PROGNOZOWANIE I SYMULACJE
krci@eti.pg.gdy.pl – Krzysztof Cisowski
wykład 1
Literatura:
M. Cieślak – Prognozowanie gospodarcze
Program komputerowy – K. Kolenda, M. Kolenda – Analiza szeregów czasowych
B. Radzikowska – Metody prognozowania – zbiór zadań
Prognozowanie – jest wstępnym etapem podejmowania decyzji i działań.
Prognoza – przewidywanie (wnioskowanie o wydarzeniach nieznanych na podstawie wydarzeń znanych).
Przewidywanie przyszłości (racjonalne, nieracjonalne).
Racjonalne – zdroworozsądkowe, naukowe (logiczny proces od przesłanek do konkluzji.
Zdroworozsądkowe – opieramy się na doświadczeniu, pomijając podejście naukowe.
Naukowe – przyszłościowe, gdy w procesie przewidywania korzystamy z metod naukowych.
Prognozowanie – to racjonalne, naukowe przewidywanie zdarzeń przyszłych.
Prognoza – sąd o specyficznych właściwościach, odnoszący się do konkretnych działań, konkretna dokładna przyszłość.
Sąd – zdania oznajmiające, zawierają prawdę lub fałsz, sad jest niepewny
Prognoza odnosi się do konkretnego obiektu.
Prognoza – sformułowana na dorobku nauki, odnosi się do określonej przyszłości, weryfikowany empirycznie, sąd niepewny ale akceptowalny.
W obiekcie zachodzą pewne zjawiska, opisywane są przez zmienne
Zmienne mogą mieć charakter:
1/ ilościowe – wyrażone liczbą,
2/ jakościowe – wyrażone zmienną opisową
Zjawisko proste – jedna zmienna
Zjawisko złożone – wiele zmiennych.
Dwie podstawy prognozowania:
• podstawy ontologiczne – jedne zjawiska silnie wpływają na inne zjawiska są ze sobą powiązane, jedne wynikają z drugich, więc można je łatwo przewidzieć (inercja prawidłowości)
• podstawy gnoseologiczne – wynikają z wiedzy o naturze zjawisk i ich mechanizmach kształtowania się
Funkcje i klasyfikacje prognoz: (s. 22-23)
• preparacyjna – przygotowane działania, które przygotowują inne działanie, prognozowanie jest przygotowaniem innego działania,
• aktywizująca – pobudzanie do podejmowania działań sprzyjających realizacji prognozy, gdy zapowiada ona zdarzenia korzystne i przeciwstawiającej się ich realizacji, gdy przewidziane zdarzenia są niekorzystne,
• informacyjna – oswajanie ludzi z nadchodzącymi zmianami i zmniejszaniu lęku przed przyszłością.
Klasyfikacja prognoz:
1. Samorealizujące prognozy. (s. 21)
Samounicestwiające prognozy.
2. Prognozy zmiennych sterowanych przez decydenta – (mamy wpływ) – (s. 23)
Prognozy zmiennych niesterowalnych przez decydenta. – (nie mamy wpływu)
3. Prognozy badawcze – (w ramach nich ostrzegawcze) – (s. 23)
Prognozy realistyczne – powiązane z funkcją preparacyjną, wymagana duża precyzja. (s. 24)
4. Prognozy ilościowe (opisywane liczbowo). (s. 24) (do tego zmiany ilościowe i jakościowe s. 25)
Prognozy jakościowe – opisywane słownie – powiązania ulegają zmianie. (s. 25)
5. Prognozy punktowe – wartość prognozowana i średni błąd. (s. 24)
Prognozy przedziałowe. (s. 79-80)
6. Prognozy krótkookresowe (zmiany ilościowe).
Prognozy średniookresowe (oprócz zmian ilościowych – zmiany jakościowe)
Prognozy długookresowe (głównie zmiany jakościowe).
Organizacja procesu prognostycznego
Dane wykorzystywane do prognozy:
• najczęściej dane z przeszłości
• gromadzenie danych
* o obiekcie – dane wewnętrzne (s. 27)
* o otoczeniu – dane zewnętrzne (s, 27)
Dane wewnętrzne – gromadzone w firmie dotyczące działalności, opisują zasady działania, funkcjonowania, rejestracja zdarzeń bieżących, sprawozdania ze sprzedaży, zapisy badań specjalnych.
Dane zewnętrzne – z otoczenia bliższego, tworzone przez obiekty bezpośrednio powiązane z obiektem (np. o konkurencji). Dane z otoczenia bliższego oraz dane z otoczenia dalszego (łatwe do zdobycia, stosowanie teorii ekonomicznych). (s.28-29).
Kryteria selekcji danych. (s. 30)
• dane rzetelne – zgodne z przedmiotem, którego dotyczą
* błędy losowe – np. ktoś źle odczytał (s. 30) .
* błędy systematyczne, wynikają z celowego działania ludzi
• jednoznaczność danych – dane podawane tak, by każdy odbierał je tak samo
• identyfikowalność zjawiska przez zmienną – podajemy zmienne w określonych jednostkach (s. 30)
• kompletność –dane powinny obejmować wszystkie ważne wiadomości wystarczające do rozpoznania problemu (s. 31)
• aktualność danych dla przyszłości (s. 31)
• koszt zbierania danych (s. 31)
• porównywalność danych – podział (s. 31)
• szeregowanie danych (s. 32)
* szereg czasowy – zapis stanów zmiennej w czasie (s. 33)
1/ jednowymiarowy szereg czasowy
2/ wielowymiarowy szereg czasowy
3/ wielowymiarowy szereg przekrojowy
* szereg przekrojowo-czasowy – macierze wielowymiarowe (s. 34)
Przegląd metod prognozowania. (s. 35)
Metoda prognozowanie – jest sposobem działania służącym do rozwiązywania zadania prognostycznego
Dwa etapy obejmujące metodę prognozowania:
• diagnozowanie przeszłości – obejmuje sposób przetworzenia danych o przeszłości
• określenie przyszłości – sposób przejścia od danych przetworzonych do przyszłości
Reguła prognozy – przejście od danych przetworzonych do prognoz:
• podstawowa (s. 35-36)
• podstawowa z poprawką (s. 37)
• największego prawdopodobieństwa (s. 3)
• minimalnej straty (nie będziemy używać)
Metody prognozowania: (s. 39)
• metody analizy i prognozowania szeregów czasowych – używamy informacji o zmiennych stanach przyszłych stanów wartości prognozowania. Prognozy krótkookresowe, reguła podstawowa. (s. 39-40)
• metody przyczynowo-skutkowe (s. 39)
* modele ekonomiczne
* metody behawiorystyczne (oparte na prawach psychologii) (s. 39)
* modele symptomatyczne (do prognoz krótkoterminowych)
• metody analogowe (do prognoz średnioterminowych) (s. 40)
• metody heurystyczne (s. 42)
Wybór metody zależy od problemu, który chcemy rozwiązać. (s. 43)
• przesłanki prognostyczne
• postawy
* pasywna
* aktywna (analogowe, heurystyczne)
Jakość modelu. (istotność, autokorelacja, odchylenie) (s. 44)
Cele tworzenia modeli:
1/ poznawczy
2/ predyktywny (prognozowanie)
3/ sterowanie
Przewidywanie
1/ racjonalne (zdroworozsądkowe, naukowe)
2/ nieracjonalne
1/ dane wewnętrzne
2/ dane zewnętrzne
Błędy prognoz: (s. 47)
• dopuszczalność prognozy (s. 52)
• trafność prognozy (s. 48)
• ex ante (s. 54)
• ex post
• błędy prognoz wygasłych
ćwiczenia 1
Analiza szeregów czasowych
Składowe szeregów czasowych
1/systematyczna – deterministyczna część
a. tendencja rozwojowa – trend
b. stały przeciętny poziom
c. wahania cykliczne (koniunktury)
d. wahania sezonowe (związane np. z porami roku)
2/ przypadkowa
Rodzaje modeli:
1/ model addytywny
2/ model multiplikatywny
Metody prognozowania
1/ naiwne
- prognozą jest poprzednia wartość
- prognozą jest poprzednia wartość plus odchyłka z poprzednich okresów
- przyrost rosnący o stały procent ,
gdy C=1 to , gdzie C – liczba procentów dzielona przez 100 (stała)
- uśredniony przyrost
- r – liczba faz w wahaniach sezonowych np. r =12 m-cy
porównujemy np. czerwiec z czerwcem
2/ średniej ruchomej – usuwa się składową przypadkową
k – stała wygładzona,
dla k = 3 - - średnia ruchoma prosta
prognozowanie dla n=10
zastosowanie średniej ruchomej do prognozowania
średnia ruchoma ważona
....
ważenie wykładnicze
- bezwzględny błąd prognozy
- parametr wygładzania
Metody stosujemy:
- przy składowej stałej i składniku losowym
- gdy występuje trend i składnik przypadkowy
Model liniowy Holta – gdy mamy do czynienia z tendencją rosnącą lub malejącą (raz taka, raz taka – wahania cykliczne).
- punkt przecięcia osi Y
- tangens kąta -
Model Wintersa – dotyczy zjawisk, które powtarzają się cyklicznie
C – składnik sezonowy
r – liczba faz
- model w wersji addytywnej
- model multiplikatywny
wykład 2
WYBÓR METODY
Mechanizm rozwojowy rozpatrujemy pod względem wpływu na przyszłość.
Prognostyka musi przyjąć postawę:
a/ pasywną (metody oparte o diagnozowanie przyszłości np. szeregi czasowe, modele ekonometryczne – prognozy krótkookresowe, dokładne, realistyczne) lub
b/ aktywną (używamy metody analogowe i heurystyczne).
Badanie jakości modelowania
1. jakość modelu – zgodnie z danymi empirycznymi – współczynnik determinacji, stosunek średniego błędu,
2. istotność parametru,
3. analiza reszt.
Błędy prognoz
1. badanie jakości modelu
a/ ex post – po
b/ ex ante – przed spełnieniem się prognozy
2. ustalenie dopuszczalności prognozy – jest dopuszczalna, gdy jest obdarzona przez odbiorcę stopniem zaufania wystarczającym do tego by mogła być wykorzystana
3. trafności prognozy – ustalana na końcu, gdy mamy dane rzeczywiste, przeprowadzamy analizę trafności
Analiza trafności
1. liczymy błędy prognoz
a/ bezwzględny błąd prognozy ex post
b/ względny błąd prognozy ex post
c/ średni względny błąd prognoz ex post T – horyzont prognozy (na ile będzie realna)
d/ średni kwartalny błąd prognoz ex post
Analiza dopuszczalności prognozy
1. analiza błędów ex ante (dla modeli analitycznych) t>n
- bezwzględny błąd prognoz ex ante
względny błąd prognozy ex ante t>n
2. poprzez analizę prawdopodobieństwa realizacji prognozy
3. błędy prognoz ex ante poprzez analizę błędów ex post (np. ostatni błąd ex post)
4. poprzez analizę błędów prognoz wygasłych
prognoza wygasła – prognoza wyznaczona na taki czas t, dla którego znana jest wartość zmiennej prognozowanej
5. ocena przez ekspertów dopuszczalności prognozy
6. ocena dopuszczalności prognozy przez prognostę
Etapy prognozowania
1. sformalizowanie prognozy (opis słowny)
2. określić przesłanki prognostyczne (pasywna czy aktywna)
3. wybór metody prognozowania
4. wyznaczenie prognozy
5. określenie dopuszczalności prognozy
6. weryfikacja prognozy – badanie trafności prognozy
Szeregi czasowe – stany zmiennej prognozowanej w poszczególnych chwilach czasu, zapisane w postaci wektora (jednowymiarowy) ciąg liczb....
lol511