BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Łyko Janusz
Tytuł
Mnogość modeli a jakość prognozy
A Variety of Models and the Quality of Forecasts
Źródło
Prace Naukowe Akademii Ekonomicznej we Wrocławiu, 1994, nr 686, s. 113-121, tab., bibliogr. 10 poz.
Tytuł własny numeru
Zastosowania metod ilościowych
Słowa kluczowe
Prognostyka, Prognozy gospodarcze, Analiza szeregów czasowych
Forecaster, Economic forecast, Time-series analysis
Uwagi
summ.
Abstrakt
Istnieje wiele różnych metod prognozowania. Właściwie jest ich tyle, ile jest różnych możliwości wygładzania danych doświadczalnych. Powstaje jednak pytanie, jaka jest ich wartość praktyczna. Nie umniejszając ich roli w planowaniu i sterowaniu zjawiskami gospodarczymi, trzeba się także zastanawiać nad ich skutecznością i rzeczywistą potrzebą funkcjonowania tak wielu metod prognozy. Czy rzeczywiście mnogość metod wpływa na jakość prognoz ekonometrycznych? Czy przypadkiem uproszczenie zagadnienia, ograniczenie się jedynie do modeli najprostszych, opierających się na prawach nauki, nie wpłynie na poprawę dokładności sądów o przyszłych stanach zjawisk?
W pracy podjęto próbę uzasadnienia takiego stanowiska. Przeprowadzono analizę danych statystycznych, z której wynika, że bez znajomości charakteru zjawiska, bez gruntownej wiedzy o rozpatrywanym procesie wybór odpowiedniej metody wygładzania danych jest trudny. Można także zauważyć, że złożoność modelu nie wpływa na jakość prognoz, wręcz przeciwnie, często modele takie najlepsze wyniki dają wówczas, gdy przez odpowiedni dobór parametrów zredukuje się je do modeli mniej skomplikowanych. (fragment tekstu)

In the paper, an attempt has been undertaken to evaluate accuracy of forecasts drew up by means of twenty methods, using only the data describing a phenomenon that has previously been observed. Fourteen time series, being uniform with respect to character of the process described, have been analysed. Despite such a selection of data, it is difficult, by virtue of the performed, to point out a model that would provide a basis for making sufficiently accurate forecasts. Therefore, a proposition may be put forward that in the forecasting tasks it is possible to use methods that are based on universal laws of science. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej w Warszawie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Baniak A., Łyko J., Magiera J., Smoluk A.: Zastosowanie metody trendu o minimalnej krzywiźnie do prognozowania wartości majątku trwałego w sektorach polskiej gospodarki. [w:] Ekonometria. Katowice 1991.
  2. Brown R.: Smoothing Forecasting and Prediction of Discrete Time Series. Prentice-Hall, Nowy Jork 1963.
  3. Czerwiński Z., Guzik B.: Prognozowanie ekonometryczne. PWE, Warszawa 1980.
  4. Levin R., Kirkpatrick C., Rubin D.: Quantitative Approaches to Management. McGraw-Hill Book Company, 1982.
  5. Łyko J.: Zasada inercji i prognozy gospodarcze. Praca doktorska. AE, Wrocław 1992.
  6. Łyko J.: Interpolacja krzywymi o minimalnej krzywiźnie. Prace Naukowe AE Wrocław, nr 469, 1989.
  7. Makridakis S. i in.: The Forecasting Accuracy of Major Time Series Methods. John Wiley & Sons, Chichester, New York, Brisbane, Toronto, Singapore 1984.
  8. Pawłowski Z.: Prognozy ekonometryczne. PWN, Warszawa 1973.
  9. Rocznik statystyczny GUS. 1965-1987.
  10. Rocznik statystyczny przemysłu. 1976-1987.
Cytowane przez
Pokaż
ISSN
0324-8445
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu