Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych Mariusz Hamulczuk Pułtusk 06.12.1011
Wprowadzenie Przewidywanie a prognozowanie Metoda prognozowania rodzaje metod i prognoz Czy moŝna prognozować przyszłość efektywność informacyjna rynku? Funkcje prognoz: decyzyjna, aktywizująca, informacyjna Mikroekonomiczny wymiar prognoz gospodarczych System informacji rynkowej a prognozy
Metody / modele szeregów czasowych Model szeregu czasowego. Model szeregu czasowego traktuje się jako czarną skrzynkę. Prawidłowości: w strukturze szeregu czasowego: trend, wahania cykliczne, sezonowość, przypadkowe Y = t f ( TC, S, E t t t ) Rodzaje modeli Czy to wystarcza do przewidzenia przyszłości?
1,20 1,15 1,10 1,05 1,00 0,95 0,90 0,85 0,80 Przykładowe prawidłowości ceny Ŝywca wieprzowego C 1,20 1,15 sty 00 sty 01 sty 02 sty 03 sty 04 sty 05 sty 06 sty 07 sty 08 sty 09 sty 10 sty 11 1,10 1,05 1,00 0,95 0,90 0,85 0,80 S sty 00 sty 01 sty 02 sty 03 sty 04 sty 05 sty 06 sty 07 sty 08 sty 09 sty 10 sty 11
Cel badań empirycznych: Zbadanie właściwości i prawidłowości szeregów czasowych wybranych miesięcznych cen surowców rolnych, Ocena zdolności prognostycznych modeli szeregów czasowych, Wnioski co do przydatności modeli szeregów czasowych do krótkookresowego prognozowania cen surowców rolnych.
Modele ARIMA (p,d,q)(p,d,q) Y t = φ0 + φ1y t 1 + φt 2Yt 2 +... + φ pyt p + Φ1Yt S + Φ 2Yt 2S +... + Φ PYt + e t + θ 1et 1 + θ2et 2 +... + θqet q + Θ1et S + Θ2et 2S +... + Θ PS Q e + t QS Yt Yt 1 t 2 Y... Yt p - wartość zmiennej w momencie/okresie t t 1, t 2,..., t p φ,, p rząd autoregresji oznaczający maksymalne opóźnienie zmiennej objaśnianej, φ0 φ 1... φ p - parametry modelu autoregresyjnego, et - błędy (reszty) modelu, tzw. biały szum. q rząd średniej ruchomej oznaczający maksymalne jej opóźnienie, θ 0 θ 1... θ q parametry modelu średniej ruchomej, Φ i Θ oznaczają sezonowe parametry części odpowiednio: autoregresyjnej i średniej ruchomej. S d S D ( B) Φ( B )(1 B) (1 B ) Yt = φ0 + θ ( B) Θ ( B S ) e t
Model regarima φ S d S D ( B) Φ( B )(1 B) (1 B ) Yt = 0 + ( B) Θ φ θ ( B S ) e t Model RegARIMA φ ( B) Φ( B )( 1 B) (1 B ) ( Y X ) β = θ ( B) Θ( B ) e, t Y t oryginalny szereg czasowy, β i parametr przy i-tej zmiennej objaśniającej, X t i-ta zmienna objaśniająca: Obserwacje nietypowe: AO, TC, LS, RP Efekty dni roboczych Efekt Wielkanocy Inne S d Ogólny cel komponentu reg : usunięcie nieliniowości z oryginalnego szeregu S D t i i i t S
Metody sezonowej korekty danych X-12-ARIMA i TRAMO/SEATS Cel metod: analiza trendu i wahań nieregularnych estymacja i usuwanie czynnika sezonowego z szeregu czasowego prognoza krótkookresowa RóŜne sposoby estymacji komponentów szeregu czasowego: model ARIMA (TRAMO/SEATS) filtry ad-hoc średniej ruchomej (X-12-ARIMA) Obie metody dokonują wstępnej korekty szeregu czasowego o efekty dni roboczych, obserwacje odstające, wpływ czynników zewnętrznych (rozszerzony model ARIMA) Metody rekomendowane przez Eurostat. Demetra +.
Miesięczne ceny skupu pszenicy
Ceny pszenicy porównanie czynników sezonowych
Ceny pszenicy model regarima (1,1,0)(0,1,1)
Miesięczne ceny skupu żywca wieprzowego w Polsce
Ceny żywca wieprzowego porównanie czynników sezonowych
Ceny żywca wieprzowego - model regarima (1,1,0)(0,1,1)
Dokładność prognoz ex post Analiza prognoz ex post: marzec 2008- marzec 2011 Błędy obliczono za pomocą: MAPE = 1 k k t= 1 Y t Y Yˆ t t 100% gdzie: k liczba wykonanych prognoz ex post, Yt realizacja zmiennej Y w momencie t, Ŷt prognoza zmiennej Y na moment t. Porównanie z prognozami naiwnymi oraz prognozami Zespołu ekspertów ARR
Prognozy ex post cen pszenicy regarma Tramo Seats
Błędy ex post prognoz cen pszenicy
Błędy ex post prognoz cen wieprzowiny
Podsumowanie Modele szeregów czasowych pozwalają na formułowanie wniosków w zakresie prawidłowości kształtowania cen: trendu, wahań cyklicznych, czy sezonowości. Wejście do UE miało wpływ na zmiany wzorców i zmiany poziomów cen. Modele szeregów czasowych stanowić mogą narzędzie prognoz krótkookresowych na okres do 3 miesięcy.
Podsumowanie Prognozy budowane na podstawie modeli szeregów czasowych są generalnie mniej dokładne niŝ prognozy formułowane na podstawie opinii ekspertów. Metody szeregów czasowych mogą stanowić źródło wiedzy o prawidłowościach natomiast prognozy generowane z ich udziałem powinny być merytorycznie ocenianie/korygowane przez ekspertów. Prognozowanie jest bardziej sztuką niŝ nauką.
Dziękuj kuję za uwagę