Prognozowanie i stymulacje – lab.                                                                                                  21.09.2003

WYKŁAD 1

Dr hab. profesor WSEI

Bartłomiej Beliczyński

http://acn.waw.op/barbel

EGZAMIN

Odpowiedzi na pwene pytania.

5 zadań suma za zadania 10 punktów, 20 minut czasu. Odpowiedzi na dostarczonym, zadrukowanym arkuszu.

Pytania kontrolne na stronie.

Niezaliczenie ćwiczeń nie rzutuje na zaliczenie wykładów.

LITERATURA

1.      Prognozowanie gospodarcze: metody i zastosowanie. Red. M. Cieślak PWN 2001

2.      Prognozowanie i stymulacje a decyzje gospodarcze. J. B. Gajda Wyd. C. H. Beck 2001

3.      Prognozowanie i stymulacja rozwoju przedsiębiorstwa. A. Mańkowski i Z. Towapata

Druk Tur 2000

Organizacja zajęć – wykład i ćwiczenia.

PIERWSZE  PRZYBLIŻENIE  TYTUŁU

Prognozowanie – przewidywanie przyszłości.

Stymulacje – badanie stanów interesującego nas fragmentu rzeczywistości za pomocą eksperymentowania na modelu.

Przewidywanie – wnioskowanie o zdarzeniach nie znanych na podstawie zdarzeń znanych.

Zdarzenia (fakty) nieznane – mogą pochodzić z przyszłości bądż przeszłości.

Przewodywanie przyszłości.

Racjonalne                                                                                                  Nieracjonalne

(prognozowanie tzn.                                                                                                   (wróżby, proroctwa)

przeprowadzane                                                                                                 podanie zdarzeń             

od przesłanek do wniosku).                                                                                    z przyszłości bez

                                                                                                                              rzadnego uzasadnienia

Prognoza – sąd o następujących właściwościach:

1.      Odnoszący się do określonej przyszłości.

2.      Sformułowany w oparciu o logiczny proces przebiegający od przesłanek do wniosków.

3.      Weryfikowalny, empiryczny.

4.      Posiadający element niepewności.

Pytanie:

Co powoduje, że przewidywanie przyszłości jest w ogóle możliwe?

·         Ograniczone możliwości zmian wielkości modelu (zmiennych objaśnianych).

·         Jesteśmy w stanie konstruować względnie dobre modele zjawisk ( modele fenomenologiczne ) i przeprowadzając eksperymenty na modelu wnioskować o rzeczywistości.

UWAGA

Używanie modelu do celów prognozowania wymaga założenia, że aktualnie stworzony i zweryfikowany model będzie opisywał równie dobrze zjawiska w przyszłości.

Gajda: „Jedynym powodem dla którego spodziewamy się, że przyszłośc będzie podobna do przeszłości jest to, że w przeszłości przyszłość była podobna do przyszłości”.

dane które posiadamy

              przeszłość                                             n                                           przyszłość                                              czas

n – chwila obecna

ZMIANY  ZMIENNYCH  PROGNOZOWANYCH

·         Ilościowe: zmniejszenie lub zwiększenie wartości zmiennej prognozowanej zgodnie z dotychczasową prawidłowością.

·         Jakosciowe – zmiany istotnych cech zjawiska wymagają zmiany istotnych cech modelu.

y = a·x + b – model liniowy

y = ae - bx  + c – krzywa wykładnicza

y = ax4 + bx3 + cx2 + dx + e – model wielomianu czwartego stopnia

TYPY  PROGNOZ  ZE  WZGLĘDU  NA HORYZONT  CZASOWY:

·         krótkookresowe

·         średniookresowe

·         długookresowe

Prognoza krótkookresowa.

Prognoza na taki okres czasu, w którym zachodzą tylko zmiany ilościowe. W gospodarce jest to okres ok. 2 – 3 miesięcy.

Prognoza średniokresowa.

Zmiany ilościowe, ale i śladowe zmiany jakościowe.

Prognoza długoterminiowa.

Zmiany ilościowe i poważne zmiany jakościowe.

Metoda prognozaowania – sposób przetwarzania danych o przeszłości i sposób przejścia od danych przetworzonych do prognozy.

Reguła prognozy – sposób przejścia od danych przetworzonych do prognozy.

Metoda prognozowania pojęcie szersze niż reguła prognozy.

METODY  PROGNOZOWANIA

1. Z wykorzystaniem szeregów czasowych.

Model

Zmienna objaśniająca                                                                                    Zmienna objaśniana

(egzogeniczna)                                                                                    (endogeniczna)

2. Z wykorzystaniem modeli fenomenologicznych (oddają metodę zjawiska) → modele przyczynowo skutkowe.
3. Metody analogowe.

4. Metody henrystyczne (intuicyjne) zawierają elementy ścisłości są urzywane w prognozowaniu długoterminowym.

MIERNIKI   JAKOŚCI  MODELU

ODCHYLENIE  STANDARDOWE  SKŁADNIKA  RESZTOWEGO (s)

              1       n                          ٨

S =      ——   ∑  (yt - yt)2

           n-m    i=1

n – liczba obserwacji,

m – liczba zmiennych objaśniających,

yt – wartość zmiennej Yt w momencie lub okresie t.

٨

yt – teoretyczna (z modelu) wartości zmiennej Yt w momencie lub okresie t.

WSPÓLCZYNNIK  WYRAZISTOŚCI (w)

         s

w = ── • 100 %

         y

s -  odchylenie standardowe składnika resztowego.

y -  średnia wartość zmiennej Yt w szeregu czasowym o długości n.

MIERNIKI  JAKOŚCI  PROGNOZ

ZMIENNA  BŁEDU  PROGNOZY (et)

et= Yt - Yt*  , t > n

Yt - zmienna prognozowana w czasie t > n .

Yt*  - prognoza zmiennej w czasie t > n .

n – liczba obserwacji szeregu czasowego użyta do wyznaczania prognozy.

DOPUSZCZALNOŚĆ  PROGNOZY

„Prognoza jest dopuszczalna, gdy jest obdarzona przez jej odbiorcę stopniem zaufania wystarczającym do tego, by mogła być wykorzystywana do celu dla którego została ustalona” – M. Cieślak.

Maksymalny horyzont prognozy.

Błąd prognozy  ex ante.

Względny błąd prognozy  ex ante.

Prawdopodobieństwo realizacji prognozy.

Najczęściej korzysta się z prognoz wygasłych.

Prognozą względną  jest prognoza wyznaczona na taki czas t, dla którego jest znana prawidłowa wartość zmiennej prognozowanej.

PROGNOZOWANIE  NA  PODSTAWIE  SZEREGÓW  CZASOWYCH

WYGŁADZANIE  WYKŁADNICZE

                                          Wejście               Wyjście

                                                        ut                            xt

xt = (1 – a) xt-1 + aut-1

ut = aut-1 + (1 – a) xt-1

Model inerci (model bez wartości)

t = 0,1,2, → chwile czasowe

xt – wartość zmiennej X w chwili t.

xt-1 – wartość zmiennej X w chwili t-1.

T – okres – stały okres.

Błąd tu może być określony:

1. Gdy znana jest realizacja zmiennej prognozowanej na ten czas ex post ( trafność prognozy)

2. Przed upływem tego czasu ex ante ( dokładność prognozy).

TRAFNOŚĆ  PROGNOZY

BEZWZGLĘDNY  BŁĄD  PROGNOZY

et = yt – yt* , t > n

et – bezwzględny błąd prognozy

yt wartość zmiennej Yt w momencie lub okresie t.

yt* - prognoza zmiennej Y wyznaczona na moment lub okres t

WZGLĘDNY  BŁAD  PROGNOZY

              yt – yt*

Ψt =  • 100 % ,                              t > n        yt ≠0

                    yt

ŚREDNI  WZGLĘDNY  BŁĄD  PROGNOZY

                  1         T                   yt – yt*

Ψt =    ∑              ...