Forecasting

(UŁ, Economics: II stopień)

prof. dr hab. Aleksander Welfe
2025/2026

Readings
   1. M. Clements, P. Red, A companion to economic forecasting, Blackwell Publishing, 2004.
   2. R. J. Hyndman, G. Athanasopoulos, Forecasting: Principles and Practice, OTexts, 2021, https://otexts.com/fpp3/ 
   3. A. Welfe, Ekonometria, PWE, Warszawa, 2018.

Suplementray readings
   1. M. Cieślak (red.), Prognozowanie gospodarcze, PWN, Warszawa, 2019.
   2. G.S. Maddala, Introduction to Econometrics, Wiley, New York, 2009.

Programme
   1. The notion of the model. Linear and nonlinear models. Parameters interpretation.
   2. Stochastic processes. Estimation. Ordinary least squares.
   3. Outliers. Structural changes. An application of the dummy variables.
   4. Trend models.
   5. An introduction to forecasting.
   6. The sources and measures of forecast errors. Forecast error variance decomposition.
   7. Additive and multiplicative decomposition.
   8. Linear and non-linear trends. Moving average method.
   9. Exponential smoothing: simple/Holt/Winters method.
 10. Box-Jenkins models for time-series.
 11. Combining forecasts.

The final exam will take place on November 21, 2025 during the regular time of the lecture.
To pass the exam a student must have a minimum of 50% of the total amount of points of the best student.

The resit will be on February 16, 2026 at am in classroom E207.
To pass the resit a student must have a minimum of 50% of the total amount of points.

During the exams you can use simple calculators (mobile phones, notebooks and other electonic devices are not allowed).

(UŁ, Ekonomia: II stopień)

prof. dr hab. Aleksander Welfe
2025/2026

Literatura podstawowa:
    1. Prognozowanie gospodarcze, red. M. Cieślak, Wydawnictwo Naukowe PWN, Warszawa 2019.
    2. D. Witkowska, Podstawy ekonometrii i teorii prognozowania, Oficyna Ekonomiczna Grupa Wolters-Kluwer, Kraków 2005.
    3. A. Welfe, Ekonometria, PWE, Warszawa 2018.

Literatura uzupełniająca:
    1. Opisowe modele ekonometryczne. Elementy teorii. Przykłady i zadania, red. N. Łapińska-Sobczak, Wydawnictwo Uniwersytetu Łódzkiego, Łódź 1997.
    2. G.S. Maddala, Ekonometria, Wydawnictwo Naukowe PWN, Kraków 2006.
    3. W. Grabowski, A. Welfe, Ekonometria. Zbiór zadań, PWE, Warszawa 2010.

Program:
    1. Wprowadzenie do prognozowania. Podstawowe pojęcia i definicje. Szeregi czasowe i ich własności. Składowe szeregów czasowych.
    2. Modele szeregów czasowych. Zarys modeli ARMA. Mechaniczne metody prognozowania szeregów czasowych. Model średniej ruchomej ważonej. Model wygładzania wykładniczego Browna. Prognozowanie trendów i wahań sezonowych – modele Holta i Wintersa.
    3. Selekcja modeli prognostycznych. Prognoza ex post. Miary błędów prognoz ex post. Prognoza ex ante.
    4. Jednorównaniowe modele przyczynowo-skutkowe: specyfikacja, estymacja parametrów, wnioskowanie statystyczne. Informacyjne kryteria selekcji modeli.
    5. Autoregresyjne modele z rozkładem opóźnień ADL. Strategia modelowania od ogółu do szczegółu.
    6. Prognozowanie z wykorzystaniem modeli jednorównaniowych. Prognozy punktowe i przedziałowe. Błąd prognozy ex ante.
    7. Modele wielorównaniowe. Postać strukturalna i zredukowana. Prognozowanie za pomocą wielorównaniowych modeli prostych i rekurencyjnych.
    8. Algorytm Gaussa-Seidela symulacji wielorównaniowych modeli o równaniach łącznie współzależnych. Symulacja statyczna i dynamiczna. Symulacja ex post i ex ante.
    9. Końcowa postać modelu wielorównaniowego. Mnożniki. Numeryczne wyznaczanie mnożnikow.
  10. Praktyczne aspekty wykorzystania wielorównaniowych modeli o równaniach łącznie współzależnych na przykładzie modelu Klein I. Analizy mnożnikowe. Scenariusze symulacyjne.

Obowiązuje cały materiał, który obejmuje sylabus w takim zakresie w jakim jest opisany w literaturze obowiązkowej oraz zagadnienia zrealizowane na zajęciach.
Zaliczenie ćwiczeń na podstawie obecności i aktywnej pracy na zajęciach.  

Obowiązkowy dla wszystkich słuchaczy egzamin odbędzie się 28.01.2026 r. w godzinach 12.00-14.00 w salach E207 i F220. Aby otrzymać ocenę pozytywną należy uzyskać co najmniej 50% punktów najlepszego wyniku.

Egzamin poprawkowy odbędzie się 16 lutego 2026 r. w godzinach 12.00-14.00 w sali E207. Aby otrzymać ocenę pozytywną z egzaminu poprawkowego należy uzyskać co najmniej połowę wszystkich punktów.

(UŁ, Ekonometria i Analityka Danych: II stopień)

prof. dr hab. Aleksander Welfe
2025/2026

Literatura obowiązkowa
    1. W. Grabowski, A. Welfe, Ekonometria. Zbiór zadań, PWE, Warszawa 2010.
    2. R. J. Hyndman, G. Athanasopoulos, Forecasting: Principles and Practice, OTexts, 2021, otexts.com/fpp3/
    3. A. Welfe, Ekonometria, PWE, Warszawa 2018.

Literatura uzupełniająca
    1. S.Makridakis, S.C.Wheelwright, R.J.Hyndman, Forecasting. Methods and Applications, Wiley, New 
   York 2008.
    2. M. Cieślak (red.), Prognozowanie gospodarcze, PWN, Warszawa 2011
    3. M. Rubaszek, Modelowanie polskiej gospodarki z pakietem R, Oficyna wydawnicza SGH, Warszawa 
   2012, rozdz. 2 i 4.
    4. T. Kufel, Ekonometria. Rozwiązywanie problemów z wykorzystaniem programu GRETL, 
    Wydawnictwo Naukowe PWN, Warszawa, 2011, rozdz. 5-6.

Program
    1. Prognozy punktowe i przedziałowe.
    2. Źródła błędów prognoz. Miary dokładności prognoz. Dokładność prognoz zmiennych sezonowych.
    3. Porównywanie prognoz. Prognozy kroczące. 
    4. Mechaniczne metody prognozowania szeregów czasowych. Model średniej ruchomej ważonej.  
    5. Model wygładzania wykładniczego Browna.
    6. Prognozowanie trendów i wahań sezonowych – modele Holta i Wintersa.
    7. Modele wielorównaniowe i numeryczne metody rozwiązywania modeli. Zbieżność procesu symulacyjnego. 
    8. Symulacja statyczna i dynamiczna. Prognozy ex post i ex ante.
    9. Analizy symulacyjne: mnożnikowe i reakcji modelu na bodźce. 
  10. Symulacja jako narzędzie prognozowania na podstawie modeli wielorównaniowych. Korekty struktury modelu.
  11. Analiza scenariuszowa. Prognozy wariantowe. Prognozy amalgamatowe. 
  12. Symulacje stochastyczne i prognozy przedziałowe.
  13. Współczesne prognozy makroekonomiczne.

Warunkiem zaliczenia laboratorium jest otrzymanie co najmniej 50% punktów z projektu. Do egzaminu są dopuszczeni studenci, którzy zaliczyli laboratorium.

Egzamin składający się z części teoretycznej i praktycznej odbędzie 28 stycznia 2026 roku w godzinach 10.00-12.00 w salach E207 i F220. Aby otrzymać ocenę pozytywną należy uzyskać co najmniej 50% punktów najlepszego wyniku.

Ocena końcowa jest wystawiana na podstawie sumy ważonej procentowych wyników otrzymanych z projektu (z wagą 0,2) oraz z egzaminu (z wagą 0,8).

Egzamin poprawkowy odbędzie się w dniu 16 lutego 2026 roku w godzinach 10.00-12.00 w sali E207.

Aby otrzymać ocenę pozytywną z egzaminu poprawkowego, należy uzyskać co najmniej połowę wszystkich możliwych punktów.

(UŁ, Logistyka: I stopień)

dr hab. Piotr Kębłowski
2025/2026

Wymagania wstępne
Wiedza z zakresu podstaw statystyki i ekonometrii, w tym wnioskowanie statystyczne dla procesów stacjonarnych, metoda najmniejszych kwadratów i warunki jej zastosowania.

Literatura obowiązkowa
    1. M. Cieślak (red.), Prognozowanie gospodarcze, PWN, Warszawa, 2011.
    2. J.B. Gajda, Prognozowanie i symulacje w ekonomii i zarządzaniu, C.H. Beck, 2017.
    3. W. Milo (red.), Prognozowanie i symulacja, WUŁ, Łódź, 2002.

Literatura uzupełniająca
    1. G.S. Maddala, Ekonometria, PWN, Warszawa, 2014.
    2. A. Welfe, Ekonometria, PWE, Warszawa, 2018.
    3. A. Welfe (red.), Ekonometria. Zbiór zadań, PWE, Warszawa, 2003.

Program
    1. Podstawowe pojęcia i definicje.
    2. Prognoza na podstawie modelu jednorównaniowego z jedną/wieloma zmiennymi objaśniającymi.
    3. Błąd prognozy ex-ante, dekompozycja błędu prognozy, prognoza przedziałowa.
    4. Liniowy i nieliniowy model tendencji rozwojowej. Zastosowanie zmiennych sztucznych sezonowych.
    5. Składowe szeregów czasowych. Modele addytywne i multiplikatywne.
    6. Metody mechaniczne: naiwna, średnia ruchoma prosta/ważona, pojedyncze/podwójne/potrójne wygładzanie wykładnicze.
    7. Prognoza na podstawie modeli szeregów czasowych – modele AR, MA, ARMA.
    8. Źródła błędów prognoz. Miary dokładności prognoz ex-post.
    9. Łączenie prognoz.
  10. Modele wielorównaniowe i metody ich symulacji.
  11. Symulacja statyczna/dynamiczna, ex-post/ex-ante.
  12. Analiza mnożnikowa.

Obowiązuje znajomość zagadnień zawartych w sylabusie w takim zakresie, w jakim są one opisane w literaturze obowiązkowej oraz materiał zrealizowany na zajęciach.
Podstawą uzyskania oceny z laboratorium będzie praca zaliczeniowa, która odbędzie się na ostatnich zajęciach. Aby otrzymać ocenę pozytywną należy uzyskać co najmniej połowę wszystkich punktów.
Podstawą uzyskania oceny z wykładu będzie egzamin pisemny w formie testu, który odbędzie się 29 stycznia, o godz. 10:00, w sali T1. Aby otrzymać ocenę pozytywną, należy uzyskać co najmniej połowę wszystkich punktów.

Skala ocen:
90% i więcej – bardzo dobry
80 - 89% – dobry+
70 - 79% – dobry
60 - 69% – dostateczny+
50 - 59% – dostateczny
mniej niż 50% – niedostateczny

Ocena końcowa wyznaczona zostanie jako średnia ważona z ocen uzyskanych z laboratorium i wykładu, z wagami odpowiednio 0,6 i 0,4, zgodnie z algorytmem systemu USOS.
Egzamin pisemny poprawkowy odbędzie się 19 lutego, o godz. 10:00, w sali T1. Aby otrzymać ocenę pozytywną z egzaminu poprawkowego, należy uzyskać co najmniej połowę wszystkich możliwych punktów.