PROGNOZOWANIE I SYMULACJE.doc

(311 KB) Pobierz

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

Organizacja procesu prognostycznego

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