UE, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki http://keii.ue.wroc.pl Prognozowanie procesów gospodarczych wykład ćwiczenia laboratorium prowadzący: dr inż. Tomasz Bartłomowicz konsultacje: bud. B, ul. Nowowiejska 1 piątek 9.30-11.00; B11,B26 tomasz.bartlomowicz@ue.wroc.pl
Literatura 1) Cieślak M., Prognozowanie gospodarcze. Metody i zastosowania, PWN, Warszawa 1997. 2) Cieślak M., Prognozowanie gospodarcze: metody i zastosowania, PWN, Warszawa 2005. 3) Dittmann P., Metody prognozowania sprzedaży w przedsiębiorstwie, AE, Wrocław 1997. 4) Dittmann P., Prognozowanie w przedsiębiorstwie. Metody i ich zastosowanie, Oficyna Ekonomiczna, Kraków 2003. 5) Dittmann P., Prognozowanie w zarządzaniu przedsiębiorstwem, Oficyna a Wolters Kluwer Business, Kraków 2009. 6) Filasiewicz A., Prognoza, program, plan, Wiedza Powszechna, Warszawa 1977. 7) Kolenda K., Kolenda M., Analiza i prognozowanie szeregów czasowych: program komputerowy, Placet, Warszawa 1999. 8) Nowak E (red.), Prognozowanie gospodarcze. Metody, modele, zastosowania, przykłady, Placet, Warszawa 1998. 9) Pawłowski Z., Prognozy ekonometryczne, PWN, Warszawa 1973. 10) Radzikowska B. (red.), Metody prognozowania. Zbiór zadań, AE, Wrocław 1999. 11) Secomski K., Prognostyka, Wiedza Powszechna, Warszawa 1971. 12) Siedlecka U., Prognozowanie ostrzegawcze w gospodarce, PWE, Warszawa 1996. 13) Zeliaś A., Teoria prognozy, PWE, Warszawa 1997. 14) Zeliaś, A., Pawełek B., Wanat S., Prognozowanie ekonomiczne, PWN, Warszawa 2003.
Wprowadzenie 1. Zasadniczym celem prognozowania nie jest eliminacja niepewności, lecz jej minimalizacja. 2. Nie istnieje żadna gwarancja uzyskania dopuszczalnej, tym bardziej trafnej prognozy. 3. Prognozowanie to nie tylko odgadywanie przyszłości, ale przede wszystkim kształtowanie teraźniejszości. 4. Oprócz przesłanek w postaci wiedzy (w tym wiedzy o zjawisku), podstaw do prognozowania dostarcza sama natura zjawiska. 5. Głównym celem prognozowania jest wspomaganie procesów decyzyjnych, tym samym najważniejszą funkcją prognoz jest tzw. funkcja preparacyjna.
Od przewidywania do prognozowania Rys. 1. Przewidywanie Zdarzenia znane Zdarzenia nie znane Należące do przeszłości Należące do przyszłości Rys. 2. Związek przewidywania z prognozowaniem Przewidywanie przyszłości Racjonalne Nieracjonalne Zdroworozsądkowe Naukowe
Podstawowe definicje Przewidywanie wnioskowanie o zdarzeniach nie znanych na podstawie zdarzeń znanych Prognozowanie oparte na podstawach naukowych przewidywanie przebiegu i stanu możliwych (prawdopodobnych) przyszłych zdarzeń (rzeczy, faktów, zjawisk) Prognozowanie gospodarcze przewidywanie kształtowania się zjawisk i procesów gospodarczych w przyszłości Prognoza sąd o przyszłych stanach zjawisk i zdarzeń sformułowany w trakcie procesu prognozowania czyli: - sformułowany w wykorzystaniem dorobku nauki, - odnoszący się do określonej przyszłości, - weryfikowalny empirycznie, - niepewny, ale akceptowalny Prognoza gospodarcza sąd o przyszłych stanach zjawisk i zdarzeń gospodarczych sformułowany w trakcie procesu prognozowania gospodarczego
Zależności przyczynowo-skutkowe Prognoza Obiekt proste złożone Zjawiska Zmienne Zjawiska Zmienne skomplikowane nieskomplikowane ilościowe jakościowe
Podstawy i cel prognozowania Rys. 3. Podstawy prognozowania Podstawy prognozowania Podstawy ontologiczne Podstawy gnoseologiczne (...) obejmują naturę zjawisk i ich wzajemne powiązania. Sieć powiązań między zjawiskami jest mniej lub bardziej gęsta i silna. Jej istnienie sprawia, że w kształtowaniu się zmiennych opisujących zjawiska pojawiają się prawidłowości (...) (...) wynikają z wiedzy o naturze zjawisk oraz mechanizmach ich kształtowania się. Wiedza ta stale się zwiększa, co pozwala sądzić, że prognozy będą coraz lepsze trafniejsze, pewniejsze. Głównym celem prognozowania jest wspomaganie procesów decyzyjnych
Funkcje prognoz Rys. 4. Funkcje prognoz Funkcje prognoz Funkcja preparacyjna Funkcja aktywizująca Funkcja informacyjna (...) prognozowanie jest działaniem, które przygotowuje inne działania. (...) polega na pobudzaniu do podejmowaniu działań sprzyjających realizacji prognozy (gdy prognoza zapowiada zdarzenie korzystne) lub przeciwstawiających się jej realizacji (gdy zapowiada zdarzenie niekorzystne) (...) polega na oswajaniu ludzi z nadchodzącymi zmianami i zmniejszaniu lęku przed przyszłością.
Rodzaje prognoz Tab. 1. Główne rodzaje prognoz Kryterium klasyfikacji Horyzont czasowy prognozy (okres objęty prognozą) Rodzaje prognoz wg zadanego kryterium Prognozy krótkoterminowe (krótkookresowe) Prognozy średnioterminowe (średniookresowe) Prognozy długoterminowe (długookresowe): - prognozy perspektywiczne, - prognozy ponadperspektywiczne Prognozy proste Prognozy złożone Charakter badanego zjawiska lub struktura sporządzanej prognozy Funkcja i cel prognoz Rodzaj zmiennych Oddziaływania na prognozowane zjawisko Prognozy ilościowe: - prognozy punktowe - prognozy przedziałowe Prognozy jakościowe Prognozy mieszane Prognozy badawcze (w tym ostrzegawcze) Prognozy realistyczne Prognozy zmiennych sterowanych Prognozy zmiennych nie sterowanych Prognozy samounicestwiające się Prognozy samorealizujące się
Rodzaje prognoz Tab. 2. Pozostałe rodzaje prognoz Kryterium klasyfikacji Akceptowalność prognozy Metoda opracowania Czas odniesienia Stopień szczegołowości Zasięg terenowy prognozy Rodzaje prognoz wg zadanego kryterium Prognozy dopuszczalne Prognozy niedopuszczalne Prognozy minimalne Prognozy średnie Prognozy maksymalne Prognozy wygasłe Prognozy żywe Prognozy szczegółowe Prognozy ogólne Prognozy światowe Prognozy międzynarodowe Prognozy krajowe Prognozy regionalne
Cechy sprawnego systemu prognozowania Cechy sprawnego systemu prognozowania Aktualność Sekwencyjność Powtarzalność Kompleksowość Stosowanie coraz lepszych metod prognozowania Aktualność cecha zapewniająca wystarczająco długie wyprzedzenie czasowe (bieżące oraz realne) prognozy R B x t -1 t 0 T t t -1 moment/okres, z którego pochodzi ostatnia dostępna informacja, t 0 moment określający czas bieżący ( tu i teraz ), T moment/okres, na który budowana jest prognoza, R realne wyprzedzenie prognozy, x bieżące wyprzedzenie prognozy, B przedział czasu między datą, w której budowana jest, a datą na którą budowana jest prognoza.
Cechy sprawnego systemu prognozowania Sekwencyjność cecha umożliwiająca budowanie prognoz sekwencyjnych (wektorowych) na kolejne okresy w przyszłości s t -1 t 0 T t t -1 przedział czasu, z którego pochodzą ostatnie dostępne informacje, t 0 moment określający czas bieżący ( tu i teraz ), T moment/okres, na który budowane są prognozy sekwencyjne. Cechą prognoz sekwencyjnych jest coraz dłuższe wyprzedzenie czasowe kolejno budowanych prognoz. Oznacza to jakościowo coraz gorszą prognozę. Ponieważ jednak celem prognozowania jest minimalizacja niepewności, a nie jej eliminacja, lepiej dysponować coraz gorszymi prognozami niż żadną z nich.
Cechy sprawnego systemu prognozowania Powtarzalność oznacza tę cechę systemu prognozowania, która umożliwia budowę prognoz dochodzących. Założenia: Prognoza na pojedynczą datę jest zawodna Pojedyncza prognoza nie powinna być podstawą działania Wiedza prognosty nie jest ponadczasowa Prognoza powinna weryfikować wcześniej postawioną prognozę t 0 T t t 0 moment określający czas bieżący ( tu i teraz ), T moment/okres, na który budowane są prognozy dochodzące. Cechą prognoz dochodzących jest coraz krótsze wyprzedzenie czasowe kolejno budowanych prognoz. Z uwagi na systematyczne skracanie okresu czasu między datą budowy, a datą na którą budowana jest prognoza oznacza to jej coraz lepszą jakość.
Cechy sprawnego systemu prognozowania Kompleksowość cecha systemu prognozowania, która umożliwia budowanie prognoz wielu zmiennych Założenia: Wycinek rzeczywistości (zjawisko) jest elementem większej całości Zjawiska są ze sobą powiązane (zachodzi związek przyczynowo-skutkowy) Prognoza wielu zmiennych lepiej obrazuje przyszłość niż prognoza pojedynczej zmiennej Stosowanie coraz lepszych metod prognozowania cecha systemu prognozowania, zapewniająca wykorzystanie najlepszych możliwych metod prognozowania Założenia: Do prognozowania danego zjawiska można zastosować kilka adekwatnych ale różnych metod prognozowania Każda z metod prognozowania oznacza uzyskanie innej prognozy Różnice pomiędzy prognozami oznaczają nie tylko odmienne prognozowane wartości, ale przede wszystkim różny stopień pewności tych prognoz
Klasyfikacja metod prognozowania Metody prognozowania 1. Metody analizy i prognozowania szeregów czasowych 1.1. Metody naiwne 1.2. Metody średnich ruchomych 1.2.1. Średnia ruchoma prosta 1.2.2. Średnia ruchoma ważona 1.3. Wygładzanie wykładnicze 1.3.1. Model prosty wygładzania wykładniczego 1.3.2. Liniowy model Holta 1.4. Modele tendencji rozwojowej 1.4.1. Modele analityczne (klasyczne) 1.4.2. Modele adaptacyjne 1.5. Modele składowej periodycznej 1.5.1. Metoda wskaźników 1.5.2. Analiza harmoniczna 2. Metody prognozowania przyczynowo-skutkowego 2.1. Jednorównaniowe modele ekonometryczne 2.2. Wielorównaniowe modele ekonometryczne 3. Metody analogowe 4. Metody heurystyczne 5. Scenariusze
Klasyfikacja metod prognozowania inny punkt widzenia Klasyfikacja metod prognozowania z uwagi na siłę ekstrapolacji przeszłości w przyszłość 1. Metody analizy i prognozowania szeregów czasowych najliczniejsza grupa metod, najsilniej ekstrapolująca przeszłość w przyszłość, najbardziej rozpowszechniona, skupiająca metody najprostsze 2. Metody prognozowania przyczynowo-skutkowego grupa metod wykorzystująca do prognozowania modele ekonometryczne, gdzie w ekonometryczny sposób na potrzeby prognozowania przyszłości przetwarza się informacje o przeszłości 3. Metody analogowe grupa metod opisująca przeszłość na podstawie badania prawidłowości występujących w zjawiskach podobnych (analogowych) zachodzących w przeszłości; metody te nie ekstrapolują własnej historii, lecz cudzą 4. Metody heurystyczne grupa metod opisująca przyszłość zjawiska na podstawie opinii ekspertów, gdzie sądy (opinie-prognozy) bazują na wiedzy lub doświadczeniu, a także intuicji; wykorzystywane gdy nie można skorzystać z wcześniejszych metod 5. Scenariusze metody stosowane w ostateczności, w sytuacji bardzo słabego rozpoznania prognozowanego zjawiska, polegają na budowaniu wielu różnych wersji (scenariuszy) prognozowanej przyszłości
Metody prognozowania szeregów czasowych rodzaje metod Prognozowanie w oparciu o szeregi czasowe wykorzystuje dane o dotychczasowym kształtowaniu się zmiennej prognozowanej. W modelach tych przeszłe wartości zmiennej prognozowanej reprezentują wszystkie czynniki wpływające na zmienne (stąd miano tzw. metod bezpośrednich). W prognozowaniu na podstawie szeregów czasowych otrzymuje się prognozę na podstawie wykrytych, występujących w przeszłości prawidłowości, bez ukazywania przyczyn ich powstania. Metody te są uprawnionym sposobem prognozowania zjawisk gdy wykryta prawidłowość jest niezmienna lub prawie niezmienna w czasie (występuje inercja zjawiska). Najpopularniejsze metody prognozowania w oparciu o szeregi czasowe: metody naiwne, metody średnich ruchomych (np. średnia ruchoma prosta, średnia ruchoma ważona), metody wygładzania wykładniczego (np. prosty model wygładzania wykładniczego), metody tendencji rozwojowej (np. model trendu liniowego, model trendu logarytmicznego), metody adaptacyjne (np. model trendu pełzającego, model liniowy Holta), metody składowej periodycznej (np. metoda wskaźników, model Wintersa), metody autoregresyjne (np. ARMA, ARIMA).
Metody prognozowania szeregów czasowych -identyfikacja składowych szeregu czasowego Rys. 5. Przykład szeregu czasowego oraz jego możliwe składowe Przykładowy szereg czasowy Składowe szeregu czasowego y t y t Wahania cykliczne Trend Wahania sezonowe Stały (średni) poziom Wahania przypadkowe czas czas
Metody prognozowania szeregów czasowych -modele addytywne i multyplikatywne Rys. 6. Modele szeregów czasowych Modele szeregów czasowych Modele addytywne (...) zakładają, że obserwowane wartości zmiennej prognozowanej są sumą (wszystkich lub niektórych) składowych szeregu czasowego. Jeśli jedyną zmienną objaśniającą jest zmienna czasowa, to postać modelu jest następująca: Modele multyplikatywne (...) przyjmują, że obserwowane wartości zmiennej prognozowanej są iloczynem składowych szeregu czasowego. Jeśli jedyną zmienną objaśniającą jest zmienna czasowa, to postać modelu jest następującą: y t = f ) ( t) + g( t) + h( t + ξt yt = f( t) g( t) h( t) t ξ
Metody prognozowania przyczynowo-skutkowego istota i rodzaje metod Istotą prognozowania przyczynowo-skutkowego jest określenie modelu wyjaśniającego mechanizm zmian zmiennych objaśnianych (prognozowanych) przez zmiany zmiennych objaśniających. Odpowiada to istnieniu szeregu przyczyn dających określony skutek, co w sposób uproszczony opisuje model ekonometryczny. Prognozowanie wykorzystujące modele przyczynowo-skutkowe ma charakter pośredni, co oznacza, że najpierw wyznacza się przyszłe wartości zmiennych objaśniających, po czym wyznacza się prognozę zmiennej objaśnianej. Metody prognozowania bazujące na modelach ekonometrycznych stosuje się głównie gdy istnieje potrzeba zaznajomienia się z mechanizmem rozwojowym zjawiska. Stosowanie tej grupy metod, z uwagi na wyznaczanie prognozy poprzez ekstrapolację wykrytych związków, wymaga zapewnienia ciągłości prawidłowości zjawiska z przeszłości w prognozowanym okresie. Główny podział metod prognozowania przyczynowo-skutkowego: metody prognozowania w oparciu o jednorównaniowe modele ekonometryczne, metody prognozowania w oparciu o wielorównaniowe modele ekonometryczne.
Metody prognozowania przyczynowo-skutkowego -założenia prognostyczne Klasyczne założenia teorii predykcji (warunki konieczne) 1) Znany jest dobry model wyjaśniający kształtowanie się zmiennej, dla której należy zbudować prognozę. 2) Struktura opisywanych przez dany model zjawisk ekonomicznych jest stabilna w czasie. 3) Rozkład składnika losowego jest stabilny w czasie. 4) Znane są dla okresu prognozowanego wartości zmiennych objaśniających występujących w modelu służącym za podstawę wnioskowania w przyszłość. 5) Dopuszczalna jest ekstrapolacja modelu poza zaobserwowany w próbie obszar zmienności zmiennych objaśniających. Podstawowe postulaty predykcji 1) Każda prognoza powinna być wyznaczona wraz z odpowiednim miernikiem rzędu jej dokładności. 2) Przy wyborze sposobu budowania prognozy należy dążyć do możliwie wysokiej efektywności predykcji, tym samym do zadowalającej wartości wybranego miernika oceny dokładności prognozy.
Metody prognozowania przyczynowo-skutkowego budowa modelu Model ekonometryczny (model regresji) jest konstrukcją formalną, przedstawiającą za pomocą równania (równań) zależności między zmienną objaśnianą (zmiennymi objaśnianymi), która charakteryzuje prognozowane zjawisko, a zmiennymi objaśniającymi opisującymi inne zjawiska. Model umożliwia zarówno ocenę wpływu zmiennych objaśniających na zmienną objaśnianą, jak i sformułowanie prognozy (prognoz). Jeśli model ekonometryczny wykorzystywany jest do prognozowania, to zmienna objaśniana odgrywa jednocześnie rolę zmiennej prognozowanej. W sytuacji gdy między zmienną objaśnianą, a zmiennymi objaśniającymi zachodzi związek przyczynowo-skutkowy, model przybiera postać tzw. modelu przyczynowo-skutkowego. W sytuacji gdy związek ten nie ma charakteru przyczynowo-skutkowego, lecz cechuje go współwystępowanie w czasie lub przestrzeni (zmienne objaśniające są jedynie silnie skorelowane ze zmienną objaśnianą), model przybiera postać tzw. modelu symptomatycznego. Modele symptomatyczne mają głównie wartość prognostyczną. Budowa modelu ekonometrycznego przebiega (zwykle) według następującego porządku: 1) specyfikacja zmiennych i wybór zmiennych objaśniających, 2) wybór postaci analitycznej modelu, 3) estymacja parametrów modelu, 4) weryfikacja modelu, 5) zastosowanie modelu (konstruowanie prognozy).
Metody prognozowania symulacje Model ekonometryczny jako narzędzie symulacji Symulacja badanie rzeczywistego systemu za pomocą eksperymentów na modelu mających dać odpowiedź na pytanie, jak zachowałby się (w pewnych warunkach) obiekt odwzorowany danym modelem (np. modelem ekonometrycznym). Symulacja na podstawie modelu prowadzi do odpowiedzi na pytania: - Jakie byłyby wartości zmiennych endogenicznych, gdyby zmienne egzogeniczne przyjęły określone wartości? - Jak należałoby dobrać wartości zmiennych egzogenicznych, by uzyskać określone wartości zmiennych endogenicznych? Rodzaje symulacji: - symulacja prosta, - symulacja złożona (kryterium podziału liczba zmiennych egzogenicznych podlegających zmianie w modelu ekonometrycznym); lub - symulacja deterministyczna, - symulacja stochastyczna (kryterium podziału możliwość zmian parametrów modelu w czasie symulacji).
Metody prognozowania symulacje Wynikiem symulacji są różne warianty rozwoju obiektu opisywanego przez model. Mogą to być np. warianty rozwoju przedsiębiorstwa, warianty zmian popytu na dane dobro, warianty rozwoju gospodarki, itd. Przydatność symulacji przejawia się w możliwości uzyskania odpowiedzi dotyczących np. wpływu zmian cen, stopy dyskontowej na dalszy rozwój firmy, itd. W sytuacji gdy symulowane warianty, których prawdopodobieństwo realizacji jest wystarczająco duże (wystarczające do celów praktycznych), symulacje te mogą być traktowane jako prognozy realistyczne (prognozy, które charakteryzują się wysokim stopniem zaufania odbiorcy prognozy).
Metody prognozowania przykład symulacji Przykład symulacji Obiektem symulacji jest firma handlowa, której dochody (zmienna endogeniczna) są uzależnione od kilku czynników (zmiennych egzogenicznych), np. liczby klientów, ceny towaru u konkurencji, poziomu sprzedaży w danym miesiącu. Przyjmuje się, że każdy z tych czynników jest zmienną (o pewnym rozkładzie, np. normalnym) i może być symulowany. Jednocześnie znany jest model (funkcja) opisująca wielkość dochodu od przyjętych zmiennych. Celem symulacji (komputerowej) jest przeprowadzenie (nawet bardzo wielu) eksperymentów, polegających na (wylosowaniu i) podstawieniu konkretnych wartości poszczególnych zmiennych (np. w jednej symulacji podstawia się następujące wartości: liczba klientów = 225 osób, cena u konkurencji = 45 zł, poziom sprzedaży = 1000 sztuk) i sprawdzeniu jaki dochód zostanie osiągnięty przy takich założeniach. Po wielokrotnym przeprowadzeniu symulacji (losowaniu różnych wartości zmiennych) można stwierdzić, jak wygląda rozkład dochodu sklepu. Na tej podstawie można np. wyznaczyć wartość oczekiwaną zysku, prawdopodobieństwo straty i inne interesujące z biznesowego punktu widzenia wielkości, w tym odpowiedzieć na przykładowe pytania: - Jakie będą dochody firmy jeśli cena towaru u konkurencji (przy niezmiennych pozostałych czynnikach) spadnie o 2 zł? - Na jakim poziomie powinna kształtować się sprzedaż dobra, gdy cena u konkurencji pozostanie bez zmian, aby osiągnąć dochody o 10% wyższe niż obecnie?
Metody prognozowania metody analogowe Prognozowanie analogowe polega na przewidywaniu przyszłości określonej zmiennej przez wykorzystanie informacji o innych zmiennych, których zmiany w czasie są podobne, jakkolwiek nierównoczesne. Rys. 7. Rodzaje metod analogowych Metody analogowe Metoda analogii biologicznych Metoda analogii przestrzennych Metoda analogii historycznych Metoda analogii przestrzennoczasowych prognozy jakościowe prognozy ilościowe
Metody prognozowania metody analogowe Główne rodzaje metod analogowych: metody 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; metody analogii przestrzennych polega na przewidywaniu zajścia określonego zdarzenia na podstawie informacji o wystąpieniu takiego zdarzenia gdzie indziej. Przykład: pojawienie się kart kredytowych w jednym kraju pozwala przypuszczać, że potrzeba posiadania kart wystąpi także w innych krajach; metody analogii historycznych polega na przenoszeniu prawidłowości zmian w czasie jednych zjawisk na inne zjawiska zachodzące w tym samym obiekcie. Przykład: rozwój radiofonii (mierzony liczbą posiadaczy odbiorników) może być podstawą przewidywań rozwoju telewizji; metody analogii przestrzenno-czasowych polega na przenoszeniu z jednych obiektów do innych prawidłowości zmian zjawisk w czasie. Przykład: tendencja do wzrostu częstotliwości korzystania z komputerów osobistych istniejąca w krajach zaawansowanych cywilizacyjnie wystąpi w krajach opóźnionych.
Metody heurystyczne Prognozowanie heurystyczne (intuicyjne) to przewidywanie nowych obrazów rzeczywistości niekoniecznie dających się opisać za pomocą analizy przeszłości. Istotą metod heurystycznych jest dochodzenie do nowych rozwiązań przez sformułowanie hipotezy, co jest przeciwstawne czynnościom uzasadniającym. Podstawą metod heurystycznych są opinie ekspertów oparte na ich wiedzy, intuicji i doświadczeniu. Rys. 8. Wybrane metody heurystyczne Metody heurystyczne burza mózgów metoda delficka T testy rynkowe, itd.
Metody prognozowania metody heurystyczne Podstawowe metody heurystyczne: Burza mózgów metoda oparta jest na dwóch podstawowych wymaganiach metodycznych: po pierwsze nie krytykować, po drugie stymulować jak największą liczbę pomysłów. Burza mózgów jest sposobem na znalezienie rozwiązań w krótkim czasie. Konstruowanie prognozy polega na (kilkukrotnym) ankietowaniu grupy ekspertów nt. prognozowanego zjawiska. Jeżeli eksperci są zgodni w swoich opiniach, za prognozę przyjmuje się wartość (opinię) najczęstszą (modalną) lub średnią. Ocenę dopuszczalności przeprowadza się na podstawie błędów ex post wcześniejszych prognoz lub na podstawie ocen ekspertów. W sytuacji braku zgodności ekspertów, przygotowuje się następną ankietę i przeprowadza wraz z prezentacja wyników poprzedniej ankiety. Postępuje się tak do momentu uzyskania wystarczającej zgodności; Metoda 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. Proces prognozowania polega m.in. na ankietowaniu (w tym ankietowaniu próbnym) maksymalnie 25 pytaniami. Konstruowanie prognozy następuje w sytuacji uzyskania zgodnych wyników (podobnie jak w burzy mózgów) lecz odpowiedzi ekspertów odnoszą się do każdego z pytań z osobna. Bardziej szczegółowe jest opracowywanie wyników (ocena zgodności ekspertów realizowana jest metodami statystycznymi).
Metody prognozowania metody heurystyczne Podstawowe metody heurystyczne: Metoda wpływów krzyżowych (wzajemnych oddziaływań) metoda najbardziej złożona wśród metod heurystycznych, pozwala ocenić przeciętne prawdopodobieństwo zajścia oraz termin realizacji każdego ze zdarzeń w zbiorze zdarzeń współzależnych z uwzględnieniem różnych możliwych kolejności zdarzeń i prawdopodobieństwa ich występowania bądź niewystępowania. Celem metody jest określenie prawdopodobieństw końcowych poszczególnych zdarzeń na poziomie prawdopodobieństw przeciętnych, uwzględniając skumulowany wpływ wszystkich innych zdarzeń. Badając wzajemne oddziaływania uwzględnia się; kierunek oddziaływań, ich intensywność oraz czas, po upływie którego ujawni się wpływ rozważanego zdarzenia na zdarzenie współzależne. Metoda występuje często w połączeniu z metodą delficką. 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.
Metody prognozowania scenariusze Scenariusz (jako metoda przedstawiania przyszłości) polega na opisie zdarzeń i wskazaniu ich logicznego i spójnego następstwa w celu ustalenia, w jaki sposób, krok po kroku rozwijać się będzie obiekt (system). x scenariusz ekstremalny wydarzenie zakłócające x x obrazy możliwej przyszłości wprowadzenie środków zaradczych teraźniejszość czas przyszłość x scenariusz ekstremalny
Metody prognozowania scenariusze W metodzie scenariuszy przyjmuje się pewien punkt wyjścia, którym zazwyczaj jest stan obecny prognozowanego obiektu, a następnie analizuje te możliwe zdarzenia, które mogą stanowić punkt wyjścia do przyszłego ciągu zdarzeń. Tym samym, scenariusz jest układem zdarzeń powiązanych w logiczną, na ogół chronologiczną sekwencję. Rozpatruje się te zdarzenia, które mogą wystąpić i które: - są istotne dla prognozowanego obiektu, - odnoszą się do określonego czasu, - są ze sobą powiązane za pomocą różnego rodzaju relacji (formalno-prawnych, przyczynowoskutkowych, czasowego następstwa, prawdopodobieństwa warunkowego). Metoda scenariuszy nadaje się do rozważania związków pomiędzy zdarzeniami, oddziaływania miedzy obiektem a otoczeniem oraz do równoczesnego ujmowania różnych punktów widzenia danej sytuacji. Każdy scenariusz zawiera informacje dwojakiego rodzaju: - określa, jakie (hipotetyczne) sytuacje mogą wystąpić krok po kroku, - pokazuje, jakie istnieją warianty dla każdego zdarzenia, które mogą zapobiec, odwrócić lub ułatwić jego wystąpienie. Scenariusz może mieć charakter badawczy (tworzony metodą pisania do przodu ) lub antycypacyjny (tworzony metodą pisania do tyłu ). Ponadto scenariusz może być opisowy lub normatywny.
Prognozy ostrzegawcze Tab. 3. Przykłady ocen typów dynamiki zmiennych L.p. Odbiorca prognozy Zmienna Pożądany typ zmian w czasie 1 Producent wyrobu A Sprzedaż wyrobu A Wzrost 2 Producent wyrobu B (konkurencyjnego względem A) Sprzedaż wyrobu A Spadek 3 Handlowiec sprzedający na rodzimym rynku towary importowane Kurs PLN względem EUR Spadek 4 Producent eksportujący swoje wyroby Kurs PLN względem EUR Wzrost 5 Dowolny (każdy) przedsiębiorca Płynność finansowa Stabilizacja na odpowiednim poziomie W większości przypadków zakwalifikowanie typów dynamiki zmiennych jako pożądanych lub niekorzystnych nie jest trudne. Wątpliwości mogą pojawić się gdy formułuje się długookresowe prognozy (gospodarcze). Przykładowo, niektóre przedsiębiorstwa powinny wiedzieć, czy w Polsce nadal należy rozwijać wydobycie węgla, produkcję cukru, itp.
Prognozy ostrzegawcze rodzaj zdarzeń Punktem wyjścia do sformułowania prognozy ostrzegawczej jest kwalifikacja zdarzeń jako korzystnych lub niekorzystnych dla odbiorcy prognozy. Na tej podstawie dokonuje się podziału zmiennych prognozowanych na: stymulanty, destymulanty, nominanty. Dodatkowo, jako zdarzenie niekorzystne zawsze należy traktować nieregularny w sensie statystycznym przebieg zmiennej prognozowanej w czasie. Przez proces dynamiczny uregulowany (w sensie statystycznym) rozumieć należy taki, w którym dominują składowe systematyczne. Proces taki pozostaje pod wpływem względnie stałych przyczyn głównych. Proces dynamiczny nie uregulowany statystycznie znajduje się pod przeważającym wpływem przyczyn losowych o dużej sile i kierunku oddziaływań, co znajduje wyraz w wysokiej i niesystematycznej jego zmienności. Proces nieuregulowany statystycznie jest nieprzewidywalny za pomocą metod wykorzystujących do prognozowania jego inercję.
Prognozowanie ostrzegawcze Rodzaje prognoz ostrzegawczych: 1. Prognozą ostrzegawczą jest stwierdzenie braku możliwości wyznaczenia opartej na inercji prognozy danej zmiennej na podstawie jej szeregu czasowego. 2. Prognozą ostrzegawczą jest sąd o niekorzystnej zmianie kształtowania się stałej systematycznej szeregu w określonym momencie należącym do przyszłości. Prognozą taką może być przypuszczenie wystąpienia: załamania się dotychczasowej tendencji rozwojowej (np. trendu rosnącego w przypadku stymulant bądź trendu malejącego w przypadku destymulant), rosnącej lub malejącej tendencji rozwojowej w przypadku nominant, niekorzystnej fazy cyklu koniunkturalnego. 3. Prognozą ostrzegawczą jest stan zmiennej w momencie należącym do przyszłości, gdy przewiduje się niekorzystne kształtowanie się zmiennej. Prognozy 1 i 2 są prognozami jakościowymi, a prognoza 3 jest prognozą ilościową (jeśli zmienna prognozowana przyjmuj wartości liczbowe). Prognoza 1 jest najostrzejszą prognozą ostrzegawczą, wynika bowiem z rozregulowania procesu.
Prognozowanie ostrzegawcze metoda wyznaczania Wyznaczenie prognozy ostrzegawczej 1 rodzaju wykorzystuje pojęcie dopuszczalności prognozy oraz jej podstawowego sposobu określania (oceny) tj. względnego błędu prognozy. W praktyce przyjmuje się, iż krytyczny poziom błędu nie powinien przekraczać np. 10% (czasem 5%). Implikuje to, że losowa zmienność zmiennej prognozowanej, przy której można oczekiwać dopuszczalnej prognozy, również nie może przekraczać 10%. Miernikiem zmienności losowej jest współczynnik wyrazistości w, który w przypadku szeregu czasowego sprowadza się do postaci współczynnika zmienności (tj. stosunku odchylenia standardowego do średniej arytmetycznej). Wówczas prognozę ostrzegawczą o nieprzewidywalności szeregu formułuje się gdy w > 10%.
Pytania?