Upload
sidone
View
51
Download
8
Embed Size (px)
DESCRIPTION
Kvantitatív módszerek. Készítette: Dr. Csizmadia Tibor [email protected] http ://vision.vein.hu/~kzst/oktatas/km/index.htm. Előrejelzés - For e casting. 10. Az előadás felépítése. Előrejelzés alapfogalmai Előrejelzési módszerek Előrejelzés - példák. Előrejelzés - alapfogalmak. - PowerPoint PPT Presentation
Citation preview
Kvantitatív módszerek
Készítette: Dr. Csizmadia [email protected]
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.