PROGNOZOWANIE TRENDÓW

1. Klasy metod prognozowania 

  

Wyróżnić  można następujące klasy metod analizy i prognozowania: 

  

•

Metody, uwzględniające związki przyczynowo-skutkowe pomiędzy 

zmiennymi systemu, 

•

Metody symptomatyczne, polegające na analizie (ogólnie: 

wielowymiarowych) szeregów czasowych oraz ew. dynamicznych 

związków pomiędzy poszczególnymi ich zmiennymi składowymi, 

•

Metody heurystyczne, sprowadzające się do procedur wytwarzania i 

syntetyzowania opinii ekspertów oraz innego rodzaju materiałów 

typu ankietowego. 

  

Można powiedzieć, że wszystkie te klasy metod winny być stosowane w 

systemie prognoz krótkookresowych. 

Rozwój systemu oznaczać będzie nie tyle całkowite odrzucanie którejś z 

w/w klas, ale przechodzenie w ramach z każdej klas od procedur i metod 

uproszczonych do bardziej zaawansowanych. 

Niewątpliwie jednak w miarę rozwoju systemu wzrastać winna rola metod 

opartych na identyfikacji związków przyczynowo skutkowych. 

  

2. Metody symptomatyczne 

  

2.1. Analiza szeregów czasowych 

  

Oparcie prognoz na analizie dotychczasowej dynamiki zmiennych jest 

szczególnie użyteczne w sytuacji, gdy nie potrafimy sformułować 

miarodajnych zależności behawioralnych (przyczynowo-skutkowych). 

Dzieje się tak zwykle w sytuacji, gdy na zmienną prognozowaną oddziałuje

wiele różnorodnych czynników i/lub zależności są trudno identyfikowalne. 

Takie warunki są charakterystyczne np. dla okresu transformacji 

systemowej i wiążą się zarówno z niepełnym jeszcze wykształceniem 

stabilnych mechanizmów funkcjonowania gospodarki (niejako zgodnych z 

dostępną teorią) jak i trudnościami natury statystycznej. 

  Ogólny model szeregu czasowego zmiennej y jest następujący: 

                    y[t] = f( y[t-1], y[t-2], ... y[t-k], t, e) 

gdzie: k - wielkość opóźnienia

e - składnik losowy 

  

Uwzględnienie opóźnionych wartości zmiennej wiąże się z przyjęciem

hipotezy o wpływie prehistorii kształtowania zmiennej na jej teraźniejsze i 

przyszłe wartości. W analizie zjawisk ekonomicznych ma to szczególne 

znaczenie, charakteryzują się one bowiem określoną bezwładnością: 

szybkie, dowolne zmiany wartości kategorii ekonomicznych nie są 

możliwe, zatem - w krótkim okresie - można przyjąć zależność poziomu 

zmiennej od jej poziomu z bliskiej przeszłości. 

Bezpośrednie uwzględnienie czasu (zmienna t) pokazuje wpływ na 

kształtowanie wartości zmiennej y czynników: tendencji rozwojowej, 

wahań sezonowych i cyklicznych. 

Niewątpliwie uwzględnienie cyklu koniunkturalnego w metodach 

prognozowania na podstawie szeregów czasowych - w przypadku polskiej 

gospodarki - nie wchodzi na razie w grę. 

Istotne jest natomiast wyodrębnienie trendu i prognoza jego zmian. 

Zmiany natężenia ruchu zmiennej w tym samym kierunku mogą być 

prognozowane na podstawie użycia modeli adaptacyjnych (np. trendu 

pełzającego). Zmiany (punkty) zwrotne (odwrócenie trendu) mogą być 

identyfikowane albo mechanicznie (na podstawie metod analizy 

statystycznej) albo na podstawie procedur syntezy opinii ekspertów. 

Można zatem zaproponować ogólną procedurę prognozowania na 

podstawie szeregów czasowych. W bazie metod systemu prognoz 

krótkookresowych będzie ona oznaczana symbolem MPSC. 

  

MPSC

Metoda prognozowania na podstawie szeregów

czasowych

1. Wyodrębnienie z szeregu wahań sezonowych 

 2. Wyznaczenie autoregresyjnego modelu tendencji rozwojowej na danych

oczyszczonych z wahań sezonowych; należy skorzystać z modeli 

adaptacyjnych, które realizują postulat postarzania informacji (silniej 

uwzględniają ostatnie obserwacje) i w ten sposób implementują elementy 

aktualnej zmienności trendu.  

  3. Wyznaczenie prognozy punktowej (na najbliższy okres) na podstawie 

modelu tendencji rozwojowej.  

4. Analiza ewentualnych możliwości odwrócenia trendu (użycie metod 

statystycznego badania obszaru obserwacji tzw. prognoz ostrzegawczych 

i/lub procedur syntezy ocen eksperckich). Weryfikacja prognozy.  

  5. Korekta prognozy o składnik sezonowy. 

 

We wstępnej fazie budowy systemu prognoz krótkookresowych metoda 

MPSC może być stosowana dość szeroko, nawet dla większości zmiennych 

systemu, jest to bowiem najszybszy i najmniej kosztowny sposób 

uzyskiwania dość miarodajnych prognoz krótkookresowych, szczególnie w 

sytuacji braku niezawodnego rozpoznania kształtu zależności 

behawioralnych lub też ich dużej zmienności. 

  

  

2.2. Metoda analogowa 

Najogólniej prognozowanie analogowe polega na wykorzystaniu 

podobieństwa kształtowania się zmiennych w czasie. Jedna grupa 

zmiennych - nazywana grupą zmiennych wiodących - zmienia się 

wcześniej niż inna - grupa zmiennych naśladujących. Zmienne naśladujące

mogą więc być prognozowane na podstawie zmiennych wiodących (i już 

dostępnej, faktycznej, informacji o ich wartościach). 

http://notatek.pl/prognozowanie-trendow?notatka