BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Gurgul Henryk, Majdosz Paweł, Mysza Stanisław
Tytuł
Model prognoz złożonych w przedsiębiorstwie branży ceramiki sanitarnej
Composite Forecasting Model for Sanitary Ceramics Enterprise
Źródło
Studia Ekonomiczne / Akademia Ekonomiczna w Katowicach, 2010, nr 56, s. 27-48, tab., bibliogr. 14 poz.
Tytuł własny numeru
Zastosowanie metod matematycznych w ekonomii i zarządzaniu
Słowa kluczowe
Prognozowanie sprzedaży, Rynek ceramiki, Modele ARIMA, Modele ekonometryczne
Sales forecasting, Ceramics market, Autoregressive integrated moving average (ARIMA) models, Econometric models
Uwagi
summ.
Abstrakt
W niniejszym opracowaniu przedstawiono metodykę prognozowania wielkości sprzedaży przedsiębiorstwa branży ceramiki sanitarnej, wykorzystującą trzy różne źródła informacji: historyczną sprzedaż, prognozy działu marketingu oraz prognozy przygotowywane na podstawie złożonych zamówień. Dokonano oceny zbudowanych prognoz zarówno pod kątem ich dokładności, jak i korzyści finansowych dla przedsiębiorstwa. Porównano, w szczególności, dokładność prognoz zbudowanych na podstawie modeli złożonych z dotychczas stosowanymi w badanym przedsiębiorstwie rozwiązaniami, tj. prognozami formułowanymi przez dział marketingu z wykorzystaniem metod o charakterze jakościowym. W części drugiej dokonano charakterystyki próby badawczej, ze szczególnym uwzględnieniem sposobu gromadzenia danych i agregacji, co wynika ze specyfiki badanego przedsiębiorstwa. Przedstawiono też etapy budowy prognoz sprzedaży dla wyróżnionych grup asortymentowych. Część trzecia zawiera wyniki empiryczne ilustrujące przydatność poszczególnych rozwiązań w ramach badanego przedsiębiorstwa. Ostatnia - czwarta - część zawiera krótkie podsumowanie i wnioski.(fragment tekstu)

The forecast methodology of sale value of a ceramics company has been presented in the paper. Three sources of information have been used, i.e.: sale in the past, forecasts of marketing department and forecasts based on orders. The relevance of the alternative solutions has been verified by the means of data sample from the selected company for the time period from January 2001 to December 2003.The empirical results seem to confirm the reasonability of inclusion of a new element, namely composite forecasts, into the forecasting system.(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
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Bollerslev T.: Generalised Autoregressive Conditional Heteroscedasticity. "Journal or Econometrics" 1986. 31, s. 307-327.
  2. Bollerslev T.: A Conditionally Heteroscedastic Time Series Model for Speculative Prices and Rates of Return. "Review of Economics and Statistics" 1987, 69, s. 542-546.
  3. Bollerslev T.: Modeling the Coherence in Short-run Nominal Exchange Rates: A Multivariate Generalized ARCH Approach. "Review of Economics and Statistics" 1990, 72, s. 498-505.
  4. Bollerslev T., Engle R.F., Wooldridge J.M.: A Capital Assets Pricing Model with Time Varying Covariances. "Journal of Political Economy" 1988, 96, s. 116-131.
  5. Box G., Jenkins G.: Analiza szeregów czasowych. PWN, Warszawa 1983.
  6. Charemza W.W., Deadman D.F.: Nowa ekonometria. PWE, Warszawa 1997.
  7. Engle R.: Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation. "Econometrica" 1982, 50, s. 987-1008.
  8. Engle R.F.: Dynamic Conditional Correlation - A Simple Class of Multivariate GARCH Model. "Journal of Business and Economic Statistics" 2002, 20, s, 339-350.
  9. Grajek M.: Combined Forecasts - Application for Poland. W: Modelling Economies in Transition. Red. W. Welfe, P. Wdowiński: Proceeding of the Fourth International Conference, Łódź 2000.
  10. Gurgul H., Mysza S., Syrek R.: Modele wielkości sprzedaży ceramiki sanitarnej. "Polish Academy of Sciences" 2004, 84, s. 247-255.
  11. Hamilton J. D.: Time Series Analysis. Princeton University Press, 1994.
  12. Moriarty M.M., Adams A.J.: Management Judgment Forecasts. Composite Forecasting Models and Conditional Efficiency. "Journal of Marketing Research" 1984, 21, s. 239-250.
  13. Osińska M., Witkowski M.: Zastosowanie modeli progowych do analizy finansowych szeregów czasowych. W: Dynamiczne modele ekonometryczne. Red. T. Kufel, M. Pilatowska. Materiały zgłoszone na VIII Ogólnopolskie Seminarium Naukowe, Uniwersytet Mikołaja Kopernika, Toruń 2003.
  14. Phillips P.C.N., Perron P.: Testing for A Unit Root in Time Series Regression. "Biometrika" 1988, 75, s. 335-346.
Cytowane przez
Pokaż
ISSN
2083-8603
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu