Podstawy metod prognozowania / 3-51




Pobierz 0.76 Mb.
NazwaPodstawy metod prognozowania / 3-51
strona3/7
Data konwersji15.12.2012
Rozmiar0.76 Mb.
TypDokumentacja
1   2   3   4   5   6   7

Metoda prostego uśredniania wykładniczego

Algorytm prognozowania:



gdzie: - prognoza zmiennej Y dla momentu t, - obserwacja rzeczywistej wartości zmiennej Y dla chwili t-1, α – parametr uśredniania (wygładzania) z przedziału [0, 1].

Tab. Charakterystyka metody prostego uśredniania wykładniczego prognozowania

Grupa metod

Prognozowanie na podstawie szeregu czasowego




Składowe szeregu czasowego

Stały (przeciętny) poziom i wahania przypadkowe

Przesłanki metody

Nie nastąpią zmiany w sposobie oddziaływania czynników określających zmienną prognozowaną, mogą wystąpić duże wahania przypadkowe

Postawa, zasada, reguły prognostyczna

Postawa pasywna, zasada status quo, reguła podstawowa prognozowania

Horyzont prognozy

Prognoza krótkookresowa

Ocena prognozy

Ocena dopuszczalności prognozy za pomocą średniego kwadratowego błędu s* prognozy ex post

Zalety metody

Względnie prosty algorytm, łatwość zrozumienia, względnie szybkie i tanie prognozowanie, uwzględnienie w prognozie wartości ostatniego błędu ex post

Wady metody

Konieczność i trudność doboru parametru α wygładzania (minimalizacja błędów)


Metoda tendencji rozwojowej modelu analitycznego (trendu liniowego)

Algorytm prognozowania:



, ,

gdzie: - prognoza zmiennej Y dla chwili t wyznaczona za pomocą modelu trendu liniowego, b – współczynnik, a – współczynnik wyrazu wolnego, - obserwacja zmiennej Y dla chwili t, - średnia obserwacja zmiennej Y, t – numer obserwacji zmiennej, n – liczba obserwacji, - średni numer obserwacji.

Tab. Charakterystyka metody trendu liniowego prognozowania

Grupa metod

Prognozowanie na podstawie szeregu czasowego




Składowe szeregu czasowego

Trend i wahania przypadkowe

Przesłanki metody

Nie nastąpią zmiany w sposobie oddziaływania czynników określających zmienną prognozowaną, niezmienność trendu, stałość modelu, stabilność rozkładu czynnika losowego

Postawa, zasada, reguły prognostyczna

Postawa pasywna, zasada status quo, reguła podstawowa (horyzont krótkookresowy) lub podstawowa z poprawką prognozowania (horyzont średniookresowy)

Horyzont prognozy

Prognoza krótkookresowa lub średniookresowa

Ocena prognozy

Ocena dopuszczalności prognozy za pomocą błędu prognozy ex ante, ocena dopasowania modelu za pomocą współczynnika determinacji R2 i błędu oceny modelu s

Zalety metody

Łatwość prognozowania, określenie trendu zmian, dobór dobrego modelu, umożliwia wyznaczenie błędu ex ante

Wady metody

Ryzyko oparcia prognozy na dobrym modelu, ale nieaktualnym dla ostatnich obserwacji, ostre założenie o niezmienności mechanizmu rozwojowego zjawisk


Metoda tendencji rozwojowej liniowego modelu Holta (wygładzania wykładniczego)

Algorytm prognozowania:

Równanie I (uśrednienie szeregu czasowego):

Równanie II (uśrednienie trendu):

Równanie III (wyznaczenie prognozy):

gdzie: - uśredniona prognoza zmiennej Y dla chwili t-1, - uśredniony trend zmiany wartości zmiennej Y dla chwili t-1, - rzeczywista wartość obserwacji zmiennej Y dla chwili t-1, α, β – parametry uśredniania z przedziału [0, 1], - prognoza zmiennej Y dla chwili T, n – liczba elementów szeregu czasowego (obserwacji).

Tab. Charakterystyka metody Holta liniowego wygładzania wykładniczego prognozowania

Grupa metod

Prognozowanie na podstawie szeregu czasowego




Składowe szeregu czasowego

Trend i wahania przypadkowe

Przesłanki metody

Nie nastąpią zmiany w sposobie oddziaływania czynników określających zmienną prognozowaną, niezmienność trendu i regularność zmian

Postawa, zasada, reguły prognostyczna

Postawa pasywna, zasada status quo, reguła podstawowa prognozowania

Horyzont prognozy

Prognoza krótkookresowa

Ocena prognozy

Ocena dopuszczalności prognozy za pomocą średniego kwadratowego błędu s* prognozy ex post

Zalety metody

Elastyczność metody (model adaptacyjny)

Wady metody

Konieczność i trudność doboru parametrów wygładzania α i β (minimalizacja błędów), konieczność przechowywania dużej ilości danych


Metoda tendencji rozwojowej trendu pełzającego z wagami harmonicznymi

Algorytm prognozowania:

Trend pełzający jest modelem adaptacyjnym służącym do budowy prognoz krótkookresowych. Procedura konstrukcji i ekstrapolacji trendu pełzającego jest następująca:

Krok 1: Ustalenie wartości stałej wygładzania k < n.

Krok 2: Oszacowanie na podstawie kolejnych fragmentów szeregu o długości k liniowych funkcji trendu.

Krok 3: Obliczenie wygładzonych wartości zmiennej ŷt(i), tzn. wartości teoretycznych wynikających z i-tej funkcji trendu.

Krok 4: Obliczenie średniej wartości wygładzonej dla każdego okresu t jako średniej arytmetycznej wartości wygładzonych obliczonych dla tego okresu w kroku 3. Po połączeniu odcinkami liniowymi kolejnych punktów (t, ) otrzymuje się wykres wygładzonych wartości szeregu czasowego w postaci funkcji segmentowej, zwanej trendem pełzającym.

Krok 5: Ekstrapolacja modelu trendu pełzającego. Obliczenie przyrostów funkcji trendu dla wartości wygładzonych:



Krok 6: Nadanie wag poszczególnym przyrostom. Są to tzw. wagi harmoniczne.



Krok 7: Określenie średniego przyrostu trendu jako średniej ważonej (wagami harmonicznymi) wszystkich obliczonych w kroku 5. przyrostów.



Krok 8: Wyznaczenie prognozy punktowej na moment/okres T.



Tab. Charakterystyka metody trendu pełzającego prognozowania

Grupa metod

Prognozowanie na podstawie szeregu czasowego




Składowe szeregu czasowego

Trend i wahania przypadkowe

Przesłanki metody

Nie nastąpią zmiany w sposobie oddziaływania czynników określających zmienną prognozowaną, utrzymanie trendu, zmiany mechanizmu rozwojowego badanego zjawiska

Postawa, zasada, reguły prognostyczna

Postawa pasywna, zasada status quo, reguła podstawowa prognozowania, model addytywny (wahania bezwzględnie stałe), model multiplikatywny (wahania względnie stałe)

Horyzont prognozy

Prognoza krótkookresowa i średniookresowa

Ocena prognozy

Ocena dopuszczalności prognozy za pomocą błędu prognozy ex ante

Zalety metody

Pozwala na adaptacyjność do tendencji zmian trendu, umożliwia wyznaczenie błędu ex ante

Wady metody

Złożoność obliczeniowa i trudność doboru stałej wygładzania k (minimalizacja błędów), konieczność posiadania dużej ilości danych i ich przechowywania


Metoda wskaźników sezonowych

Algorytm prognozowania:

(model multiplikatywny) lub (model addytywny)

gdzie: - prognoza zmiennej Y dla chwili t oraz i-tego cyklu, - wstępna prognoza w oparciu o trend liniowy, - czysty wskaźnik sezonowości dla i-tego cyklu.

W metodzie wskaźników sezonowych prognozę wyznaczamy jako ekstrapolację dotychczasowej tendencji korygowanej wskaźnikiem sezonowości.

Procedura konstrukcji prognozy jest następująca:

Krok 1: Identyfikacja cykli i faz występujących w cyklach.

Krok 2: Opracowanie prognozy wstępnej jako ekstrapolacji zaobserwowanej tendencji rozwojowej z oszacowaniem parametrów za pomocą KMNK.



Krok 3: Wyznaczenie wartości wskaźników sezonowości zti jako ilorazu lub różnicy wartości rzeczywistych i wartości teoretycznych:

(model multiplikatywny) (model addytywny)

Krok 4: Wyznaczenie surowych wskaźników sezonowości zi w celu wyeliminowania wahań przypadkowych we wskaźnikach zti przez wyznaczenie średniej arytmetycznej tych wartości zti, które odpowiadają jednoimiennym okresom.

Krok 5: Obliczenie średniej arytmetycznej q surowych wskaźników sezonowości zi.

Krok 6: Wyznaczenie czystych wskaźników sezonowości jako ilorazów lub różnic surowych wskaźników sezonowosci zi i wielkości q:

(model multiplikatywny) (model addytywny)

Krok 7: Wyznaczenie prognozy jako korektę prognozy wstępnej za pomocą czystego wskaźnika sezonowości dla danej fazy cyklu:

(model multiplikatywny) (model addytywny)

Tab. Charakterystyka metody wskaźników sezonowych prognozowania

Grupa metod

Prognozowanie na podstawie szeregu czasowego




Składowe szeregu czasowego

Trend lub stały poziom i wahania sezonowe

Przesłanki metody

Nie nastąpią zmiany w sposobie oddziaływania czynników określających zmienną prognozowaną, utrzymanie trendu, niezmienność siły i rodzaju wahań sezonowych

Postawa, zasada, reguły prognostyczna

Postawa pasywna, zasada status quo, reguła podstawowa prognozowania, model addytywny (wahania bezwzględnie stałe), model multiplikatywny (wahania względnie stałe)

Horyzont prognozy

Prognoza krótkookresowa lub średniookresowa

Ocena prognozy

Ocena dopuszczalności prognozy za pomocą błędu prognozy ex ante

Zalety metody

Pozwala na obserwację tendencji zmian wahań sezonowych, umożliwia wyznaczenie błędu ex ante

Wady metody

Złożoność obliczeń

1   2   3   4   5   6   7

Powiązany:

Podstawy metod prognozowania / 3-51 iconRóżnych metod prognozowania

Podstawy metod prognozowania / 3-51 iconDorobek Naukowy pracowników Zakładu Metod Ilościowych I Prognozowania

Podstawy metod prognozowania / 3-51 iconZakład metod ilościowych I prognozowania wykaz dorobku opublikowanego w latach 2005-2011

Podstawy metod prognozowania / 3-51 iconModelowania predyktywnego I prognozowania realnych procesów gospodarczych I wykorzystanie metod symulacyjnych w budowie prognoz wielowariantowych

Podstawy metod prognozowania / 3-51 iconTo dziedzina nauk społecznych zajmująca się zastosowaniem metod statystycznych I matematycznych do mierzenia analizy I prognozowania relacji gospodarczych

Podstawy metod prognozowania / 3-51 iconFizykochemiczne podstawy elektrochemicznych metod analizy

Podstawy metod prognozowania / 3-51 iconInternetowe wspomaganie procesu nauczania przedmiotów dotyczących metod badań opinii, metod badań marketingowych oraz metod badań społecznych wykładanych na studiach dziennych I zaocznych sgh

Podstawy metod prognozowania / 3-51 iconDziedziczenie Przeciążanie metod, przedefiniowanie metod

Podstawy metod prognozowania / 3-51 iconRóżnorodność metod odnowy biologiczne daje nam możliwość ogromnego wyboru I dostosowania metody do danej sytuacji. Spośród wielu rodzajów metod wyróżniamy najczęściej stosowane

Podstawy metod prognozowania / 3-51 iconSeminarium z prognozowania

Umieść przycisk na swojej stronie:
Rozprawki


Baza danych jest chroniona prawami autorskimi ©pldocs.org 2014
stosuje się do zarządzania
Rozprawki
Dom