy. Sposób tego przejścia określa się terminem reguła prognozowania.

Sposób przetwarzania informacji o przeszłości i reguła prognozy składają się łącznie na to, co nazywa się metodą prognozowania.

Dwie reguły prognozy:

• klasyczna (podstawowa),

• największego prawdopodobieństwa

Reguła klasyczna (podstawowa) orzeka, że prognozą jest stan zmiennej prognozowanej w okresie lub momencie należącym do przyszłości, otrzymany z modelu tej zmiennej przy przyjęciu założenia, że model będzie aktualny w chwili, na którą określa się prognozę. Przyjęcie tej reguły oznacza, że prognozę otrzymuje się wskutek ekstrapolacji modelu poza próbę. Regułę tę można stosować, gdy prognozuje się zjawiska, które ulegają powolnym przemianom ilościowym w czasie. W przypadku klasycznego modelu regresji liniowej podstawowa reguła prognozy przybiera postać reguły prognozy nieobciążonej.

Reguła prognozy nieobciążonej polega na tym, że prognozy ustala się na poziomie wartości oczekiwanej zmiennej prognozowanej w okresie prognozowanym T

y_Tp = E(Y_T)

Y_T - zmienna prognozowana,

y_T - wartość prognozy dla okresu T.

Można powiedzieć, że zasada prognozy nieobciążonej daje prawidłowe wyniki w sensie przeciętnej wartości zmiennej prognozowanej w okresie prognozowania. Prognoza gospodarcza ma charakter incydentalny, dla danych warunków jest wyznaczana tylko raz, w związku z czym prognozy otrzymane według tej reguły będą się różniły (albo in plus albo in minus) od przyszłej realizacji zmiennej prognozowanej.

Reguła prognozy według największego prawdopodobieństwa polega na tym, że prognozy ustala się na poziomie dominanty rozkładu prognoz:

y_Tp = M(Y_T)

Reguła prognozy według największego prawdopodobieństwa może być stosowana wówczas, gdy zmienna prognozowana jest zmienną losową i jest znany jej rozkład prawdopodobieństwa bądź rozkład ten może być oszacowany na podstawie próby. W praktyce modelowania ekonometrycznego regułę tę stosuje się rzadko, ze względu na trudności obliczeniowe związane z wyznaczaniem rozkładu zmiennej prognozowan

Rodzaje - klasyfikacje prognoz gospodarczych

Klasyfikacji prognoz można dokonywać z punktu widzenia różnych kryteriów ich podziału, odpowiednio do celów, jakim mają służyć. Dokonanie klasyfikacji prognoz gospodarczych umożliwia lepsze zorientowanie się w zasięgu i treści sporządzanych prognoz.

/ kryterium klasyfikacyjne - horyzont prognozy

Stosując jako kryterium klasyfikacyjne horyzont prognozy (jest to należący do przyszłości najdalszy

moment lub okres, w którym prognoza jest dopuszczalna¹) wyróżnia się trzy rodzaje prognoz:

• krótkoterminowe,

• średnioterminowe,

• długoterminowe.

Prognozy krótkoterminowe (krótkookresowe) są to prognozy sporządzane na okres do l roku, a więc na taki przedział czasu, w którym zachodzą tylko zmiany ilościowe w rozwoju zjawiska gospodarczego. Prognozy te traktowane są przeważnie jako narzędzie planowania operacyjnego i rocznego. Wyznaczamy je najczęściej przez ekstrapolację dotychczasowych związków i trendów.

Prognozy średnioterminowe (średniookresowe) są sporządzane na okres od 2 do 5 lat i dotyczą takiego przedziału czasu, w którym oczekuje się nie tylko zmian ilościowych, ale także niewielkich zmian jakościowych w rozwoju danego zjawiska gospodarczego. Metoda prognozowania powinna uwzględniać oba typy zmian zjawiska, czyli w tym wypadku ekstrapolacja dotychczasowych trendów może być połączona ze stosowaniem jakościowych metod prognozowania - heurystycznych (intuicyjnych), analogii przestrzenno-czasowych, metod opartych na opinii ekspertów.

Prognozy długoterminowe (długookresowe) — są to prognozy o horyzoncie przekraczającym pięć lat. Prognozy długookresowe mogą być jeszcze podzielone na dwa rodzaje:

• perspektywiczne z horyzontem 10-20 lat,

• ponadperspektywiczne o horyzoncie przekraczającym 20 lat.

Prognozy długookresowe dotyczą takiego przedziału czasu, w którym mogą wystąpić zarówno zmiany

ilościowe, jak i poważne zmiany jakościowe w rozwoju badanych zjawisk.

II kryterium klasyfikacyjne (związanym z horyzontem prognozy) -funkcje spełniane przez prognozy

Uwzględniając to kryterium dochodzi się do podziału prognoz na dwa rodzaje:

• prognozy operacyjne,

• prognozy strategiczne.

Prognozy operacyjne są to prognozy krótkoterminowe nie przekraczające jednego roku. Wykorzystuje

się je jako narzędzie planowania operacyjnego oraz bieżącej polityki gospodarczej, najczęściej na

szczeblu zarządzania przedsiębiorstwem, zarządzania produkcją, finansami, zapasami, gotówką lub

sprzedażą.

Przykłady:

> prognoza cen podstawowych produktów rolnych do końca III kwartału 2005 roku,

> prognoza wielkości sprzedaży i zapasów w przedsiębiorstwie do 31 lipca roku 2005.

Prognozy strategiczne są to prognozy rozpoznawcze o dłuższych horyzontach czasowych.

Wykorzystuje się je jako narzędzia planowania długookresowego i perspektywicznego, najczęściej na

szczeblu gospodarki narodowej przy podejmowaniu długofalowych decyzji gospodarczych.

Przykłady:

> prognoza zatrudnienia w rolnictwie do roku 2010 roku,

> prognoza struktury obszarowej w rolnictwie do 2020 roku.

/// kryterium klasyfikacyjne - zasięg terytorialny prognoz

Ze względu na to kryterium można wskazać następujące rodzaje prognoz:

• światowe,

• międzynarodowe,

• krajowe,

• regionalne,

• pojedynczych jednostek gospodarczych.

Cztery pierwsze określane są również mianem prognoz makroekonomicznych, ostatnia mianem mikroekonomicznych - dotyczy funkcjonowania pojedynczych jednostek gospodarczych -przedsiębiorstw, firm.

Przykłady:

> światowe - prognozy cen światowych surowców: miedzi, cynku, niklu, ropy naftowej itd.,

> międzynarodowe - prognoza wzrostu gospodarczego w Unii Europejskiej,

> krajowe - prognozy dotyczące głównych wskaźników makroekonomicznych Polski na 2005 rok:

wzrost PKB, spadek stopy inflacji, wzrost stopy bezrobocia, wzrost przeciętnego wynagrodzenia,

wzrost kursu dolara,

> regionalne - wzrost stopy bezrobocia w Wielkopolsce w 2005 roku, > pojedynczych jednostek gospodarczych - prognozy sprzedaży, rentowności w przedsiębiorstwie

w 2005 roku.

IVkryterium klasyfikacyjne - charakter prognozowanych zjawisk

Ze względu na to kryterium można wyróżnić następujące rodzaje prognoz:

• ilościowe,

• jakościowe.

W przypadku prognoz ilościowych stan zmiennej prognozowanej jest wyrażany liczbowo. Istnieją dwie formy przedstawienia prognoz ilościowych - w postaci prognoz punktowych, gdzie prognoza jest określoną wartością, jaką przewiduje się, że zmienna prognozowana przyjmie w przyszłości lub prognoz przedziałowych, które formułuje się w postaci przedziału liczbowego, w którym - jak się przewiduje - znajdzie się przyszła wartość zmiennej prognozowanej.

Prognozami jakościowymi nazywane są prognozy dotyczące zjawisk typu jakościowego. W tym przypadku przyszły stan zmiennej prognozowanej nie jest wyrażany za pomocą liczb, lecz przy użyciu opisu słownego. Prognozy pokazujące kierunki przyszłych tendencji zmian stanu prognozowanego zjawiska. Przykłady:

> ilościowe - prognoza wydatków ludności na podstawowe produkty żywnościowe w 2005 roku,

> jakościowe - przewiduje się, że w I, II i III kwartale 2005 roku spadną realne dochody ludności, a w IV kwartale wzrosną po wyżej inflacji.

V kryterium klasyfikacyjne - cel prognoz

Ze względu na to kryterium można wyróżnić następujące rodzaje prognoz:

• badawcze,

• ostrzegawcze,

• normatywne.

Prognozy badawcze mają na celu zidentyfikowanie przyszłych zdarzeń i ukazanie różnych możliwych ich wariantów. Pełnią rolę narzędzi stymulujących działania w stosunku do zmiennych prognozowanych.

Prognozy ostrzegawcze mają na celu ostrzeżenie odbiorcy prognozy przed nadejściem niepożądanych wydarzeń czy też przed wystąpieniem niekorzystnych konsekwencji przyszłych działań lub procesów rozwojowych. Dają odbiorcy prognozy czas na podjęcie działań zapobiegawczych w celu zmiany niekorzystnych tendencji. Np. prognoza formułowana jako ostrzeżenie przed spadkiem sprzedaży.

Prognozy normatywne maj ą na celu ułatwienie wyboru przyszłych potrzeb i celów wraz z określeniem zadań i środków. Pełnią rolę narzędzi wspomagających proces planowania działalności gospodarczej, głównie na szczeblu pojedynczych jednostek gospodarczych - przedsiębiorstw. Np. prognoza wielkości sprzedaży produktów przedsiębiorstwa.

VI kryterium klasyfikacyjne - stopień złożoności zjawisk

Ze względu na to kryterium można wyróżnić następujące rodzaje prognoz:

• ogólne (złożone),

• szczegółowe (proste).

Ogólne - są formułowane przy zastosowaniu zmiennych syntetycznych i charakteryzują sumarycznie przyszły stan zjawisk złożonych w badanym obiekcie gospodarczym.

Szczegółowe - dotyczą przyszłego stanu zjawisk prostych opisujących funkcjonowanie badanego obiektu gospodarczego.

Przykłady:

Koniunkturę w rolnictwie (prognoza ogólna) charakteryzuje się za pomocą cech prostych:

> wskaźnika wzrostu produktu krajowego brutto (PKB) rolnictwa,

> stopy inwestycji rolniczych,

> indeksu nożyc cen produktów sprzedawanych do cen produktów nabywanych przez rolników,

> wskaźnika parytetu dochodów ludności rolniczej w stosunku do dochodów ludności nierolniczej, > wskaźnika zmian cen eksportowych produktów rolno-spożywczych do zmian cen importowanych produktów rolno-spożywczych.

VII kryterium klasyfikacyjne - postawa prognosty wobec przyszłości prognozowanego zjawiska:

• pasywne,

• aktywne.

Prognoza pasywna jest uzyskiwana przez ekstrapolację dotychczasowych trendów lub związków między zjawiskami. Zadaniem prognosty jest tylko odgadnięcie prawidłowości w dotychczasowym rozwoju prognozowanego zjawiska i wyrażenie ich przyszłych stanów przez stany przeszłe. Prognoza pasywna może dotyczyć zjawisk, które charakteryzuje duża inercja (bezwładność). Prognozy pasywne sporządza się najczęściej na podstawie modeli tendencji rozwojowej.

Prognoza aktywna jest uzyskiwana przy założeniu, że dotychczasowe trendy lub związki między zjawiskami zostaną w przyszłości naruszone, przyszłość jest stosunkowo niezależna od przeszłości. W związku z tym przy sporządzaniu prognozy wymagana jest aktywna postawa prognosty przejawiająca się w projektowaniu różnych wariantów przyszłości przy użyciu np. metod prognozowania analogowego³, metod heurystycznych⁴ opartych na opinii ekspertów.

ROLA I FUNKCJE PROGNOZ W GOSPODARCE RYNKOWEJ

Znaczenie badań prognostycznych było zawsze bardzo duże. W warunkach gospodarki rynkowej ich rola wzrosła jeszcze bardziej. Prognozy opracowują indywidualne osoby, zespoły, przedsiębiorstwa, banki, towarzystwa ubezpieczeniowe, korporacje przemysłowe, agendy rządowe, instytucje międzynarodowe po to, aby stanowiły one dla nich istotną pomoc w podejmowaniu decyzji gospodarczych i kształtowaniu kierunków rozwoju zjawisk gospodarczych.

W gospodarce rynkowej prognozy pełnią następujące funkcje: informacyjną, ostrzegawczą,

preparacyjną (decyzyjną), badawczą, aktywizacyjną, strategiczną.

Funkcja informacyjna polega na informowaniu społeczeństwa o nadchodzących zmianach w rozwoju zjawisk gospodarczych, co przyczynia się do łatwiejszego "przyswajania" zmian przez społeczeństwo, zmniejsza jego opór przed nową, rodzącą się rzeczywistością.

Funkcja preparacyjną. Według tej funkcji, prognozy stanowią podstawę do przygotowania innych działań podmiotów gospodarczych. Na przykład prognozy kształtowania się pogłowia i skupu żywca wieprzowego, prognozy plonów i skupu zbóż czy też kształtowania się cen produktów rolnych stanowią podstawę do podejmowania decyzji odnośnie określonej interwencji rządu dotyczącej eksportu, importu, polityki cenowej, zakupów interwencyjnych itp.

Funkcja aktywizacyjną polega na pobudzaniu do działania sprzyjającego realizacji prognozy, gdy zapowiada ona zdarzenia korzystne, lub zaniechania czy przeciwdziałania zdarzeniom, gdy przewidywane zdarzenia oceniane są jako niekorzystne. Na przykład prognoza informująca o znacznym zwiększeniu zapotrzebowania na maszyny rolnicze, zmniejsza znacznie niepewność dotyczącą podjęcia decyzji o budowie zakładu produkcji maszyn.

W funkcji ostrzegawczej prognoza ma na celu ostrzeżenie jej odbiorcy przed nadejściem niepożądanych wydarzeń, przed konsekwencjami danych posunięć itp. Tego rodzaju diagnozę można podać w stosunku do całego obiektu (np. kraju, regionu, przedsiębiorstwa, branży działalności gospodarczej), jak i poszczególnych dziedzin działalności (np. produkcji, sprzedaży, finansów itp.). Prognozę ostrzegawczą należy sporządzać zarówno dla zmiennych endogenicznych (wewnętrznych), jak i egzogenicznych (zewnętrznych). Te ostatnie spełniają ważną funkcję ostrzegania przed zagrożeniami pochodzącymi z otoczenia i dają obiektowi czas na adaptację do zmian warunków zewnętrznych. Przykładowo, zarówno rząd, jak i gospodarstwa rolne w Polsce powinny wiedzieć, czy nadal rozwijać produkcję buraków cukrowych, mięsa drobiowego, mięsa wieprzowego, mleka, zbóż, rzepaku itd.

Funkcja badawcza prognoz sprowadza się do rozpoznania przyszłości, ukazania najbardziej prawdopodobnego układu przyszłych zjawisk.

Funkcja strategiczna polega na tym, że prognozy mogą stanowić podstawę długofalowego działania lub długofalowej polityki gospodarczej. Przykładowo prognoza dotycząca możliwości zbytu produktów rolnych dzięki rozpoczęciu budowy zakładów przetwórczych w danym rejonie może wpłynąć na decyzję o rozpoczęciu procesu reorganizacji gospodarstwa rolnego.

ETAPY PROCESU PROGNOZOWANIA

Proces prognozowania jest postępowaniem wieloetapowym, składa się z następujących etapów:

1. Sformułowanie zadania prognostycznego,

2. Sformułowanie przesłanek prognostycznych,

3. Zebranie danych statystycznych i ich analiza,

4. Wybór metody prognozowania,

5. Wyznaczenie prognozy,

6. Ocena trafności prognozy.

1. 'Określamy: obiekt gospodarczy dla którego będą konstruowane prognozy, zjawisko, prognozowane zmienne, rodzaj prognozy⁵ i funkcje jakie ma ona pełnić, wymagania odbiorcy co do horyzontu i dopuszczalności prognozy.

2. Są to hipotezy badawcze określające wstępnie mechanizm rozwojowy prognozowanego zjawiska oraz listę czynników wpływających na ten mechanizm (w szczególności w modelu ekonometrycznym zaliczymy tu listę zmiennych egzogenicznych wpływających na modelowane zjawisko). W tym etapie prognosta deklaruje również swoją postawę wobec przyszłości prognozowanego zjawiska. Przypomnijmy, że może to być postawa bardziej pasywna (prognosta odgaduje prawidłowości w rozwoju zjawisk) albo postawa aktywna, w której zakłada się, że przyszłość jest otwarta, stosunkowo niezależna od przeszłości.

3. Prognozy uzyskuje się najczęściej w procesie przetwarzania danych statystycznych o kształtowaniu się rozpatrywanych zmiennych (zmiennej prognozowanej i zmiennych z nią powiązanych) w przeszłości. Dlatego w tym etapie należy zebrać dane, które są liczbowymi realizacjami zmiennych rozpatrywanych w procesie prognozowania. Chodzi tu zarówno o dane dotyczące realizacji zmiennej będącej przedmiotem prognozowania, jak i innych zmiennych, które są powiązane ze zmienną prognozowaną, wywieraj ą wpływ na jej przebieg.

4. Metoda prognostyczna wyznacza sposób uzyskiwania prognoz w określonej sytuacji prognostycznej. Wybór metody prognostycznej jest konsekwencją przyjętej postawy prognostycznej prognosty, bardziej pasywnej, czy bardziej aktywnej. Opowiedzenie się za postawą pasywną oznacza zastosowanie którejś z metod analizy i prognozowania szeregów czasowych, takich jak metody ekstrapolacji tendencji rozwojowej, metody adaptacyjne, modelowanie ekonometryczne ze stałymi parametrami, metody autoregresji. Z kolei przyjęcie postawy aktywnej wymaga zastosowania modeli symulacyjnych, metod analogowych, heurystycznych, metod ekspertyz, metod scenariusza. Ponadto przy wyborze metody prognozowania należy uwzględnić następujące czynniki:

• specyfikę rozpatrywanej sytuacji prognostycznej,

• charakter zmiennej prognozowanej,

• właściwości różnych metod prognozowania,

• rodzaj i zakres dostępnych danych statystycznych,

• koszty zastosowania określonych metod,

• rodzaj konstruowanych prognoz.

5. Realizacja tego etapu polega na przetworzeniu danych statystycznych opisujących sytuację prognostyczną w konkretne prognozy zgodnie z procedurą metody prognozowania wybranej w poprzednim etapie prognozowania i zgodnie z przyjętą zasadą - regułą prognozowania. Niekiedy dla wyznaczenia prognozy stosujemy kilka metod prognostycznych, a wyniki uzyskane porównujemy.

6. Dokonujemy weryfikacji postawionych prognoz i oceny ich jakości. Podstawowe znaczenie ma tutaj wiedza prognosty o obiekcie dla którego konstruuje się prognozy, a także jego doświadczenie i intuicja. Rozróżniamy tu ocenę trafności prognozy opartą na zrealizowanym błędzie prognozy, dokonywaną po zrealizowaniu się zmiennej prognozowanej wtedy, gdy prognoza wygaśnie oraz ocenę opartą na oczekiwanym błędzie prognozy, wyrażającą przypuszczenia co do dokładności prognozy, zanim prognoza wygaśnie. W pierwszym przypadku mówimy o trafności prognozy ex post, w drugim - ex ante.

Przykład:

1. Sformułowanie zadania prognostycznego: Odbiorcą prognozy jest posiadacz kapitału, który zastanawia się, czy ulokować swoje pieniądze w budowie zakładu przetwórstwa rolno-spożywczego w powiecie gostyńskim lub kościańskim. Interesuje go głównie popyt na świeże szparagi i ich przetwory w kraju, jak i za granicą. Postawił warunek, by prognoza została wykonana co najwyżej z 5% błędem do 2008 roku.

2. Sformułowanie przesłanek prognostycznych: Popyt na szparagi w Polsce jest mały i to głównie na świeże szparagi, lecz ze wzrostem zamożności społeczeństwa oczekuje się stałego wzrostu konsumpcji tych warzyw. Natomiast nieograniczone możliwości zbytu szparagów i ich przetworów daje rynek niemiecki. Załamanie popytu na szparagi mogłoby być spowodowane tylko nagłą zmianą preferencji konsumentów, co w ciągu 4 lat jest mało prawdopodobne lub zakazami eksportu do UE. Hipotezy sugerują, że postawa prognosty powinna być pasywna.

3. Zebranie danych statystycznych i ich analiza: Potrzebne są następujące dane: powierzchnie plantacji występujących w obu powiatach, koszty założenia i prowadzenia plantacji w okresie nieplonowania, bieżące koszty, wielkość plonów, kształtowanie się poziomu cen.

4. Wybór metody prognozowania: Wybieramy metody analizy i prognozowania szeregów czasowych z wahaniami sezonowymi, takich jak metody adaptacyjne, modelowanie ekonometryczne ze stałymi parametrami.

5. Wyznaczenie prognozy: Prognozę wyznaczamy na podstawie przyjętego modelu ekonometrycznego.

6. Ocena trafności prognozy: Określenie trafności prognozy ustalamy na podstawie błędu prognozy ex ante.

CHARAKTERYSTYKA GŁÓWNYCH METOD PROGNOSTYCZNYCH

W literaturze przedmiotu najczęściej przyjmuje się podział metod prognostycznych na dwie podstawowe grupy (ogół metod prognozowania możemy podzielić na dwie podstawowe grupy):

• matematyczno-statystyczne,

• niematematyczne.

Zastosowanie do prognozowania metod matematyczno-statystycznych wymaga zbudowania modelu matematyczno-statystycznego. Model matematyczno-statystyczny jest rozumiany jako konstrukcja formalna, która za pomocą symboli matematycznych - równań lub nierówności liniowych i nieliniowych odzwierciedla w pewnym uproszczeniu wybrany fragment rzeczywistości gospodarczej - zasadnicze związki ilościowe występujące między zjawiskami w badanym fragmencie rzeczywistości.

Cechy metod matematyczno-statystycznych:

> wymaga się zbudowania modelu matematyczno-statystycznego,

> prognozę z wykorzystaniem tych metod uzyskuje się najczęściej przez diagnozowanie przeszłości i na

tej podstawie dokonuje się ekstrapolacji prostych związków w przyszłość,

> oparcie ich na danych statystycznych o dotychczasowe kształtowanie się zmiennej prognozowanej, > przyjmuje się założenie, że przyszłość jest zależna od przeszłości.

Metody niematematyczne (heurystyczne) prognozowania polegaj ą na wykorzystaniu opinii ekspertów, opartej -na szerokiej i ugruntowanej wiedzy prognostycznej, intuicji, wyobraźni, doświadczeniu i zdrowym rozsądku. Metody te służą do prognozowania możliwych wariantów rozwoju interesujących nas zjawisk i wskazywania wariantów najbardziej realistycznych.

Cechy-metod niematematycznych: . _».-

> nie wymagaj ą zbudowania jakiegokolwiek modelu,

> polegają na wykorzystaniu opinii ekspertów i opierają się na gruntownej wiedzy o branym zjawisku,

. intuicji, doświadczeniu czy też zdrowym rozsądku, >• prognozowanie za pomocą'tych metod polega na projektowaniu możliwych wariantów przyszłości i

wskazaniu wariantów najbarck;,^;ej realistycznych, > przyjmuje się założenie, żtpr^szłośćjest stosunkowo niezależna od przeszłości. ~

. Wśród metod matematyczno-statystycznych można "wyróżnić trzy klasy metod:

• metody oparte na modelach deterministycznych,

• metody oparte na modelach ekonometrycznych,

• metody oparte na modelach statystycznych (taksonometrycznych).

r"

Modele deterministyczne są to modele, w których występują zmienne i parametry nielosowe, całkowicie określone. Do tych metod można zaliczyć np. deterministyczne metody optymalizacyjne . statyczne i dynamiczne (liniowe i nieliniowe), metody bilansowe - metoda przepływów międzygałęziowych.

Modele ekonometryczne mają charakter stochastyczny,-a więc takie, w których występuje składnik losowy.

Modele statystyczne mogą mieć charakter opisowy lub stochastyczny. W modelu opisowym uwzględnia się tylko zmienne nielosowe. Ich wartości pochodzą głównie ze sprawozdawczości statystycznej. Z kolei w modelu stochastycznym występujące w nim zmienne mają charakter losowy. To podejście przyjmuje się głównie w przypadku badań eksperymentalnych, tzn., gdy istnieje możliwość powtórzenia badania w takich samych warunkach.

Jednorównaniowe modele ekonometryczne - opisują kształtowanie się jednej 'zmiennej objaśnianej. Jest to klasa modeli najczęściej wykorzystywana do celów prognozowania.

Wielorównaniowe modele ekonometryczne opisują kształtowanie się wielu zmiennych jednocześnie. Modele te dzielimy n& proste, rekurencyjne i modele o równaniach współzależnych. W modelu prostym każde równanie jest traktowane Jako niezależne od pozostałych, co oznacza że zmienne endogeniczne są wyjaśniane tylko przez zmienne z góry ustalone (egzogeniczne).~Model rekurencyjny charakteryzuje się jednokierunkowymi powiązaniami między zmiennymi endogenicznymi, które tworzą swoisty łańcuch. Pierwszym ogniwem łańcucha jest zmienna endogeniczna zależna tylko od zmiennych z góry ustalonych. Drugim ogniwem jest zmienna endogeniczna zależna od zmiennych z góry ustalonych i od zmiennej endogenicznej z poprzedniego -równania itd., czyli

Yj = f(XpX₂>-.;..,X_k, e),

Y₂ = f (Xj, X₂,..., X_k, Y,, e),

Y₃ = f (Xj, X₂, _v.., X_k, y! , Y₂, e),

Y_k = f(X_1? X₂.,..., X_k, Y₁₅ Y₂,..., Y_k_j, e).

W modelu o równaniach -współzależnych zmienne endogeniczne mogą pełnić role zmiennych objaśniających w dowolnych równaniach, powiązania miedzy zmiennymi są więc wielokierunkowe.

Do metod statystycznych wykorzystywanych w prognozowaniu można zaliczyć:

• metody taksonomiczne - klasyfikacji obiektów,

• metody wielowymiarowej analizy porównawczej.

Metody taksonomiczne - klasyfikacji obiektów służą do podziału zbioru obiektów statystycznych na względnie jednorodne z punktu widzenia przyjętych kryteriów grupy (klasy) obiektów, służą więc do analizy struktury badanych zjawisk. Mogą być wykorzystane do prognozowania szeroko pojętych struktur ekonomicznych i przestrzennych.

Metody wielowymiarowej analizy porównawczej służą do tworzenia cecKy agregatowej -syntetycznej, syntetycznego miernika rozwoju, który może być wykorzystany do prognozowania zjawisk złożonych - wielocechowych..

Przykład prognozowania poziomu żyeia mieszkańców województwa wrocławskiego na tle Polski

W celu sporządzenia prognozy poziomu życia mieszkańców województwa wrocławskiego na 1995 rok: > wyznaczamy prognozy dla. poszczególnych cech na rok -i995 w oparciu o oszacowane modele

tendencji rozwojowej w okresie t = 11, > obliczamy prognozę syntetycznego miernika poziomu życia na podstawie ..wzoru:

gdzie:

m j - liczba wskaźników stymulant,

m₂ - liczba wskaźników destymulant,

xf_t - wartość prognostyczna /-tego wskaźnika w obiekcie badanym w okresie t,

x°^p - wartość prognostyczna /-tego wskaźnika w obiekcie wzorcowym w okresie t,

z^p_{ - prognoza wartości syntetycznego miernika rozwoju (poziomu życia) w obiekcie badanym

w stosunku do obiektu wzorcowego w okresie t.

Klasyczne modele trendu - modele, w których zmienność zmiennej objaśnianej - prognozowanej jest opisywana tylko przez jedną specyficzną zmienną objaśniającą, jaką jest czas. Modele te można wykorzystywać z powodzeniem do sporządzania prognoz krótkookresowych, jak i średniookresowych, w przypadku gdy podstawą prognozy jest tzw. model tendencji rozwojowej z wahaniami periodycznymi.

Zalety jakie ma stosowanie metod trendu do prognozowania:

• do budowy modelu tendencji rozwojowej niezbędne są jedynie dane empiryczne odnoszące się do zmiennej prognozowanej,„która jest zmienną objaśnianą,

• nie występuje kłopotliwy problem znajomości wartości zmiennych objaśniających w "okresie prognozowanym, należy tylko ustalić wartość zmiennej czasowej w przyszłości,

• parametry modeli tendencji rozwojowej można-.łatwą, oszacować, gdyż są to. najczęściej modele liniowe lub dające się do takich sprowadzić (wykładnicze, logistyczne, wielomianowe),

• stosunkowo łatwo można także ocenić dokładność budowanych prognoz, wykorzystując mierniki dokładności prognoz ex ante, które są obliczane jednocześnie z 'prognozą.

Trudności jakie mają miejsce w trakcie budowy prognoz,na podstawie modeli tendencji rozwojowej:

•- musi być zachowana zasada zwana dynamiczne status quo, orzekająca w przyszłości na zmienną prognozowaną będą oddziaływać niezmiennie te same co dotychczas czynniki, to oznacza, że prognosta powinien być przekonany, że wykryta prawidłowość jest niezmienna w czasie lub prawie niezmienna w czasie, że zjawisko charakteryzuje się dużą inercją.

Gdy wiadomo, że w rozwoju danego zjawiska oprócz trendu i wahań przypadkowych występują, jeszcze wahania cykliczne (periodyczne, sezonowe), to do sporządzenia prognoz krótkoterminowych można wykorzystać metody trendu z wahaniami periodycznymi:

• metodę wykorzystującą zmienne zero-jedynkowe (metoda Kleina),

• metodę analizy harmonicznej,

• metodę trendów jednoimiennych.

W przypadku pierwszej metody model składnika sezonowego jest funkcją zmiennych zero-jedynkowych związanych z poszczególnymi sezonami.

Model trendu z wahaniami sezonowymi ma w wersji addytywnej postać:

Y = f(X) + (b₁Z₁+b₂Z₂+... + b_NZ_N),

gdzie Z j jest zmienną zero-jedynkową związaną z sezonem numery (j = l, 2,..., N),

l w momentach t odpowiadających sezonowi j,

z,.= l w momentach t odpowiadających sezonowi j

0 w w momentach t odpowiadających innym sezonom.

Metoda analizy harmonicznej polega na budowie modelu w postaci sumy tzw. harmonik, czyli sumy funkcji sinusoidalnych i cosinusoidalnych. Liczba harmonik modelu jest, przy n obserwacjach, równa n/2, przy czym pierwsza harmonika ma okres równy n, druga odpowiada połowie okresu n, trzecia jednej trzeciej itd. Ogólnie model wykorzystujący analizę harmoniczną można przedstawić jako:

gdzie:

i - to numer harmoniki, f(t) - funkcja trendu, alfa,beta - parametiy strukturalne modelu, które szacuje się

metodą najmniej szych kwadratów.

Metoda trendów jednoimiennych polega na konstrukcji osobnych trendów dla poszczególnych sezonów. W wyniku otrzymujemy model przebiegu sezonowego w postaci funkcji segmentowej. Prognoza na dany sezon wyznaczana jest na podstawie trendu - podmodelu dotyczącego tego sezonu.

Adaptacyjne modele trendu - są to modele, przy konstrukcji których odrzuca się krępujące założenie o niezmienności mechanizmu rozwojowego badanych zjawisk w przyszłości, co oznacza, że przy budowie tych modeli nie zakłada się stałości postaci analitycznej funkcji trendu i dopuszcza się możliwość zmian parametrów strukturalnych modelu w czasie. Modele mają dużą elastyczność i zdolność dostosowawczą w przypadku nieregularnych zmian kierunku lub szybkości trendu, czy też przesunięć i zniekształceń wahań periodycznych, gdy przebieg zjawiska w czasie nie jest dostatecznie stabilny. Modele adaptacyjne .stosujemy jako narzędzie prognoz krótkookresowych i operatywnych.

Trzy podstawowe adaptacyjne metody prognozowani.a:

• metoda średnich ruchomych,

• metoda wyrównywania wykładniczego,

• metoda trendu pełzającego i wag harmonicznych

Metoda średnich ruchomych polega na zastąpieniu pierwotnych wartości zmiennej prognozowanej średnimi arytmetycznymi (prostymi lub ważonymi), obliczanymi sekwencyjnie dla. wybrane] liczby obserwacj-liczby wyrazów średniej ruchomej, zwanej sfaią wygładzania (k)-,-którą określa prognosta. Średnia ruchoma wyznaczona z większej liczby wyrazów silniej wygładza szereg. Wyznaczone wartości średnie przypisuje się na ogół środkowym-obserwacjom, na podstawie których były obliczane średnie, niekiedy przypisuje się je obserwacjom ostatnim. Z kolei średnia arytmetyczna ważona przypisuje różne znaczenie obserwacjom z różnych okresów. Podstawowym problemem w tej metodzie jest ustalenie tych wag, jak i stałej wygładzania.

Metoda wygładzania (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.

Najprostszym modelem .wygładzania wykładniczego jest modeł Browna rzędu pierwszego - model prosty. Według tego modelu prognozę uzyskuje się ze wzoru:

y_t+1 =alfa*y_t+(l-a)-y_{t ,} gdzie:

y _l+1 - prognoza na następny okres t+1, y_t - rzeczywista wartość zmiennej prognozowanej w okresie t, y _t - przewidywana wartość zmiennej prognozowanej na okres poprzedni t,

a - stała wyrównywania, przyjmuje wartości z przedziału (O, 1). Parametr ten wyznacza się w sposób doświadczalny, metodą kolejnych przybliżeń. W tym celu należy konstruować prognozy,na okresy minione przy różnych wartościach a i porównywać je z rzeczywistą realizacją zmiennej prognozowanej i na tej podstawie wybrać tę stałą, przy której prognozy są najbliższe rzeczywistym realizacjom. Do budowy prognozy na okres następny t +1 potrzebne są: rzeczywista oraz prognozowana wartość zmiennej prognozowanej na okres poprzedni t oraz wartość stałej wygładzania. Zostały opracowane modyfikacje prostego modelu Browna, znane jako metody Browna II i III rzędu, Wintersa i Holta.

Metoda trendu pełzającego i wag harmonicznych. W metodzie tej uwzględnia się postulat głoszący, że wpływ nowszych danych na wartość prognozy powinien być większy od wpływu danych starszych i wykorzystuje się do wyznaczania prognoz zjawisk, które charakteryzują się nieregularnymi zmianami. Metoda ta obejmuje dwa niezależne etapy;

1) wyrównanie szeregu czasowego zmiennej prognozowanej za pomocą trendu pełzającego,

2) wyznaczenie prognoz z wykorzystaniem wag harmonicznych.

W metodzie trendu pełzającego stosowanego do wygładzania szeregu można również wyróżnić dwa etapy:

1) Polega na oszacowaniu parametrów strukturalnych liniowych funkcji trendu (trendów segmentowych) dla arbitralnie określonego okresu wygładzania.

2) Wyznaczenie wartości wygładzonych poprzez wstawianie kolejnych wartości zmiennej czasowej do odpowiednich funkcji trendu segmentowego i obliczenie dla kolejnych jednostek czasowych średniej waności z wszystkich wygładzeń.

Modele przyczynowo-skutlowe o postaci:

Y = f(X₁X₂,...,X_k,e), gdzie:

Y - zmienna prognozowana, X1, X₂,..., X_k - zmienne objaśniające, e - składnik losowy modelu,

i - typ związku funkcyjnego międrry zmienną objaśnianą a zmiennymi objaśniającym-:.

Modele ekonometryczńe jednorównaniowe można wykorzystać w różnych dziedzinach prognozowania krótko i średniookresowego. Sposób postępowania jest następujący: szacuje się parametry strukturalne modelu metodą MNK (metodą najmniejszych kwadratów), przeprowadza się weryfikację modelu, wyznacza się przyszłe wartości zmiennych objaśniających i na.tej podstawie sporządza się prognozę.

Zalety tej metody prognostycznej:

- prosta budowa modelu i prosta interpretacja jego parametrów strukturalnych,

- możliwość obliczania błędów prognoz typu ex ante (obliczanych jednocześnie z- prognozą),

- możliwość uzyskiwania prognoz wariantowych np. dla różnych wariantów wartości zn» Innych objaśniających .w okresie prognozowanym,

Z drugiej strony zastosowanie tej metody prognostycznej rodzi też problemy, które należy rozwiązać: wybór postaci analitycznej równania modelu,

- dobór najlepszego zbioru zmiennych objaśniających,

sprawdzenie stabilności relacji strukturalnych w czasie (oznacza to, że postać analityczna modelu, jak i wzajemne oddziaływanie zmiennych są względnie stałe aż do okresu prognozowanego włącznie),

- wyznaczenie wartości zmiennych objaśniających (lub wariantów tych wartości) w okresie prognozowanym. Najczęściej korzysta się z prognoz tych zmiennych określonych na podstawie funkcji trendów lub innych modeli ekonometrycznych.

Modele autoregresyjne mają postać ogólną

Y_t = i(Y_t_1, Y_t_₂,..., Y_t__m,e_t),

w których wartości zmiennej prognozowanej są funkcją wartości tej zmiennej w okresach poprzedzających okres badany oraz składnika losowego. Na ogół funkcja f jest liniowa lub logarytmiczno-liniowa, m jest rzędem autoregresji. Zastosowanie modelu autoregresji znacznie ułatwia wyznaczenie prognozy, gdyż w tym wypadku omija się bardzo kłopotliwy problem określenia waności zmiennych objaśniających dla okresu prognozowanego.

W modelach autoregresyjnych powstaje problem określenia rzędu autoregresji m - maksymalnego opóźnienia czasowego. Decyzje co do wyboru m mogą być uzyskane metodą prób i błędów, polegającą na szacowaniu modeli dla różnych wielkości opóźnień i wyborze takiego m, przy którym wartość współczynnika zmienności składnika losowego jest najmniejsza. Podstawę wyboru wartości parametru m może też stanowić funkcja:

AR(k) = wzór

gdzie: s jest oceną wariancji składnika losowego modelu autoregresji rzędu k, K jest maksymalnym rzędem autoregresji. Jako najlepszą wartość parametru m wybiera się taką, dla której:

AR(m) = minAR(k).

k

METODY MEMATEMATYCZNE

Wśród metod niematematycznych można wyróżnić 3 podstawowe grupy tj.

• metody intuicyjne (heurystyczne),

• kolejnych przybliżeń,

• analogowe.

Przez intuicyjne (heurystyczne) metody prognozowania rozumie się metody wykorzystujące, do sformułowania prognozy, opinie ekspertów oparte na ich wiedzy, intuicji i doświadczeniu (heurystyka to umiejętność wykrywania nowych faktów i relacji między faktami oraz dochodzenia w ten sposób do nowych prawd). Opracowywana prognoza nie opiera się w tym przypadku na ekstrapolowaniu wykrytych w przeszłości prawidłowości w przyszłość,. lecz na przewidywaniu możliwych wariantów rozwoju badanych zjawisk i ukazywaniu wariantów najbardziej realistycznych. W celu ustalenia prognozy opinie ekspertów są opracowywane. Prognozą jest zwykle ta opinia, która powtarza się najczęściej. Metody heurystyczne są wykorzystywane do prognozowania zjawisk niemierzalnych (np. prognozy rozwoju nauki, techniki), bądź zjawisk mierzalnych przy długim horyzoncie prognozy.

Wśród metod heurystyczny^h można .w/mienić: ankietowe, burza mózgów, delficka,' refleksji; największe zastosowane, znalazły: burza mózgów i metoda delficka. __ -

Metoda ankietowa słnży do badania opinii respondentów (a więc nie ekspertów w danej dziedzinie) za pomocą kwestionariusza, który jest uporządkowaną merytorycznie listą pytań, na które oczekuje się odpowiedzi. Metody ankietowe można wykorzystać szczególnie -do ^przewidywania zjawisk rynkowych -ustalenia przewidywanego udziału danego produktu w rynku, przyszłej sprzedaży i zysku, jakie przedsiębiorstwo mogłoby osiągnąć.

Burza mózgów - polega na formułowaniu przez ekspertówjak największej liczby poglądów na temat rozważanego zjawiska w-przyszłości. Najlepsze efekty daje praca grupowa. Podstawą tej metody są dwa założenia: 1) nie krytykować, 2) wytworzyć dużą liczbę pomysłów, gdyż w dużej liczbie pomysłów znajdą się na pewno dobre. Najczęściej stosuje ją do usprawniania procesów produkcyjnych, do projektowania i modernizacji organizacji i zarządzania.

Metoda delficka - polega na opracowywaniu szczegółowych ankiet skierowanych do wybitnych specjalistów i na stopniowym uzgadnianiu opinii przez informowanie ekspertów o wynikach ankiety. Pytania zawarte w ankietach wymagają konkretnych odpowiedzi liczbowych. Eksperci pracują niezależnie od pozostałych, ich odpowiedzi są anonimowe. Jest to więc metoda kosztowna i długotrwała (od kilku miesięcy do roku). Metoda delficka stosowana jest głównie do prognozowania techniki, rozwoju gospodarczego oraz różnych rodzajów ludzkiej działalności; do wyznaczenia dat wystąpienia interesującego nas zjawiska, określenia punktów zwrotnych trendów zjawisk, oceny ważności i skutków wystąpienia zmian w zakresie czynników determinujących analizowany proces.

Metody kolejnych przybliżeń polega na weryfikacji pierwotnej wersji prognozy drogą coraz to nowszych badań prognostycznych, przez jej uściślanie, usuwanie z niej luk i sprzeczności oraz uwzględnianie nowych elementów w stosunku do poprzednich ustaleń prognostycznych. Do najczęściej wykorzystywanych należy tu metoda scenariuszy. Polega na próbie wskazania logicznego następstwa wydarzeń, w celu ustalenia w jaki sposób krok po kroku rozwijać się będzie przyszła sytuacja, przyjmując za punkt wyjścia sytuację obecną lub jakąkolwiek inną. Scenariusze pokazują różne punkty widzenia na daną sytuację. Podstawową zasadą merytoryczną scenariuszy nie jest wskazywanie przyszłości najbardziej prawdopodobnej, lecz zbioru możliwych przyszłości. Wśród scenariuszy można wyróżnić optymistyczne, pesymistyczne, pośrednie. Metoda nadaje się do opracowywania prognoz długoterminowych, na okresy 15-20 letnie, w sytuacji, gdy dysponuje się niepełną wiedzą o prawidłowościach rozwojowych, a zjawiska prognozowane mają charakter typowo jakościowy.

Metody analogowe. Ogólna idea metod analogowych polega na przeniesieniu prawidłowości charakteryzujących dany układ bardziej zaawansowany w rozwoju na układ słabiej rozwinięty, podlegający procesowi prognozowania. W literaturze przedmiotu wyróżnia się cztery główne rodzaje metod prognozowania przez analogię:

• biologiczne,

• przestrzenne,

• historyczne,

• przestrzenno-czasowe.

Metodę analogii biologicznych wykorzystuje się zwłaszcza w prognozowaniu naukowo-technicznym,

gdzie pewne prawidłowości rozwojowe opisuje się empirycznymi równaniami dotyczącymi procesów

biologicznych.

Metoda analogii przestrzennych polega na przewidywaniu zajścia określonego zdarzenia na podstawie

informacji o zajściu tego zdarzenia na innych terytoriach. Przykłady: pojawienie się kart kredytowych w

jednym kraju pozwala przypuszczać, że potrzeba posiadania kart pojawi się także w innych krajach.

Prognozowanie dotyczy tu zjawisk (zmiennych) jednoimiennych.

Metoda analogii historycznych, dotyczy prognozowania zjawisk (zmiennych) różnoimiennych. Metoda

polega na przenoszeniu prawidłowości zmian w czasie jednych zjawisk na inne zjawiska zachodzące

później w tym samym obiekcie. Przykłady: rozwój radiofonii może być podstawą przewidywań telewizji.

Metoda analogii przestrzenno-czasowych (komparatywnych) polega na przeniesieniu prawidłowości z

jednych krajów, charakteryzujących się wyższym poziomem rozwoju, na kraj (region) podlegający

prognozowaniu. W tym prognozowaniu występują na ogół zjawiska jednoimienne. Przykłady: tendencja

zmian struktury obszarowej (agrarnej), jaka występowała w krajach Unii Europejskiej, takich jak Niemcy

i Francja może wystąpić w przyszłości również w Polsce.

Analogie biologiczne i przestrzenne są wykorzystywane do wyznaczania wognoz jakościowych,

a historyczne i przestrzenno-czasowe - przede wszystkim do obliczania prognoz ilościowych.

SYMULACJE

Symulacje to badanie możliwych stanów interesującej nas zmiennej - fragmentu rzeczywistości za pomocą zbioru technik badania operacji polegających na zastosowaniu matematyki i statystyki do zagadnień zarządzania, a służących do eksperymentowania - ze zjawiskami ekonomicznymi - na modelu ekonomicznym, który odzwierciedla rzeczywistość. Symulacja naśladuje za pomocą modelu rzeczywiste procesy (np. produkcyjnych) lub określa efekty decyzji ekonomicznych, technicznych w danym układzie gospodarczym. Cechą charakterystyczną symulacji jest

szacowanie skutków jakiegoś zdarzenia, lub skutków zmian w modelu wartości którejkolwiek jego składowej przez powielanie (symulowanie - naśladowanie) dużej liczby wyników, jakie w rzeczywistości mogą nastąpić. Celem eksperymentowania jest więc znalezienie odpowiedzi na pytanie "co by było, gdyby" w modelu zmienić wartość którejkolwiek składowej lub postać zmian wartości tej składowej w skali czasu lub w każdym innym wymiarze.

Rodzaje symulacji: > deterministyczna, > stochastyczna, > mieszana.

W symulacji deterministycznej do modelu wprowadza się zakłócenia strukturalne

o zadanych z góry wartościach, czyli sprowadza się to do analizy określonego modelu,

w którym nie uwzględniamy jego składnika losowego¹ (lub składników losowych²).

W symulacji stochastycznej do modelu wprowadza się zakłócenia strukturalne przyjmujące

wartości losowe. W tej sytuacji uwzględnia się składnik losowy (lub składniki losowe)

i właściwości jego rozkładu (lub rozkładów)³. Symulacja stochastyczna wierniej niż

symulacja deterministyczna odzwierciedla zachowanie się układów gospodarczych.

W symulacji mieszanej do modelu wielorównaniowego wprowadza się zakłócenia

strukturalne o charakterze stałym lub losowym.

W oparciu o rodzaj symulacji wyróżniamy:

> deterministyczne modele symulacyjne (DMS),

> stochastycne modele symulacyjne (SMS),

> mieszane modele symulacyjne (MMS).

---