23 Zagadnienia - Prognozowanie i symulacje

Transkrypt

1 1. WYJAŚNIJ POJĘCIE PROGNOZY I OMÓW PODSTAWOWE PEŁNIONE PRZEZ PROGNOZĘ FUNKCJE. Prognoza - jest to sąd dotyczący przyszłej wartości pewnego zjawiska o następujących właściwościach: jest sformułowany w oparciu o dorobek odpowiedniej nauki; jest obarczony niepewnością; jest weryfikowalny empirycznie. Funkcje prognozy: / preparacyjna - według której prognozowanie jest działaniem, które przygotowuje inne działania; / aktywizująca - polega na pobudzaniu do podejmowania działań sprzyjających realizacji prognozy, gdy zapowiada ona zdarzenia korzystne, i przeciwstawiających się jej realizacji, gdy przewidywane zdarzenia są oceniane jako niekorzystne; / informacyjna - polega na oswajaniu ludzi z nadchodzącymi zmianami i zmniejszaniu lęku przed przyszłością. 2. OMÓW ZNANE CI KLASYFIKACJE PROGNOZ. Ze względu na sposób określania prognozowanego zjawiska, wyróżniamy prognozy: jakościowe - dotyczą przede wszystkim faktu wystąpienia w przyszłości określonego zjawiska; ilościowe: punktowe - gdy podajemy jedną konkretną wartość; przedziałowa - gdy podajemy pewien przedział liczbowy, w którym z bliskim 1 prawdopodobieństwem znajdzie się rzeczywista wartość prognozowanej zmiennej. Klasyfikacja prognoz ze względu na horyzont czasu, którego dotyczą: krótkookresowe - nie przekraczają 1 roku; uwzględnia się zmiany ilościowe w prognozowanym zjawisku; 1

2 średniookresowe - od 1 roku do 5 lat; zazwyczaj obok zmian ilościowych uwzględniają niewielkie zmiany jakościowe; długookresowe - powyżej 5 lat; uwzględnia się przede wszystkim zmiany jakościowe; mają zasadniczo charakter badawczy a nie praktyczny. 3. CO TO JEST REGUŁA PROGNOZOWANIA. OMÓW ZNANE CI REGUŁY. Reguła prognozowania - jest to przejście od analizy danych z przeszłości do postawienia prognozy. Wyróżnia się 4 reguły prognozowania: podstawowa - zakłada, że na podstawie obserwacji z przeszłości oszacowano dobry model. Model ten dla postawienia prognozy jest ekstrapolowany poza próbę; podstawowa z korektą - tu także zakładamy, że dany jest dobry model. Jednakże ostatnie obserwacje wykazują systematyczne odchylenia od tego modelu. Przy stawianiu prognozy wartość uzyskaną na podstawie ekstrapolacji modelu korygujemy o przeciętne odchylenie ostatnich obserwacji od modelu; największego prawdopodobieństwa - dotyczy prognoz o charakterze jakościowym, stawianych w oparciu o wiedzę tzw. ekspertów. Jako ostateczną wersję prognozy przyjmuje się tę, za którą opowiedziała się największa liczba ekspertów; minimalnej straty - zakłada, że z błędem postawionej prognozy zawsze związany jest pewien koszt. W związku z tym konstruowana jest pewna funkcja kosztu, której wartość zależy od błędu prognozy. Z różnych wariantów prognozy przyjmuje się ten, dla którego funkcja kosztu jest minimalna. 4. WYMIEŃ I KRÓTKO SCHARAKTERYZUJ 4 PODSTAWOWE GRUPY METOD PROGNOZOWANIA. Metody prognozowania: m. prognozowania przyczynowo-skutkowego - w metodach tych zakłada się, że prognozowana zmienna kształtowana jest przez pewne mechanizmy, które opisuje konstruowany model ekonometryczny; 2

3 m. prognozowania oparte na analizie szeregów czasowych - są to tzw. metody bezpośrednie, a u ich podstaw leży założenie, że na przyszłe wartości danej zmiennej wpływa jedynie czynnik czasu i ewentualnie wcześniejsze wartości tej samej zmiennej; m. analogowe (prognozowanie przez analogie) - opierają się na założeniu, że różne wielkości ekonomiczne charakteryzują się podobnymi drogami rozwojowymi. O ile zmiany jednej wielkości wyprzedzają w czasie zmiany innej naśladującej ją, to fakt ten można wykorzystać przy stawianiu prognozy naśladującej wielkość. m. heurystyczne - są to metody prognozowania oparte na wiedzy, doświadczeniu i intuicji pewnych ekspertów. Do tych metod należą: m. wpływów krzyżowych, m. delficka, burza mózgów. Oparte są na regule największego prawdopodobieństwa. 5. CO TO JEST BŁĄD PROGNOZY? OMÓW DWA SPOSOBY USTALANIA TEGO BŁĘDU. Błąd prognozy określa się jako: Qt = Yt-Yt* t>n, gdzie: Yt - zmienna prognozowana Y w czasie t>n, Yt*- prognoza zmiennej Y na czas t>n, n~ liczba obserwacji szeregu czasowego użyta do wyznaczenia prognozy. Błąd ten może być określony zarówno po upływie czasu, na który prognoza była ustalona, czyli gdy znana jest realizacja zmiennej prognozowanej na ten czas, jak i przed upływem tego czasu. W pierwszym przypadku mówimy o ustalaniu jakości prognozy ex post, czyli o określeniu trafności prognozy, w drugim o określeniu jakości prognozy ex antę, czyli o dokładności prognozy. Błąd prognozy ex antę jest szacowany w tym samym czasie, w którym wyznacza się prognozę i służy określaniu dopuszczalności prognozy. 6. OMÓW ZNANE CI BŁĘDY PROGNOZY EX POST. Trafność prognozy określa się po upływie czasu, na który prognoza była wyznaczona, a stopień trafności prognozy ilościowej mierzy się za pomocą błędów ex post. Błędy te można obliczać dla pojedynczego momentu lub okresu f>n bądź też, gdy prognoza była wyznaczana na kilka chwil, dla każdego momentu lub okresu należącego do przedziału czasu [n+1,..., T], zwanego przedziałem empirycznej weryfikacji prognoz. Błędy prognozy ex post: 3

4 bezwzględny błąd prognozy w czasie t, stosowany dla pojedynczej jednostki czasu. Wartość błędu informuje, jak wielkie było w chwili t>n odchylenie prognozy od wartości rzeczywistej zmiennej Y. Znak błędu wskazuje, czy rzeczywista wartość była wyższa od prognozy (+), czy niższa(-). qt = yt - yt* gdzie: yt - realizacja zmiennej Y w czasie t>n, yt* - prognoza zmienne Y na czas t>n otrzymana z danej metody. błąd prognozy ex post w czasie t - wartość błędu informuje, jak wielkie było w chwili t>n odchylenie prognozy od wartości rzeczywistej zmiennej 7, liczone w procentach wartości rzeczywistej. Dowiadujemy się więc o rozmiarach odchylenia względnego i kierunku odchylenia. Yt = yt-yt*/yt.loo, t>n. średni kwadratowy błąd prognozy ex post w przedziale weryfikacji: s* 2 = 1/ T-n (yt - yt*) 2 Wartość s* informuje o przeciętnym odchyleniu prognoz od wartości rzeczywistych w przedziale empirycznej weryfikacji prognoz. 7. WYMIEŃ I KRÓTKO SCHARAKTERYZUJ ETAPY PROGNOZOZWANIA. Etapy prognozowania: (1). Sformułowanie zadania prognostycznego. W tym etapie należy określić: obiekt, zjawisko, zmienne, które mają podlegać prognozowaniu, cel wyznaczania prognozy, wymagania co do dopuszczalności i horyzontu prognozy. Główną rolę odgrywa odbiorca, prognosta jest konsultantem pomagającym w precyzowaniu ustaleń i ewentualnie negocjującym wymagania co do dopuszczalności prognozy i horyzontu. (2). Podanie przesłanek prognostycznych. Sformułowanie przesłanek wymaga współpracy obu partnerów procesu prognozowania, przy czym prognosta odgrywa rolę podstawową, gdyż zdaje odbiorcy pytania o realia zjawiska prognozowanego i konfrontuje z nim swoje opinie. Efektem tych prac są hipotezy o czynnikach kształtujących zjawisko, deklaracja prognosty co do postaw wobec przyszłości zjawiska oraz określenie zbioru danych potrzebnych do sporządzania prognozy i zebranie tych danych. (3). Wybór metody prognozowania. Jest konsekwencją zaakceptowanych przesłanek prognostycznych. Opowiedzenie się za postawą pasywną oznacza sięgnięcie po jakąś z 4

5 metod analizy i prognozowania szeregów czasowych lub modelowania ekonometrycznego ze stałymi parametrami, przyjęcie postawy aktywnej oznacza potraktowanie wymienionych metod jako co najwyżej pomocniczych, a więc sięgnięcie do modeli symulacyjnych, ekonometrycznych ze zmiennymi w czasie parametrami itd. (4). Wyznaczenie prognoz. Czynność ta powinna przebiegać zgodnie z ogólnym schematem wybranych metod, a gdy to nie jest możliwe, należy w opisie postępowania ująć wszelkie podjęte decyzje. Samo sformułowanie prognozy powinno odpowiadać określeniu zadania prognostycznego (etap 1). (5). Ocena dopuszczalności prognozy. Musi być podana w sposób zgodny z żądaniem odbiorcy w 1 etapie. Jeśli prognoście nie udało się spełnić jakościowych wymagań odbiorcy w żądanym horyzoncie, to może nastąpić renegocjacja warunków umowy prowadząca do obniżenia wymagań jakościowych lub skrócenia żądanego horyzontu albo odstąpienie od realizacji zadania. (6). Weryfikacja prognozy. Polega na określeniu trafności prognozy za pomocą któregoś błędu prognozy ex post, gdy prognoza dotyczyła zmiennej ilościowej, lub na porównaniu prognozowanego stanu zmiennej jakościowej ze stanem zrealizowanym. Prognosta rozlicza się w ten sposób z odbiorcą. (7). 8. CO TO JEST PROGNOZA EKONOMETRYCZNA? JAKIE ZAŁOŻENIA LEŻĄ U PODSTAW PROGNOZOWANIA EKONOMETRYCZNEGO? PODAJ SPOSÓB SZACOWANIA I INTERPRETACJĘ BŁĘDU PROGNOZY USTALANEJ NA PODSTAWIE MODELU EKONOMETRYCZNEGO. Prognozowanie ekonometryczne polega na tym, że na podstawie dobrego modelu ekonometrycznego ustalamy wartość zmiennej objaśnianej dla nie zaobserwowanych w próbie wartości zmiennych objaśniających. Y=bixi+bx+...+bx Podstawowa reguła prognozowania polega na tym, że za prognozę zmiennej objaśnianej na czas / przyjmuje się wartość z modelu tej zmiennej, obliczoną przy przewidywanych dla czasu t wartościach zmiennych objaśniających. Sposób szacowania i interpretacja błędu prognozy: błąd bezwzględny prognozy: m*= 5

6 m* - wyrażone jest w takich samych jednostkach jak wartość prognozowanej zmiennej 7; informuje o ile średnio rzeczywista wartość prognozowanej zmiennej dla wartości zmiennych objaśniających zawartych w wektorze, odchylać się będzie od postawionej prognozy. błąd względny prognozy (dopuszczalność prognozy)- określa się na podstawie relacji m*/y*; zazwyczaj przyjmuje się, że prognoza jest dopuszczalna wtedy, gdy m*/ y*<0,2 (20%). Prognoza przedziałowa (przedział ufności dla prognozy) U=0,95- jest to przedział, który z prawdopodobieństwem U zawiera rzeczywistą wartość prognozowanej zmiennej dla wartości zmiennych objaśniających z wektora. przedział ten konstruowany jest w następujący sposób: { y*- m*t ; y*+ m*t} t (o=l-u, T-K) 9. OMÓW WARUNKI, JAKIE POWINIEN SPEŁNIAĆ MODEL EKONOMETRYCZNY, BY MOŻNA NA JEGO PODSTAWIE STAWIAĆ PROGNOZY. Aby model mógł być użyty do prognozowania, muszą być spełnione następujące założenia teorii prognozy ekonometrycznej: model jest modelem dobrym"; występuje stabilność relacji strukturalnych w czasie; składnik losowy ma stały rozkład w czasie; znane są wartości zmiennych objaśniających w momencie lub okresie prognozowanym; model można ekstrapolować poza jego dziedzinę. Wymienione założenia są na ogół spełnione przy sporządzaniu prognoz krótkookresowych. Oczekuje się wówczas, że w rozwoju zjawiska występują tylko zmiany ilościowe, co oznacza, że w przyszłości oddziaływanie zmiennych objaśniających na zmienną objaśnianą nie zmieni się i będzie takie samo jak w przeszłości. Ani postać modelu, ani oszacowania jego parametrów strukturalnych nie ulegną więc zmianie do okresu prognozowanego włącznie. 10. CO TO SĄ EKONOMETRYCZNE MODELE PRZYCZYNOWO-SKUTKOWE? KIEDY NALEŻY SIĘ NIMI POSŁUGIWAĆ W PROCESIE PROGNOZOWANIA? JAKIE WYMOGI STAWIANE SĄ WOBEC MODELI PRZYCZYNOWO-SKUTKOWYCH WYKORZYSTYWANYCH DO PROGNOZOWANIA? 6

7 Metody przyczynowo-skutkowe stosowane są do diagnozowania przeszłości i do prognozowania. U podstaw ich budowy leży teoria modelowanych zjawisk. W metodach tych zakłada się, że prognozowana zmienna kształtowane jest przez pewne mechanizmy, które opisuje konstruowany model ekonometryczny. Założenia: 1. Dany jest oszacowany na podstawie danych z przeszłości dobry model ekonometryczny: dobrze dopasowany do obserwacji R 2 >90% (p 2 <10% zmienne objaśniające istotne =0,05 U=0,95 odchylenie standardowe: wpływ czynników losowych na kształtowanie Y powinien być niewielki Vy=s/y<25%. 2. występuje stabilność w czasie powiązania między Y i zmiennymi objaśniającymi. Tzn. zarówno postać modelu jal i wzajemne powiązania między zmiennymi będą stałe aż do momentu, na który stawiamy prognozę. 3. Nie zmieni się wpływ czynników losowych na zmienną Y. W szczególności nie pojawią się nowe zmienni objaśniające na zachowanie Y. 4. Znane są wartości zmiennych objaśniających w okresie na który stawiamy prognozę. 7rńHła informacji o zmiennych objaśniających X: informacje z zewnątrz o badanym zjawisku; trendy dla zmiennych objaśniających; metody przyczynowo-skutkowe dla X. 5. Można ekstrapolować model poza obszar zmienności zm. Objaśniających X, na podstawie którego skonstruowano model prognostyczny. 11. NA CZYM POLEGA DEKOMPOZYCJA SZEREGU CZASOWEGO? Dekompozycja szeregu czasowego to wyodrębnienie w nim pewnych elementów składowych. Identyfikację poszczególnych składowych szeregu czasowego konkretnej zmiennej umożliwia - w wielu przypadkach - ocena wzrokowa sporządzonego wykresu. Jeśli w trakcie budowy modelu przeprowadza się dekompozycję szeregu czasowego, to w zależności od przyjętych założeń co do wpływu poszczególnych składowych szeregu czasowego na prognozowaną zmienną oraz wzajemnych relacji tych składowych, konstruowany model może mieć różną postać (addytywną lub multiplikatywną). 7

8 W modelu addytywnym, w procesie dekompozycji wahania okresowe (cykliczne i sezonowe) oraz przypadkowe są wyrażane jako odchylenia od tendencji rozwojowej lub od stałego (średniego) poziomu zmiennej prognozowanej. Model multiplikatywny jest często używanym modelem w dekompozycji szeregów czasowych. W modelu tylko jedna ze składowych - na ogół tendencja rozwojowa lub stały (średni) poziom prognozowanej zmiennej - jest wyrażana w jednostkach zmiennej prognozowanej. Pozostałe składowe są w procesie dekompozycji wyrażane jako względne odchylenia bądź od tendencji rozwojowej, bądź od stałego (średniego) poziomu zmiennej. 12. CO TO JEST TREND? OMÓW ZNANE CI RÓWNANIA TRENDU. Trendem (modelem tendencji rozwojowej) jest model, w którym jedyną zmienną objaśniającą jest zmienna czasowa. trend liniowy - stosowany do opisu takich zjawisk, które charakteryzują się stałym bezwzględnym wzrostem lub spadkiem z okresu na okres; trend wykładniczy - stosowany do opisu takich zjawisk, które charakteryzują się stałym (względnym) tzn. wyrażonym w % wzrostem lub spadkiem; trend hiperboliczny - opisuje zjawisko, które wykazuje tendencję spadkową, ale przypuszczamy, że zjawisko to z upływem czasu ustabilizuje się na pewnym niezerowym poziomie; trend logistyczny - jest wykorzystywany do opisu takich zjawisk, które w początkowym okresie wykazywały się wybuchowym wzrostem, a po osiągnięciu pewnego poziomu przechodzą w fazę gasnącego wzrostu; trend segmentowy - dotyczy przypadku, kiedy obserwowane zjawisko charakteryzowało się w przeszłości tendencją rozwojową. Dopasowanie jednego globalnego trendu nie pozwalałoby na dobre opisanie tego zjawiska. Jednym z możliwych podejść staje się w takim przypadku podział zbioru obserwacji na podzbiory zawierające kolejne momenty czasu i charakteryzujące się tym, że do każdego z nich można dobrze dopasować odcinek (segment) trendu. 13. CO TO SĄ WAHANIA SEZONOWE? OMÓW WYBRANY SPOSÓB PROGNOZOWANIA ZJAWISK 8

9 WSKAZUJĄCYCH WAHANIA SEZONOWE. Wahania sezonowe - są to wahania, których pełen cykl kończy się w ciągu 1 roku i każdego roku powtarza wg zbliżonego schematu. Wahania sezonowe wywoływane są zwyczajami i warunkami naturalnymi. Prognozowanie zjawisk o charakterze sezonowym: Załóżmy, że w szeregu czasowym zmiennej Y wyraźnie zauważa się długookresową tendencję zmian i wahania sezonowe. Szereg ten opisany jest przez model addytywny Yt=Tt+St+et. pierwszy etap dekompozycji takiego szeregu polega zawsze na tym, że na podstawie oryginalnych nie przetworzonych obserwacji szacujemy równanie trendu następnie przechodzimy do wyodrębniania wskaźników wahań sezonowych: ustalamy wartości teoretyczne zmiennej Y wynikające z jej trendu; obliczamy różnice pomiędzy zaobserwowanymi wartościami Y, a ich wartościami teoretycznymi z trendu uzyskujemy w ten sposób dla każdej obserwacji wskaźniki wahań sezonowych zanieczyszczone wahaniami przypadkowymi; dla każdego sezonu ustalamy wartość wskaźników sezonowości jako średnią arytmetyczną tych wskaźników zanieczyszczonych czynnikami przypadkowymi. Z trendu nie można zrezygnować wtedy przy prognozowaniu zjawiska, gdy parametr stojący przy zmiennej czasowe jest istotnie różny od 0. Prognoza trendu w modelu addytywnym: ekstrapolujemy trend na dany okres; wartość uzyskaną z trendu korygujemy o odpowiedni wskaźnik sezonowości. 14. OMÓW IDEĘ PROGNOZOWANIA ZJAWISK SEZONOWYCH NA PODSTAWIE WSKAŹNIKÓW SEZONOWOŚCL 9

10 Z metody wskaźników możemy korzystać przy prognozowaniu zmiennych charakteryzujących się wahaniami sezonowymi występującymi wraz z tendencja rozwojową lub wraz ze stałym (przeciętnym) poziomem zmiennej. Prognozę wyznaczamy, ekstrapolując dotychczasowa tendencję (stały poziom) oraz korygując tak uzyskana prognozę wstępną wskaźnikiem sezonowości. Stosowanie metody wskaźników wymaga przyjęcia przez prognostę postawy pasywnej będącą konsekwencją założeń, że w okresie prognozowanym utrzyma się zaobserwowana tendencja rozwojowa (lub stały poziom) zmiennej, a rodzaj i siła wahań sezonowych (wyrażona czystymi wskaźnikami sezonowości) nie ulegną zmianie. Model addytywny: Prognozę ustalamy w następujący sposób: ekstrapolujemy trend na dany okres; wartość uzyskaną z trendu korygujemy o odpowiedni wskaźnik sezonowości. Model multiplikatywny: Prognozę ustalamy w następujący sposób: ustalamy wartość zmiennej Y wynikającą z trendu długookresowego; ustaloną wartość korygujemy, mnożąc ją przez odpowiedni względny wskaźnik sezonowości. 15. OMÓW NAIWNE METODY PROGNOZOWANIA. NA CZYM POLEGAJĄ WADY I ZALETY TYCH METOD? Metody naiwne - opierają się na założeniu, że przy stawianiu prognozy niezależnie od tego, ile obserwacji dla danej zmiennej posiadamy, uwzględniana powinna być jedynie ostatnia obserwacja dla prognozowanej zmiennej lub ostatnia informacja o zmianie wartości tej zmiennej. W zależności od tego jakimi zmianami charakteryzował się szereg czasowy zmiennej Y w przeszłości, metoda naiwna przybiera różne formy: szereg czasowy wykazuje jedynie wahania przypadkowe wokół pewnego stałego poziomu; szereg czasowy oprócz waha ń przypadkowych wykazuje wyraźną tendencję wzrostową lub spadkową; gdy zakładamy, że powtórzy się ostatni bezwzględny przyrost Y; gdy zakładamy, że powtórzy się ostatni względny przyrost Y; jeżeli szereg czasowy wykazuje wahania sezonowe i przypadkowe wokół pewnego stałego poziomu. 10

11 wzorem: Prognozowanie naiwne w przypadku, gdy szereg czasowy wykazuje trend i wahania sezonowe, opisany jest Zalety m. naiwnej: prosta; szybkość wykonywania obliczeń; małe zapotrzebowanie na informacje (na obserwacje); niewielkie koszty z tym związane. Wady metody naiwnej: opieranie prognozy na 1 obserwacji (tej najświeższej) powoduje, że prognozy te zazwyczaj obarczone są dużym błędem; problemy związane z szacowaniem błędu. 16. OMÓW ZASTOSOWANIE ŚREDNIEJ RUCHOMEJ W PROGNOZOWANIU. NA CZYM POLEGAJĄ JEJ WADY I ZALETY? Średnie ruchome - mogą być wykorzystane zarówno do wygładzania szeregu czasowego, jak i do prognozowania. Używając średniej ruchomej do prognozowania, przyjmuje się, że wartość zmiennej prognozowanej w następnym momencie lub okresie będzie równa średniej arytmetycznej z k ostatnich wartości tej zmiennej. Modele średniej ruchomej stosuje się na ogół do prognozowania, gdy w rozpatrywanym okresie poziom wartości zmiennej prognozowanej jest prawie stały (a w szeregu czasowym nie występują tendencja rozwojowa i wahania sezonowe oraz cykliczne) z niewielkimi odchyleniami losowymi. Średnia ruchoma prosta: 11

12 k - rząd średniej ruchomej, czyli liczba najświeższych obserwacji, które mają być uwzględniane przy stawianiu prognozy. Reguła prognozowania przybiera postać: Zalety metod średnich ruchomych: ponieważ nie opiera się na kilku ostatnich obserwacjach, to stara się zmniejszyć efekt przypadku na stawianą prognozę; pomija wpływ najstarszych obserwacji na stawianą prognozę. Wady metod średnich ruchomych: wszystkie uwzględnione przy liczeniu średniej obserwacje (niezależnie od wieku) mają taki sam wpływ na stawianą prognozę. Średnia ruchoma ważona: Przy stawianiu prognozy uwzględniamy wszystkie posiadane obserwacje, nadając im wagi (Wt) malejące wraz z wiekiem obserwacji. 18. WYJAŚNU IDEĘ WYRÓWNYWANIA WYKŁADNICZEGO. Wyrównywanie wykładnicze - to metoda prognozowania oparta na średnich ważonych. Przy stawianiu prognoz uwzględniane są wszystkie obserwacje, ale ich wagi maleją wykładniczo wraz ze starzeniem się informacji. Metoda ta występuje w 3 wariantach, w zależności od tego, jakie zmiany obserwuje się w szeregu czasowym prognozowanej zmiennej: wyrównywanie wykładnicze proste - stosowane jest w przypadku, gdy w szeregu czasowym występują jedynie wahania przypadkowe wokół pewnego stałego poziomu; podwójne wyrównywanie (m. Holta) - nadaje się do prognozowania, jeżeli w szeregu czasowym obok wahań przypadkowych występuje wyraźna tendencja wzrostowa lub spadkowa; potrójne wyrównywanie wykładnicze (m. Wintersa) -jest stosowany, gdy w szeregu czasowym występuje trend, sezonowość i wahania przypadkowe. 12

13 19. WYJAŚNIJ, CO OZNACZA POSTARZANIE SIĘ INFORMACJI. W JAKI SPOSÓB ZJAWISKO TO JEST UWZGLĘDNIANE W PROCEDURACH PROGNOSTYCZNYCH? Uważa się, że ponieważ nowsze dane zawierają bardziej aktualne informacje o prognozowanym zjawisku, powinny im być nadawane relatywnie większe wagi niż obserwacjom starszym. Postulat ten określany jest mianem postarzania informacji. 20. NA CZYM POLEGA SYMULACJA. JAKIE NARZĘDZIA WYKORZYSTUJE SIĘ DO JEJ PRZEPROWADZENIA? Symulacja - przez pojęcie to rozumiemy badanie rzeczywistego systemu za pomocą eksperymentów na modelu mającym dać odpowiedź na pytanie, jak zachowałby się w pewnych warunkach obiekt odwzorowany danym modelem. Takim modelem może być model ekonometryczny dobrze obrazujący zachowanie obiektu. Zabiegi symulacyjne mogą dotyczyć zmiennych występujących w modelu lub innych elementów modelu: parametrów strukturalnych modelu i właściwości składnika losowego. Przyjmując za kryterium podziału liczbę zmiennych egzogenicznych podlegających zmianie w m. ekonometrycznym, rozróżnia się: s. prostą (gdy zmieniane są wartości tylko jednej zmiennej egzogenicznej), s. złożoną (gdy jednocześnie są zmieniane wartości kilku zmiennych egzogenicznych). Symulacja może być: deterministyczna (oznacza, że oszacowane parametry modelu nie zmieniają się w czasie eksperymentu) lub stochastyczna (gdy zakłócenia wprowadzone do modelu są losowe. Rozkład, z którego losujemy te zakłócenia, jest rozkładem o znanych parametrach). 21. W JAKICH WARUNKACH MOŻNA KORZYSTAĆ Z ANALOGH W PROGNOZOWANIU? Gdy teoria nie dostarcza pełnego przyczynowego wyjaśnienia zjawiska i gdy badania empiryczne wskazują na zmienność zbioru przyczyn i sposobów ich oddziaływania, warto uciec się do prognozowania analogowego. Prognozowanie analogowe - polega na przewidywaniu przyszłości określonej zmiennej przez wykorzystanie informacji o innych zmiennych, których zmiany w czasie są podobne, jakkolwiek nierównoczesne. Wyróżnia się 4 główne rodzaje metod analogowych: 13

14 m. analogii biologicznych - polega na przenoszeniu budowy i funkcjonowaniu organizmów żywych na inne obiekty. Przykłady: konstrukcja maszyn na wzór budowy ciała zwierząt, wytwarzanie lekarstw mających niektóre właściwości roślin; m. analogii przestrzennych - polega na przewidywaniu zajścia określonego zdarzenia na podstawie informacji o wystąpieniu takiego zdarzenia na innych terytoriach. Przykłady: pojawienie się kart kredytowych w jednym kraju pozwala przypuszczać, że potrzeba posiadania kart wystąpi także w innych krajach; m. analogii historycznych - polega na przenoszeniu prawidłowości zmian w czasie jednych zjawisk na inne zjawiska zachodzące w tym samym obiekcie. Przykłady: rozwój radiofonii (mierzony liczbą posiadaczy odbiorników) może być podstawą przewidywań rozwoju telewizji; m. analogii przestrzenno-czasowych - polega na przenoszeniu z jednych obiektów do innych prawidłowości zmian zjawisk w czasie. Przykłady: tendencja do wzrostu częstotliwości korzystania z komputerów osobistych istniejąca w krajach zaawansowanych cywilizacyjnie wystąpi w krajach opóźnionych. Metody analogowe są użyteczne do rozwiązywania takich ważnych problemów prognozowania, jak: przewidywanie punktów zwrotnych trendu i zmiany postaci związków między zmiennymi; przewidywanie postaci trendu i związków między zmiennymi w przyszłości; przewidywanie zajścia nowych zdarzeń w obiekcie, dla którego wyznacza się prognozę, w sytuacji gdy zdarzenia takie już wystąpiły gdzie indziej. Prognozowanie metodą analogii pozwala uzyskiwać prognozy średnio- i długookresowe. Dopuszczalność tych prognoz określa się za pomocą błędów ex post, opinii ekspertów lub własnej opinii prognosty. 22. OMÓW WARUNKI KORZYSTANIA W PROGNOZOWANIU ANALOGOWYM Z KRYTERIÓW PODOBIEŃSTWA POZIOMU LUB KSZTAŁTU. Najważniejszym problemem metodologicznym prognozowania analogowego jest określenie podobieństwa zmiennych. W przypadku prognoz ilościowych należy stosować ilościowe kryteria podobieństwa. Są nimi: 14

15 kryterium podobieństwa poziomu - wg tego kryterium dwie zmienne są podobne, jeżeli w pewnym momencie lub okresie osiągnęły jednakową wartość. W prognozowaniu wykorzystuje się tylko taką sytuację, gdy zmienna prognozowana później niż porównywana osiąga ten sam poziom. Kryterium to może być wykorzystywane tylko w stosunku do zmiennych jednoimiennych. kryterium podobieństwa kształtu - wg tego kryterium dwie zmienne są podobne, jeśli charakteryzują się podobnymi zmianami w czasie, tj. mają podobne tendencje rozwojowe, wahania sezonowe lub cykliczne. Kryterium to może być stosowane do zmiennych jednoimiennych i różnoimiennych. Podobnie jak poprzednio, zmiany zmiennej prognozowanej muszą być późniejsze niż porównywanej, by można było sporządzić prognozę. Możliwość stosowania kryterium podobieństwa kształtu do zmiennych różno- i jednoimiennych sprawia, że to kryterium jest bardziej uniwersalne niż kryterium podobieństwa poziomu. 23. KIEDY KORZYSTA SIĘ Z METOD HEURYSTYCZNYCH W PROGNOZOWANIU? WYMIEŃ I KRÓTKO SCHARAKTERYZUJ PODSTAWOWE METODY ZALICZANE DO TEJ GRUPY. Celów prognostycznych, do jakich wykorzystuje się m. heurystyczne jest wiele, niektóre możliwe zastosowania są następujące: wskazywanie daty (momentu lub okresu) zajścia interesującego nas zdarzenia; określanie poziomu badanej zmiennej; określanie punktów zwrotnych w przebiegu zmiennych; określanie prawdopodobieństwa występowania danego zdarzenia; określanie natężenia występowania zjawisk nowych; tworzenie ocen faktów determinujących przyszłość; ocena przydatności utworzonych modeli do prognozowania Podstawowe metody heurystyczne: 15

16 burza mózgów - jako metoda heurystyczna oparta jest na dwóch podstawowych wymaganiach metodycznych: (1) nie krytykować, (2) stymulować jak największą liczbę pomysłów. Burza mózgów jest sposobem na znalezienie rozwiązań w krótkim czasie. Największe efekty można osiągnąć w przypadku rozwiązywania problemów niezbyt skomplikowanych, które dają się łatwo określić. m. delficka - korzysta się z niej przy prognozowaniu zjawisk nowych, dla których liczba informacji o przeszłości jest niewielka. Metoda ta polega na badaniu opinii niezależnych i kompetentnych ekspertów na określony temat. Zwykle opinie dotyczą prawdopodobieństwa lub czasu zajścia przyszłych zdarzeń. m. wpływów krzyżowych (wzajemnych oddziaływań) - pozwala ocenić przeciętne prawdopodobieństwo zajścia oraz termin realizacji każdego ze zdarzeń w zbiorze zdarzeń współzależnych z uwzględnieniem różnych możliwych kolejności zdarzeń i występowania bądź niewystępowania w zbiorze zdarzeń. testy rynkowe - polegają na wprowadzeniu produktu na ściśle geograficznie określony rynek i na pomiarze wielkości sprzedaży. Na podstawie rzeczywistej wielkości sprzedaży produktu na rynku i przy przyjęciu założenia, że strategia marketingowa przedsiębiorstwa oraz oddziaływanie czynników jego otoczenia marketingowego będą na rynku docelowym takie same jak na rynku testowania, konstruuje się prognozę w odniesieniu do całego rynku, na którym produkt będzie sprzedawany. test koniunktury - jest ankietowym badaniem przedsiębiorstw. Badanie to prowadzone jest zwykle na podstawie ankiet miesięcznych i kwartalnych. Ankiety koniunktury zawierają pytania o charakterze diagnostycznym (dotyczące badanego okresu) i pytania o charakterze prognostycznym (dotyczące okresu/okresów następujących po badaniu). komputerów osobistych istniejąca w krajach zaawansowanych cywilizacyjnie wysili w u opóźnionych. Metody analogowe są użyteczne do rozwiązywania takich ważnych problemów prognozowania, jak: przewidywanie punktów zwrotnych trendu i zmiany postaci związków między zmiennymi; przewidywanie postaci trendu i związków między zmiennymi w przyszłości; przewidywanie zajścia nowych zdarzeń w obiekcie, dla którego wyznacza się prognozę, w sytuacji gdy zdarzenia takie już wystąpiły gdzie indziej. 16

17 Prognozowanie metodą analogii pozwala uzyskiwać prognozy średnio- i długookresowe. Dopuszczalność tych prognoz określa się za pomocą błędów ex post, opinii ekspertów lub własnej opinii prognosty. 17