nr 145 Wybrane zastosowania modelowania ekonomicznego w analizie przesłanek konkurencyjnego rozwoju sektora rolno-żywnościowego

Transkrypt

1 nr Wybrane zasosowania modelowania ekonomicznego w analizie przesłanek konkurencyjnego rozwoju sekora rolno-żywnościowego Szczepan Figiel Mariusz Hamulczuk Włodzimierz Rembisz

2 Wybrane zasosowania modelowania ekonomicznego w analizie przesłanek konkurencyjnego rozwoju sekora rolno-żywnościowego

3

4 Wybrane zasosowania modelowania ekonomicznego w analizie przesłanek konkurencyjnego rozwoju sekora rolno-żywnościowego Redakcja naukowa dr hab. Szczepan Figiel, prof. IERiGŻ-PIB Auorzy: dr hab. Szczepan Figiel, prof. IERiGŻ-PIB dr inż. Mariusz Hamulczuk prof. dr hab. Włodzimierz Rembisz 2014

5 Prac zrealizowano w ramach emau Zasosowanie modelowania ekonomicznego w analizie przesanek konkurencyjnego rozwoju sekora rolno-ywnociowego w zadaniach: Sysem prognosyczny sucy podnoszeniu konkurencyjnoci sekora rolno-ywnociowego Równowaga wzrosu krajowego sekora rolno-ywnociowego a jego konkurencyjno w wymiarze unijnym i globalnym Mapowanie klasrów w sekorze rolno-ywnociowym suce modelowaniu ich rozwoju Celem niniejszego opracowania jes przedsawienie wybranych przykadów zasosowa szeroko pojego modelowania ekonomicznego w analizie przesanek konkurencyjnego rozwoju sekora rolno-ywnociowego. Recenzenci: dr hab. Wojciech Kozowski, Uniwersye Warmisko-Mazurski w Olszynie dr Sawomir Popowicz, Uniwersye Warmisko-Mazurski w Olszynie Koreka Joanna Gozdera Redakcja echniczna Leszek lipski Projek okadki AKME Projeky Sp. z o.o. ISBN Insyu Ekonomiki Rolnicwa i Gospodarki ywnociowej Paswowy Insyu Badawczy ul. wiokrzyska 20, Warszawa, el.: (22) faks: (22) dw@ierigz.waw.pl hp://

6 Spis reci Wsp... 7 Cz I... 9 Prognozowanie cen w kszaowaniu konkurencyjnoci sekora rolno-ywnociowego Prognozowanie cen w sysemie informacji rynkowej Miejsce i rola prognoz Wiedza o mechanizmach rynkowych Informacje rynkowe Modele szeregów czasowych w krókookresowym prognozowaniu cen surowców rolnych Model szeregu czasowego a prawidowoci Modele szeregów czasowych Kwesie aplikacyjne Prognozowanie cen surowców rolnych na podsawie modeli ze zmiennymi objaniajcymi Jednorównaniowe modele dynamiczne Modele wielorównaniowe VAR i VECM Modele równowagi czskowej Kwesie aplikacyjne Prognozowanie cen dealicznych ywnoci Isoa i koncepcje prognozowania cen dealicznych ywnoci Meody prognosyczne i ich aplikacja Podsumowanie Cz II Popy i poliyka rolna a równowaga wzrosu sekora rolno-ywnociowego i jego konkurencyjno Popyowe ograniczenia w modelu równowagi wzrosu sekora rolno-ywnociowego Podsawy modelu popyu na produky ywnociowe Funkcja popyu na produky ywnociowe Makroekonomiczna funkcja popyu Empiryczna ilusracja modelu Wpyw poliyki w sferze róde dochodów producenów rolnych jako przesanka równowagi wzrosu w sekorze rolno-spoywczym Dochodowe efeky poliyki rolnej a wybór producena rolnego Pojcie reny poliycznej Realizowane dochody producenów rolnych Subsyucja midzy ren ekonomiczn i poliyczn w wyborze producena rolnego Kracowa sopa subsyucji reny ekonomicznej i poliycznej Elasyczno subsyucji reny ekonomicznej i poliycznej a kosz uzyskania wynikajcych z nich efeków dochodowych Empiryczna weryfikacja analizy Komplemenarno ren a inwesycje producenów rolnych Zaleno inwesycji od oszczdnoci i reny poliycznej Rena poliyczna a konsumpcja i oszczdnoci oraz inwesycje producena rolnego.. 70

7 8.3. Mnonik inwesycyjny reny poliycznej dla producenów rolnych Ilusracja empiryczna wpywu reny poliycznej Zmiany wynagrodzenia czynnika pracy oraz jego wydajnoci Zwizek midzy zmianami wynagrodzenia i wydajnoci czynnika pracy Relacje zmian wynagrodzenia i wydajnoci w rolnicwie w ujciu regionalnym Relacje zmian wynagrodzenia i wydajnoci w rolnicwie w ujciu sekorowym Podsumowanie Cz III Mapowanie klasrów rolno-ywnociowych w Polsce oraz modelowanie ich rozwoju Wybrane aspeky koncepcji klasrów Inerpreacja pojcia klaser Konkurencja i wspópraca w ramach srukur klasrowych Klasry a inicjaywy klasrowe Kluczowe uwarunkowania powsawania i rozwoju klasrów rolno-ywnociowych w Polsce Uwarunkowania ekonomiczne Uwarunkowania insyucjonalne Poencja rozwojowy klasrów zwizany z zarudnieniem i liczb podmioów Mapowanie klasrów rolno-ywnociowych w Polsce Kluczowe kwesie meodyczne mapowania klasrów Regionalne zrónicowanie wzgldnej siy klasrów rolno-ywnociowych Porównanie klasrów rolno-ywnociowych w Polsce i w krajach unijnych Inicjaywy klasrowe w polskim sekorze rolno-ywnociowym na le poencjau rozwojowego klasrów Meodyczne zaoenia oceny zgodnoci wyspowania inicjayw klasrowych z poencjaem rozwojowym klasrów Regionalne rozmieszczenie inicjayw zwizanych z sekorem rolno-ywnociowym Ocena zgodnoci wyspowania inicjayw klasrowych z poencjaem rozwojowym klasrów Modelowanie rozwoju klasrów w konekcie ich wpywu na konkurencyjno sekora rolno-ywnociowego Gówne eoreyczne przesanki wpywu na konkurencyjno Empiryczne dowody wpywu na konkurencyjno Modelowanie rozwoju klasrów w wiele poliyki klasrowej Podsumowanie Lieraura

8 Wsp Modelowanie saje si niezbywaln czci warszau badawczego ekonomisów. Znaczenie modelowania w badaniach ekonomicznych wynika m.in. z ograniczonych moliwoci wykorzysania eksperymenu, bdcego podsawowym sposobem rozwizywania problemów badawczych w przypadku wielu innych nauk. W rzeczywisoci gospodarczej na eksperymenowanie w celach naukowych prakycznie nie ma miejsca, zaem konieczne jes uciekanie si do konsruowania rónych modeli bdcych uproszczeniem ej rzeczywisoci, su- cego odwzorowaniu i lepszemu rozumieniu zachodzcych w niej zjawisk i procesów. Modele ekonomiczne mog mie bardzo róny charaker koncepcyjny, od prosych ideowych modeli jakociowych poczynajc, a koczc na rozbudowanych wielorównaniowych modelach ilociowych. Róni si one równie sopniem skomplikowania formalnego oraz poziomem wyrafinowania meod aplikacyjnych. Przydano modeli ekonomicznych zaley jednake przede wszyskim nie yle od ich rodzaju i charakeru, ile od rafnoci wyjaniania opisywanego zjawiska lub procesu, a w rezulacie moliwoci ich wykorzysania w formuowaniu zaoe oraz doboru insrumenów rónego rodzaju poliyk gospodarczych. Doyczy o ake popularnych osanio, zwaszcza w UE i USA, poliyk zorienowanych na wzros konkurencyjnoci caej gospodarki lub jej poszczególnych sekorów, jak na przykad rolno-ywnociowego. W niniejszej monografii przedsawiono gówne wki problemowe oraz wybrane wyniki bada prowadzonych w ramach emau p. Zasosowanie modelowania ekonomicznego w analizie przesanek konkurencyjnego rozwoju sekora rolno-ywnociowego realizowanego w Wielolenim Programie Badawczym Monografia skada si z rzech wyodrbnionych czci powiconych rónym zagadnieniom isonym z punku widzenia oceny róde i kszaowania przesanek konkurencyjnoci krajowego sekora rolno- ywnociowego z uwzgldnieniem roli odgrywanej w ym zakresie przez poliyk gospodarcz. W czci pierwszej ukazano rol prognozowania cen jako elemenu sysemu informacji rynkowej w kszaowaniu konkurencyjnoci sekora rolno-ywnociowego oraz przedsawiono wspóczesne modele ekonomeryczne przydane do prognozowania cen surowców rolnych i ywnoci. Cz druga zosaa powicona zwizkom midzy popyem i poliyk roln a równowag wzrosu sekora rolno-ywnociowego i wynikajcym z ego implikacjom dla konkurencyjnoci ego sekora w wymiarze unijnym i globalnym. Zagadnienia e opisano z uyciem sosunkowo prosych modeli maemaycznych o duej sile wyjaniajcej umoliwiajcej formuowanie wniosków 7

9 w zakresie poliyki rolnej. Cz rzecia o odniesienie si do problemu powsawania i rozwoju klasrów w krajowym sekorze rolno-ywnociowym uznawanego obecnie za bardzo wane uwarunkowanie konkurencyjnoci gospodarki. Przedsawiono w niej wyniki mapowania klasrów rolno-ywnociowych w Polsce oraz ocen zgodnoci poencjau rozwojowego ych klasrów z przesrzennym nasileniem wyspowania inicjayw klasrowych, a ake zaproponowano modelowe ujcie procesu rozwoju powyszych klasrów w konekcie wsparcia publicznego. Wspólnym mianownikiem reci zawarych w poszczególnych czciach monografii jes nie ylko kwesia konkurencyjnoci sekora rolno- ywnociowego, lecz ake wykorzysanie podej meodycznych oparych na szeroko pojym modelowaniu ekonomicznym. Auorzy monografii wyraaj nadziej, e pomimo wycinkowego przedsawienia podjej problemayki, bdce przedmioem monografii rozwaania i wynikajce z nich wnioski oka si choby w czci przydane w lepszym kszaowaniu rónych rodzajów poliyk gospodarczych, kórych przedmioem jes poprawa konkurencyjnoci polskiego sekora rolno-ywnociowego. 8

10 Cz I Prognozowanie cen w kszaowaniu konkurencyjnoci sekora rolno-ywnociowego 1. Prognozowanie cen w sysemie informacji rynkowej Prognozowanie najwaniejszych kaegorii makroekonomicznych i mikroekonomicznych jes jednym ze sposobów ograniczenia ryzyka w dziaalnoci gospodarczej podmioów sekora rolno-ywnociowego. Wród prognozowanych kaegorii kluczowe miejsce zajmuj ceny, a ich prognozowanie w gospodarce rynkowej ma wymiar mikroekonomiczny, co oznacza, e o poszczególni uczesnicy rynków samodzielnie realizuj prognozy, kóre sanowi podsaw podejmowania decyzji. Podsaw dla prognozowania cen, a ym samym podejmowania decyzji gospodarczych, sanowi znajomo mechanizmów rynkowych oraz dosp do informacji rynkowej. Niniejszy rozdzia powicimy wanie ym zagadnieniom Miejsce i rola prognoz Przyjmujc, e uczesnicy rynku dziaaj w warunkach funkcjonowania mechanizmu rynkowego, prognozowanie naley czy z procesem formuowania oczekiwa gospodarczych. Zaem ma ono indywidualny charaker, bowiem czy si z moliwoci realizacji funkcji celu poszczególnych uczesników rynku. W ym konekcie pojawia si pyanie, jak definiujemy prognoz i jaka jes rola paswa i innych insyucji w procesie ich generowania. Mechanizm rynkowy jes gr popyu i poday, kóra prowadzi do obiekywnej wyceny poszczególnych owarów i zrównania si oferowanej iloci owaru z iloci podan. Cena w ym przypadku jes wielkoci wynikow oraz regulujc, za cay proces dochodzenia do równowagi jes opary na wzajemnych zwizkach przyczynowo-skukowych midzy elemenami rynku. Taki mechanizm obowizuje równie w sekorze rolno-ywnociowym. Popy zgaszany przez konsumenów prowadzi do ego, e producenci oferuj produky po jak najniszych koszach. Tym samym producenci s cenobiorcami i musz dososowywa si do cen, a nie odwronie. Konkurencja a odbywa si na bazie cigego dososowywania ceny do uyecznoci (i odwronie) oferowanego produku [Rembisz 2007]. 9

11 Naley odróni okres króki od okresu dugiego w procesie rynkowym, biorc pod uwag moliwoci realizacji funkcji celu danego uczesnika rynku. Przyjmuje si, e w krókim okresie uczesnicy rynku nie s w sanie dososowa si do majcych miejsce zmian cen. Moliwoci dososowania si daje gównie poprawa efekywnoci i zmiana srukury (kierunku) produkcji. Procesy e wymagaj jednake dugiego czasu i wykraczaj poza jeden cykl produkcyjno-handlowy. Wahania cen powoduj jednak niepewno co do moliwoci realizacji funkcji celu poszczególnych uczesników rynku. Poniewa w zdecydowanej wikszoci przypadków uczesnicy rynku nie maj wpywu na ceny pacone i ceny orzymywane, sd dy si do ograniczania ryzyka cenowego i jego skuków, wykorzysujc róne narzdzia. Nale do nich umowy i konraky ypu forward, insrumeny rynku pochodnego, ubezpieczenia czy e róne programy paswowe. Jednym z podsawowych sposobów ograniczania ryzyka jes równie prognozowanie cen. Gównie chodzi uaj o króki okres rozumiany jako przedzia czasu, w kórym producen nie ma moliwoci zrównowaenia spadku cen swoich produków lub skuków wzrosu cen nabywanych rodków produkcji poprzez popraw efekywnoci produkcji. W wymiarze mikroekonomicznym celem prognozowania jes sworzenie dodakowych przesanek w procesie podejmowania decyzji i zmniejszenie niepewnoci. Prognozowanie jednak nie pozwala na cakowie wyeliminowanie ryzyka. Jeeli prognoza jes rafna, wówczas ryzyko jes ograniczane, naomias jeeli zaoymy cakiem inny kierunek zmian ni w rzeczywisoci, wówczas poniesiemy sray wiksze, ni przy zaoeniu saus quo. Majc dwóch uczesników rynku, jeden z nich moe zyska na prognozowaniu, podczas gdy drugi z nich sraci. Wynika sd, e prognoza ma charaker do indywidualny, a przewag zdobywa en, kórego prognozy s rafniejsze. Zaem, prognozowanie jes poencjalnym sposobem zdobywania przewag konkurencyjnych. Dysponujc rafn prognoz krókookresow mona lepiej okreli erminy sprzeday czy erminy zakupu. Przechowanie produku przez kilka miesicy, o ile jes o moliwe, moe diameralnie zmieni przychód ze sprzeday. Naley doda, e decyzje producenów, przewórców czy handlowców s kwesi indywidualnego wyboru i czso dziaania odmienne w sosunku do pozosaych uczesników rynku s o wiele skueczniejsze, ni decyzje o szablonowym rakerze. Prognozy rednio- i dugookresowe mog by naomias podsaw do dokonania zmian w poencjale produkcyjnym i dososowania produkcji do popyu rynkowego. Okrelenie horyzonu prognozy deerminuje sopie szczegóowoci czy dokadnoci. Im krószy horyzon prognozy, ym prognoza saje si bardziej 10

12 szczegóowa i obejmuje gównie zmiany ilociowe. Wraz z wydueniem horyzonu prognozy ogranicza si jej szczegóowo, kadc wikszy nacisk nie yle na precyzyjne odgadnicie poziomu rónych zjawisk, ile na prawidowe rozpoznanie kierunków ich rozwoju. Podejmowanie decyzji wie si z niepewnoci, a agenci (uczesnicy rynku) formuujcy oczekiwania (prognozy) i podejmujcy decyzje wykorzysuj w odpowiedni sposób ca dospn informacj rynkow. Sama informacja niewiele znaczy, jeeli agenci nie znaj mechanizmów i praw rzdzcych rynkiem. Dopiero e dwa elemeny pozwalaj na formuowanie prognoz. Róne zasoby informacji a ake poziom wiedzy, dowiadczenia czy inuicji uczesników rynku decyduj o rafnoci prognoz, a co za ym idzie o sopniu realizacji ich funkcji celu. Prognozowanie cen mona nazwa procesem odkrywania przyszej ceny. W wiele ego, soimy na sanowisku, e prognozy maj indywidualny charaker, przez co nie moe isnie jedna prognoza dla wszyskich uczesników rynku wykonana przez insyucj cenraln, np. miniserswo. Jednak w odniesieniu do gospodarki czso publikowane s przewidywania rónych insyucji doyczce kszaowania si cen lub innych paramerów rynkowych. Przykadem akich insyucji krajowych i midzynarodowych s ARR, NBP czy FAO i OECD. Powsaje wic pyanie, jak naley je definiowa, skoro przyjlimy, e prognozy maj mikroekonomiczny charaker i sanowi wynik oczekiwa konkrenych uczesników rynku. Insyucje i organizacje, kóre publikuj prognozy nie s ypowymi uczesnikami rynku podejmujcymi ryzyko rynkowe zwizane z dziaalnoci produkcyjn czy handlow. Sd e, czso zamias okrelenia prognoza uywa si w akich przypadkach erminu projekcja. Drugim powodem uywania erminu projekcja jes fak, e badania e s finansowane przez rzdy, czy ponadnarodowe organizacje, a auorzy nie chc wyspowa w roli uczesników rynku i swoimi opiniami zmienia rzeczywisoci, wpywajc na zachowanie innych uczesników rynku. Sd, dla zachowania neuralnoci uywa si okrelenia projekcja. Przykadem akich projekcji na rynku rolnym s dugoerminowe projekcje sekora rolnego, formuowane na podsawie modeli równowagi czskowej, kóre s regularnie publikowane (jako zw. Agriculural Oulook) wraz z obszernym uzasadnieniem i inerpreacj wyników. Uczesnicy rynku mog wykorzysywa akie prognozy, czy raczej projekcje, podejmujc wasne decyzje. Jednak ogólnodospne przewidywania naley rakowa jako jedno ze róde informacji o przyszoci. Naley je wnikliwie oceni pod kem realnoci, ewenualnie skorygowa w oparciu o swoje dowiadczenie, i dopiero podejmowa decyzje. Konsekwencje niewaciwych prognoz i bdcych ich naspswem decyzji poniesie i ak uczesnik rynku. 11

13 Inn kwesi wydaje si by przewidywanie cen lub innych paramerów rynkowych dla celów prowadzonej poliyki ekonomicznej. Paswo ma znaczcy udzia w procesach gospodarczych, wpywajc na pozosaych uczesników rynku. Podejmowane decyzje w zakresie wprowadzania poszczególnych insrumenów wymagaj znajomoci prawdopodobnego obrazu przyszoci. Równie w ym przypadku proces prognosyczny jes zbliony. Rónica jednak kwi w ym, e w porównaniu np. do producena rolnego urzdnik nie ponosi wikszego ryzyka zwizanego z podjciem zej decyzji lub sformuowaniem odbiegajcej od rzeczywisoci prognozy. Meody prognosyczne cechuje dua rónorodno. Prognozowanie cen rolnych moe odbywa si przy wykorzysaniu modeli ilociowych, sformalizowanych, jak i podej jakociowych bazujcych na eksperyzach indywidualnych i zespoowych. W prakyce czy si wyniki uzyskiwane z modeli ilociowych z wiedz niesformalizowan, eksperck. Wybór meod i echnik prognosycznych jes ograniczony wiedz prognosy. Najlepiej byoby, aby prognosa dysponowa wiedz o mechanizmach ekonomicznych, wiedz saysyczno-ekonomeryczn oraz wyczuciem rynku. Trudno jes jednak znale akie osoby, sd w zalenoci od wiedzy i dowiadczenia prognosy przyjmowane rozwizania s mniej lub bardziej sformalizowane. Polega o najczciej na wykorzysywaniu rónych analiz ilociowych jako podsawy formuowania wniosków kocowych przez eksperów lub na korygowaniu przez eksperów prognoz orzymywanych przy wykorzysaniu modeli ilociowych. Meody prognosyczne s w rónym sopniu sformalizowane, a ake rónie klasyfikowane. Niemniej jednak ich isoa polega zawsze na uchwyceniu prawidowoci w prognozowanym zjawisku w przeszoci i próbie eksrapolacji (bezporedniej lub z pewnymi korekami) ych prawidowoci w przyszo. W ej czci monografii skupimy si na przedsawieniu najwaniejszych modeli prognosycznych, kóre mog by wykorzysywane w prognozowaniu cen rolnych i cen dealicznych ywnoci Wiedza o mechanizmach rynkowych Prognozowanie paramerów rynkowych, w ym cen, jes znacznie urudnione, jeeli nie niemoliwe, bez znajomoci mechanizmów rynkowych. Sd, podsaw formuowania sdów i oczekiwa na ema przyszoci jes wiedza doyczca praw rzdzcych rynkiem rolno-ywnociowym. Szczególnie wana jes znajomo wspóczesnych, kluczowych uwarunkowa kszaowania si cen na ym rynku, do kórych zaliczamy: uwarunkowania globalne i poziom ransmi- 12

14 sj cen, kszaowanie si cen w acuchu markeingowym i pionow ransmisj cen, inerakcje midzy rynkami produków rolnych oraz poliyk ekonomiczn. Procesy inegracji i globalizacji sprawiaj, e kszaowanie si cen surowców rolnych w danym kraju wynika nie ylko z relacji popyowo- -podaowych w kraju, lecz ake z syuacji na rynkach wiaowych. O obrazie rynku wiaowego decyduj kraje lub regiony majce znaczny udzia w wymianie midzynarodowej, w wyniku czego syuacja popyowo-podaowa na zwizanych z nimi rynkach ma isone znaczenie dla procesu kszaowania si cen na wiecie. O cenie wiaowej decyduj zw. due kraje, kórych poencja produkcyjny, eksporowy lub imporowy jes znaczcy w skali globalnej. Konsumenci i producenci w zw. maych krajach przyjmuj ceny wiaowe jako dane. Usalenie ceny danego produku na caym wiecie na jednym poziomie w eorii ekonomicznej wyjaniane jes dziaaniem prawa jednej ceny (Law of One Price LOP). W rzeczywisoci ceny równowagi na rónych rynkach czso nie s równe eoreycznej cenie wiaowej. Wynika o sd, e o handlu decyduj koszy ransferu. W rzeczywisoci rónice cenowe mog by przez duszy czas wysze lub nisze od koszów ransferu. Wynika o moe z braku penej informacji o cenach i ilociach oferowanych i podanych w wiecie, preferowania owarów z okrelonego obszaru, czy ogranicze insyucjonalnych i prawnych wymiany handlowej [Tomek, Robinson 2001]. Polska z uwagi na relaywnie niewielki poencja produkcyjny, jak i konsumpcyjny, w analizach rakowana jes jako zw. may kraj. Konsekwencj akiego zaoenia jes uznanie, e jes zw. biorc ceny wiaowej. Z przeprowadzonych bada wynika, e ceny w surowców rolnych Polsce s w gównej mierze pochodn cen europejskich i wiaowych, za uwarunkowania krajowe ylko nieznacznie modyfikuj kszaowanie si cen. Ceny krajowe produków, a zwaszcza surowców rolnych, nie odbiegaj znaczco od ich odpowiedników na rynku europejskim lub wiaowym. Oczywicie dzieje si o z uwzgldnieniem koszów ransferu oraz zmian kursów waluowych. Równie reakcje cen krajowych na zmiany cen wiaowych s bardzo szybkie i znaczco wzrosy od momenu wejcia Polski do UE. Konsekwencj ego jes konieczno wnikliwej obserwacji uwarunkowa kszaujcych wiaowe i europejskie ceny surowców rolnych. Z prognosycznego punku widzenia bardziej zasadne na wielu rynkach byoby prognozowanie cen krajowych, jako funkcji cen wiaowych oraz kursu waluowego. Problem kszaowania si cen w acuchu markeingowym i przebiegu pionowej ransmisji cen zwizany jes z fakem, e na rynku rolno- -ywnociowym funkcjonuje wiele podmioów, poczwszy od przedsibiorsw 13

15 produkujcych rodki do produkcji, a skoczywszy na dealisach sprzedajcych ywno w posaci produków finalnych. Rozparujc ceny produków rolnych i ywnoci, w najprosszym ujciu moemy wyróni poziomy: konsumena, przewórcy rolno-spoywczego oraz producena rolnego. W warunkach równowagi rynkowej kady z podmioów maksymalizuje swoj funkcj celu. Ceny w akim ukadzie peni funkcj regulaora procesów rynkowych, aczkolwiek proces en przebiega inaczej w okresie krókim, ni w okresie dugim. Przepyw owarów odbywa si od producena rolnego do konsumena. Towary w kadym kolejnym ogniwie acucha markeingowego s przewarzane i wzbogacane, przez co zwikszeniu ulega ich waro, a zaem i cena. Jednak o popy finalny (konsumencki) wyznacza warunki dla popyu pochodnego: popyu w przewórswie, a naspnie popyu na surowce rolne, a co za ym idzie na czynniki produkcji w rolnicwie. Wraz z rozwojem gospodarczym i wzrosem dochodów ludnoci naspuje nie ylko zmniejszenie udziau wydaków na ywno w wydakach ogóem, ale ulega zmianie srukura popyu. Teoreycznie, w krókim okresie ruchy cen obserwowane w acuchu markeingowym powinny odzwierciedla zmiany cen na rynku owaru sanowicego pierwsze ogniwo, jeeli inne elemeny nie ulegy zmianie. Oznacza o, e zmiany cen surowców rolniczych powinny znajdowa odzwierciedlenie w zmianach cen produków ywnociowych z nich wywarzanych. Wyniki wielu bada np. [Figiel 2002] powierdzaj, e wyspuje dugookresowa zaleno przyczynowo-skukowa w procesie pionowej ransmisji cen. W rzeczywisoci, w krószych okresach zmiany cen w jednym ogniwie acucha markeingowego nie musz wywoywa zmian cen w innym ogniwie ego acucha. Maj u miejsce odchylenia powodowane rónymi przyczynami. Na ogó krószy okres reakcji wyspuje na rynkach ych produków, w cenie dealicznej kórych zawary jes duy udzia surowca rolniczego, albo forma produku finalnego niewiele si róni od surowca wywarzanego w gospodarswach rolnych (np. wiee owoce i warzywa). Gdy w produkach finalnych zawary jes duy udzia komponenów zwizanych z przewórswem i obroem, reakcja jes bardzo saba. Ze wzgldu na inerakcje midzy rynkami rónych owarów rolnych i produków ywnociowych w prognozowaniu cen rolno-ywnociowych, nale- y równie uwzgldnia wyspujce w ym zakresie powizania. Kady producen w oparciu o relacje midzy cenami czynników produkcji, relacje midzy cenami produków sprzedawanych oraz relacje cen produków sprzedawanych do kupowanych podejmuje decyzje zarówno o charakerze operacyjnym, jak i inwesycyjnym [Rembisz 2007]. Z kolei, konsumen, w oparciu o relacje uyecznoci do cen decyduje o zakupie produków. 14

16 Isone s dwa rodzaje zwizków midzy produkami rolnymi: subsyucyjny i komplemenarny. Pierwszy z nich wie si z ym, e ograniczone i e same zasoby (np. ziemia) mog by wykorzysywane do produkcji rónych surowców. Komplemenarno polega naomias na wzajemnym uzupenianiu. Przykadowo, produkcja rolinna powizana jes z produkcj zwierzc poprzez pasze i nawozy organiczne. Z punku widzenia konsumena, kóry dysponuje pewnym ograniczonym budeem, popy na dany produk zaleny jes od wielu czynników, w ym jego cen i cen owarów subsyucyjnych. Nadmierny wzros cen na jednym rynku powoduje spadek popyu na dane dobro w wyniku zmian preferencji konsumenów (efek subsyucji). Oczywicie zmiany preferencji nie dokonuj si naychmias z uwagi na urzymywane zapasy czy przyzwyczajenia. Na rynku dóbr finalnych równie wyspuj efeky komplemenarnoci. Isonym aspekem prognozowania cen jes poliyka ekonomiczna. Sekor rolno-ywnociowy jes jednym z ych, kóre podlegaj najsilniejszym regulacjom. Obok wspierania dochodów producenów rolnych inerwencjonizm moe mie na celu midzy innymi zapewnienie: samowysarczalnoci w zakresie produkcji, niskiego poziomu cen paconych przez konsumenów czy ograniczanie niesabilnoci cen i dochodów [Tomek, Robinson 2001]. Sosowane insrumeny poliyki makroekonomicznej, handlowej i rolnej bezporednio lub porednio wpywaj na ceny produków rolnych i ywnociowych. Prognozujc ceny produków rolno-ywnociowych, szczególn uwag naley zwróci na insrumeny inerwencji rynkowej zmierzajce do bezporedniego konrolowania poday rynkowej surowców rolnych (kwoy produkcyjne, kwoy imporowe, zakupy inerwencyjne, bariery pozaaryfowe ip.) lub e po- redniej konroli poday (np. obcienia imporowe, subsydia eksporowe). W osanich laach coraz wikszy wpyw na rynki rolne ma poliyka energeyczna. Wprowadzenie w wielu krajach minimalnych limiów na zawaro biokomponenów w paliwach spowodowao wzros wiaowego popyu na surowce rolne oraz doprowadzio do mocniejszego powizania cen produków rolnych (i ich zmiennoci) z cenami ropy nafowej. Bezporednie oddziaywanie ej poliyki doyczy w najwikszym sopniu akich rolin, jak rzepak, kukurydza, rzcina cukrowa czy palma kokosowa [Abbo i in. 2008, Tyner 2010, Rosiak i in. 2011]. Naomias efekem porednim jes wpyw ej poliyki na pozosae rynki rolinne i rynki produków zwierzcych. Wszyskie powysze dziaania inerwencyjne maj swoje odzwierciedlenie w sposobie kszaowania si cen surowców rolnych. Osabiaj i deformuj nauralne procesy rynkowe, przez co ceny rynkowe w dugich i w krókich okresach kszauj si nieco inaczej ni w przypadku braku akich rozwiza insy- 15

17 ucjonalnych. Problem prognosyczny polega na ym, e w wikszoci przypadków dziaania e maj charaker okresowy i do rudno jes oszacowa osaeczny wpyw kadej z form inerwencji, szczególnie w dugim okresie Informacje rynkowe Podsaw przewidywania cen w przyszoci jes szeroko rozumiana informacja rynkowa [Borkowski 2003]. Obejmuje ona dane saysyczne, rapory i inne opracowania branowe umoliwiajce formuowanie oczekiwa, a co za ym idzie prognozowanie cen. Mona wyróni kilka kaegorii informacji rynkowej. Pierwsz z nich s dane o cenach krajowych i wiaowych. W rzeczywisoci gospodarczej inaczej ni w przypadku ujcia mechanizmów rynkowych w eorii ekonomii nie mona mówi o jednej cenie rynkowej w danym okresie. Isnieje wic wiele róde informacji pierwonej o cenach kszaujcych si w danym czasie na rynku rolnym. Do pierwonych róde nale giedy owarowe, rynki hurowe czy argowiska, naomias do wórnych rónego rodzaju serwisy czy urzdy saysyczne. W Polsce do najwaniejszych pierwonych róde ego ypu informacji zaliczy mona m.in.: Warszawsk Gied Towarow (WGT) ( wraz z plaform e-wgt ( hps:// Gied Rolno-paliwow Rol-perol (hp:// Inerneow Gied NeBrokers, kóra jes plaform skierowan do firm dziaajcych na rynku rolno-spoywczym (hp:// Poral informacyjny Fresh-marke.pl (hp:// specjalizujcy si w informacjach z brany owocowo warzywnej; Srony inerneowe wybranych rynków hurowych; Porale inerneowe serwisów brany rolno-spoywczej przykadowo: (hp:// (hp:// (hp:// Wiele wiaowych i europejskich gied (funkcjonujcych w ramach rónych grup kapiaowych) oferuje insrumeny pochodne opare na owarach rolnych. Do najwaniejszych gied umoliwiajcych zawieranie akich ransakcji i w rezulacie odkrywanie przyszych cen mona zaliczy m.in.: CME Group, w kórej skad wchodz giedy CME, CBOT, NYMEX oraz COMEX ( Inerconinenal Exchange ( Kansas Ciy Board of Trade ( NYSE Euronex (hps://europeanequiies.nyx.com); 16

18 Budapes Sock Exchange (hp://bse.hu/); BM&FBOVESPA (hp:// Wórne róda informacji o cenach w Polsce i na wiecie o m.in.: Zinegrowany Sysem Rolniczej Informacji Rynkowej MRiRW ( GUS (hp:// Komisja Europejska (hp://ec.europa.eu/agriculure/markes-and-prices/pricemonioring/index_en.hm); Bank wiaowy (hp://go.worldbank.org/2o4ngvqc00); MFW (hp:// USDA (hp:// FAO (hp://faosa.fao.org/sie/682/defaul.aspx#ancor). Drug wan kaegori informacji rynkowej s informacje makroekonomiczne, ze wzgldu na bardzo ison rol czynników ogólnogospodarczych w kszaowaniu syuacji popyowo-podaowej na rynkach rolnych. Zmiany paramerów makroekonomicznych, akich jak wzros gospodarczy, sopy procenowe, kursy wymiany walu bd sopy opodakowania mog znaczco wpywa na ceny produków rolno-ywnociowych, koszy produkcji czy popy. Poniej podajemy odnoniki do wybranych insyucji gromadzcych ego ypu dane i informacje: hp:// hp:// hp:// hp:// hp:// Do insyucji oceniajcych syuacj ogólnogospodarcz i koniunkur w skali globalnej nale midzy innymi OECD, Bank wiaowy, Midzynarodowy Fundusz Waluowy (MFW) czy Europejski Bank Cenralny (EBC). Oo odnoniki do wybranych insyucji gromadzcych dane i informacje o syuacji w wiaowej gospodarce: hp://epp.eurosa.ec.europa.eu/poral/page/poral/eurosa/home/; hp:// hp:// hp:// hp:// Znaczc rol w podejmowaniu racjonalnych decyzji gospodarczych odgrywaj insyucje opracowujce analizy i prognozy (projekcje) sekorowe. Klu- 17

19 czow rol w prowadzeniu bada naukowych oraz opracowywaniu ego rodzaju analiz w zakresie agrobiznesu w Polsce odgrywaj: Insyu Ekonomiki Rolnicwa i Gospodarki ywnociowej Paswowy Insyu Badawczy (wan czci analiz rynkowych s eksperckie krókoi rednioerminowe prognozy rozwoju wybranych kaegorii rynkowych); (hp:// Agencja Rynku Rolnego (ARR) np. rapory ygodniowe i miesiczne o syuacji na rynkach rolnych w Polsce i na wiecie oraz cyklicznie prognozy wykonywane przy udziale Zespou Eksperów ds. Prognozowania Cen Podsawowych Produków Rolniczych (hp:// Bank Gospodarki ywnociowej (BG) wraz raporami i prognozami cen (hp://analizy.bgz.pl/informaion/analysis/ca/sekor-rolny); Zespó Monioringu Zagranicznych Rynków Rolnych dziaajcy w ramach Fundacji Programów Pomocy dla Rolnicwa FAPA udospnia informacje doyczce rynków zagranicznych (hp:// Najbardziej kompleksowe rednio- i dugookresowe projekcje dla sekora rolnego, w ym projekcje cen surowców rolnych, opracowuj insyucje midzynarodowe, w kórych przeprowadza si analizy z wykorzysaniem modeli równowagi czskowej. Nale do nich: Model AGLINK-COSIMO (OECD i FAO) (hp://sas.oecd.org/), Model FAPRI (Insyuu FAPRI) (hp:// USDA, w ramach kórego prace prowadzi World Agriculural Oulook Board (WAOB) (hp:// Informacji doyczcych przewidywanych zmian syuacji popyowopodaowej na wybranych rynkach rolnych na wiecie waro poszukiwa ake sronach inerneowych organizacji branowych, akich jak: Inernaional Grain Council (hp:// Sraegie Grains (hp:// Inernaional Sugar Organizaion (hp:// Informa Agra (hp:// IHS Global Insigh (hp:// 18

20 2. Modele szeregów czasowych w krókookresowym prognozowaniu cen surowców rolnych Modele szeregów czasowych nale do meod najczciej wykorzysywanych w prognozowaniu cen. Wychodzi si w nich od zaoenia, e wysarczy pozna prawidowoci w dynamice prognozowanego zjawiska bez koniecznoci wnikania w czynniki lece u podsawy zmian w czasie. Wydaje si o by zasadne, przy przyjciu zaoenia, e cena odzwierciedla wszyskie dospne informacje. Meody prognosyczne s w rónym sopniu sformalizowane i klasyfikowane. Niemniej jednak ich isoa polega zawsze na uchwyceniu prawidowoci w prognozowanym zjawisku w przeszoci i próbie eksrapolacji (bezporedniej lub z pewnymi korekami) ych prawidowoci w przyszo. W ym rozdziale przedsawiamy najwaniejsze modele prognosyczne, kóre mog by wykorzysywane w prognozowaniu cen rolnych Model szeregu czasowego a prawidowoci Podsaw oceny zmiennoci cen, a ake innych kaegorii ekonomicznych, jes analiza graficzna szeregu czasowego lub wykorzysanie procedur saysycznych. Umiejno formuowania wniosków w oparciu o graficzny przebieg obserwacji sanowi niezbdne minimum, jakie kady analiyk powinien posiada. Rozoenie szeregu czasowego na poszczególne elemeny skadowe nosi nazw dekompozycji szeregu czasowego. Zakada si, e kszaowanie si ceny (Y) jes kombinacj rendu (T), waha cyklicznych (C), sezonowych (S) oraz przypadkowych (I). Podsawowe modele dekompozycji szeregu czasowego o: Y = T +C +S +I (model addyywny) (2.1) Y = T C S I (model muliplikaywny). (2.2) W modelu addyywnym ampliuda waha wokó rendu nie ulega zmianom, naomias w modelu muliplikaywnym ampliudy waha (wariancje) s proporcjonalne do poziomu rendu. W przypadku szeregów czasowych cen sosuje si czciej modele muliplikaywne lub log-addyywne. Isone jes o, e kady z komponenów jes wyrazem oddziaywania rónego rodzaju specyficznych czynników na ceny. Trend jes wyrazem oddziaywania czynników dugookresowych, akich jak zmiany w popycie, zmiany preferencji czy inflacji. redniookresowe wahania cykliczne wynikaj z oddziaywania mechanizmów cykli owarowych. Cykle owarów s pochodn zmian w poday (krajowej, jak i wiaowej), opónie midzy momenem podjcia decyzji produkcyjnych a momenem pojawienia si produku na rynku, czy 19

21 e uwarunkowa psychologicznych. Wahania sezonowe wynikaj ze zmiany w poday, popycie, koszach majcych swoje ródo w kalendarzu. Wahania przypadkowe s z kolei pochodn czynników losowych, nieprzewidywalnych. Dekompozycja sama w sobie obejmuje ylko rozoenie szeregu czasowego na poszczególne komponeny, prognozowanie za sanowi nieformaln eksrapolacj poszczególnych komponenów. Pozwala o czy obserwacje poczynione w oku analizy danych saysycznych z wiedz pozasaysyczn i dowiadczeniem analiyka. Prognoza jes wówczas sum lub iloczynem (w zalenoci od modelu) prawidowoci okrelajcych rend, wahania cykliczne i wahania sezonowe w okresie prognosycznym. Wykorzysa mona do ego zarówno formalne, jak i nieformalne sposoby eksrapolacji poszczególnych skadowych. Trend jes najczciej eksrapolowany zgodnie z formalnym modelem (np. eksrapolacja funkcji rendu). Wahania sezonowe zakada si na poziomie rednim, jaki by obserwowany w okresie próby (rednim) lub e na poziomie z osaniego roku. Podsaw prognozy skadnika cyklicznego jes znajomo mechanizmu rozwojowego cykli owarowych (specjalnych). Zaoenia co do kszaowania si waha cyklicznych, opieraj si najczciej na analogiach do przeszych cykli, informacjach o zmiennych wyprzedzajcych czy pozasaysycznej wiedzy prognosy [Hamulczuk 2013, Sako (red.) 2013] Modele szeregów czasowych Do prognozowania cen surowców rolnych mona z powodzeniem wykorzysywa ekonomeryczne modele szeregów czasowych. S o modele w znacznym sopniu sformalizowane, co z jednej srony sanowi ich zale (obiekywizm i poprawno meodyczna), a z drugiej srony wad, poniewa ich sosowanie wymaga wiedzy saysycznej, kórej wikszo uczesników rynku nie posiada. Punkem wyjcia w zasosowaniach modeli szeregów czasowych w prognozowaniu cen surowców rolnych mog by modele funkcji rendu ze zmiennymi zero-jedynkowymi dla waha sezonowych oraz paramerami auoregresyjnymi. Analizy empiryczne wskazuj, e szeregi czasowe cen surowców rolnych, na kórych opiera si ich krókookresowe prognozowanie, najczciej charakeryzuj si wszyskim komponenami (rendem, cyklicznoci, sezonowoci i wahaniami przypadkowymi). Zaem, model powinien by na yle elasyczny, aby uchwyci powysze prawidowoci. Ogólnie, aki model mona zapisa w posaci równania 2.3: 20

22 r1 i1 i i p Y f ( ) S Y (2.3) j1 j j gdzie: Y obserwowane zjawisko w czasie, f() funkcja rendu (z wyrazem wolnym) dla zmian dugookresowych, r 1 i1 komponen sezonowy opary na zmiennych zero-jedynkowych S i S i i przyjmujcych waro 1 w i-ym sezonie i zero w pozosaych, r liczba sezonów w roku, i wspóczynniki modelu obrazujce oddziaywanie sezonowoci w sezonie i, j j-y paramer auoregresyjny rzdu 1,2, p pozwalajcy na uchwycenie cyklicznoci lub innych dososowa krókookresowych, skadnik losowy w czasie. Esymacj paramerów modelu 2.3 mona przeprowadzi na wiele sposobów sosujc m.in.: procedur dwusopniow, uogólnion meod najmniejszych kwadraów (np. Cochrane-Orcua), czy e poprzez bezporednie oszacowanie modelu 2.3 za pomoc KMNK. W prakyce, w dynamicznych modelach z sezonowoci naley zdecydowa o liczbie opónie p oraz ewenualnym zredukowaniu liczby zmiennych zero-jedynkowych dla waha sezonowych. Mona dokona ego z wykorzysaniem meody regresji krokowej wsecz. Polega ona na ym, e najpierw szacuje si model ze zmiennymi czasowymi, wszyskimi zmiennymi sezonowymi i 2-4 opónieniami zmiennej objanianej. Naspnie pojedynczo usuwamy zmienne saysycznie nieisone (na podsawie saysyki -Sudena czy saysyki F). Po oszacowaniu paramerów funkcji rendu waro prognozy +h oblicza si poprzez eksrapolacj funkcji na okres prognozowany h jako +h =f(+h). Zasosowanie ego podejcia wymaga, aby odchylenia zjawiska wokó rendu i sezonowoci charakeryzoway si sacjonarnoci. Brak sacjonarnoci objawia si m.in. bliskim jednoci wspóczynnikiem 1 w modelu auoregresji rzdu pierwszego. Oznacza o, e odchylenia od dugookresowego rendu nie maj endencji do zanikania w czasie. Wówczas lepiej zasosowa modele klasy SARIMA. O ile w przypadku danych rocznych czy kwaralnych nie jes o z reguy konieczne, o dla danych miesicznych czy ygodniowych modele SARI- MA sosuje si czso. Pod pojciem modele SARIMA bdziemy rozumieli szerok klas sacjonarnych i niesacjonarnych procesów auoregresji i redniej ruchomej. Modele e mog by wykorzysywane zarówno gdy dane charakeryzuj si sezonowoci, jak i w przypadku braku waha sezonowych. Model moe by opisany za pomoc noacji: SARIMA(p,d,q)(P,D,Q) S. Oznaczenia p, d, q odnosz si odpowiednio do: rzdu auoregresji, rzdu inegracji i rzdu redniej ruchomej niese- 21

23 zonowej czci modelu. Z kolei P, D, Q, oznaczaj odpowiednio rzd: auoregresji, rónicowania i opónienia redniej ruchomej sezonowej czci modelu. Waro parameru S wskazuje na liczb okresów w roku, np. dla danych kwaralnych S=4. Sacjonarny proces SARMA(p,q)(P,Q) S uwzgldniajcy wahania sezonowe dla S sezonów zapiszemy jako: p P q Q iy i iy i i i i i Y (2.4) 0 i 1 i1 i1 i 1 gdzie: Y -i, analizowana zmienna w okresie -i, p, P, q, Q rzd auoregresji i redniej ruchomej modelu,,, i, i, i paramery modelu, 0 i skadnik losowy. W skrócie oznacza o, e poziom zjawiska, jak i jego prognozy, zale od: p osanich obserwacji, P sezonowych opónie, q osanich bdów i Q sezonowych opónie bdów. Jeeli nie ma isonych waha sezonowych, wówczas model mona zredukowa o cz sezonow do posaci ARMA(p,q). Model 2.4 mona sosowa jedynie w przypadku szeregów sacjonarnych, a akie prakycznie w przypadku cen rolnych bardzo rzadko wyspuj. Wówczas naley doprowadzi dane do sacjonarnoci poprzez ich rónicowanie. Niesezonowe rónicowanie polega na d-kronym obliczaniu rónic ssiednich obserwacji Y Y Y 1. Zrónicowany d-kronie szereg czasowy oznaczymy za d d pomoc operaora rónicowania jako Y ( 1 B) Y. Jeeli dane charakeryzuj si sezonowym pierwiaskiem jednoskowym, wówczas naley dokona rónicowania z krokiem sezonowym. Polega o na obliczaniu rónic midzy analogicznymi obserwacjami w kolejnych laach, co zapiszemy jako SY Y Y S. Szereg czasowy zrónicowany D-kronie mona zapisa z wykorzysaniem operaorów rónicowania jako D S D SY ( 1 B ) Y. Sd szereg czasowy zrónicowany z krokiem niesezonowym i sezonowym mona zapisa: (1-B) d (1-B S ) D Y. Alernayw jes eliminacja rendu za pomoc funkcji rendu (ale ylko dla szeregów rendosacjonarnych), a sezonowoci za pomoc modeli ze zmiennymi zero-jedynkowymi, dekompozycji sezonowej czy meody Fouriera. Ogólny zapis modeli SARIMA(p,d,q)(P,D,Q) S bdzie naspujcy [Box, Jenkins 1983]: S d S D S ( B) ( B )(1 B) (1 B ) Y 0 ( B) ( B ) (2.5) S S gdzie: (B), (B), ( B ), ( B ) operaory przesunicia auoregresji i redniej ruchomej niesezonowej i sezonowej czci modelu. 22

24 Implemenacja modelu obejmuje fazy: idenyfikacji modelu (kwesie przekszace, kronoci rónicowa, opónie), esymacj modelu oraz jego weryfikacj i prakyczne wykorzysanie do celów prognosycznych. Obecnie dokonuje si ego najczciej w sposób auomayczny w programach kompuerowych w oparciu o kryeria informacyjne modelu. Modele mog by rozszerzone o dodakowe zmienne deerminisyczne. W roli zmiennych objaniajcych moe wyspi prakycznie kada ze zmiennych, kóra wpywa na poziom prognozowanego zjawiska (szczególnie zmienne wyprzedzajce). Naomias w prakyce szeregów czasowych jes o ograniczane do zmiennych, za pomoc kórych ujmujemy zmiany srukuralne i waroci odsajce. Przeprowadza si o przede wszyskim po o, aby dokona linearyzacji szeregów czasowych. Wród akich zmiennych naley wskaza midzy innymi: zmienne obrazujce skokowe rwae lub przejciowe zmiany poziomu zjawiska oraz zmienne pozwalajce na uchwycenie jednorazowych zmian. Jeeli przyjmiemy oryginalny szereg czasowy jako punk wyjcia, wówczas jego poziom zapiszemy jako [Findley i in. 1998, X-12-ARIMA 2011]: Y i X i, Z, (2.6) gdzie: i paramer sojcy przy i-ej zmiennej objaniajcej i X i,, Z o reszy modelu szacowane za pomoc modelu SARIMA(p,d,q)(P,D,Q) S danego równaniem 2.5. Po podsawieniu 2.5 do 2.6 orzymujemy model regarima, kóry mona zapisa naspujco [X-12-ARIMA 2011]: S d S D S BB ( 1 B) (1 B ) Y i X i, 0 B( B ). (2.7) i Auomayczna procedura szacowania paramerów modelu regarima wbudowana jes w meody X-12-ARIMA oraz TRAMO-SEATS, kóre s dospne w darmowych programach: DEMETRA + oraz GRETL. Meoda X-12- ARIMA skada si z rzech eapów [Findley i in. 1998, X-12-ARIMA 2011]. W pierwszym sosuje si model RegARIMA celem m.in. oczyszczenia szeregu czasowego z wpywu zaburze o charakerze szokowym i jego linearyzacji. W ym kroku obliczana jes równie prognoza. W drugim kroku przeprowadzana jes dekompozycja szeregu czasowego za pomoc odpowiednio dobranych rednich ruchomych, kóre su do oszacowania rendu-cyklu i komponenu sezonowego, co pozwala na wszechsronne poznanie wyspujcych prawidowoci. W rzecim eapie, przeprowadzana jes kompleksowa walidacja modelu. Alernayw dla ekonomerycznych modeli szeregów czasowych s modele adapacyjne, a wród nich modele wygadzania wykadniczego. Brak jes w nich zaoe co do posaci analiycznej mechanizmu opisujcego zjawisko, 23

25 za paramery modeli dososowuj si do zmian w czasie. Modele wygadzania wykadniczego mona podzieli z uwagi na waciwoci rendu (brak, addyywny, muliplikaywny) oraz charaker waha sezonowych (brak, addyywne lub muliplikaywne). W osanich laach rozbudowano modele wygadzania wykadniczego rozszerzono o czynnik umicy rend (damping facor). Cao przedsawiono w posaci schemau w rozdziale 4.2. Majc na uwadze, e ceny surowców rolnych, jak i ceny dealiczne produków ywnociowych, charakeryzuj si sezonowoci oraz rendem, do ich prognozowania naley wykorzysywa modele uwzgldniajce en rodzaj waha. Addyywny model Hola-Winersa z czynnikiem umicym wydaje si by najbardziej uniwersalny i uyeczny w prognozowaniu cen surowców rolnych, oznaczony w schemacie jako (AA d A). Jego uniwersalizm wynika z rzech czynników. Po pierwsze, mona go zasosowa do danych opisywanych w posaci modelu muliplikaywnego po uprzednim zlogarymowaniu danych. Po drugie, pozwala opisa wszyki poencjalne rodzaje waha (oprócz zmian srukuralnych). Po rzecie, zawiera czynnik umicy, kórego celem jes niedopuszczenie do przeszacowania lub niedoszacowania prognoz w duszym horyzoncie czasowym. Wszyskie modele wygadzania wykadniczego awo mona zaimplemenowa wykorzysujc arkusz kalkulacyjny rozpisujc poszczególne wzory na formuy. Dodaek SOLVER mona wykorzysa w celu minimalizacji bdów prognoz Kwesie aplikacyjne W ym podrozdziale przedsawimy kilka moliwych podej, w kórych prognoza budowana jes na podsawie ylko i wycznie hisorycznych informacji. Podsaw dla wyboru meod jes zawsze idenyfikacja prawidowoci poprzez ocen meryoryczn, graficzn czy saysyczn. Pomiar ych prawidowo- ci nie jes konieczny do wyznaczenia prognozy, ale pozwala lepiej zrozumie zjawisko i w efekcie kocowym dokona meryorycznej oceny jakoci modelu czy realnoci obliczonych prognoz. Zasosowanie modeli szeregów czasowych moe mie charaker bezporedni lub e prognoza moe by wyliczana w drodze procedur wielosopniowych. W pierwszym przypadku efekem kocowym prognozowania jes osaeczna prognoza zjawiska. W drugim przypadku moliwe jes czenie wielu modeli w celu uzyskania osaecznej prognozy. Procedury wielosopniowe najczciej wi si z zasosowaniem do prognozowania modelu dekompozycji szeregu czasowego. W ramach dekompozycji mona wyodrbni wahania sezonowe (np. meoda X-12-ARIMA), a naspnie prognozowa szereg czasowy bez waha sezonowych. Dekompozycj moemy dodakowo rozszerzy o wyodrbnienie rendu za pomoc np. liniowej 24

26 lub wykadniczej linii rendu. Jes o zasadne wówczas, gdy zjawisko podlega deerminisycznemu rendowi w dugim okresie, od kórego (jako poziomu pewnej równowagi) naspuj pewne odchylenia w gór i w dó przyjmujce charaker cykliczny. Szereg skorygowany z waha sezonowych i rendu zawiera wahania cykliczne i przypadkowe. Aby obliczy osaeczn prognoz, naleaoby: dokona eksrapolacji rendu, uwzgldni wahania sezonowe oraz prognoz czskow szeregu czasowego powsaego po eliminacji rendu i sezonowoci. Prognozowanie w ym przypadku daje moliwoci analiykom wykorzysania swojej wiedzy. Osaeczna prognoza sanowi wówczas sum prognoz czskowych: eksrapolacji rendu oraz uwzgldnienia waha sezonowych i cyklicznych dla prognozowanego okresu. W ym przypadku prognoza skadnika cyklicznego moe mie równie nieformalny charaker. Szacunek (prognoz) waha cyklicznych na okresy przysze opieramy jednoczenie na wielu przesankach, a mianowicie analogiach co do kszau poprzednich cykli, ewenualnie kszaowania si zmiennych wyprzedzajcych, kórych zmiany wczeniej mog informowa nas o ym, co si moe wydarzy w przyszoci, na podsawie informacji rynkowej z rónych róde. Ison rol odgrywa uaj prognosa dokonujcy selekcji czynników i oceniajcy ich wano. Na podsawie przeprowadzonych analiz mona zaproponowa pewne rozwizania meodyczne przydane w prognozowaniu cen wybranych surowców rolnych w Polsce na podsawie modeli szeregów czasowych. Do prognozowania cen zbó mona rekomendowa naspujce meody: klasyczn dekompozycj szeregu czasowego meoda a zasadniczo jes odporna na zmiany srukuralne, mona przy okazji wykorzysa wiedz eksperck w celu przewidywania skadnika cyklicznego; meod regarima ze zmiennymi dla uchwycenia zmian srukuralnych, jes ona oprogramowana w ramach procedury X-12-ARIMA; modele Hola (po wczeniejszym wyeliminowaniu sezonowoci) lub Hola- -Winersa z czynnikiem wygadzajcym. Prognozowanie cen mleka i produków mlecznych ma swoj specyfik wyraajc si ym, e modele s z reguy dobrze dopasowane do danych (dane s wygadzone), ale prognozy w horyzoncie jednego roku nie s ju ak dokadne. rednie bdy prognoz wygasych na 12 miesicy naprzód wykonane w laach wyniosy 14-16%, co i ak jes waroci dwukronie nisz ni w przypadku prognoz cen pszenicy [Hamulczuk, Klimkowski 2011]. Moliwe jes równie pojawianie si nagych szoków, czso popyowych, wyraajcych si gwaownymi zmianami cen (np. laa ). Biorc pod uwag e wszyskie uwarunkowania, sugerujemy klasyczn dekompozycj szeregu czasowego. Jej zasosowanie wie si z moliwoci eksperckiego przewidywania 25

27 waha cyklicznych, kóre wynikaj z wielu czynników: popyowych, ogranicze produkcyjnych oraz czynników naury psychologicznej (uwaga: w przypadku cen SMP brak jes sezonowoci). Naley mie na uwadze o, e cykle e w niewielkim sopniu powizane s z innym cyklami w rolnicwie. Meod dekompozycji mona zmodyfikowa w en sposób, e po eliminacji sezonowoci oraz rendu pozosa cz zmiennoci mona prognozowa za pomoc modelu Hola z rendem gasncym lub e na podsawie modelu auoregresji (rzdu 1-3). Do prognozowania ych cen mona wykorzysa równie modele SARIMA oraz regarima. Mog o by modele zarówno z sezonowym, jak i niesezonowym rónicowaniem danych. Specyfika prognozowania cen paconych za ywiec producenom rolnym wynika sd, e poszczególne rodzaje misa s dobrami subsyucyjnymi. Zaem musz isnie midzy ich cenami silne zalenoci. Jednak wyniki analiz wskazuj, e o jedynie ceny drobiu i ceny wieprzowiny maj zbliony przebieg (rend, cykl, sezonowo). Ceny woowiny charakeryzuj si du podanoci na szoki (przykad BSE, inegracja z UE, uregulowania handlu midzynarodowego). Powoduje o, e prognozowanie ych cen moe odbywa si na podsawie rónych modeli lub e z rónymi specyfikacjami. W wiele ego do prognozowania cen misa mona rekomendowa kilka rónych meod. W szeregach cen wieprzowiny, drobiu czy baraniny brak jes wikszych zmian srukuralnych, sd e mona je prognozowa na podsawie wikszoci modeli przewidzianych do prognozowania zjawisk z wahaniami sezonowymi i rendem (i cyklicznoci). Ceny woowiny charakeryzuj si nagymi skokami, sd przed ich prognozowaniem wymagana jes linearyzacja danych z uwagi na szoki w roku 2004 (wejcie do UE) i 2001 (BSE). Z omawianych modeli bezporednio mona jedynie zasosowa model regarima. Klasyczn dekompozycj szeregu czasowego mona proponowa szczególnie w przypadku cen wieprzowiny i drobiu, gdzie wahania cykliczne maj znaczcy udzia w zmiennoci danych. Jednym z rozwiza przy prognozowaniu cen misa jes eliminacja waha sezonowych (klasyczna dekompozycja lub X-12-ARIMA), a naspnie zasosowanie modelu ARIMA lub modelu Hola z rendem gasncym. Meod regarima równie mona uywa do prognozowania cen drobiu, wieprzowiny i baraniny. Obok ujcia dynamiki rendu i sezonowoci umoliwia ona uchwycenie efeku ruchomych wi Wielkanocnych (wzros popyu w ym okresie). Do prognozowania cen wieprzowiny i drobiu mona e wykorzysa modele ekonomeryczne z rendem, zmiennymi zero-jedynkowymi oraz opónieniami auoregresyjnymi. 26

28 3. Prognozowanie cen surowców rolnych na podsawie modeli ze zmiennymi objaniajcymi Prognozujc ceny surowców rolnych mona zaoy, e s one funkcj innych czynników (zw. zmiennych objaniajcych). Mimo e podejcie o wydaje si by bardzo ineresujce, w porównaniu do modeli szeregów czasowych pojawia si szereg dodakowych rudnoci. Kluczowy w budowie modelu wydaje si wybór najlepszego zesawu zmiennych objaniajcych i usalenie ich waroci w okresie prognozowanym. Przyjcie niepoprawnych wielkoci dla okresu prognosycznego powoduje, e mimo dobrego modelu osaeczny efek w posaci prognoz moe by niezadowalajcy. W ym rozdziale przedsawimy najwaniejsze ego ypu modele oraz moliwoci ich prakycznego zasosowania w prognozowaniu cen surowców rolnych Jednorównaniowe modele dynamiczne Rzeczywiso dosarcza dowodów na ograniczon przydano modeli saycznych w prognozowaniu w rolnicwie. Wynika o z opónie czasowych w rolnicwie, u podsaw kórych le ograniczenia biologiczno-echnologiczne. Jedynie w przypadku prognozowania na podsawie danych rocznych isniej pewne szanse ich zasosowania prakycznego. W przypadku prognozowania cen miesicznych czy kwaralnych prakycznie brak akich moliwoci. Z ego powodu czso rozbudowuje si je do posaci dynamicznej poprzez wczenie zmiennej czasowej do grona zmiennych objaniajcych oraz uwzgldnienie opónie zmiennej objanianej i zmiennych objaniajcych. Koncepcje rozwizania ego problemu mog mie róny charaker. Ineresujcym podejciem moliwym do wykorzysywania w ego ypu prognozowaniu jes koncepcja modelowania zgodnego [Zieliski 1991]. Dynamiczny model zgodny o aki model przyczynowo-skukowy, kóry uwzgldnia informacje o wewnrznej srukurze badanych procesów objanianych i objaniajcych (rend, sezonowo, auoregresja) ak, aby proces reszowy mia wasnoci bia- ego szumu (innymi sowy losowe). Model zgodny dla dwóch procesów (mona go rozszerzy na wiksz liczb procesów egzogenicznych) Y i X zawierajcy wszyskie wewnrzne skadniki poszczególnych procesów mona zapisa w posaci zalenoci [Osiska (red.) 2007]: q q Y m s sy s s s X s 1 0, (3.1) gdzie: m o waro rednia zawierajca: wyraz wolny (cons), rend (T ), skadnik sezonowy (S ) lub jednoczenie wszyskie e czynniki;, o paramery 27