Prognozowanie koniunktury w ciężarowym transporcie samochodowym

Transkrypt

1 BALKE wona 1 DOROSEWCZ Sławomr 2 Prognozowane konunkury w cężarowym ransporce samochodowym WSTĘP Prognozowane sanu konunkury, w ym konunkury w sekorze ransporowym, jes zadanem rudnym. W przypadku ransporu wynka o przede wszyskm z slnego jego sprzężena z pozosałym sekoram gospodark. Ne jes o jedyna przyczyna na długookresową, zwykłą relację pomędzy sekorem ransporowym, a jego ooczenem gospodarczym nakładają sę dodakowo czynnk, kórych oddzaływane może meć przebeg zarówno ewolucyjny, jak bardzej gwałowny, prowadzący do zman o charakerze srukuralnym. Jako przykład można u wymenć z jednej srony wzros cen energ, z drugej zaś zmany welkośc srukury przewozów owarzyszące rozwojow gospodarczemu przebegającemu w kerunku preferującym wedzę nowe echnologe. Waro akże wspomneć o możlwej dalszej lberalzacj rynku ransporowego (przede wszyskm kolejowego), rozwoju nfrasrukury ransporowej, dążenu do negrowana różnych gałęz ransporu w łańcuchy logsyczne, upowszechnenu nelgennych sysemów ransporu, konecznośc uwzględnana norm ekologcznych p. Te nne czynnk mogą znacząco zmenć srukurę popyu (np. zmnejszając popy na surowce, zwększając popy na usług) w konsekwencj spowodować, ż zależnośc pomędzy ransporem a jego ooczenem ne będą mały charakeru sacjonarnego. Już choćby ze względu na wymenone wyżej kwese konsruowane odpowedno dobrych prognoz rozwoju rynku przewozów jes rudne wymaga wzęca pod uwagę poencjalne prawdopodobnych zjawsk, zdarzeń procesów częso ne mających precedensu w doychczasowej hsor ransporu drogowego w Polsce na śwece. Celem rozważań zawarych w nnejszej pracy jes wyznaczene krókookresowych prognoz charakerysyk sekora ransporu samochodowego: welkośc przewozów pracy przewozowej. Dane o częsośc kwaralnej są publkowane przez GUS od nedawna, sosowne szereg czasowe ne są węc zby długe (obejmują okres od kwarału 2004r.). Z ego względu nacsk położono na dane mękke, manowce wskaźnk konunkury w ransporce wyznaczane od począku 1997r. w nsyuce Transporu Samochodowego. Z uwag na fak, ż horyzon prognozy jes sosunkowo krók obejmuje 8 najblższych kwarałów (laa ) ne wzęo pod uwagę wspomnanych zman srukuralnych o zasęgu globalnym. Narzędzam służącym konsrukcj prognoz są wybrane modele szeregów czasowych. Tym samym wyznaczone prognozy będą węc, słą rzeczy, bazowały jedyne na obserwacj zdarzeń, czynnków relacj kszałujących zmany na rynku ransporowym do chwl obecnej. Prognozy każdej ze wspomnanych welkośc wyznaczane są na podsawe pewnej lczby model szeregów czasowych oraz rzech procedur służących konsrukcj prognoz łączonych. Kwese e opsujemy w dwóch kolejnych częścach arykułu. Osana pośwęcona jes prezenacj wynków. Sosowne oblczena zosały wykonane przy pomocy procedur napsanych w środowsku programu R. 1. WYBRANE MODELE SZEREGÓW CZASOWYCH sneje ogromne bogacwo narzędz służących do jakoścowej loścowej analzy modelowana szeregów czasowych. Meody e powsawały w różnych laach, jednak ch cechą wspólną jes newąplwe o, ż do dzsaj ceszą sę dużą popularnoścą jako uznane narzędza modelowana szeregów czasowych prognozowana. Ponżej zameszczamy jedyne sygnalne nformacje 1 nsyu Transporu Samochodowego, Zakład Badań Ekonomcznych; Warszawa; ul. Jagellońska 80. Tel: , Fax: , wona.balke@s.waw.pl 2 nsyu Transporu Samochodowego, Zakład Badań Ekonomcznych, Warszawa; ul. Jagellońska 80. Tel: , Fax: , slawomr.dorosewcz@s.waw.pl 231

2 o modelach wykorzysanych do sformułowana prognoz wahań konunkury w ransporce. Rzecz jasna, lczba możlwych do uwzględnena klas model jes znaczne wększa, jednak wele przesłanek wskazuje, ż uwzględnene wększej lczby model, a w konsekwencj wększej lczby prognoz ndywdualnych, ne wpływa zasadnczo na poprawę jakośc prognoz ([5]). Powerdzają o akże eksperymeny oblczenowe przeprowadzone przez auorów nnejszej pracy Modele klasy ETS Modele ETS (Error, Trend, Seasonal, [12,13]) sanową całą klasę model szeregów czasowych różnących sę szczegółam konsrukcj, ale zawsze bazujących na dekompozycj szeregu na rend oraz wahana sezonowe przypadkowe. Składnk e można uwzględnać w sposób addyywny lub mulplkaywny Modele auoregresj średnej ruchomej Znegrowane modele auoregresj średnej ruchomej z sezonowoścą (Seasonal AuoRegressve negraed Movng Average, SARMA, [2],[3],[11]), sanową ne ylko sosunkowo dobrze zbadaną, dość pojemną z prakycznego punku wdzena, klasę procesów sochasycznych, ale równeż sama meodyka ch sosowana w modelowanu dynamk procesów gospodarczych ( ne ylko) doczekała sę w dużym sopnu sandaryzacj. Jes o bardzo ważne w przypadku badań analz konunkury, kóre słą rzeczy obejmując gospodark welu krajów, muszą nosć znamona porównywalnośc. W modelu SARMA zakłada sę, że zmenna objaśnana jes lnową funkcją swoch wcześnejszych warośc oraz neskorelowanych z nm zaburzeń losowych. Klasę ych model można wyraźne zwększyć wprowadzając zmenne egzogenczne (X) ch opóźnena. Model z ak wprowadzonym zmennym egzogencznym (model SARMAX) można wedy zapsać w posac A(L)Y B ( L) C( L) X gdze A,B,C są welomanam (lub macerzam zbudowanym z welomanów w przypadku model welowymarowych), L oznacza operaor cofnęca w czase (o 1 okres), { } jes procesem bałego szumu (j. cągem nezależnych zmennych losowych o jednakowych rozkładach prawdopodobeńswa). Jeśl C 0, o wyznaczene prognozy zmennej Y wymaga znajomośc prognoz zmennych egzogencznych. W konsruowanych dalej prognozach uwzględnono zmenną zero-jedynkową wyznaczająca momen srukuralnej zmany dynamk wskaźnka konunkury w ransporce krajowym: zmenna przyjmująca warość 1 począwszy od perwszego kwarału 2008r Modele nelnowe W modelowanu dynamk konunkury ważną rolę odgrywają modele przełącznkowe. Jes o sosunkowo obszerna klasa procesów, a jedną z prosszych wersj akch procesów-model sanową modele SETAR (Self-Excng Threshold Auoregressve Models). Łączą one zwykłe modele ARMA z mechanzmem przełączana. W zależnośc od ego, czy warość pewnej zmennej ( X ), jes wększa lub mnejsza od warośc progowej (c), warość procesu jes wyznaczona za pomocą różnych model auoregresyjnych: w 1(L)Y dla X c, Y w (L)Y dla X c. 1 gdze X jes zmenną przełączającą, zaś w,w 1 2 są welomanam, L oznacza operaor cofnęca w czase o pojedynczy okres. W osanm modelu warunek przełączena mędzy sanam ma charaker skokowy, a węc necągły; płynnym przejścam charakeryzują sę np. modele klasy STAR (Smooh Transon Auoregressve Process), w kórych skokowy sposób przełączena zosał zasąpony gładkm odpowednkam Procedura Tramo/Seas Meoda a (obok X12-ARMA) ma charaker ujednolconej, kompleksowej procedury analzy modelowana szeregów czasowych. Obejmuje w najwększym skróce zarówno dekompozycję ych szeregów, denyfkację zman srukuralnych oraz obserwacj neypowych oraz kwese 232

3 prognozowana. Meoda a, zalecana przez Eurosa, opracowana przez V. Gomeza A. Maravalla (Banco de Espaňa) opera sę na dekompozycj modelu klasy ARMA skonsruowanego dla analzowanego szeregu czasowego 3 ([10]). Procedura składa sę z dwóch zasadnczych częśc. Perwsza część, nazywana Tramo (Tme seres Regresson wh ARMA nose Mssng observaon & Oulers), polega na konsrukcj modelu ekonomerycznego dla szeregu czasowego w kórym odchylena od rendu są opsywane procesem ARMA. Odbywa sę o przy pomocy dopasowywana odpowednego modelu z predefnowanego zboru model dopuszczalnych. Z jego pomocą denyfkowane są równeż obserwacje neypowe. Druga część procedury, Seas (Sgnal Exracon n ARMA Tme Seres), polega na esymacj składnków orzymanego szeregu: rendu, wahań sezonowych, cyklcznych oraz neregularnych. 2. KLKA UWAG O METODYCE KONSTRUKCJ PROGNOZ ŁĄCZONYCH Podsawową rolą prognozy jes dosarczene w marę obekywnych naukowo uzasadnonych nformacj odnośne spodzewanego przebegu rozważanego zjawska w przyszłośc. Pommo, ż procesow prognozowana zawsze owarzyszy nepewność, konsruowane coraz doskonalszych model częso pozwala ę nepewność zmnejszać, choć jej całkowe wyelmnowane jes z samej naury nemożlwe. Prognozy będące wynkem zasosowana pojedynczych model, zwane ndywdualnym, zwykle ne są ak dokładne jak, konsruowane na podsawe wększej ch lczby, prognozy meszane (łączone). Wydaje sę, że podsawową ego przyczyną jes fak, ż każdy z model uwzględna w nnym sopnu różne aspeky badanego zjawska. Proces łączena prognoz pozwala wypracować coś w rodzaju kompromsu, j. kompromsowego oczekwana odnośne przebegu wspomnanego zjawska. Proces en jes częso w sane zmnejszyć welkość błędu ak, że może on sać sę mnejszy od błędów wszyskch prognoz ndywdualnych. Ne jes o, nesey, obowązującą w każdym przypadku regułą, raczej jedyne powerdzoną weloma obserwacjam prawdłowoścą. Efek en obserwować można nawe w przypadku najprosszej meody łączena prognoz, jaką jes wyznaczene zwykłej średnej prognoz ndywdualnych. Perwszym arykułem opsującym łączene prognoz był arykuł Baesa Grangera ([1]). Od czasu jego powsana powsałych po nm prac Reda, Dcknsona ([6], [7]) Bunna ([4]) oraz nnych badaczy, konsruowane są ne ylko nowe meody łączena prognoz, ale przybywa eż prac na ema efekywnośc ych meod, uwzględnających sale powększającą sę rodznę narzędz służących modelowanu ekonomerycznemu. Do chwl obecnej (por. np. przeglądowe prace [5] oraz [14]) rwa zapocząkowany wedy proces poszukwana coraz bardzej subelnych meod łączena prognoz, kóre charakeryzowałyby sę ne ylko możlwe małą welkoścą błędu, ale akże byłyby bardzej sablne, a przez o mnej wrażlwe na błędy w specyfkacj model generujących prognozy ndywdualne. W dalszych rozważanach ogranczymy sę do lnowych meod łączena prognoz, gdy prognoza łączona jes kombnacją lnową prognoz ndywdualnych y,, yˆ, o znaczy: k 1 ˆ1 k y w yˆ (1) Najprosszą meodą łączena prognoz jes meoda średnej prosej, w kórej wszyske wag mają jednakowe warośc, w =1/k. Tym samym przy wyznaczanu prognozy łączonej ą meodą ne jes uwzględnana an dokładność poszczególnych prognoz, an zależnośc pomędzy nm; każda z prognoz ndywdualnych jes węc rakowana nejako na równ z nnym. Nauralną modyfkację powyższej procedury sanow meoda preferująca e prognozy ndywdualne, kóre są obarczone mnejszym błędem. Częso przyjmuje sę warośc wag jako odwrone proporcjonalne do błędów prognoz ndywdualnych, w ~ 1/ dla =1,,k, co daje 3 Szczegółowy ops procedury można znaleźć na sronach Bank of Span pod adresem hp:// 233

4 1 k w. (2) j 1 j Formuła a mnmalzuje odpowedno zdefnowany błąd całkowy; ne uwzględna jednak możlwej korelacj prognoz ndywdualnych. Trzecą użyą dalej meodę modyfkacj prognoz sanow procedura, zaproponowana przez Grangera Ramanahana (procedura GR), w kórej wag wyznaczane są przy użycu meody najmnejszych kwadraów są one parameram równana regresj, w kórym zmenną objaśnaną jes fakyczna warość szeregu czasowego, zmennym objaśnającym ndywdualne prognozy. Na wspomnane paramery nakłada sę ogranczene wymuszające, aby ch suma była równa 1. Można akże dołączyć warunek neujemnośc wspomnanych paramerów. Ne jes o jednak regułą, a jej brak pozwala nekedy na znaczącą redukcję błędu prognozy. 3. PROGNOZY W nnejszej częśc zameszczone zosały prognozy na najblższe 8 kwarałów (laa ): wskaźnków konunkury w ransporce, welkośc przewozów pracy przewozowej. Prognozy e sanową wynk zasosowana opsanych wcześnej meod, generujących prognozy ndywdualne oraz procedur łączena ych prognoz. Kryerum wyboru modelu sposobu łączena prognoz była dokładność wyznaczena prognoz ex pos w okrese osanch 8 kwarałów dla kórych dosępne są sosowne dane (laa w przypadku wskaźnków konunkury, naomas okres 2011(3)- 2013(3) 4 w przypadku danych o welkośc przewozów). Jako marę jakośc prognoz ex pos przyjęo średn absoluny błąd prognozy (mean absolue error, MAE) dla prognoz obejmujących okres T o długośc T jes on równy: 1 MAE y -y. (3) T T Welkość a przyjmuje warośc neujemne ym mnejsze, m bardzej dokładne blższe rzeczywsym, zaobserwowanym waroścom okazały sę analzowane prognozy. Dane Dane sanowące podsawę oblczeń obejmowały szereg czasowe podsawowych charakerysyk loścowych jakoścowych rynku przewozów owarowych. Charakerysyk loścowe obejmowały welkość przewozów pracy przewozowej w cężarowym ransporce samochodowym (GUS, dane o częsolwośc kwaralnej, okres 2004(1)-2013(2)). Przykładem mękkch danych (wynków ankeowych badań wybranych przedsęborsw prowadzących dzałalność w zakrese przewozu ładunków) są wskaźnk konunkury w ransporce oblczane w nsyuce Transporu Samochodowego. Kwaralne dane obejmują okres 1997(1)-2013(4)). W obu przypadkach uwzględnone zosały krajowe mędzynarodowe przewozy ładunków. Wskaźnk konunkury w ransporce Welkoścam służącym do syneycznej oceny konunkury w ransporce są wskaźnk konunkury wyrażające snejące przewdywane endencje w zakrese przewozów krajowych oraz mędzynarodowych. Oblczane są jako średne z ważonych (welkoścą przedsęborsw ransporowych) sald odpowedz na pyane o zmany welkośc przewozów ładunków w kwarale beżącym ch prognozę dla przyszłego kwarału ([8,9]). Wskaźnk e przyberają warośc z zakresu [-100,100]; są ym wększe, m beżąca syuacja jes lepsza lub lepsze są jej perspekywy w kolejnym kwarale, a zaem m węcej frm zgłasza wzros welkośc przewozów w beżącym kwarale lub spodzewa sę wzrosu w kwarale nasępnym. Prognozy dla wskaźnka konunkury w ransporce krajowym (WKT) zosały wyznaczone przy pomocy procedury łączena prognoz wykorzysującej wag oblczane według formuły (2). Prognozy ndywdualne zosały oblczone przy wykorzysanu model SARMA, LSTAR Tramo/Seas. Wag dla 4 W nawase podany jes numer kwarału. 234

5 V V V V V V V V V V V V V V V V V V V kórych warość błędu MAE była mnmalna były równe kolejno 0.377, oraz W przypadku wskaźnka konunkury w ransporce mędzynarodowym (WKTM) najlepszą okazała sę procedura GR wążąca prognozy uzyskane z model ETS, SARMAX (przypomnjmy, że zmenną egzogenczną była zmenna zero-jedynkowa zmenająca warość na począku 2008r.), LSTAR oraz SETAR z wagam równym kolejno 0.273, 0.264, oraz Hsoryczne wahana (od 1997r.) wskaźnków konunkury wraz z oblczonym prognozam na dwa nadchodzące laa pokazano na rysunku 1. Wskaźnk konunkury w ransporce Rys.1. Warośc wskaźnków konunkury w ransporce: krajowym (kolor czarny) mędzynarodowym (czerwony). Lne przerywane wskazują odpowedne prognozy na laa Zarówno w przypadku przewozów krajowych jak mędzynarodowych ne należy spodzewać sę dużych zman n plus lub n mnus. Podobne jak w wększośc badanych okresów należy spodzewać sę lepszej syuacj w przedsęborswach ransporu mędzynarodowego nż w ch krajowych odpowednkach. Być może jednak częścowe embargo na ekspor do Bałorus Rosj zmen ę endencję już w najblższym kwarale powodując spadek wskaźnka konunkury w ransporce mędzynarodowym. Welkość przewozów pracy przewozowej Prognoza welkośc przewozów w ransporce krajowym zosała oblczona na podsawe model SARMAX oraz Tramo/Seas procedury GR łączącej ndywdualne prognozy wygenerowane przez wspomnane modele (z wagam odpowedno oraz 0.829). W przypadku welkośc przewozów mędzynarodowych najlepsze rezulay dawała procedura GR zasosowana do prognoz orzymanych z model LSTAR, SETAR oraz Tramo/Seas (z wagam odpowedno 0.023, ). Prognozy pracy przewozowej w ransporce krajowym uzyskano z model ETS, LSTAR, SETAR Tramo/Seas (z wagam kolejno 0.402, 0.060, oraz 0.391) oblczonym przy wykorzysanu formuły (2). W przypadku ransporu mędzynarodowego prognozy zosały wyznaczone przy pomocy model klasy ETS. W przypadku ransporu mędzynarodowego można spodzewać sę lekkego wzrosu lośc przewożonego ładunku. W krajowym ransporce roczne welkośc przewozów raczej ne zmeną sę w sposób znaczący, akże ch srukura sezonowa. Praca przewozowa wykazuje wyraźny rend rosnący. Tendencja a zapewne ne zmen sę w najblższej przyszłośc. Pod względem wykonanej pracy przewozowej można spodzewać sę zwększena przewag ransporu mędzynarodowego (zarówno w wynku zwększena średnej odległośc przewozów jak ch wolumenu). W każdym przypadku ne należy oczekwać zman srukuralnych. 235

6 Zmany welkośc przewozów pracy przewozowej wraz z wybranym prognozam ych welkośc na okres do połowy 2015r. zlusrowano na rysunkach 2 oraz 3. Przewozy: ranspor krajowy mędzynarodowy V V V V V V V V V V V Rys.2. Welkość przewozów ransporem samochodowym (mln on): krajowym (kolor czarny) mędzynarodowym (czerwony). Lne przerywane wskazują odpowedne prognozy na okres do 2015(2) Praca przewozowa: ranspor krajowy mędzynarodowy V V V V V V V V V V V Rys. 3. Welkość pracy przewozowej w ransporce samochodowym (mld km): krajowym (kolor czarny) mędzynarodowym (czerwony). Lne przerywane wskazują prognozy na okres do 2015(2) PODSUMOWANE Wydaje sę, ż można swerdzć, że ranspor samochodowy w osanch laach (po 2009r.) zaczął wychodzć ze sanu, kóry charakeryzował sę głębokm pesymzmem, czy wręcz depresją, ankeowanych podmoów ransporowych, a kóry mał mejsce w laach r. owarzyszył począkowej faze śwaowego kryzysu gospodarczego. Syuacja z 2009r. raczej długo sę ne powórzy. Perspekywy jednak, delkane mówąc, bynajmnej ne są różowe. Ne wdać żadnego rendu wzrosowego wskaźnków konunkury, an welkośc przewozów (zwłaszcza w przypadku ransporu krajowego). Wrażene o powerdzają wylczone, nezby pomyślne, prognozy. Jes o wcąż nauralne pokłose kryzysu oraz zwązanych z nm neprzemjających (przynajmnej na raze) 236

7 obaw co do przyszłych perspekyw rozwojowych ransporu. W kolejnych dwu laach raczej ne należy spodzewać sę sonych zman dynamk wskaźnków konunkury, a węc eż znaczącej ch poprawy. Sreszczene Celem pracy jes prezenacja prognoz sanu konunkury w ransporce samochodowym w Polsce. Wynk odnoszą sę do wybranych charakerysyk ransporu samochodowego obejmują zarówno welkośc przewozów pracy przewozowej, jak jakoścowe - mękke zmenne pozyskane z prowadzonych meodą esu badań konunkury w ransporce. Horyzon prognozy obejmuje 8 najblższych kwarałów (laa 2014, 2015). Narzędzam służącym konsrukcj prognoz są wybrane modele szeregów czasowych: m.n. modele klasy ETS (meoda Hola-Wnersa pochodne), SARMA oraz modele nelnowe, w ym modele przełącznkowe SETAR, LSTAR oraz procedury łączena prognoz. Forecasng he economc suaon n he road fregh ranspor n Poland Absrac The am of he sudy s o presen he forecass of economc suaon n he road ranspor n Poland. The resuls refer o specfc characerscs of he road ranspor especally he volume of haulage and haulage work, as well as, sof " varables derved from he surveys conduced n Moor Transpor nsue n Warsaw. The forecas horzon ncludes egh forhcomng quarers (years 2014, 2015). The forecass are he resuls of applyng seleced me seres models: ETS class models (Error, Trend, Seasonal, n parcular Hol - Wners mehod and s dervaves), Seasonal ARMA and nonlnear models, ncludng swchng models SETAR, LSTAR and procedures for combnng forecass. BBLOGRAFA 1. Baes J.M., Granger C.W.J. The combnaon of forecass. Operaonal Research Quarerly, 20: , Box G.E.P., Jenkns G.M. Tme Seres Analyss: Forecasng and Conrol. Holden-Day, San Francsco, Brockwell P.J., Davs R.A., nroducon o Tme Seres and Forecasng. Sprnger, New York, Berln, Hedelberg, Bunn D.W., Forecasng wh more han one model. Journal of Forecasng, 8: , R.T. Clemen. Combnng forecass: A revew and annoaed bblography. nernaonal Journal of Forecasng, 5: , Dcknson J.P., Some sascal resuls on he combnaon of forecass. Operaonal Research Quarerly, 24: , Dcknson J.P., Some commens on he combnaon of forecass. Operaonal Research Quarerly, 26: , Dorosewcz S., Dorosewcz T., Balke, Buleyny p.: Konunkura w ransporce. TS, kolejne kwarały okresu Dorosewcz S., Konunkura w ransporce. Meodyka badań, wynk, modele. TS, Warszawa Gomez V., Maravall A., Seasonal Adjusmen and Sgnal Exracon n Economc Tme Seres. n: A Course n Advanced Tme Seres Analyss, Pena, D., Tao, G., and Tsay, R. (eds.). Wley and Sons, New York, 2001, pp Hamlon J.D., Tme Seres Analyss. Prnceon Unversy Press, Prnceon, New Jersey, Hyndman R.J., Akram M., Archbald B., The admssble parameer space for exponenal smoohng models. Annals of Sascal Mahemacs, 60(2): , Hyndman R.J., Koehler A.B., Snyder R.D., Grose S., A sae space framework for auomac forecasng usng exponenal smoohng mehods. nernaonal J. Forecasng, 18(3): , Walls K.F. Combnng forecass fory years laer. Appled Fnancal Economcs, 21:33 41,