OGÓLNE ZAGADNIENIA PROGNOZOWANIA
Przewidywanie
Schemat przewidywania przyszłości
Przewidywanie przyszłości:
Nieracjonalne
Racjonalne:
Zdroworozsądkowe (wiedza ekspertów)
Naukowe (ekonometria)
Przewidywanie nieracjonalne – w procesie wnioskowania korzystamy z wróżb i proroctw, które niekoniecznie muszą być fałszywe
Przewidywanie zdroworozsądkowe – wnioskowanie oparte jest na doświadczeniu osoby sporządzającej prognozę bez użycia reguł nauki
Przewidywanie naukowe – w procesie wnioskowania korzystamy z reguł nauki, wykorzystujemy określone metody badawcze
Podstawowe pojęcia
Def. Prognozy gospodarczej – wybór (w ramach danego układu) najbardziej prawdopodobnej drogi rozwoju wyróżnionego zjawiska ekonomicznego w nadchodzącym okresie przy czym podstawą tego wyboru jest dotychczasowy przebieg tego zjawiska i aktualny stan układu.
Prognozowanie – to przewidywanie przyszłości w sposób racjonalny z wykorzystaniem metody naukowych.
„Prognoza” wprowadził do nauki Hipokrates; greckie: gnoza – wiedza, prognoza – uprzednia wiedza, przewidywanie
Funkcje prognozowania
o preparacyjna – tworzenie dodatkowych przesłanek w procesie decyzyjnym
o aktywizująca – pobudzenie do podejmowania określonych działań
o informacyjna – akceptowanie zapowiadanych zmian
Zastosowanie prognoz w gospodarce
o prognozowanie wielkości, których nie można zaplanować
o prognozowanie wskaźników techniczno ekonomicznych
o prognozowanie finansowe
o prognozowanie ścieżek rozwoju
o prognozowanie efektów zamierzonych posunięć gospodarczych
o prognozowanie stopnia realizacji przyjętych celów
o prognozowanie odchyleń od wyznaczonych celów
Metody prognozowania:
o Matematyczno-statystyczna:
o metody oparte na metodach deterministycznych
o metody oparte na metodach ekonometrycznych:
§ jednorównaniowe modele ekonometryczne:
· klasyczne metody trendu
· Adaptacyjne metody trendu
· Przyczynowo-opisowe
· endoregresyjne
§ Wielorównaniowe modele ekonometryczne:
· proste
· rekurencyjne
· o równaniach współzależnych
o Niematematyczne:
o Metody ankietowe
o Intuicyjne
o Kolejnych przybliżeń
o Ekspertyz
o Delficka
o Refleksji
o Analogowe
o inne
Rodzaje prognoz
Horyzont czasowy:
o bezpośrednie (nie przekracza 1 m-c) – działania operacyjne
o krótkoterminowe (od 1 do 3 m-c)
o średnioterminowe (nie przekraczają 2 lat)
o długoterminowe (ponad 2 lata)
Charakter lub struktura
o prosta (bez udziału innych prognoz), złożona (w oparciu o prognozy zmiennych opisujących)
o Jakościowa (dotyczy cechy jakościowej – np. nastąpi spadek cen akcji), ilościowa ( prognoza wyraża liczbę – np. akcje wzrosną o 100 pkt)
o punktowa (prognoza przyjmuje określoną liczbę); przedziałowa (podaje się przedział liczbowy)
o skalarna (pojedyncza wartość); wektorowa (wektor liczb).
o Jednorazowa (stosujemy jednokrotnie); powtarzalne (poprawiamy w miarę dopływu nowych danych
o kompleksowa (np. wszystkie napoje) (całościowo opisuje przyszłą sytuację złożonego zjawiska); sekwencyjna (obejmuje fragment zjawiska dla kilku okresów) (np. coca cola)
o samosprawdzająca się (sprzyja realizacji przewidywania); destrukcyjna (obciąża realizację przewidywania).
Stopień szczegółowości:
o ogólna (całościowa, globalna)
o szczegółowa (częściowa, odcinkowa)
Zasięg terenowy
o światowa
o międzynarodowa
o krajowa
o regionalna
Horyzont prognozy
I 97 III 99 VI 01 XI 01 I 02
t1 t(z kreską) tn tb T
Mamy szereg czasowy obserwacji zmiennej w kolejnych m-c od I 97 do VI 2001. Zakładamy, że w XI 2001 obliczono prognozę dla I 2002
Zatem
tb= 59 – bieżący okres czyli listopad 2001
T = 61 – okres, dla którego obliczono prognozę (I 02)
tn – 54 – wyjściowy okres prognozy (VI 01)
t=27 – numer środkowego okresu należącego do badanego przedziału (III 99)
Def.:
ð przedział czasowy „próby” I = [t1,tn]; [1,54]
ð horyzont prognozy (tb, T) (59,61)
ð opóźnienie w dopływie danych tb-tn (59-54=5M)
ð opóźnienie bieżące modelu (w stosunku do bieżącego okresu) tb – t (59-27=32M)
ð predyktywne opóźnienie modelu T – t (61-27 = 34M)
Dane wykorzystywane w prognozowaniu
Dane liczbowe powinny być
o jednorodne
o rzetelne
o jednoznaczne
o porównywalne
o kompletne
o aktualne
Podstawowe źródło błędu
o Niedokładność i trudność przy określeniu jednostki badanej
o Opuszczenie lub wielokrotne ujęcie niektórych danych
o Niejasne lub ogólnikowe formułowanie pytań w formularzu lub niewłaściwa interpretacja
o Świadome lub nieświadome udzielenie fałszywych odpowiedzi
o Niedokładność pomiaru lub obliczeń
o Błędy klasyfikacji i symbolizacji lub segregacji i tabulacji
o bł
ędy powstałe w trakcie wpisywania danych
problem brakujących danych można rozwiązać przez:
o ograniczenie przekroju analizy (ograniczamy się do dostępnych danych, ale prognoza obarczona jest dużym błędem)
o wykorzystanie niekompletnych danych (badanie bez obcej informacji)
o oszacowanie brakujących informacji (badanie z obcą informacją)
Miary dokładności wnioskowania w przyszłości
Dokładność wnioskowania zależy od:
przyjęcia właściwych założeń wyjściowych
zastosowania właściwej zasady wnioskowania
poprawnego oszacowania parametrów modelu
ex ante – spodziewany błąd odchyleń wyliczony statystycznie
ex post – gdy zjawisko jest realizowane na podstawie przeszłości
Szacowanie dokładności i trafności prognoz może być dokonane:
o przez oszacowanie spodziewanej wartości odchyleń rzeczywistych realizacji zmiennej prognozowanej od prognozy – miernik ex ante (dokładność prognozy)
o przez obliczanie wartości odchyleń rzeczywistych realizacji zmiennej prognozowanej od prognozy – miernik ex post (trafność prognozy)
wzory od niego
o u (z kreską) - średnie obciążenie predykcji ex post
o Vn - względne obciążenie predykcji ex post
o Sp - średni błąd predykcji ex post
o Vsp - względny błąd predykcji ex post
o Iex - okres empirycznej weryfikacji prognozy
o ...
protur