kvantitatív módszerek

Kvantitatív módszerek

Készítette: Dr. Csizmadia Tiborcsizi@gtk.uni-pannon.hu

http://vision.vein.hu/~kzst/oktatas/km/index.htm

10.

Előrejelzés - Forecasting

Az előadás felépítése

• Előrejelzés alapfogalmai

• Előrejelzési módszerek

• Előrejelzés - példák

Előrejelzés - alapfogalmak

Mottó: egy biztos – minden bizonytalan

Az előrejelzés a jövőbeni események megjósolásának tudománya és művészete

Miért tudomány?

Miért művészet?

Az előrejelzés időhorizontja szerint

1. Rövidtávú előrejelzés: max. 1 évig tart, de általában nem hosszabb 3 hónapnál. (operatív szint)

– Beszerzés ütemezés

– Szabadság tervezés

– Beszállítói keretszerződések

2. Középtávú előrejelzés: ált. 3 hónap és 3 év közötti időhorizontot ölel át (taktikai szint)

– Termeléstervezés

– Költségvetés tervezése

– Értékesítés tervezése

Az előrejelzés időhorizontja szerint

3. Hosszú távú előrejelzés: ált. 3 év, vagy annál hosszabb időhorizont (stratégiai szint)

– Új termék tervezése

– K + F tervezése

– Tőkeráfordítás tervezése

Rövid távú előrejelzés sokkal pontosabb, mint a másik kettő.

Az előrejelzés típusai alkalmazási terület szerint

1. Gazdasági előrejelzés: pl. gazdasági növekedés, infláció

2. Műszaki előrejelzés

– A műszaki fejlődés rátájával foglalkozik

– Milyen új technikák, módszerek, eljárások várhatóak

3. Igényelőrejelzés

– A szervezet produktuma iránti igény előrejelzését jelenti

– Ez irányítja a vállalat tevékenységeit (pl. HE tervezés, beszerzés, termelés, kapacitástervezés)

Az előrejelzés típusai irányultság szerint

1. Külső: a környezetre vonatkozik, több a kevésbé befolyásolható tényező. pl. infláció

2. Belső: a vállalat belső jellemzőire vonatkozik, több a befolyásolható elem. pl. gépek életkora

Az előrejelzés stratégiai fontossága

Ez az egyetlen becsült igény, amely a vállalat tevékenységét alapvetően meghatározza mindaddig, amíg a tényleges igény ismertté nem válik. Ez az előrevetített igény jelenti a döntések alapját sok vállalati területen. pl.

– Emberi erőforrás (bérlés, képzés, elbocsátás)

– Kapacitás: alacsony kapacitás kielégítetlen keresletet, míg a túlzott kapacitás túlzott költségterhet okoz.

Előrejelzési módszerek

KvantitatívOksági

• Bemenet – kimenet (eladás – vásárlás)

• Ekonometrikus (matematikai modellel történő leírás)

• Box – Jenkins (MÁ és a feltételes valószínűség kombinációja)

Automata előrejelzés• Multiplikatív

• Exponenciális

• Mozgó átlag

Előrejelzési módszerek

KvalitatívÉletciklus elemzés

Delphi

Történelmi analógia

Szakértői vélemény

Marketing teszt

Kvantitatív előrejelzés

• Matematikai modellek

• Matematikai összefüggések

• Okozati összefüggések (ha, akkor)

• Múltbeli adatok

• Általában rövidebb távú előrejelzésekre

Kvalitatív előrejelzés

• Döntéshozó intuíciója

• Személyes tapasztalat

• Értékrendszer

• Szakmai ítélőképesség

• Általában hosszabb távú előrejelzésekre

• Stratégiai döntések megalapozására

Előrejelzés megbízhatósága

Átlagos abszolút eltérés: MAD

Előrejelzés hibájának futó összege: RSFE

Követő Jel: TS

n

FAMAD

n

iii

1

n

iii FARSFE

1

)(

MAD

RSFETS

Idősoros előrejelzés

Egyszerű átlag

Egyszerű mozgó átlag

0

1

2

3

4

5

6

0 1 2 3 4 5 6

Állandó trend esetén

Egyszerű mozgó átlag

Mottó: egy biztos – minden bizonytalan

Az előrejelzés a jövőbeni események megjósolásának tudománya és művészete

Miért tudomány?

Miért művészet?0

1

2

3

4

5

6

0 1 2 3 4 5 6

Változó trend esetén

Súlyozott mozgó átlag

• Előrejelzés2.104

5

625

321

11031002951

• Súlyok:

• Adatok: Aug. 95

Szept. 100

Okt. 110

Nov. ?

Időszak Jelen -1 -2

Súly 3 2 1

Exponenciális illesztés

Új előrejelzés = elmúlt időszaki előrejelzés + α * (utolsó periódus aktuális igénye – utolsó időszakra vonatkozó előrejelzés)

α: illesztési konstans (általában 0,05<α<0,5)

Ha α kicsi: a múlt adatai nagyobb súllyal szerepelnek

Ha α nagy: inkább a jelen adatain van a hangsúly

Ha nincs , akkor az első „n” érték átlagát vesszük, ahol n=2/α - 1

)F - (A F 1-t1-t1-t tF

1-tF

Összehasonlítás

Mottó: egy biztos – minden bizonytalan

Az előrejelzés a jövőbeni események megjósolásának tudománya és művészete

Miért tudomány?

Miért művészet?

Idősoros előrejelzés

0

10

20

30

40

50

60

70

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14Idő

Jelle

mző

Egyszerű átlag

Mozgó átlag

Súlyozott mozgó átlag (Ut. n szám)

Exponenciális kiegyenlítés

ii

Idősor extrapolációja

110

120

130

140

150

160

170

0 10 20 30 40 50 60 70

1500

1600

1700

1800

1900

2000

2100

2200

2300

2400

0 10 20 30 40 50 60 70 80 90 100 110 120

Log. ( )Polinom. ( )

Idősor extrapolációja – vigyázat!

Idősoros előrejelzés

0

20

40

60

80

100

120

140

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14Idő

Jelle

mző

y=a sin(b(x-c)) +dx + e

A jó illeszkedés nem minden, hogyan

folytatódik?

A természetes összefüggés?

Idősor minták

• Véletlen

– Nincs minta

• Trend

– Lineáris (alapértelmezett) és nemlineáris

• Szezonális ingadozás

– Ismétlődés állandó intervallumokban

• Ciklikus

– A gazdaság hosszú távú alakulása

Idősor minták

A vizsgált paraméter értéke

Trend

Véletlen ingadozás

Szezonális ingadozás

FüggvényillesztésEgyenes- és görbeillesztés

0

20

40

60

80

100

120

140

160

180

200

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14Idő, jellemző

Jelle

mző

y=ax+b

y=ax 2̂+b

y=ax b̂+c

y=a ln bx +c

y=a e (̂bx) +c

Előrejelzési rendszer 9 lépése

1. Előrejelzés céljainak definiálása

2. Előre jelezni kívánt ‘paraméter’ kiválasztása

3. Időhorizont megválasztása (rövid, közép, hosszú)

4. Az alkalmazott módszer kiválasztása

5. Adatgyűjtés

6. Validálás (a választott módszer alkalmasságának ellenőrzése)

7. Előrejelzés végrehajtása

8. Eredmények felhasználása (implementálás)

9. Összevetés: előrejelzés hibájának vizsgálata

Az előrejelzés tényezői az idő függvényében

Időhorizont

Tényező Rövid Közép Hosszú

Gyakoriság leggyakoribb ritkább Legritkább

Halmaz termékegyed termékcsalád Teljes kihozatal

Modell típus MÁ, EXP, SMÁ

Trend kvalitatív

Vezető bevo-násának foka

kicsi közepes nagy

Költség alacsony közepes magas

Döntési szempontok az előrejelzés lehetséges változatai közül való választás során

– Múltbeli adatok elérhetősége - módszer– Költségek – módszer bonyolultsága– Előrejelzés időhorizontja– Adatok változékonysága és konzisztenciája –

összefüggések, változások– Mely életszakaszban van a termék – eltérő

előrejelzési módszer szükséges

A jó előrejelzés

• Jól időzített

• Pontos

• Megbízható

• Jelentős egységeknél legyen

• Írásban rögzített

• Könnyen érthető, könnyen használható technikájú

Előrejelzés - példa

Tanácsadócég bevételei (ezer EUR):

Mekkora a novemberi várható bevétel, és milyen az előrejelzés pontossága?

Használt módszerek: exponenciális illesztés (α=0,3), SMÁ (3-2-1)

V VI VII VIII IX X XI

70,0 68,5 64,8 71,7 71,3 72,8 ?

Előrejelzés - példa

Üdítőitalt értékesítünk többek között egy kiskereskedésben. Az elmúlt időszakban az alábbi eladási darabszámot regisztráltuk (db karton):

Mekkora lesz a várható értékesítés 2009-ben?

Használt módszer: Lineáris függvényillesztés

2001 2002 2003 2004 2005 2006 2007 2008 2009

2100 2000 2700 2500 2600 2008 3000 2900 ?

10.