Wybrane problemy prognozowania cen produktów rolnych

Transkrypt

1 V EUROPEJSKI KONGRES MENADŻERÓW AGROBIZNESU, ŁYSOMICE Wybrane problemy prognozowania cen produków rolnych Cezary Klimkowski INSTYTUT EKONOMIKI ROLNICTWA I GOSPODARKI ŻYWNOŚCIOWEJ PAŃSTWOWY INSTYTUT BADAWCZY

2 Plan prezenacji Po co prognozować ceny i czemu jes o rudne Prognozy na podsawie analizy szeregów czasowych i ocena ich rafności Prognozy na podsawie zależności przyczynowo-skukowych i ocena ich rafności Podsumowanie

3 Cele prognozowania cen Dla producena rolnego: Możliwość dososowania srukury produkcji w odpowiedzi na prognozowane zmiany cen Redukcja ryzyka cenowego a przez o ograniczenie wahań dochodów Dla pańswa: Możliwość przeciwdziałania niekorzysnym skukom zmian cen Dla prognosy: Szansa na zarobek

4 Trudności przy prognozowaniu cen produków rolnych Wysoka zmienność cen Zależność od wciąż nieprzewidywalnych warunków klimaycznych Wysoce nieelasyczna podaż w krókim okresie Uzależnienie od szeregu zmiennych makroekonomicznych: zmiany poliyki rolnej i handlowej, kurs waluowy Od momenu przysąpienia do UE niewielki wpływ lub nawe brak wpływu krajowych warunków popyowopodażowych

5 Ceny surowców rolnych w Polsce (w euro za d) Pszenica Żyo Kukurydza 24/4 26/4 28/4 21/4 212/4 214/4 216/4 218/ Krowy Mleko Prosięa 24/4 26/4 28/4 21/4 212/4 214/4 216/4 218/

6 Prognozowanie na podsawie szeregów czasowych Jedynym i wysarczającym źródłem informacji o przyszłych cenach jes ich przebieg w przeszłości w cenie zaware są wszyskie informacje Brak zmiennych objaśniających więc prognoza nie jes warunkowa Odpowiada na pyanie co będzie, a nie dlaczego ak będzie, ale bardzo częso o podejście jes wysoce efekywne

7 Meody prognozowania Eksrapolacja prawidłowości dosrzeżonych w przeszłości Modele: addyywny: Y = T + C + S + I, muliplikaywny: Y = T C S I, auoregresyjny (AR): średniej ruchomej (MA): Auoregresji i średniej ruchomej (ARMA), X-12-ARIMA TRAMO/SEATS p p e Y Y Y Y q q e e e e Y

8 sy sy 1 sy 2 sy 3 sy 4 sy 5 sy 6 sy 7 sy 8 sy 9 sy 1 sy 11 sy sy 1 sy 2 sy 3 sy 4 sy 5 sy 6 sy 7 sy 8 sy 9 sy 1 sy 11 sy sy 1 sy 2 sy 3 sy 4 sy 5 sy 6 sy 7 sy 8 sy 9 sy 1 sy 11 sy sy 1 sy 2 sy 3 sy 4 sy 5 sy 6 sy 7 sy 8 sy 9 sy 1 sy 11 Dekompozycja szeregu czasowego cen żywca wieprzowego (zł/kg) na rend (T), wahania Cykliczne (C), Sezonowe (S) i przypadkowe (I) 5,5 1,2 5, 1,15 4,5 1,1 4, 1,5 3,5 3, 1,,95,9 2,5 2, Ceny TC TCI T,85,8 C 1,2 1,2 1,15 1,15 1,1 1,1 1,5 1,5 1, 1,,95,95,9,9,85 S,85 I,8,8

9 Weryfikacja meod prognosycznych Ocena prognoz wygasłych Porównanie prognoz z warościami rzeczywisymi dla okresu od IV 28 do IX 211 Błąd prognozy: E =Y -Ŷ, gdzie (Y ) o warość rzeczywisa a (Ŷ ) o warość prognozowana średnim bezwzględnym błędzie procenowym (Mean Absolue Percenage Error MAPE), MAPE 1 k k 1 Y Yˆ Y 1%

10 Ceny surowców rolnych w Polsce (w euro za d) Pszenica Żyo Kukurydza 24/4 26/4 28/4 21/4 212/4 214/4 216/4 218/ Krowy Mleko Prosięa 24/4 26/4 28/4 21/4 212/4 214/4 216/4 218/

11 Pszenica (zł/d) 11, 9, 7, , Pszenica X-12-ARIMA 3, , 9, 7, 5, Pszenica Tram o/seas 3, X-12-ARIMA Tramo/Seas Naiwna Naiwna sezonowa Prognoza ARR

12 Żyo (zł/d) 1, 8, 6, 4, Żyo X-12-ARIMA , , Żyo Tram o/seas 8, 6, 4, 2, X-12-ARIMA Tramo/Seas Naiwna Naiwna sezonowa Prognoza ARR

13 Mleko (zł/hl) 145, 125, 15, 85, Mleko X-12-ARIMA , , 125, 15, 85, Mleko Tram o/seas 65, X-12-ARIMA Tramo/Seas Naiwna Naiwna sezonowa Prognoza ARR

14 Żywiec wieprzowy (zł/kg) 6, 5,5 5, ,5 4, 3,5 Wieprzow ina X-12-ARIMA 3, , 5,5 5, 4,5 4, 3,5 Wieprzow ina Tram o/seas 3, X-12-ARIMA Tramo/Seas Naiwna Naiwna sezonowa Prognoza ARR

15 Żywiec wołowy (zł/kg) 6,5 6, 5,5 5, 4,5 4, Wołow ina X-12-ARIMA 3, ,5 6, 5,5 5, 4,5 4, Wołow ina Tram o/seas 3, X-12-ARIMA Tramo/Seas Naiwna Naiwna sezonowa Prognoza ARR

16 Żywiec drobiowy (zł/kg) 5, 4,5 Żyw iec drobiow y 12 4, 1 3,5 8 3, , Żyw iec drobiow y 4,5 6 4 X-12-ARIMA Tramo/Seas 4, 3,5 3, Naiwna Naiwna sezonowa

17 Pszenica (zł/d) 115, Pszenica ARIMA (1,1,)(,,1) 95, 75, 55, 35, X-12-ARIMA Naiwna ARIMA (1,1,)(,,1) ARIMA (1,1,)(1,,1) Prognoza ARR ARIMA (2,,)(2,1,1) ARIMA (2,,)(1,1,2) 115, Pszenica ARIMA (2,,)(2,1,1) 15 95, 1 75, 5 55, 35,

18 Prognozowanie na podsawie zależności przyczynowych Podsawę do przewidywań sanowi wiedza o naurze danych zjawisk, ich wzajemnych powiązaniach oraz mechanizmach i czynnikach je kszałujących. Kszałowanie się cen surowców rolnych jes wynikiem: działania prawa popyu i podaży, biologiczno-echnicznego charakeru produkcji rolnej (srona podażowa), pośredniego powiązania rynków z konsumenem (srona popyowa), powiązań międzyrynkowych, powiązania z cenami świaowymi, oddziaływania czynników makroekonomicznych, w ym przede wszyskim poliyki ekonomicznej, głównie poliyki rolnej i handlowej.

19 Modele AGLINK-COSIMO: OECD oraz FAO; rekursywny, dynamiczny model równowagi cząskowej dla najważniejszych surowcowych rynków rolnych świaa. Rynki nierolnicze nie są modelowane, a ich wpływ na rolnicwo uwzględnia się w sposób egzogeniczny; przyjmuje się, że produky rolne wywarzane i wymieniane w różnych krajach są uznawane przez kupujących jako doskonałe subsyuy; podział eryorialny: 12 pańsw OECD 31 pańsw spoza OECD Unia Europejska w podziale na sare i nowe pańswa arykuły rolne o między innymi: 11 zbóż Ponad 2 oleisych 11 mlecznych 13 zwierzęcych

20 Ceny surowców rolnych w Polsce (w euro za d) Pszenica Żyo Kukurydza 24/4 26/4 28/4 21/4 212/4 214/4 216/4 218/ Krowy Mleko Prosięa 24/4 26/4 28/4 21/4 212/4 214/4 216/4 218/

21 Przyczyny wahań cen w ym okresie Najisoniejsze czynniki wpływające na wzros popyu w ych laach: wzros gospodarczy w krajach rozwijających się, szczególnie w Chinach i pańswach azjayckich przekładający się na wzros popyu na żywność, wzrosu dochodu i zmiany wzorców konsumpcji żywności (wzros spożycia produków pochodzenia zwierzęcego w krajach rozwijających się), deprecjacja dolara amerykańskiego, spekulacja na rynkach erminowych surowców rolnych, wzros zużycia surowców rolnych na produkcję biopaliw. Czynniki zmniejszające poziom podaży w omawianym okresie: niższe zbiory zbóż, szczególnie w Ausralii; niski poziom inwesycji w sekorze rolnym na świecie w osanich laach; wzros koszów produkcji. Plus niski poziom zapasów oraz zmiany w poliyce handlowej

22 Projekcje cen surowców roślinnych w modelach równowagi cząskowej 35 Pszenica US Gulf 28 Kukurydza US Gulf Pszenica Roerdam Rzepak CIF Hamburg Prognozy wygasłe linia ciągła niebieska (FAPRI) i linia przerywana fioleowa (AGLINK-COSIMO); Ceny rzeczywise linia czerwona

23 Projekcje cen mięsa w modelach równowagi cząskowej Wołowina US Wieprzowina US Drób US 2 Wieprzowina US AGLINK

24 Wnioski Prognozy worzone na podsawie analizy szeregów czasowych cechują się niską rafnością. Wyniki e uzyskano niezależnie od użyych meod. W większości przypadków rafność prognoz ak przygoowanych nie różni się znacznie od prognoz naiwnych. Prognozy worzone na bazie modeli przyczynowo-skukowych okazały się równie mało przydane. Modele e okazują się być nieefekywne w przypadku wysąpienia silnych szoków zarówno popyowych jak i podażowych

25 Dziękuję za uwagę