Rahoituskriisien ennustaminen varhaisten ennusmerkkien avulla

Erilaiset rahoituskriisit ovat vielä nykypäivänäkin merkittävä ongelma maailman eri talouksille. Kriisien reaaliset kustannukset ovat usein suuria ja ne voivat levitä laajemmille alueille aiheuttaen merkittäviä häiriöitä koko maailman taloudelle. Rahoituskriisejä on pyritty selittämään lukuisilla teorioilla, jotta niiden rakennetta ja syitä voitaisiin paremmin ymmärtää. Erityisesti 1990-luvun merkittävien valuuttakriisien motivoimana tutkijat ovat alkaneet kehittämään rahoituskriisejä ennustavia ns. varhaisten ennusmerkkien malleja. Nämä empiiriset mallit pyrkivät varoittamaan tulevasta kriisistä vertailemalla rahoituskriisiteorioista kerättyjen mahdollisten kriisi-indikaattorien normaalista poikkeavaa käytöstä ennen varsinaista kriisiä. Tämän tutkielman tarkoitus on syventyä tunnetuimpiin rahoituskriisejä ennustaviin varhaisten ennusmerkkien malleihin, niiden käyttämiin tilastollisiin menetelmiin ja malleja koskeviin ongelmiin. Tutkielmassa on myös empiirinen tutkimus, jossa estimoidaan kolmella eri menetelmällä varhaisten ennusmerkkien malli valuuttakriiseille. Tutkimuksessa käytetään vuositason dataa kuudelle kehittyvälle maalle Aasiasta ja Latinalaisesta Amerikasta vuosilta 1980 - 2010. Mallien in-sample ja out-of-sample ennusteiden avulla selvitetään, mikä menetelmä tuottaa parhaiten ennustavan mallin. Tutkimuksessa havaittiin estimoitujen varhaisten ennusmerkkien mallien olevan hyödyllisiä valuuttakriisien ennustamisessa kehittyville talouksille sekä mallin sisäisesti että out-of-sample. Rahoituskriisejä ennusti parhaiten moniarvoinen probit-malli, kun sitä verrattiin normaaliin probit-malliin ja epäparametrisen signaalimenetelmän komposiitti-indeksiin. Paras malli ennusti mallin sisäisesti rahoituskriisejä edeltävistä periodeista oikein 92 % ja talouden normaaleista periodeista 82 % oikein. Kyseinen malli ennusti myös kaikki ennalta valitut seitsemän rahoituskriisiä oikein out-of-sample. Tutkimuksen perusteella kehittyvien maiden valuuttakriisejä useimmiten edeltäisi reaalisen tuotannon supistuminen, pankkitalletusten selvä vähentyminen suhteessa maan tuotantoon, inflaation ja M2/reservit kasvu sekä kotimaisen luotonannon kasvu yksityiselle sektorille suhteessa maan tuotantoon. Datan alueellisen ja ajallisen heterogeenisuuden sekä kriisin jälkeisen harhan huomioiminen näyttää parantavan ennustetuloksia. Tutkimuksen tulokset ovat aikaisempien empiiristen tutkimusten ja teorian mukaisia.

Radioaktiivisen päästön ennustaminen valmiustilanteessa

Ydinvoimaloissa käytetään toiminnallisia syvyyssuuntaisia puolustustasoja ydinturvallisuuden varmistamiseksi. Puolustuksen viidennessä ja viimeisessä tasossa pyritään lieventämään vakavan onnettomuuden ympäristövaikutuksia ja väestöön kohdistuvaa säteilyaltistusta. Suojelutoimien onnistumisen kannalta on tärkeää pystyä arvioimaan etukäteen radioaktiivisen päästön suuruus ja ajankohta mahdollisimman tarkasti. Tässä diplomityössä on esitelty radioaktiivisen päästön suuruuteen ja ajankohtaan vaikuttavat ilmiöt sekä niihin liittyvät merkittävät epävarmuudet. Ydinvoimalaitosten turvallisuusjärjestelmien osalta tarkastelun kohteena ovat suomalaiset käynnissä olevat reaktorit Olkiluoto 1 & 2 sekä Loviisa 1 & 2. Kaikissa Suomen laitoksissa on käytössä vakavan onnettomuuden hallintaan soveltuvia järjestelmiä ja toimintoja. Työssä etsittiin tietoa eri maiden radioaktiivisen päästön ennustamiseen käytettävistä ohjelmista. Eri mailla on eri toimintaperiaatteilla ja laajuuksilla toimivia ohjelmia. Osassa työkaluja käytetään ennalta laskettuja tuloksia ja osassa onnettomuustilanteet lasketaan onnettomuuden aikana. Lisäksi lähivuosina Euroopassa on tavoitteena kehittää yhteistyömaille yhteisiä valmiuskäyttöön soveltuvia ohjelmia. Työssä kehitettiin uusi valmiustyökalu Säteilyturvakeskuksen käyttöön Microsoft Excelin VBAohjelmoinnin avulla. Valmiustyökalu hyödyntää etukäteen laskettujen todennäköisyyspohjaisten analyysien onnettomuussekvenssejä. Tällöin valmiustilanteessa laitoksen tilanteen kehittymistä on mahdollista arvioida suojarakennuksen toimintakyvyn perusteella. Valmiustyökalu pyrittiin kehittämään mahdollisimman helppokäyttöiseksi ja helposti päivitettäväksi.

Innovatiivisten ja funktionaalisten tuotteiden kysynnän ennustaminen terveydenhuollonalan tukkuyrityksessä

Tässä diplomityössä tutkitaan miten kysyntää voidaan ennustaa erityyppisille tuotteille. Työssä esitellään miten funktionaaliset ja innovatiiviset tuotteet poikkeavat toisistaan sekä miten niiden toimitusketjut eroavat. Työssä esitellään kvantitatiivisia ja kvalitatiivisia menetelmiä kysynnän ennustamiseen erityyppisille tuotteille ja sitä kuinka ennustemenetelmä tulisi tuotteille valita. Työssä käydään läpi ennusteprosessi, ennusteiden suorituskyvyn mittaaminen ja ennustamisen hyödyt ja sudenkuopat. Työn käytännönosuus on tehty kohdeyritykselle, joka toimii terveydenhuollonalan maahantuojana ja tukkuyrityksenä. Työn tarkoituksena on luoda yritykselle ennusteenvalintatyökalu, jonka avulla voidaan valita yrityksen toisistaan poikkeaville tuotteille tarpeeseen sopivia kysynnän ennusteita. Työssä luodaan ennusteet neljälle yrityksen toisistaan poikkeavalle tuoteryhmälle, joista jokaisella on erilainen tarve ennusteen käytölle. Jokaisesta tuoteryhmästä on valittu yhdestä kolmeen tuotetta, joille luodaan ennusteet käyttäen yhtä tai kahta erilaista menetelmää ja niiden suoriutumista verrataan yksinkertaisimpaan menetelmään, naiiviin menetelmän tuloksiin.

Tuotannon- ja materiaalinsuunnittelu ja sen ennustaminen Metsä Wood:n Suolahden koivuvaneritehtaalla

Tässä diplomityössä tutkitaan Metsä Woodin Suolahden koivuvaneritehtaan toimitustarkkuuteen negatiivisesti vaikuttavia tekijöitä. Tarkoituksena on löytää ne ongelmakohdat, mitkä heijastuvat toimitusten myöhästymisenä sekä muutostekijät, mitkä vaikuttavat toimitusviikon myöntämiseen. Lisäksi työssä kartoitetaan kuinka hyvin tietoa ja informaatiota on tarjolla sitä tarvitseville henkilöstötahoille. Teoriaosuudessa tarkastellaan tuotannonsuunnitteluun liittyviä teorioita sekä tiedon liikkumista organisaation sisällä. Työssä kuvataan Suolahden koivuvaneritehtaan nykyinen vanerin valmistusprosessi ja tuotannonsuunnittelu. Varsinainen tutkimustyö suoritetaan laadullisia tutkimusmenetelmiä hyväksikäyttäen. Tulosten tarkastelussa käsitellään työn aikana tapahtuneita muutoksia ja ongelmakohtia sekä analysoidaan kyselytutkimuksen tuloksia ja tulosten luotettavuutta. Yhteenvedossa esitetään pääongelmakohdat ja niiden ratkaisut ja esitetään uusia mielenkiintoisia jatkotutkimusaiheita.

Käyttöpääoman ennustaminen kysyntäennusteen avulla

Työn tavoite on selvittää erilaisia käyttöpääoman ennustusmalleja, jotka pohjautuvat kysyntäennusteeseen. Tavoitteena on esittää malleja niin pitkän kuin lyhyenkin aikavälin ennustamiseen. Pitkällä aikavälillä mallien on tarkoitus ennustaa yrityksissä sitoutuvan käyttöpääoman kokonaistarvetta, kun taas lyhyen aikavälin malleilla pureudutaan käyttöpääomaerien (lopputuotevarasto ja myyntisaamiset) ennustamiseen tuotekohtaisesti. Työssä pyritään myös vastaamaan, miksi käyttöpääomaa kannattaa ennustaa ja miten sen hallintaa voidaan tehostaa. Työ on toteutettu kirjallisuuskatsauksena, mitä on elävöitetty laskuesimerkein. Laskuesimerkkien tarkoitus on antaa lukijalle kuva käyttöpääoman ennustamisen todellisista mahdollisuuksista, jotta työ ei jäisi pelkäksi sanahelinäksi. Työssä esitetyt ennustusmallit on valittu matemaattisen yksinkertaisuutensa ehdolla, jotta niiden käyttäminen yritysmaailmassa olisi mahdollista. Käyttöpääomatarpeen ennustamisen suurimpana haasteena voidaan pitää kysyntäennusteen luotettavuutta. Vuositasolla käyttöpääomatarpeen keskimääräinen osuus suhteessa liikevaihtoon on helpohko ennustaa liiketoiminnan pysyessä melko vakiona. Tarve voi kuitenkin vaihdella hyvin paljon kysynnän vaihdellessa kuukausi-, viikko- ja päivätasolla. Jos kysyntäennustetta saadaan tarkennettua, lopputuotevaraston kokoa ja siihen sitoutuvaa käyttöpääomaa on mahdollista pienentää, koska varmuusvaraston määrittelyssä käytettävä hajonta pienenee. Myyntisaamisten osalta lähitulevaisuudessa sitoutuvaan käyttöpääomaan vaikuttaa eniten asiakaskohtainen maksukäyttäytyminen, koska myyntisaamisiin vaikuttava kysyntä on suurimmalta osaltaan jo toteutunut.

Ilmiöiden automaattinen ennustaminen hakukonetilastojen avulla

Web-hakukoneiden merkitys tiedonhaussa on noussut merkittävään asemaan viimeisten vuosikymmenten aikana. Vaikka tiedonhaku hakukoneella on hyvin suoraviivaista, ihmiset käyttäytyvät hakukoneissa eri tavoilla. Tämän tutkielman aiheena on tutkia ihmisten hakukonekäyttäytymistä ja yrittää löytää tapoja hyödyntää näitä tutkimustuloksia. Tutkielmassa käytetään aineistona keskeisiä hakukoneiden perusteita käsitteleviä teoksia, joiden avulla käydään läpi hakukoneiden toimintalogiikkaa sekä hakukonetilastojen hyödyntämismahdollisuuksista löytyvää kirjallisuutta. Tutkielman tutkimusosuus hyödyntää Googlen tarjoamia työkaluja, joiden avulla päästään käsiksi ihmisten hakukonekäyttäytymiseen avainsanojen ja näiden hakuajankohtien osalta. Tutkimusosuudessa aiheena on ennustaa vuoden 2015 eduskuntavaalien viiden suurimman puolueen ääniosuudet. Ennustus tehtiin tutkimalla ihmisten hakukonekäyttäytymistä viiden edeltävän vaalin aikana ja suhteuttamalla nämä käyttäytymismallit tiedettyihin vaalituloksiin. Tehtiin hypoteesi, että suurempi hakuvolyymi johtaa suurempaan ääniosuuteen ja valittiin lineaarinen regressio ennustusmalliksi. Ennustusmalli toimi hyvin ja keskimääräinen virhemarginaali ääniosuuden ennustuksessa oli 2,90 %-yksikköä. Perussuomalaisten tulos oli yllätyksellinen ja ilman sitä ennustuksen keskimääräinen virhemarginaali oli 1,34 %-yksikköä. Tutkimustulosten perusteella nähdään hakukonetutkimusten potentiaali. Vaikka vaalitulosten ennustamiseen käytetty tietomäärä oli hyvin suppea, saatiin silti aikaan julkaisukelpoisia tuloksia. Näiden tulosten mukaan näyttää siltä, että Googlen hakutilastojen avulla on mahdollista ennustaa ihmisten valinnoista riippuvia nykymaailman tapahtumia lähitulevaisuuteen.

Monitoring and predicting crop growth and analysing agricultural ecosystems by remote sensing

Selostus: Maatalousekosysteemien analysointi ja sadon ennustaminen kaukokartoituksen avulla