Overzicht VU Inleiding Bedrijfseconometrie 2.2 Charles S. Bos VU University Amsterdam c.s.bos@vu.nl 29 oktober 22 Organisatie Typeringen van voorspelling Kwalitatieve voorspelling Onvoorspelbare voorspelling Stappen Terugblik IB2.2s /2 IB2.2s 2/2 Organisatie Concepten Materiaal: 29/, / Concepten, algemeen 5/, 8/ Tijdreeksdecompositie 2/ Exponentiele smoothing 5/ Praktische toepassing 8/2() Tentamen Aantekeningen, slides (zie BB) Als achtergrond, eventueel: Forecasting: Methods and Applications (998), Makridakis, Wheelwright en Hyndman (zie Kraket, bieb) voorspellen Denk aan een limonadekraam... IB2.2s 3/2 IB2.2s 4/2
Concepten: Kraam Concepten: Algemeen Startpunt: Onzekerheid Weer, hoeveelheid mensen op straat, etc. Smaak limonade, hoeveelheid limonade, positie kraam, etc. Hiermee gerelateerd:. Voorspellen (weerbericht, feestdag, centraal dorpsplein) 2. Besluitvorming (appel/sinaasappel smaak, l, in de voortuin) 3. Planning (mooi weer Dan meer limonade) Startpunt: Onzekerheid Externe factoren (weer, hoeveelheid mensen op straat, etc.) Controleerbare factoren (smaak limonade, hoeveelheid limonade, positie etc) Hiermee gerelateerd:. Voorspellen (extern) 2. Besluitvorming (intern) 3. Planning (verbind voorspelling met besluit) Ergo: Voorspelling is essentieel om goede verkoop te halen! IB2.2s 5/2 IB2.2s 6/2 Planning Voorspeltyperingen Concepten: Planning Typeringen Wat komt kijken bij de planning: Bepaling hoeveelheid (hoeveel limonade wil ik, hoeveel sinaasappels heb ik nodig, hoeveel bekers) Scheduling (wanneer ga ik naar de markt, wanneer zet ik de kraam op, wanneer maak ik de ijsblokjes) Aanschaf grondstoffen (sinaasappels, bekers, rietjes) Diverse voorspelmomenten, en daarmee ook modelleermomenten, liggen hieraan ten grondslag! Situaties: Kwantitatief: Numerieke data is beschikbaar Tijdreeks (laatste dagen aan verkopen, temperatuur over de tijd heen) Verklarend (aantal mensen, temperatuur, afstand tot centrum) Kwalitatief (geen exacte numerieke gegevens beschikbaar, maar een circus in het dorp levert meer limonadeliefhebbers op dan een motorralley) Onvoorspelbaar (geen vergelijkbare info voorhanden, wat zal het effect zijn van marsmannetjes op limonadeverkoop) IB2.2s 7/2 IB2.2s 8/2
Voorspeltyperingen Voorspeltyperingen Numerieke voorspelling kan als. Informatie (over het verleden) is beschikbaar 2. De informatie is in numerieke vorm 3. De data uit het verleden geven een indruk wat er in de toekomst zou kunnen gebeuren Voorbeeld: IBM verkopen Data: 954 984 Gevraagd: Voorspelling IB2.2s 9/2 IB2.2s /2 Voorspeltyperingen Kwantitatieve voorspelling: IBM 4 2 8 SalesIBM Voorspeltyperingen : Continuiteit Continuiteit is een centrale voorwaarde om nuttige voorspelling te kunnen maken 6 4 2 4 SalesIBM Forecast 2 58 64 7 76 82 88 94 Exponentiele groei van de verkopen Intuitief, ad hoc Formeel, statistisch Gebaseerd op ervaring Statisticus, econometrist en: Meerdere methoden mogelijk... 8 IB2.2s /2 IB2.2s 2/2
Voorspeltyperingen : Link Voorspellen: verbindt verleden en toekomst alleen mogelijk als er zo n verband bestaat altijd mogelijk als er enig verband bestaat... Wat kunnen we hier voorspellen 24 22 2 8 6 4 2 8 6 4 2 6 5 4 CPI 6 7 8 9 SP5 3 2 Voorspellen: 9 Concepten Voorspeltyperingen 8 7 Kwalitatieve voorspelling 6 6 7 8 9 Kwalitatieve voorspelling price (k$) 5 5 5 returns.4.2.8.6.4.2.2.4.6 6 7 8 9 Inflation 6 7 8 9 2 8 6 4 2 returns 6 7 8 9 26 24 USA, ρ=.67 Japan, ρ=.73 22 2 8 6 4 2 8 6 4 8 2 22 24 26 28 3 32 34 36 zijn experts voor nodig moeilijk om precisie te meten meestal niet echt goed op korte termijn mpg kunnen beter zijn op lange termijn handiger om verschillende bronnen informatie te combineren Iha: Beter als er weinig kwantitatieve informatie aanwezig is. Deze cursus: Kwantitatief, eenvoudig econometrisch/statistisch IB2.2s 3/2 Voorspeltyperingen Types : Types Tijdreeks: y t = f (y t, y t,..., ɛ) y t = φy t ɛ t ɛ t N (, σ 2 ) Verklaar data uit eigen geschiedenis (inflatie) Explicatief model: y = f (u, v, w, x, ɛ) y = X β ɛ ɛ N (, σ 2 I ) Verklaar data uit andere verklarende variabelen (verbruik) Combinatie: y t = f (y t, y t,..., u, v, w, x, ɛ) y t = X t β φy t ɛ t ɛ t N (, σ 2 ) Verklaar data uit verleden en andere verklarende variabelen... Voorspeltyperingen Onvoorspelbaar Onvoorspelbare voorspelling Beetje vreemd: Wat zullen de kosten zijn voor het produceren van een smakelijke salade op Mars... Voorspelling op basis van redenaties, vergelijkbare omstandigheden, geextrapoleerd naar andere planeet Geen harde kwantitatieve/kwalitatieve informatie beschikbaar IB2.2s 4/2 IB2.2s 5/2 IB2.2s 6/2
Voorspel stappen Terugblik Voorspel stappen Terugblik. Definieer je probleem 2. Verzamel informatie 3. Initiele analyse, plot 4. Kies model, schat het 5. Gebruik model voor voorspelling 6. Evalueer fit van voorspelling (en ga terug naar 4) Deze cursus: ±, 2, 3, 6 Inleiding econometrie e.a.: 4, 5 Typeringen van voorspelling Kwalitatieve voorspelling Onvoorspelbare voorspelling Stappen IB2.2s 7/2 IB2.2s 8/2 Definieer een serie voorspelproblemen (waar je de rest van de cursus mee vooruit kunt...) kwantitatief tijdreeks kwantitatief niettijdreeks kwalitatitief onvoorspelbaar Voor ieder voorspelprobleem, geef een definitie van het probleem, en verzamel de eerste informatie/geef aan waar informatie te vinden zou moeten zijn/geef aan waarom je er geen verdere informatie over hebt. Lever in: Voor donderdag /, 5.3u, BB. Regels huiswerk : Bedoeld om je gedachten te scherpen over het vak Wordt in principe niet becijferd/hoogstens diagonaal bekeken... tenzij je later in de cursus met veel vragen komt, dan ga ik er van uit dat je zelf meegewerkt hebt met de huiswerkopgaven. IB2.2s 9/2 IB2.2s 2/2