Sunteți pe pagina 1din 178

UNIVERSITATEA DE VEST DIN TIMIŞOARA

FACULTATEA DE ECONOMIE ŞI DE
ADMINISTRARE A AFACERILOR

CENTRUL DE EDUCAŢIE CONTINUĂ ŞI


ÎNVĂŢĂMÂNT LA DISTANŢĂ

Prof. dr. GHEORGHE VÂRLAN


Lect. dr. IONUŢ GOLEŢ

PREVIZIUNE ECONOMICĂ
TEORIE, APLICAŢII, STUDII DE CAZ
ANUL II

5
OBIECTIVE

Corelarea resurselor limitate cu cerinţele în continuă creştere şi


diversificare, este tot mai strâns legată de posibilităţile de anticipare a evoluţiei
acestora. Prin capacitatea de cunoaştere, evaluare şi acţiune sunt proiectate într-
un spaţiu deschis de posibilităţi alternative obiective menite să asigure
fundamentarea orientării activităţilor desfăşurate, derulării în timp a opţiunilor
şi priorităţilor, estimarea resurselor şi implicit atenuarea efectelor unor
dezechilibrelor majore.
Răspunzând acestor cerinţe cercetarea asupra stărilor viitoare a evoluat
în timp de la o preocupare sporadică a unor persoane la o îndeletnicire perma-
nentă a unor specialişti, instituţii naţionale şi internaţionale, materializându-se
în cadrul activităţii previzionale. În acest context am urmărit să facilităm
cunoaşterea principalelor concepte cu care operează previziunea, însuşirea
metodologiei de elaborare a previziunilor, familiarizarea cu metodele şi tehni-
cile de previziune ce şi-au dovedit utilitatea de-a lungul timpului, folosirea
metodelor şi tehnicilor de previziune specifice diferitelor activităţi economice,
formarea deprinderilor de implementare în practică a cunoştinţelor teoretice
dobândite la cursuri şi seminarii, precum şi adaptarea cunoştinţelor teoretice
predate la cerinţele practicii curente.
În concluzie, apreciem că obiectivul principal al acestei lucrări este de a
asigura formarea de către viitorii specialişti în probleme economice a
competenţelor ce le implică abordarea ştiinţifică a cunoaşterii viitorului.
Prezenta lucrare se adresează în primul rând studenţilor de profil econo-
mic, forma de învăţământ la distanţă, care în programele de învăţământ au
prevăzută disciplina de PREVIZIUNE. În acelaşi timp, considerăm că ea poate
fi utilă pentru toţi cei care prin natura activităţilor desfăşurate sunt interesaţi de
cunoaşterea unor elemente specifice investigării ştiinţifice a viitorului.

6
CUPRINS

Capitolul 1 INTRODUCERE .............................................................11


1.1. Necesitatea previziunii ......................................................................... 11
1.2. Terminologia studierii viitorului ........................................................ 15
1.3. Organisme reprezentative pentru activitatea de previziune ........... 17
1.4. Etapele fundamentale ale elaborării previziunilor ............................. 20
1.5. Forme şi categorii de previziuni ......................................................... 21
1.6. Indicatori ai erorilor de previziune .................................................... 22
Întrebări de autoevaluare .......................................................................... 24

Capitolul 2 METODE BAZATE PE ANALIZA SERIILOR DE


TIMP ...............................................................................25
2.1. Introducere în analiza seriilor de timp .............................................. 25
2.2. Procese de tip “mers la întâmplare” .................................................. 28
2.3. Metode bazate pe valoarea medie ....................................................... 31
2.3.1. Metoda mediei aritmetice simple ................................................ 31
2.3.2. Metoda mediei mobile şi mediei mobile exponenţiale................ 32
2.3.3. Metoda sporului mediu ............................................................... 33
2.3.4. Metoda indicelui mediu............................................................... 34
2.4. Funcţii de tendinţă ............................................................................... 34
2.5. Metode de descompunere sezonieră ................................................... 41
2.6. Nivelarea exponenţială ........................................................................ 44
2.6.1. Nivelarea exponenţială simplă .................................................... 44
2.6.2. Metoda liniară ............................................................................. 46
2.6.3. Metoda Holt-Winters .................................................................. 46
2.7. Metoda lanţurilor Markov .................................................................. 47

7
2.8. Alte metode de previziune bazate pe analiza seriilor de timp ......... 49
Întrebări de autoevaluare .......................................................................... 51
Aplicaţii........................................................................................................ 53
Studii de caz ................................................................................................ 70

Capitolul 3 METODE ECONOMETRICE ....................................... 73


3.1. Regresia liniară .................................................................................... 73
3.1.1. Regresia liniară simplă ................................................................ 74
3.1.2. Regresia liniară multiplă ............................................................. 76
3.2. Regresia dinamică ................................................................................ 78
3.3. Regresia nonliniară .............................................................................. 78
3.4. Modele econometrice complexe .......................................................... 80
Întrebări de autoevaluare .......................................................................... 83
Aplicaţii........................................................................................................ 84

Capitolul 4 METODE SUBIECTIVE................................................ 89


4.1. Grupuri de interacţiune ...................................................................... 89
4.1.1. Caracteristici ale grupurilor de interacţiune ................................ 89
4.1.2. Metoda Brainstorming ................................................................ 89
4.1.3. Metoda Delphi ............................................................................ 90
4.2. Metoda scenariilor ............................................................................... 96
4.3. Ancheta statistică cu caracter predictiv........................................... 101
4.3.1. Anchete realizate în ţările membre UE .................................... 101
4.3.2. Probleme specifice anchetelor bazate pe intenţiile
consumatorilor .......................................................................... 105
4.4. Alte metode subiective ....................................................................... 108
Întrebări de autoevaluare ........................................................................ 110
Studii de caz .............................................................................................. 111

Capitolul 5 METODE SPECIFICE DE PREVIZIUNE ................. 115


5.1. Previziunea ciclurilor de afaceri ....................................................... 115
5.2. Sistemul analizei input-output .......................................................... 120

8
5.3. Analiză tehnică şi fundamentală ...................................................... 127
5.3.1. Elemente de analiză fundamentală ............................................ 127
5.3.2. Elemente de analiză tehnică ...................................................... 131
5.4. Modele de anticipare a crizelor valutare ......................................... 134
5.5. Planificare şi previziune colaborative în sisteme dinamice de
afaceri ................................................................................................. 138
5.6. Previziuni de marketing .................................................................... 141
5.6.1. Estimări privind cota de piaţă ................................................... 141
5.6.2. Previziunea produselor noi lansate pe piaţă .............................. 142
5.7. Previzionarea situaţiilor financiare .................................................. 151
5.7.1. Previzionarea elementelor contului de rezultate ....................... 152
5.7.2. Previzionarea elementelor bilanţiere ......................................... 154
5.7.3. Previziunea fluxului de numerar ............................................... 158
5.7.4. Flexibilitatea previziunii financiare .......................................... 158
Întrebări de autoevaluare ........................................................................ 159
Aplicaţii ...................................................................................................... 160
Studii de caz............................................................................................... 163

Capitolul 6 COMBINAREA REZULTATELOR


PREVIZIONALE .......................................................... 167
Studii de caz............................................................................................... 168

Capitolul 7 SOFTWARE UTILIZAT ÎN ACTIVITATEA DE


PREVIZIUNE ............................................................... 171
Aplicaţii ...................................................................................................... 174

B i b l i o g r a f i e ............................................................................. 177

Glosar de termeni ............................................................................. 179

9
CAPITOLUL 1
INTRODUCERE

Ritmul tot mai alert al schimbărilor caracteristice epocii


contemporane reclamă anticiparea acestora pe perioade cât mai
îndelungate. Cercetarea viitorului devine astfel o preocupare
permanentă atât a unor persoane şi specialişti cât şi a unor
organisme şi instituţii naţionale şi internaţionale.

1.1. Necesitatea previziunii


Epoca actuală se caracterizează printr-un sistem rapid al schimbărilor
care se produc în diverse domenii ale societăţii, influenţând evoluţia activităţilor
desfăşurate în sectoarele vieţii economice şi sociale. Aceste schimbări trebuie să
fie cunoscute prin anticipare şi, chiar dacă această cunoaştere este relativă, ea
oferă posibilitatea de a pregăti soluţii pentru adaptarea la transformările care se
impun a fi realizate în viitor. În altă ordine de idei, cunoaşterea relativă a viitoru-
lui, reprezintă şi o modalitate cu care societatea încearcă să se pregătească pen-
tru a înfrunta neprevăzutul. În acest sens omenirea, atrasă de ritmul de viaţă tot
mai rapid, trebuie să-şi intensifice capacităţile de previziune deja existente, iar
în unele cazuri să găsească în sine capacităţi noi.
Rolul major al previziunii este acela de a reduce riscul în procesul deci-
zional. La nivel guvernamental sau interguvernamental procesul decizional im-
plică în primul rând adoptarea unor politici pe termen lung care se concretiză în
măsuri economice şi legislative de natură sa încurajeze sau să descurajeze anu-
mite activităţi, să creeze mediul adecvat desfăşurării activităţii economice şi a
relaţiilor internaţionale dintre ţări. Pentru ca rezultatele să fie cele aşteptate toate a-
ceste decizii se bazează pe previziunea unor indicatori specifici domeniului vizat.
Pentru a contura politica monetară o bancă naţională îşi bazează deci-
ziile pe previziuni privind evoluţia inflaţiei, a cursului valutar, a volumului de
credite absorbit de populaţie sau a deficitului comercial.
Pentru realiza o politică fiscală adecvată precum şi bugetul unei ţări
guvernul trebuie să fie conştient de creşterea economică viitoare (evoluţia PIB-
ului), a puterii de cumpărare a populaţiei, de evoluţia investiţiilor şi a ratei

11
şomajului. La acest nivel cea mai evidentă concretizare a previziunii şi
planificării este bugetul unei ţări care conţine destinaţia cheltuielilor şi sursele
de venituri stabilite de guvern.
La nivel microeconomic procesul decizional se manifestă diferit la
fiecare nivel ierarhic. Atingerea obiectivelor specifice fiecărui nivel ierarhic
necesită planificare bazată pe previziuni specifice. Planificarea activităţii şi
previziunile necesare sunt exemplificate în tabelul următor pentru fiecare nivel
al procesului decizional.
Tabelul 1.1.1
Corespondenţa obiective-planificare-previziune
Nivelul
Planificarea corespunzătoare Necesitatea
procesului
nivelului decizional de a previziona
decizional
- Realizarea unor investiţii/ - Schimbări la nivel politic
dezinvestiţii - Ciclurile de afaceri
- Negocierea unor fuziuni sau - Evoluţia puterii de cumpărare
alianţe a consumatorilor
- Introducerea a noi produse - Evoluţia disponibilităţii forţei
- Găsirea unor produse de de muncă
Stabilirea
substituţie - Evoluţia cererii la nivel de
obiectivelor
- Pătrunderea în noi spaţii industrie
strategice
geografice etc. - Noi direcţii în preferinţele
consumatorilor
- Evoluţia tehnologică
- Perspective pentru descoperi-
rea de noi resurse energetice
etc.
- Stabilirea elementelor mixu- - Evoluţia cererii pentru un
lui de marketing (preţ, distri- anumit produs;
buţie, promovare, caracteris- - Fluctuaţiile sezoniere;
tici ale produselor); - Mixul de marketing al concu-
- Planificarea producţiei şi a renţilor;
Stabilirea
personalului (număr de ture - Cotele de piaţă pentru compa-
obiectivelor
etc.), eventual, angajări de nie sau pentru un brand;
tactice
personal sezonier; - Evoluţia ratele dobânzii şi a
- Angajarea unor credite şi ne- cursului valutar;
gocierea planului de rambur- - Impactul unor evenimente
sare (termen mediu şi lung); asupra vânzărilor etc.
- Planificarea unor evenimente

12
Nivelul
Planificarea corespunzătoare Necesitatea
procesului
nivelului decizional de a previziona
decizional
promoţionale etc.
- Planificarea aprovizionării şi - Impactul unor evenimente
optimizarea stocurilor; neprevăzute asupra vânzărilor
- Planificarea activităţii logis- sau aprovizionării;
Stabilirea
tice Planificarea creditelor de - Previziunea cererii zilnice
obiectivelor
trezorerie; (cererea în week-end);
operaţionale
- Planificarea plăţii furnizorilor - Condiţii meteo nefavorabile
şi încasării creanţelor etc. (cu impact asupra activităţii
de transport etc.) .
Planificarea la nivel strategic se concretizează de obicei în planul
strategic (numit plan de afaceri în momentul începerii unei noi afaceri) care
conţine de obicei şi situaţiile financiare previzionate (previziunea financiară)
formată din contul de profit şi pierdere previzionat, fluxul de numerar
previzionat şi situaţia patrimonială previzionată. De obicei planul strategic
se întinde pe o durată de 3-5 ani.
Planificarea mai detaliată care conţine veniturile şi cheltuielile estimate a
se realiza de obicei pe un an de zile se concretizează în buget şi corespunde în
special obiectivelor tactice ale firmei. Bugetul global este de obicei detaliat pe ac-
tivităţi (buget de producţie, buget de marketing etc.). În fine, gradul cel mai ridicat
de detaliere aparţine planului operaţional realizat pe o perioadă mai mică de un an.
În tabelul 1 s-a făcut referire la necesitatea internă de a previziona mani-
festată la nivelul managementului unei companii. Evoluţia unei companii nu este
interesantă însă doar pentru managerii acesteia în fundamentarea deciziilor lor.
Astfel, potenţialii investitori (acţionari) doresc să cunoască evoluţia viitoare le-
gată de profitul unei companii, politica de dividende a acesteia etc. pentru o fun-
damentare adecvată a propriilor investiţii. Unul din momentele esenţiale în care
previziunea joacă un rol important pentru un investitor este startul unei noi afaceri.
În situaţia în care o companie doreşte să obţină surse externe de finan-
ţare, finanţatorul, de obicei o bancă, doreşte să cunoască situaţiile financiare
previzionate ale respectivei companii, pe un orizont, de obicei, egal cu durata de
acordare a finanţării, cu scopul de a analiza capacitatea de rambursare a
respectivei companii şi de a lua o decizie privind acordarea creditului. În tabelul
2 este realizată o prezentare sintetică a necesităţii de previziune şi a principalilor
beneficiari în funcţie de nivelul de agregare a activităţii economice.

13
Tabelul 1.1.2
Utilizatori (beneficiari) ai rezultatelor activităţii de previziune
■ La nivel microeconomic:
- Managementul companiei, pentru fundamentarea deciziilor strategice,
tactice şi operaţionale
- Investitorii (acţionari, asociaţi), pentru fundamentarea deciziei de investire
- Finanţatori (bănci), pentru fundamentarea deciziei de finanţare
■ La nivel mezoeconomic (sector, industrie sau domeniu de activitate):
- Managementul companiilor, care trebuie să aibă în vederea evoluţia de
ansamblu şi intensitatea competiţiei din domeniul în care acţionează
- Investitorii (acţionari, asociaţi), care înainte de a investi într-o compania
analizează cu atenţie domeniul economic în care aceasta acţionează
- Finanţatori (bănci), care acordă mai uşor finanţare pentru companiile care
acţionează în anumite domenii cu perspective mai mari de dezvoltare
- Organisme guvernamentale, care pot lua decizii de stimulare a unor do-
menii de activitate considerate de importanţă strategică şi cu perspective de
creştere
- Asociaţiile profesionale şi camerele de comerţ, care au rolul de a susţine
dezvoltarea viitoare a activităţilor economice pe care le reprezintă
■ La nivel macroeconomic :
- Managementul companiilor are nevoie de previziuni privind evoluţia ci-
clică de ansamblu a economiei, evoluţia preţurilor, a cursului valutar, a
salariului minim şi mediu pe economie şi a altor variabile care influenţează
în mod direct activitatea firmei
- Investitorii, pentru că randamentul investiţiilor depinde de evoluţia
economiei în ansamblu. De exemplu, în perioade de recesiune creşte preţul
metalelor preţioase considerate active cu siguranţă ridicată
- Instituţii financiare, a căror strategie depinde în mare măsură de politica
monetară anticipată
- Guvernul, a cărui decizii de politică fiscală precum şi realizarea bugetului
se bazează pe situaţia economică previzionată
- Băncile centrale îşi fundamentează deciziile de politică monetară în funcţie
de inflaţia şi creşterea economică previzionată
- Organisme inter-guvernamentale în funcţie de obiectivul funcţionării
acestora
- Populaţia în special pentru fundamentarea deciziei de plasare a economiilor

14
1.2. Terminologia studierii viitorului
Aşa cum menţionează John Naisbitt, “omul supravieţuieşte numai prin
capacitatea sa de a acţiona în prezent, pe baza experienţei trecute, cu consecinţe
în viitor. Asumându-şi viitorul, omul îşi face prezentul suportabil şi trecutul
semnificativ. Trecutul, prezentul şi alternativele viitoare sunt întrepătrunse în
anticipaţia şi previziunea acţiunilor viitoare.”
De regulă există o diferenţă temporală între producerea unui eveniment
şi semnalele ce prevestesc şi conduc către realizarea acelui eveniment. Acesta
este principalul motiv care face ca previziunea şi planificarea să fie două
activităţi viabile pentru studierea şi respectiv acţiunea asupra viitorului
(“Prezentul este însărcinat cu viitorul”, Voltaire).
Previziunea şi planificarea sunt deseori confundate. Deoarece ambele
concepte se preocupă direct de viitor este foarte important ca aceste două
activităţi să fie corect definite şi integrate.
Previziunea este anticiparea unui eveniment care urmează să se
producă sau estimarea evoluţiei viitoare a unui fenomen întemeiată pe
observaţie empirică sau pe cunoaşterea unor legi. Prin previziunea economică
se înţelege în general procesul prin care este realizată estimarea evoluţiei
viitoare a unor indicatori economici.
Planificarea este una din funcţiile de bază ale managementului şi
reprezintă o activitate ce are în vedere stabilirea modalităţilor concrete de
realizare a unor obiective prestabilite.
Previziunea precede planificarea şi oferă informaţii necesare pentru
realizarea acesteia. Modalităţile concrete de acţiune pe care le implică
planificarea sunt adoptate prin decizii. Prin urmare putem spune că previziunea
reprezintă un suport al procesului decizional.
Previziunea, ca activitate organizată, devine utilă în condiţii de
incertitudine. Previziunea economică se orientează în general pe mediul extern
al organizaţiei în cadrul căreia este realizată. Mediul extern al unei organizaţii
economice, deşi poate fi influenţat de organizaţia respectivă, nu se află sub
controlul direct al acesteia. Planificarea, în schimb, se orientează în principal
asupra mediului intern al organizaţiei economice şi presupune descrierea
acţiunilor viitoare care sunt controlate direct de aceasta fiind un rezultat al
procesului decizional intern. Prin urmare, este corect să spunem că o firmă
previzionează cererea (mediul extern) pentru un anumit bun pe piaţă şi planifică
producţia (mediul intern) pe care urmează să o realizeze în contextul cererii
respective. Nu este corect însă, să spunem că o firmă planifică evoluţia cursului
valutar (mediul extern) pentru o anumită monedă sau că o firmă previzionează
preţul (mediul intern) pe care ea însăşi îl va aplica unui anumit produs.

15
Există însă şi situaţii când propriile acţiuni ale unei firme pot influenţa
mediul extern. De exemplu, acţiunile unei firme concurente pot face obiectul
previziunii, însă este foarte probabil ca aceste acţiuni să fie influenţate de
planificarea realizată în propria firmă odată ce acţiunile planificate îşi fac
simţite efectele pe piaţă.
O delimitare clară între previziune, planificare şi decizie este uneori
dificil de trasat, între aceste procese existând o interdependenţă strânsă. Din
această cauză apar deseori probleme legate de terminologia utilizată. Un
exemplu în acest sens sunt termenii: previziunea financiară şi planificare
financiară, ambii utilizaţi pentru a desemna estimarea situaţiilor financiare
(cont de rezultate, flux de numerar şi situaţia patrimonială) viitoare la nivel de
firmă. Utilizarea ambilor termeni pentru a desemna acelaşi proces economic
provine din contopirea celor două procese în momentul realizării estimărilor
privind veniturile obţinute din vânzări. Atunci când se estimează vânzările
viitoare este necesară atât o previziune a cererii pentru produsul respectiv cât şi
o planificare a producţiei pe care firmă o va realiza ca să vină în întâmpinarea
cererii respective.
În ceea ce priveşte punctele comune dintre previziune şi planificare,
fără îndoială, cel mai evident este orientarea ambelor procese către viitor.
Datorită acestei orientări către un spaţiu temporal nerealizat sau nederulat încă
se degajă o altă trăsătură comună şi anume, caracterul pronunţat de
incertitudine al rezultatului celor două procese. Gradul de incertitudinea
depinde de stabilitatea mediului intern şi extern, prin urmare poate să varieze
însă, în nici un caz nu poate fi redus la zero. Probabilitatea cu care sunt
garantate rezultatele previziunii şi planificării va fi cuprinsă întotdeauna între
zero şi unu, între imposibil şi sigur, fără ca aceste valori extreme să fie atinse.
Cu alte cuvinte, în ceea ce priveşte viitorul, nu putem afirma că un eveniment
este imposibil sau că se va întâmpla cu siguranţă absolută nici în ceea ce
priveşte mediul extern, nici în ceea ce priveşte mediul intern.
Ţinând cont de caracterul incert al previziunii şi planificării nu este
greşit dacă se foloseşte termenul de estimare pentru a desemna ambele procese,
prin estimare înţelegând o evaluare aproximativă. Însă trebuie menţionat faptul
că dacă previziunea sau o planificarea au implicit un caracter estimativ nu
orice valoare estimată este în mod automat rezultatul previziunii sau planificării.
Termenul de estimare are o semnificaţie mai largă şi acoperă o arie temporală
mai extinsă (trecut – prezent şi viitor), prin urmare termenii nu sunt echivalenţi.

16
1.3. Organisme reprezentative pentru activitatea
de previziune
I. Pentru indicatori la nivel macroeconomic (PIB, exporturi, importuri
etc.) previziunile sunt realizate de diferite organizaţii interguvernamentale,
guvernamentale şi private:
Organisme interguvernamentale, care realizează prognoze pentru
grupurile de ţări pe care le reprezintă.
o Comisia Europeană realizează prognoze în cadrul departamentului
Afaceri economice şi Financiare prin birourile: Modele econometrice şi studii
pe teren mediu şi Previziuni şi situaţie economică. Pe lângă modelul
econometric global pentru zona euro, Quest, la realizarea previziunilor pentru
statele membre sunt utilizate diferite modele specifice fiecărei ţări realizate de
birouri specializate la nivel de ţară. România este monitorizată în cadrul
direcţiei G-3 împreună cu Cehia, Slovacia şi Polonia. Periodicitatea rapoartelor
cu caracter predictiv pentru fiecare stat membru este bianuală (de două ori pe
an, primăvara şi toamna) şi acoperă un orizont de previziune de 2 ani.
o Asociaţia Europeană de Previziune pentru Macroeconomie1,
EUROFRAME, este o reţea de instituţii susţinută de Comisia Europeană în
care activează cercetători ai instituţiilor membre specializate în economie
europeană. Obiectivul principal al organizaţiei este de a furniza Comisiei
metodologia necesară realizării previziunilor.
o Fondul Monetar Internaţional. Unul dintre departamentele
funcţionale ale FMI, Departamentul de cercetare, este cel în cadrul căruia au
fost realizate modelele macroeconomice MULTIMOD (MULTI-region
econometric MODel) şi GEM (Global Economic Model) care reprezintă
fundamentul metodologic în realizarea prognozelor fondului. În mod similar
Comisiei Europene previziunile la nivel de ţară sunt realizate în colaborare cu
birouri specializate (Country Desk) în economia fiecărei ţări membre.
Previziunile la nivel de ţară sunt prezentate în cadrul World Economic Outlook
Databases, au o frecvenţă bianuală (primăvară/toamnă) şi sunt realizate pe un
orizont de 6 ani.
o Banca Centrală Europeană desfăşoară activitate de previziune în
cadrul Departamentului de cercetare prin Divizia de Modelare Econometrică.
1
Membrii EUROFRAME: Netherlands Bureau for Economic Policy Analysis (The Hague),
German Institute for Economic Research (Berlin), The Economic and Social Research Institute
(Dublin), The Research Institute of the Finnish Economy (Helsinki), The Kiel Institute for the
World Economy (Kiel), The National Institute for Economic and Social Research (London),
Observatoire Français des Conjonctures Economiques (Paris), Associazione per le previsioni
econometriche (Bologna), Austrian Institute of Economic Research (Vienna), Center for Social
and Economic Research (Warsaw)

17
o OCDE (Organizaţia pentru Cooperare şi Dezvoltare Economică)
prin departamentul său de statistică.
Organisme naţionale, care realizează prognoze pentru ţările pe care le
reprezintă. În România funcţionează următoarele organisme cu o activitate de
prognoză practică sau ştiinţifică:
o Comisia Naţională de Prognoză2 este un organism subordonat
guvernului României şi este împărţit, din punct de vedere organizatoric în:
Direcţia generală de analize şi prognoze globale şi Direcţia generală de analize
şi prognoze financiare, sectoriale şi regionale.
o Institutul de Previziune Economică (funcţionează în cadrul
Institutului de Cercetări Economice afiliat Academiei Române) este un institut
de cercetare care asigură un cadru propice dezvoltării ştiinţifice în domeniul
previziunii. Printre diversele sale activităţi se numără şi publicarea revistei
Romanian Journal for Economic Forecasting editată în limba engleză.
o Institutul Naţional de Statistică, organism guvernamental,
realizează Anchete de conjunctură cu caracter predictiv
o Banca Naţională a României realizează prognoze în special în ceea
ce priveşte inflaţia prin intermediul Direcţiei de Politică Monetară şi Modelare
Macroeconomică, Serviciul modele de prognoză macroeconomică.
Companii private
Specializate în activitatea de prognoză, care realizează prognoze pentru
diferite ţări considerate atractive pentru investitori:
• Consensus Economics (companie engleză fondată in 1989).
• Oxford Economics (inclusiv previziuni la nivel de industrie)
• Economist Intelligence Unit companie din cadrul grupului The
Economist (fondat în 1843).
• Global Insight (inclusiv previziuni la nivel de industrie) – este o
companie privată care s-a format prin fuziunea companiilor DRI
(Data Resources, Inc.) şi WEFA (Wharton Econometric
Forecasting Associates)3 în 1969 etc.
Companii multinaţionale, a căror activitate principală nu este cea de
prognoză dar care realizează prognoze privind ţările în care îşi desfăşoară
activitatea sau care reprezintă ţinte potenţiale pentru investiţii.

2
Comisia Naţională de Prognoză, de-a lungul timpului, a suferit diferite transformări şi a
funcţionat sub diverse denumiri: (1990) Ministerul Economiei şi Finanţelor - Departamentul
Previziune şi Orientare Economică, (1993) Comisia Naţionala de Prognoză, (1999) Ministerul
Finanţelor - Direcţia Generală de Prognoză, (2001) Ministerul Dezvoltării si Prognozei, (2003)
Comisia Naţională de Prognoză
3
WEFA a fost fondată de Lawrence Klein - laureat al Premiului Nobel în 1980

18
Din această categorie fac parte în special mari bănci comerciale sau
bănci de investiţii care realizează prognoze în interesul propriu sau al clienţilor
lor: ABN Amro România, Deutsche Bank, Raiffaisen ZentralBank, Goldman
Saschs etc.
Tot în această categorie merită menţionate şi companiile producătoare
de maşini: Ford, General Motors şi Daimler Crysler, care realizează prognoze
pentru economia SUA privind diferiţi indicatori economici (inclusiv curs
valutar). Şi exemplele pot continua.
II. Previziuni la nivel de produs sau industrie (mezoeconomic). Pe
lângă unele din organismele enumerate anterior, care realizează atât previziuni
la nivel macroeconomic cât şi previziuni la nivel de produs sau industrie, mai
pot fi amintite câteva categorii care acţionează doar la acest ultim nivel:
• diferitele companii private, care realizează prognoze pentru
necesitatea proprie în ramură sau industria în care îşi desfăşoară
activitatea;
• companii specializate în studiile de piaţă (Market Research, Data
Monitor etc.), care realizează prognoze pentru clienţii lor
reprezentaţi în general de firme active în diferite domenii.
III. Previziuni la nivel de firmă.
A. Previziuni realizate în cadrul diferitelor firme (de producţie,
comerciale etc.) în interes propriu, beneficiari sunt factorii de decizie şi
principalii acţionari ai respectivelor companii. În acest caz, deosebim două
situaţii esenţial diferite privind organizarea activităţii de previziune şi
planificare în cadrul unei organizaţii:
1. În primul caz, cei ce efectuează previziunea vor fi şi cei care vor
întocmi planul şi/ sau vor lua decizia. Acest caz se aplică de regulă firmelor de
dimensiune mică şi mijlocie. Organizarea activităţii de previziune şi planificare
este mai puţin relevantă, iar personalul nu este specializat.
2. Cazul cel mai frecvent este cel în care cel ce efectuează previziunea
şi întocmeşte planul diferă de decident. Acest caz se aplică de regulă firmelor de
dimensiune mare, iar previziunea şi planificarea sunt atribuţiile:
• tuturor departamentelor funcţionale, caz în care se impune o
puternică colaborare între departamente,
• unui singur departament funcţional, care centralizează datele de
la restul compartimentelor, activitatea de previziune şi de planifi-
care fiind riguros organizată şi derulată de un personal specializat.
Ca modalitate de întocmire a planificări şi previziunii, în ceea ce
priveşte punctul de pornire, există mai multe metode cu implicaţii importante
asupra organizării acestor procese:

19
o Bottom-up (de la detaliu la global). Se începe de la previziunile
realizate în fiecare departament, în fiecare zonă de comercializare, punct de
desfacere sau agent de vânzare, care apoi sunt agregate pentru a obţine cifra de
afaceri globală
o Top-down (de la global la detaliu). Se începe de la previziunea glo-
bală a cifrei de afaceri care reprezintă apoi un target care trebuie atins şi care
apoi este detaliat pe nivele organizatorice inferioare.
o Metode hibride, în care se porneşte de la ambele nivele, se reali-
zează astfel două estimări care se confruntă şi se negociază.
B. Previziuni realizate de către firme specializate în consultanţă
pentru clienţii lor.
Previziuni realizate de consultanţi în interesul managementului
companiei care solicită studiul predictiv. Activitatea de previziune este
externalizată şi lăsată în seama unei firme specializate care oferă consultanţă în
activitatea de previziune şi planificare. Companiile de consultanţă fie realizează
activitatea de previziune şi planificare pentru clienţii lor fie le asistă în
realizarea acestei activităţi (cursuri de specializare pentru angajaţi etc.).
Previziuni realizate în interesul potenţialilor investitori. Companii
specializate (companii de servicii financiare, bănci de investiţii etc.) realizează
rapoarte privind veniturile şi profiturile viitoare estimate pentru diferite
companii precum şi recomandări privind cumpărarea sau renunţarea la acţiunile
respectivelor companii.
IV. Un rol important îl au organizaţiile al căror obiectiv este acela de a
asigura un forum de discuţii şi un cadru propice activităţii de cercetare pentru
dezvoltarea a noi metode de previziune. Institutul de Previziune şi Planificare în
Afaceri (Institute of Business Forecasting and Planning) este un exemplu în
acest sens. Acesta publică Revista de previziune în afaceri (Journal of Business
Forecasting) şi organizează conferinţe de specialitate ai căror participanţi sunt
reprezentanţi ai diferitelor companii.
V. Companiile producătoare de software. Datorită necesităţii
companiilor de a beneficia de estimări cantitative privind situaţia viitoare,
estimări care implică, prin natura lor, metode care folosesc intensiv diferite
proceduri de calcul, producătorii de software joacă un rol important în domeniul
previziunii specifice mediului de afaceri.

1.4. Etapele fundamentale ale elaborării previziunilor


Se pot delimita etapele care trebuie parcurse pentru elaborarea
previziunilor, indiferent de domeniul unde se realizează acestea. Enumerându-
le, în succesiune logică, aceste etape sunt:

20
1) Stabilirea obiectului previziunii;
2) Fixarea perioadei de timp pentru care se elaborează previziunea
(orizontul prognozei), precum şi al gradului de detaliere al
acesteia (global sau pe fiecare produs în parte).
3) Colectarea şi evaluarea fondului de date necesar elaborării
previziunii
4) Alegerea metodei de previziune (realizată în general în funcţie
de datele disponibile)
5) Elaborarea propriu-zisă a previziunilor
6) Alegerea modalităţii de prezentare a rezultatelor previziunii (alege-
rea din multitudinea de alternative a variantei cele mai probabile;
prezentarea rezultatelor sub forma unor scenarii - pesimist, realist,
optimist; prezentarea sub formă de interval de încredere etc.)
7) Evaluarea acurateţei metodei utilizate prin compararea valorilor
prognozate cu datele reale odată ce acestea devin disponibile
(etapă foarte utilă în selectarea ulterioară a metodei celei mai
potrivite).

1.5. Forme şi categorii de previziuni


În funcţie de lungimea orizontului de previziune, pot exista:
• previziuni pe termen foarte lung (pot fi pe 25 de ani sau chiar mai
mult)
• previziuni pe termen lung (de obicei între 3 şi 10 ani)
• previziuni pe termen mediu (cuantificat în luni sau trimestre dar
poate să ajungă şi până la 1 sau 2 ani)
• previziuni pe termen scurt ( la nivel de zile sau săptămâni)
• previziuni pe termen foarte scurt ( 1 oră, 10 minute, 5 minute etc.
– specifice tranzacţiilor bursiere)
Trebuie precizat faptul că nu se pot stabili bariere ferme în delimitarea
lungimii unui orizont de previziune acestea depinzând foarte mult de domeniul
de activitate (ceea ce pentru o companie cu producţie industrială reprezintă un ter-
men scurt pentru un fond de investiţii financiare poate reprezenta un termen lung).
În funcţie de gradul de agregare a rezultatelor, putem avea:
• previziuni sintetice (globale), previziunea se face pe cifra de
afaceri totală
• previziuni analitice (detaliate), previziunea se face pe fiecare
produs în parte.
În funcţie de natura informaţiilor utilizate în procesul previzional sunt
utilizate metode:

21
o cantitative
─ extrapolarea seriilor de timp
─ metode econometrice
─ inteligenţa artificială (reţele neuronale şi algoritmi genetici)
─ analiza tehnică (specifică tranzacţiilor bursiere)
─ indicatori de anticiparea a ciclurilor economice etc.
o calitative (subiective/intuitive)
─ simulare prin roluri
─ grupuri de interacţiune (Brainstorming, Delphi etc.)
─ anchete statistice.
În funcţie de aria de acoperire pe diverse domenii există:
o metode generale de previziune
─ extrapolarea seriilor de timp
─ metode econometrice
─ inteligenţa artificială (reţele neuronale şi algoritmi genetici)
─ simulare prin roluri
─ grupuri de interacţiune
─ anchete statistice.
o metode speciale de previziune
─ analiza tehnică (specifică tranzacţiilor bursiere)
─ previziunea situaţiei financiare la nivel de întreprindere (bilanţ,
cont de profit şi pierdere, flux de numerar)
─ indicatori de anticipare a ciclurilor economice (la nivel
macroeconomic)
─ previziuni de marketing (intenţiile şi preferinţele consumatori-
lor, pieţe test etc.) etc.

1.6. Indicatori ai erorilor de previziune


Rolul indicatorilor erorilor de previziune este acela de a cuantifica ero-
rile de previziune devenind astfel criterii de selecţie în alegerea diferitelor metode.
Considerăm eroarea de previziune la momentul t ca fiind diferenţa dintre valoarea
previzionată pentru momentul t şi valoarea reală înregistrată în momentul t:
et = yˆ t − y t
Principalii indicatori ai erorilor de previziune sunt:
1 n
Eroarea medie (EM): EM = ∑ (et )
n t =1
unde:
n – numărul de erori înregistrate pe perioada istorică.
22
Dacă eroarea este cauzată de factori pur aleatori atunci erorile sunt
simetric distribuite în jurul valorii 0 iar prin adunare se anulează. Prin urmare o
valoare negativă sau pozitivă mare a EM arată o eroare sistematică de
previziune, adică valorile previzionate fie supraestimează fie subestimează în
mod constant valorile observate.
1 n
Eroarea medie absolută (EMA): EMA = ∑ et
n t =1
EMA arată care este abaterea medie a previziunilor în valoare absolută
de la valorile observate. Poate fi folosită pentru a compara diferite metode
bazate pe aceeaşi serie de date însă nu poate fi folosită pentru a compara
previziuni bazate pe serii de date diferite. O eroare de câteva milioane euro
poate fi considerată mică dacă este vorba de un indicator agregat la nivel de ţară
dar poate fi dezastruoasă la nivel microeconomic. Acest neajuns este valabil şi
pentru EMP şi ES.
1 n 2
Eroarea medie pătratică (EMP): EMP = ∑ et
n t =1
Acest indicator prezintă avantaje care îl fac mai ales utilizat în calculele
matematice. Specific EMP este că acordă importanţă accentuată erorilor mari de
previziune. Nu are o semnificaţie reală accesibilă.

1 n 2
Eroarea standard (ES): ES = EMP = ∑ et
n t =1
Se utilizează, în general la determinarea intervalelor de încredere atunci
când erorile au o distribuţie normală de medie 0. În această situaţie se ştie de
exemplu că valoarea reală se află, cu o probabilitate de 95% în intervalul dat de
valoarea previzionată ±1,96 ES. La fel ca şi indicatorii anteriori poate fi folosită
pentru a compara diferite metode bazate pe aceeaşi serie de date însă nu poate fi
folosită pentru a compara previziuni bazate pe serii de date diferite.

1 n  et 
Eroarea procentuală medie (EPM): EPMA =
n
∑  × 100 
t =1 
 yt 
Arată cât la sută reprezintă, în medie, eroarea faţă de valoarea
observată. La fel ca şi în cazul EM valorile de semn opus se anulează şi prin
urmare o valoare apropiată de 0 nu înseamnă neapărat erori mici de previziune
ci doar simetria acestora.

23
Eroarea procentuală medie absolută (EPMA):

1 n et
EPMA = ∑ × 100
n t =1 yt
Pentru că ia în calcul valori relative, la fel ca şi EPM, poate fi folosită
atât pentru a compara aplicarea aceleiaşi metode la serii de date diferite cât şi
pentru a compara metode diferite la serii de date diferite. Spre deosebire de
EPM calculează care este în medie procentul absolut al erorii faţă de valoarea
observată. Cu cât acest procent este mai mic cu atât previziunea este mai exactă.
Testul U al lui Theil :
2
 yˆ − y 
∑t =1  t +1y t +1 
n

U=  t +1 
2
y −y 
∑t =1  t y t +1 
n

 t +1 
Acest indicator compară eroarea metodei de previziune care se
utilizează cu eroarea care s-ar obţine dacă s-ar folosi ultima valoare înregistrată
ca şi valoare prognozată (metoda ultimei valori sau metoda valorii anterioare).
Dacă:
─ U < 1, metoda utilizată este mai exactă decât metoda ultimei
valori înregistrate
─ U >1, metoda utilizată dă erori mai mari decât metoda ultimei
valori înregistrate
─ U =1, metoda utilizată este la fel de exactă ca şi metoda ultimei
valori înregistrate deci nu se justifică a fi utilizată.

Întrebări de autoevaluare
1. Care este diferenţa dintre previziune şi planificare?
2. Arătaţi de ce este previziunea necesară?
3. Care sunt principalele categorii de previziuni?
4. Ce caracter au rezultatele studiilor previzionale ?

24
CAPITOLUL 2
METODE BAZATE PE ANALIZA SERIILOR DE TIMP

Extrapolarea seriilor de timp în previziune porneşte de la


ipoteza că tendinţa variabilei economice care face obiectul
previziunii nu se va modifica substanţial în viitor şi reprezintă
practic o prelungire în viitor a tendinţelor şi fluctuaţiilor
observate. De obicei modelele care presupun o continuare în viitor
a evoluţiei trecute se mai numesc şi modele “cu memorie” sau “cu
inerţie”. Toate metodele de previziune din capitolul de faţă se
încadrează în optica extrapolării cu excepţia ultimului subcapitol care
va trata, foarte pe scurt, şi abordarea euristică ca variantă alternativă
în previziunea seriilor de timp

2.1. Introducere în analiza seriilor de timp


Valorile discrete înregistrate în timp, obţinute ca rezultat al observaţiilor
făcute asupra diferitelor fenomene, sunt înregistrate sub forma seriilor
cronologice, denumite şi serii de timp sau serii dinamice. O definiţie foarte
succintă a unei serii cronologice ar putea fi o colecţie de valori înregistrate
secvenţial în timp.
Studiul seriilor de timp, în diferite domenii de activitate, precede
înregistrările documentare ale istoriei. Economiştii secolelor trecute au făcut de
multe ori referire la metode de analiza a seriilor de timp preluate din domeniul
astronomiei şi folosite ca sursă de inspiraţie pentru analiza datelor din domeniul
economic. Exemple în acest sens sunt economistul francez Antoine Augustin
Cournot (1801-1877) şi economistul englez William Stanley Jevons (1835-
1882), care au făcut în mod explicit apel la metode de observare a seriilor de
timp preluate din astronomie sau meteorologie. Mai târziu, la începutul sec. XX,
analiza seriilor de timp s-a dezvoltat ca un domeniu de cercetare specific
ştiinţelor economice. În prezent, metodele de previziune bazate pe analiza
seriilor de timp sunt foarte frecvent folosite datorită simplităţii lor, fiind
implementate în majoritatea pachetelor software de previziune.
De-a lungul timpului s-au conturat două modalităţi de abordare a
previziunii seriilor de timp: previziunea mecanică sau extrapolarea seriilor de
timp şi previziunea euristică.
25
Previziunea mecanică (extrapolarea seriilor de timp) porneşte de la
ipoteza că tendinţa variabilei economice care face obiectul previziunii nu se va
modifica substanţial în viitor şi reprezintă practic o prelungire în viitor a
tendinţelor şi fluctuaţiilor observate. De obicei modelele care presupun o
continuare în viitor a evoluţiei trecute se mai numesc şi modele “cu memorie”
sau “cu inerţie”. Multe fenomene economice prezintă o astfel de inerţie.
Trebuie precizat totuşi că extrapolarea seriilor de timp poate fi pericu-
loasă mai ales atunci când sunt utilizate serii de timp la nivel microeconomic.
Seriile de timp la nivel de firmă sunt mai predispuse fluctuaţiilor şi schimbărilor
de tendinţă datorită mediului competitiv în care firma respectivă acţionează. De
obicei tendinţele la nivel macroeconomic, la nivel de ramură, activitate sau
categorie de produse au o inerţie mai mare, adică tendinţa se păstrează pentru
perioade mai îndelungate.
Pentru o asigurare suplimentară a ipotezei de continuare în viitor a
tendinţelor înregistrate în trecut se recomandă ca extrapolarea de tendinţă să fie
însoţită de o analiză calitativă a mediului economic în ansamblul său, a domeniu
de activitate şi a mediului competiţional în funcţie după caz.
Previziunea euristică, deşi porneşte de la analiza trecutului şi
prezentului, permite modificarea tendinţei observate istoric pentru procesul
studiat pe baza unor decizii de natură calitativă.
Toate metodele de previziune din capitolul de faţă se încadrează în op-
tica extrapolării cu excepţia ultimului subcapitol care va trata şi abordarea euris-
tică ca variantă alternativă în previziunea seriilor de timp.
Seriile de timp pot fi clasificate după mai multe criterii, unul dintre cele
mai relevante fiind stabilitatea evoluţiei în timp. După acest criteriu, putem avea
serii de timp staţionare şi non-staţionare aşa cum se poate observa în graficul de
mai jos. Staţionaritatea poate fi apreciată din mai multe puncte de vedere.
Staţionaritatea în medie presupune ca fenomenul observat să aibă aproximativ
aceeaşi medie pe subintervale, ceea ce implică inexistenţa unui trend crescător
sau descrescător. Astfel de evoluţii se mai numesc şi evoluţii orizontale.
Staţionaritatea în varianţă presupune ca seria de timp observată să aibă o
deviaţie faţă de medie aproximativ constantă pe subintervale.

26
(a) Serie de timp staţionară în medie şi varianţă

(b) Serie de timp non-staţionară în medie

(c) Serie de timp staţionară în medie dar non-staţionară în varianţă

Figura 2.1.1. Staţionaritatea seriilor de timp

27
Înainte de aplicarea unei metode propriu-zise de previziune, seriile de
timp sunt supuse în general unei proceduri de prelucrare preliminară
(ajustare). Rolul prelucrării preliminare este multiplu şi vizează următoarele
aspecte:
• Atunci când datele sunt exprimate în preţuri curente, iar inflaţia
este semnificativă, înainte de a aplica o metodă oarecare de
extrapolare se recurge la eliminarea inflaţiei. Acest lucru se reali-
zează prin transformarea seriei de timp în preţuri constante
(comparabile) prin inflatare sau deflatare. Inflatarea are avanta-
jul utilizării preţurilor celor mai actuale ca preţuri de referinţă. De
exemplu se ia ca referinţă ultimul an şi toate valorile sunt
transformate în preţurile ultimului an.
• În situaţia în care o serie de timp este non staţionară de multe ori
se aplică proceduri pentru a aduce seria de valori la o formă
staţionară. Printre aceste proceduri se numără: calcularea
diferenţelor de ordinul întâi, calcularea indicelui de creştere,
logaritmarea etc.
• Atunci când datele prezintă fluctuaţii sezoniere iar obiectivul
urmărit este observarea tendinţei pe termen lung sau a fluctuaţii-
lor ciclice se recurge deseori la înlăturarea fluctuaţiilor sezoniere.
Această procedură poartă denumirea de desezonalizare.
• O practică des întâlnită în cazul datelor lunare este înlăturarea
efectului numărului de zile lucrătoare dintr-o lună. De exem-
plu, dacă o lună are mai puţine zile lucrătoare decât luna ante-
rioară nu înseamnă că nivelul vânzărilor pentru un anumit produs
a scăzut, ci trebuie comparat nivelul vânzărilor pe cele două luni
după ce este înlăturat efectul diferenţei dintre numărul de zile
lucrătoare pentru cele două luni.
• Ajustarea seriilor de timp mai poate presupune înlăturarea
valorilor extreme (valori foarte mari sau foarte mici datorate în
special erorilor de înregistrare), interpolarea (estimarea valorilor
istorice care lipsesc) etc.

2.2. Procese de tip “mers la întâmplare”


În anul 1900, Louise Jean-Baptiste Alphonse Bachelier, în teza sa
Teoria Speculaţiei, a fost prima persona consemnată din istorie care a aproximat
evoluţia preţurilor pe bursele de valori cu o mişcare browniană4 sau, altfel spus,

4
Diferenţa dintre mişcarea browniană şi mersul la întâmplare este aceea că prima se aplică pentru
procese în timp continuu, iar cea din urmă pentru serii de valori discrete.

28
cu un “mers la întâmplare”. Matematicianul de origine franceză este considerat
un pionier al matematicii financiare şi al proceselor aleatoare.
Metoda ultimei valori înregistrate este metoda optimă pentru evoluţii de
tip “mers la întâmplare”. Datorită faptului că astfel de procese sunt rar întâlnite
în practică, precum şi datorită simplităţii ei, această metodă este folosită cel mai
adesea în procesul de testare şi de selecţie. De regulă o metodă oarecare (mai
complexă) este comparată cu metoda ultimei valori înregistrate (considerată ca
fiind metoda etalon). Dacă metoda respectivă, supusă evaluării, conduce la erori
mai mici se justifică efortul de a fi folosită, chiar dacă este o metodă mai
complexă şi deci mai greu de implementat. Cu alte cuvinte, o metodă de
previziune poate fi considerată validă dacă conduce la rezultate mai bune decât
metoda ultimei valori înregistrate (a se vedea indicatori ai erorilor de
previziune, testul Theil).
Proces de tip “mers la întâmplare” este un proces în care valoarea la
momentul t +1 este egală cu valoarea la momentul anterior plus o eroare:
y t + 1 = y t + et
unde:
et - este o variabilă aleatoare normal distribuită de medie 0 şi
varianţă constantă

0 t

Figura 2.2.1 Serie de timp (500 de valori înregistrate) reprezentând o


variabilă aleatoare normal distribuită de medie 0 şi varianţă 1

Pentru-că valorile au aceeaşi medie, 0, şi aceeaşi varianţă, 1, pe fiecare


subinterval de timp, în graficul de mai sus avem un exemplu de serie staţionară
în medie şi varianţă.

29
y

Figura 2.2.2 Proces de tip “mers la întâmplare”

Seria din figura anterioară reprezintă un “mers la întâmplare” pur, în


sensul că datele au fost create artificial, în conformitate cu formula prezentată,
fără să existe alţi factori sau alte procese care să influenţeze evoluţia datelor.
Din graficul anterior se poate observa cu uşurinţă că procesul este în medie non-
staţionar. În realitatea economică nu există însă date care să reprezinte astfel de
procese pure, ci date care pot fi aproximate “grosso modo” cu astfel de procese.
Să luăm ca exemplu evoluţia zilnică a cursului valutar RON/Euro în perioada
ianuarie-septembrie 2008 (Fig. 2.2.3 ).
4.20

4.00

Curs valutar RON/EURO


3.80

3.60

3.40

3.20

3.00
oc 04

au 05

au 08
ap 04

fe 04

no 05

se 06

ap 07

07

08

08
4

m 05

06

7
ar 5

06

00
0
00

00
22 i.20

28 i.20
28 .20

19 .20

22 .20

20
26 .20
20

20

25 .20

20

16 20

12 20
12 .20
r.2

r.2

l .2
t.2

g.
n.

v.

p.

n.

t.
g

b
l

n
b
iu

iu

a
oc
ia

iu

ia

fe

m
m
20

24
5

30
13

Sursa: BNR
Figura 2.2.3 Cursului valutar zilnic RON/Euro în perioada
ianuarie-septembrie 2008
30
Evoluţia cursului valutar nu poate fi considerată un “mers la
întâmplare” pur aceasta fiind determinată de o serie de factori (factori care
influenţează raportul cerere-ofertă pentru o anumită valută) a căror influenţă nu
o vom discuta aici dar care elimină caracterul pur aleator al procesului.
În cazul în care o serie de valori ar urma un de proces de tip “mers la
întâmplare” pur, previziunea cea mai potrivită este ultima valoare înregistrată.
Adică previziunea pentru momentul următor, n+1, este chiar valoarea din
momentul n:
yˆ n +1 = y n
unde:
yˆ n + 1 - valoarea previzionată pentru momentul t+1;
y n - valoarea reală înregistrată în momentul t.
Dacă însă procesul care stă la baza seriei de date nu este pur aleator, cum
de altfel se întâmplă, este foarte probabil ca o altă metodă să fie mai potrivită.

2.3. Metode bazate pe valoarea medie


2.3.1. Metoda mediei aritmetice simple
Metoda mediei aritmetice simple este utilizată pentru serii de timp
staţionare (orizontale). Serii de acest tip se întâlnesc în general pe perioade
scurte de timp şi pentru date înregistrate cu o frecvenţă ridicată (ex.: date
zilnice, săptămânale etc.). Pe perioade mai lungi de timp fenomenele economice
îşi pierd în general caracterul staţionar şi manifestă tendinţe de creştere,
descreştere şi/sau fluctuaţii ciclice (alternanţa creştere-descreştere).
1 n
yˆ n + 1 =
n

t =1
yt

unde:
y t - valoarea reală înregistrată în momentul t;
yˆ t + 1 - valoarea previzionată pentru momentul t+1;
n – numărul de valori înregistrate istoric sau ultima perioadă de
timp pentru care există date reale5;
t – variabila timp, t = 1, n .

5
De exemplu dacă avem valori anuale înregistrate istoric pe o perioadă de 10 ani atunci n =10
permite următoarele interpretări: 1) numărul de valori înregistrate istoric este 10 şi 2) ultimul an
pe care cunoaştem date reale este al 10-lea an

31
Media aritmetică simplă este o metodă cu “memorie lungă” în sensul că
ţine cont de întreaga perioadă istorică disponibilă de unde se degajă stabilitatea
în sensul că rezultatele nu sunt perturbate de fluctuaţiile întâmplătoare şi
temporare. Principalul său dezavantaj este capacitatea redusă de a se adapta la
eventuale modificări care pot să apară în evoluţia recentă a datelor.
Fiind o metodă extrem de simplă metoda mediei aritmetice simple se
foloseşte mai mult în procesul de testare decât în previziunea propriu zisă, la fel
ca şi metoda ultimei valori înregistrate.

2.3.2. Metoda mediei mobile şi mediei mobile exponenţiale


Media mobilă de lungime k se aplică tot pentru serii de timp staţionare,
la fel ca şi media aritmetică simplă. Previziunea pentru perioada următoare,
n+1, este media ultimelor k valori înregistrate.
1 n
yˆ n +1 = ∑
k t = n − k +1
yt

unde:
k – numărul de valori cuprinse în medie sau lungimea medie
mobile.
Media mobilă este un proces cu “memorie scurtă” (se ţine cont doar de
cele mai recente valori), principalul avantaj al metodei fiind capacitatea ridicată
de adaptare la condiţiile cele mai recente.
Media mobilă exponenţială de lungime k este o metodă foarte
asemănătoare mediei mobile (are aceleaşi avantaje principale şi se aplică în
aceleaşi condiţii), cu diferenţa că ponderile valorilor cuprinse în medie nu sunt
egale, acestea descresc odată ce valorile devin mai îndepărtate în timp.
k −n+t
yˆ n +1 = ∑t = n − k +1
n
yt

k
j =1
j

unde:
k – numărul de valori cuprinse în medie sau lungimea medie
mobile;
j – indice de ordine: 1,2,3...
Dacă cunoaştem datele până în momentul n, previziunea pentru
momentul n +1 printr-o medie mobilă de lungime 4 se calculează astfel:
1 1 1 1
yˆ n +1 = yn + yn −1 + yn − 2 + yn − 3
4 4 4 4
Previziunea pentru momentul n+1 printr-o medie mobilă exponenţială
de lungime 4 devine:
32
4 3 2 1
yˆ n +1 = yn + y n −1 + y n − 2 + yn − 3
10 10 10 10


k
j =1
j = 1+2+3+4 =10

Avantajul unei medii mobile exponenţiale este acordarea unei


importanţe (ponderi) mai mari valorilor celor mai recente pornind de la ipoteza
că acestea au cea mai mare valoare informaţională.
Media mobilă exponenţială este utilizată cu precădere în contextul
analizei tehnice6.

2.3.3. Metoda sporului mediu


Metoda sporului mediu se foloseşte pentru a previziona evoluţii non-
staţionare în medie cu tendinţă aproximativ liniară.
Această metodă poate fi văzută ca fiind echivalentă cu aplicarea
metodei mediei aritmetice simple însă nu pe valorile iniţiale (care nu sunt
staţionare) ci pe diferenţele de ordinul întâi (sporuri) care sunt staţionare. În
cazul tendinţelor aproximativ liniare diferenţele de ordinul întâi sunt staţionare.
Prin urmare după realizarea procedurii de staţionarizare pot fi aplicate oricare
din metodele specifice seriilor de timp staţionare.
Folosind această metodă, previziunea se determină adăugând la ultima
valoare reală înregistrată a seriei de date sporul mediu calculat pe perioada istorică.
yˆ n + l = yn + l∆y
unde:
yˆ n + l – previziunea aferentă orizontului de previziune l ;
yn – ultima valoare reală înregistrată;
l – lungimea orizontului de previziune (numărul de perioade
pentru care se efectuează previziunea);
∆yt = yt − yt −1 - diferenţele de ordinul întâi (sporurile de creştere);
∆y – sporul mediu (calculat ca medie aritmetică simplă a
sporurilor);
t – variabila timp, t = 1, n .
Seria sporurilor de creştere ∆y n va fi mai scurtă cu o perioadă decât
seria iniţială deoarece pentru primul an nu poate fi calculat sporul de creştere.
Pentru serii cu trend crescător sporul mediu va fi pozitiv iar pentru serii cu trend
descrescător sporul mediu va fi negativ.

6
A se vedea capitolul Elemente de analiză tehnică şi fundamentală

33
Metoda ultimului spor este un caz particular al metodei sporului mediu.
În situaţia în care datele istorice se reduc la 2 perioade, pentru o companie
relativ nouă, vom avea un singur spor istoric care poate fi folosit în previziune
dacă considerăm o creştere constantă în viitor.

2.3.4. Metoda indicelui mediu


Această metodă se foloseşte în previziunea seriilor de valori non-
staţionare cu tendinţă aproximativ exponenţială. O serie de timp exponenţială
poate deveni staţionară prin calcularea indicilor de dinamică (creştere).
În acest caz previziunea se realizează ca un produs între ultima valoare
reală a seriei de date statistice şi indicele mediu de creştere, ridicat la o putere
egală cu lungimea orizontului de previziune:
yˆ n + l = y n × I l
unde:
yˆ n + l – previziunea aferentă orizontului de previziune l ;
yn – ultima valoare reală înregistrată;
I – indicele mediu de creştere (calculat ca medie geometrică a
indicilor de creştere).
Indicele de creştere se calculează ca raport între două valori înregistrate
consecutiv astfel:
yt
It =
yt −1
Creşterea exponenţială este o creştere foarte puternică iar premisa că
această creştere va continua şi în viitor este extrem de riscantă. Se recomandă
utilizarea cu prudenţă a acestei metode, o alternativă viabilă fiind modificarea
euristică a indicelui utilizat în prognoză, în sensul micşorării acestuia mai ales
atunci când este probabilă o înrăutăţire a condiţiilor din mediul extern.
Un caz particular al metodei indicelui mediu este metoda ultimului
indice, atunci când se cunosc doar ultimele 2 înregistrări istorice, cu aceleaşi
recomandări prudenţiale.

2.4. Funcţii de tendinţă


Funcţiile de tendinţă, evidenţiază evoluţia variabilei dependente în
raport de timp. În acest caz „timpul” ca variabilă complexă, îndeplineşte rolul
de variabilă independentă:
yˆ = f(t)

34
unde:
t – timpul.
Folosirea funcţiilor de tendinţă se recomandă în previziunea unor
procese economice a căror factori de influenţă sunt mai puţin cuantificabili sau
chiar necuantificabili, dar care pot fi reprezentaţi sintetic prin variabila timp
într-o anumită perioadă bine determinată.
După forma legăturilor între variabile, funcţiile de tendinţă folosite în
previziune se împart în două grupe funcţii liniare şi funcţii neliniare.
Funcţia de tendinţă liniară, aşa cum îi spune şi denumirea, se
utilizează în cazul tendinţelor de tip liniar, la fel ca şi metoda sporului mediu.
Funcţia liniară are ca expresie analitică ecuaţia unei drepte:
yˆ t = a + bt
unde:
a, b – parametrii;
t – variabila independentă.
Parametrul „a” denumit şi termen liber, nu are o semnificaţie economică
generală. Parametrul „b” poartă denumirea de coeficient unghiular şi reprezintă
în sens geometric, unghiul sau panta dreptei. Din punct de vedere economic
parametrul b este aproximativ sporul mediu de creştere.

Figura 2.4.1 Graficul funcţiei liniare

Funcţii neliniare, cu aplicaţii multiple în previziunile economice, sunt


funcţia exponenţială, funcţia de putere, funcţia parabolică, funcţia hiperbolică,
funcţia logistică şi funcţia semilogaritmică7.
7
Alte funcţii neliniare sunt prezentate de V. Nicolae, L. D. Constantin, I. Grădinaru, Previziune şi
orientare economică, Editura Economică, Bucureşti, 1998, p. 155-170; C. Pârlog, Metode de
analiză previzională, Editura Oscar Print Bucureşti, 1998, p. 16-33; E. Jaba, Statistica, Editura
Economică, Bucureşti, 1998, p. 411-434; M.Burtică, G. Vârlan, L.Erös – Stark, S. Kaksö,
Previziune economică – teorie si aplicaţii, Editura Orizonturi Universitare, Timişoara, 2002, p.52-57.

35
1) Funcţia exponenţială este specifică proceselor economice a căror
evoluţie are loc în progresie geometrică. Aceste creşteri se întâlnesc în general
în faza iniţială a unor fenomene economice, cum ar fi de exemplu introducerea
pe piaţă a unui nou produs sau a unei noi tehnologii.
yˆ t = ab t

unde:
a, b – parametrii.
Parametrul b are o valoare aproximativ egală cu indicele mediu de creştere.

Figura 2.4.2. Graficul funcţiei exponenţiale

2) Funcţia putere este caracteristică proceselor economice a căror


ritmuri de creştere sunt relativ constante.
yˆ t = a ⋅ t b

Figura 2.4.3. Graficul funcţiei putere

36
3) Funcţia parabolică este adecvată proceselor economice a căror
evoluţie tinde către un punct de maxim sau de minim. Odată depăşit acest punct,
în funcţie de caz, funcţia parabolică prezintă o tendinţă de creştere sau
descreştere.
yˆ t = a + bt + ct 2

Figura 2.4.4. Graficul funcţiei parabolice

4) Funcţia hiperbolică, este folosită aproximativ în aceleaşi condiţii ca


şi funcţia parabolică
1
yˆ t = a + b ×
t

Figura 2.4.5. Graficul funcţiei hiperbolice

5) Funcţia logistică, se recomandă a fi folosită în previziunea pe


termen lung a unor procese economice a căror evoluţie tinde spre un anumit
nivel de saturaţie în evoluţia procesului studiat.
k
yˆ t =
1 + be− at

37
unde:
k - nivelul de saturaţie.

Figura 2.4.6 Graficul funcţiei logistice

6) Funcţia semilogaritmică, se foloseşte atunci când procesul studiat se


modifică cu un spor aflat în scădere fără a tinde spre un prag de saturaţie. Funcţia
semilogaritmică, are ca expresie analitică relaţia de forma:
yˆt = a + b ⋅ lg t

Figura 2.4.7. Graficul funcţiei semilogaritmice

Folosirea funcţiilor de tendinţă în previziunile economice comportă parcur-


gerea a două etape: analiza seriei de date statistice şi previziunea propriu-zisă.
Analiza seriei de date statistice
În această etapă se urmăresc, în principal, următoarele aspecte:8
a) alegerea formei funcţiei de tendinţă ce urmează a fi folosită în previziune;

8
M. Burtică, G. Vârlan, Previziune. Metode şi tehnici, Editura Mirton, Timişoara, 1998, p. 54-56;
Prognoza şi conflictele, Editura Militară, Bucureşti, 1974, p. 174-180; E. Jaba, Op. cit. p. 411-413

38
b) determinarea parametrilor funcţiei de tendinţă;
c) validarea funcţiei de tendinţă.

a) Alegerea formei funcţiei de tendinţă


O metodă frecvent folosită în acest scop o constituie reprezentarea
grafică. Graficul astfel obţinut redă evoluţia intuitivă a procesului studiat în
perioada analizată.
Presupunem că din reprezentare grafică a unei serii de date statistice,
s-a obţinut următoarea evoluţie:

Figura 2.4.8. Aproximarea, printr-o dreaptă, a unei evoluţii aproximativ liniare

Rezultă că evoluţia procesului studiat, poate fi aproximată cu ecuaţia


dreptei:
yˆ t = a + bt
unde:
ŷ t - valorile variabilei dependente calculate;
t = 1, n - numărul termenilor seriei de date.
Valorile reale (marcate cu x pe graficul anterior) se află la o anumită
distanţă faţă de dreapta de tendinţă, distanţă pe care o numim eroare de estimare
astfel încât:
y t = yˆ t + et sau yt = a + bt + et

unde:
yt - valorile reale observate la momentul t;
et - eroare de estimare (variabilă aleatoare normal distribuită de
medie 0 şi varianţă constantă).

39
b) Determinarea parametrilor funcţiei de tendinţă
Întrucât procesele economice nu evoluează perfect după o dreaptă, se
impune ca parametri funcţiei de tendinţă să fie astfel calculaţi încât diferenţele
dintre datele reale şi cele calculate cu funcţia respectivă să fie minime. În acest
scop, se recomandă folosirea metodei celor mai mici pătrate:
S = ∑t =1(yt − yˆ t )2 → minim
n

unde:
yt – valorile reale (empirice) ale seriei statistice.
Înlocuind pe „ ŷt ” cu expresia analitică a ecuaţiei dreptei se obţine:

S = ∑t =1 (yt − a − bt)2 → minim


n

Condiţia de minim este îndeplinită, când derivatele parţiale ale expresiei


în raport cu fiecare din cei doi parametri sunt egale cu zero. Pornind d la această
condiţie se determină parametrii optimi.
Alegerea funcţiei analitice ce urmează a fi folosită în previziune, poate
fi făcută şi pe baza unor teste9.
c) Validarea formei funcţiei de tendinţă alese prin reprezentare
grafică se face prin diferite teste statistice dintre care cele mai utilizate sunt:
teste pentru semnificaţia parametrilor (testul student), teste asupra erorile de
estimare (Dubin-Watson etc.) şi teste globale asupra modelului (raport de
corelaţie, Fisher etc.)

Previziunea propriu-zisă
În această etapă, se urmăresc două aspecte distincte:
a) Previziunea punctuală adică estimarea nivelului variabilei
dependente corespunzător orizontului de previziune. Dacă ultima perioadă
pentru care există date este n (t = n) previziunea punctuală pentru perioada n +
l va fi:
ŷ n + l = a + b(n + l )
unde:
l - lungimea orizontului de previziune
b) Stabilirea intervalului de încredere. Intervalul de încredere se
stabileşte adăugând şi respectiv scăzând din nivelul previzionat al variabilei

9
E. F. Croxton, J. I. Cowden, S. Klein, Applied General Statistics, Third Edition, Prentice-Hall,
Inc. Englewood Clifts, N.Y. 1997, p. 282 - 283

40
dependente aferente orizontului de previziune o anumită abatere. Intervalul de
previziune se calculează pornind de la previziunea punctuală astfel:
Limita inferioară: yˆ ni + l = yn + l − ∆y

Limita superioară: yˆ ns + l = yˆ n + l + ∆y

∑ (y
n
− yˆ t )
2

∆y = t s t =1 t
1+
1
+
(n + l − t )
2

n ∑ n (t − t )2
q/2
n−2
t =1

unde:
tqs / 2 – valoarea statisticii t cu distribuţie Student aferentă unui
nivel de semnificaţie q /2;
t – variabila timp;
t – mijlocul perioadei de timp istorice;
n – numărul de perioade istorice (momentul curent). Cu cât
numărul de perioade istorice este mai mare cu atât
intervalul de previziune este mai îngust (previziune mai
exactă);
l – perioadă aferentă orizontului de previziune. Cu cât
orizontul de previziune este mai îndepărtat ( l mai mare)
cu atât intervalul de previziune devine mai larg (previziune
mai inexactă);
q – nivel de semnificaţie (riscul, probabilitatea ca valoarea
reală să fie în afara intervalului de previziune):
q = 1− P
P – coeficientul de încredere (probabilitatea cu care garantăm
ca valoarea reală să se afle în intervalul de previziune). Cu
cât valoarea P este mai mare cu atât intervalul de previziune
este mai larg. Valorile cele mai utilizate sunt: 0,90; 0,95; 0,99.

2.5. Metode de descompunere sezonieră


Metodele de descompunere sezonieră se întemeiază pe ipoteza că
valorile reale a unei serii de date statistice pot fi descompuse în următoarele
categorii de variaţii sau mişcări.
1. Variaţie de lungă durată, stabilă numită şi tendinţă. Această variaţie
determină sensul general al evoluţiei procesului sau fenomenului
evidenţiat de seria de date statistice, marcând direcţia fundamentală
a mişcării.

41
2. Variaţii periodice, sezoniere sau ritmice în jurul tendinţei. Aceste
variaţii au loc în anumite condiţii specifice, fiind rezultatul acţiunii
unor factori naturali (încasările în turism, producţia în construcţii,
exportul unor produse agricole etc.).
3. Variaţii întâmplătoare, accidentale, perturbătoare sau reziduale.
Aceste variaţii sunt determinate de abaterile de la tendinţă şi variaţiile
periodice, fiind rezultatul acţiunii unor factori imprevizibil,
necuantificabili,de regulă de scurtă durată.
Nu orice serie statistică conţine toate aceste tipuri de variaţii. De
exemplu, sunt numeroase cazuri în care variaţiile sezoniere pot să lipsească din
seria de date statistice.
Folosirea seriilor statistice în previziune, impune asocierea celor trei
componente după unul din cele două modele fundamentale: modelul aditiv sau
modelul multiplicativ.10
Modelul aditiv se utilizează în cazul unei relaţii de independenţă totală
a fiecărei componente faţă de celelalte, rezultând din simpla însumare a
acestora.
Y=T+S+E
unde:
Y – variabila rezultativă;
T - tendinţa;
S - variaţii sezoniere;
E– variaţii întâmplătoare.
Modelul multiplicativ presupune existenţa unei relaţii de
proporţionalitate a componentelor seriei de date, valorile observate fiind
produsul acestor componente.
Y=T×S×E
Evoluţia unei serii statistice de timp cu sezonalitate aditivă, respectiv
multiplicativă, se prezintă în Figura 2.5.1.

10
DeLurgio,S.A., Forecasting Principles and applications, Irwin / McGraw-Hill, 1998, p. 595-
611.

42
sezonalitate aditivă
sezonalitate multiplicativă

Figura 2.5.1 Tipuri de variaţie sezonieră

Etapele realizării unei previziuni prin metoda clasică de descompunere:


1. Se calculează o medie mobilă de ordin k. În general se utilizează
ordinul 4 pentru date trimestriale, ordinul 12 pentru date lunare, 5
sau 7 pentru date zilnice etc. Dacă ordinul este par se aplică apoi o
medie mobilă de ordin 2 pentru centrarea mediei mobile. Această
medie are rolul de a nivela fluctuaţiile sezoniere, reprezentând o
estimare provizorie a componentei de trend.
2. Se face diferenţa/raportul11 dintre valorile observate şi valorile
obţinute prin media mobilă centrată obţinându-se coeficienţii de
sezonalitate
3. Se calculează componenta sezonieră, St, ca o medie aritmetică/
geometrică12 a valorilor obţinute în etapa anterioară pentru fiecare
unitate de timp care formează ciclul sezonier (dacă datele sunt
lunare este calculată o medie pentru fiecare lună). Cu alte cuvinte,
componenta sezonieră este reprezentată de coeficienţii de
sezonalitate medii.
4. Prin diferenţa/raportul dintre valorile observate şi componenta
sezonieră se obţine seria de timp desezonalizată.
5. Se estimează componenta de trend, Tt, printr-o metodă specifică
acestei componente (funcţii de tendinţă, spor mediu etc.) pornind de
la seria desezonalizată.
6. Prin diferenţa/raportul dintre datele iniţiale observate şi suma/
produsul componentelor de sezonalitate şi trend se obţine compo-
nenta aleatoare, Et.
11
Diferenţă pentru modelul aditiv şi raport pentru modelul multiplicativ
12
Aritmetică pentru modelul aditiv şi geometrică pentru modelul multiplicativ

43
7. Se extrapolează componenta de trend şi cea sezonieră pe
perioada aferentă orizontului de previziune
8. Se recompun valorile previzionate prin adunare/înmulţire.

2.6. Nivelarea exponenţială


Nivelarea exponenţială este o metodă de previziune extrem de
adaptabilă care poate fi folosită cu succes în situaţii diverse. Această metodă a
fost introdusă de către Robert G. Brown în timpul activităţii sale în domeniul
cercetărilor operaţionale derulată în cadrul marinei militare. Una dintre primele
sale aplicaţii a nivelării exponenţiale pe date economice a fost pentru a
previziona necesarul de stocuri pentru piese de schimb. Nivelarea exponenţială
a fost pentru prima dată prezentată publicului larg în anul 1959 de către Brown
prima sa carte având ca temă metode de previziune în gestionarea stocurilor.
Independent de Brown nivelarea exponenţială a fost descoperită şi de Charles C.
Holt aproximativ în aceeaşi perioadă, în colaborare cu Biroul de Cercetări
Navale. Metoda lui Holt, deşi asemănătoare în multe privinţe, diferă de metoda
lui Brown în ceea ce priveşte ajustarea sezonieră. Într-un articol de referinţă,
apărut în 1960, Winters a testat pe date reale metoda propusă de Holt, numele
celor doi au devenit astfel asociate în ceea ce este cunoscut sub denumirea de
sistemul de previziune Holt-Winters.
Spre deosebire de metoda mediei aritmetice simple şi a mediei mobile,
care acordă aceeaşi pondere tuturor elementelor ce intră în componenţa seriei de
date statistice, prin nivelarea exponenţială fiecare termen al seriei este
diferenţiat de ceilalţi termeni în funcţie de nivelul de actualitate al informaţiilor
pe care le oferă.
Cu cât ne îndepărtăm mai mult în trecut, nivelarea exponenţială acordă
o pondere tot mai mică informaţiilor pe care le conţine fiecare termen al seriei.
Această pondere descreşte exponenţial pe măsură ce informaţia devine tot mai
perimată.
O altă particularitate a nivelării exponenţiale este dată de posibilitatea
adaptării la condiţiile de trend şi sezonalitate.
În prezent, nivelarea exponenţială este frecvent folosită în previziunea
cererii şi a vânzărilor stând la baza unui număr foarte mare de aplicaţii software
comerciale.

2.6.1. Nivelarea exponenţială simplă


Cunoscută ca metoda lui Brown nivelarea exponenţială simplă constă în
determinarea valorii previzionate a variabilei dependente printr-o ecuaţie

44
recursivă, care ajustează (corectează) previziunea aferentă perioadei precedente
cu eroarea de previziune.
yˆt +1 = yˆ t + α ( yt − yˆ t )
unde:
α - parametrul (coeficient) de nivelare cuprins între 0 şi 1
Mărimea parametrului α se determină prin optimizare astfel încât
erorile de previziune să fie minime.
Efectuând calculele intermediare, relaţia de mai sus poate fi scrisă
astfel:
yˆ t + 1 = α yt + (1 − α ) yˆ t
Formula de mai sus este cel mai frecvent utilizată în previziune.
Conform acestei formule previziunea se determină ca o sumă ponderată a
ultimei valori reale înregistrate şi previziunea aferentă perioadei anterioare.
După o logică similară putem extinde formula anterioară calculând şi
valoarea lui ŷt în funcţie de yt −1 şi yˆt −1 şi aşa mai departe obţinând:
yˆ t +1 = αyt + α (1 − α ) yt −1 + α (1 − α ) 2 yt − 2 + .... + α (1 − α ) t −1 y1t
Se observă că ponderile atribuite fiecărei valori reale a variabilei
dependente, descresc exponenţial pe măsură ce ne îndepărtăm în trecut de
orizontul previziunii deoarece coeficientul pozitiv şi subunitar (1 − α )t scade pe
măsură ce,,t” creşte.
Folosirea nivelării exponenţiale în previziune, impune rezolvarea în
prealabil a două probleme:
1. Iniţializarea procesului de previziune – constă în stabilirea primei
valori previzionate aferente seriei de date statistice pentru care cunoaştem date
reale. În acest scop se folosesc în principal două metode:
a. Folosirea valorii anterioare a variabilei dependente ca previziune
iniţială. Altfel spus, valoarea reală a primului termen a seriei de date statistice
devine previziune pentru cel de-al doilea termen al seriei.
b. Calcularea mediei aritmetice corespunzătoare primilor termeni (4-5)
ai seriei statistice pentru care dispunem de date reale. Media astfel calculată
devine prima valoare previzionată.
Iniţializarea procesului de previziune influenţează toate previziunile
ulterioare. În acelaşi timp intensitatea acestor influenţe se reduce tot mai mult
pe măsură ce ne îndepărtăm în timp de momentul efectuării.
2. Optimizarea previziunii – se face prin alegerea unui parametru de
nivelare „ α ”, astfel încât erorile de previziune să fie minime. Se poate utiliza şi
în acest caz metoda celor mai mici pătrate.
45
Tabelul 2.6.1.
Metode de previziune pentru serii staţionare.
Comparaţie sintetică a principalelor caracteristici
Ponderi egale Ponderi inegale
Previziunea este
Nivelare exponenţială
realizată în funcţie de Medie aritmetică simplă
simplă
toate valorile istorice
Previziunea este realizată
Medie mobilă
doar în funcţie de Medie mobilă
exponenţială
valorile cele mai recente

2.6.2. Metoda liniară


Această metodă poate fi interpretată ca o extensie a nivelării exponenţi-
ale simple a lui Brown, fiind cunoscută sub denumirea de metoda lui Holt. Ea se
foloseşte în previzionarea unor procese a căror evoluţie este evidenţiată de seri-
ile statistice nestaţionare, cu trend liniar crescător sau descrescător.13
Metoda presupune doi parametri de liniarizare ( α şi β ) şi trei ecuaţii:
Componenta de nivel (trendul estimat): Lt = αYt + (1 − α )(Lt −1 + bt −1 )
Sporul de creştere: bt = β ( Lt − Lt −1 ) + (1 − β )bt −1
Valoarea previzionată: Yˆ = L + lb
t +l t t

2.6.3. Metoda Holt-Winters


În vederea evidenţierii în mod direct a sezonalităţii, Winters a extins
metoda lui Holt. Metoda Holt-Winters se bazează pe trei ecuaţii de nivelare: o
ecuaţie pentru nivelarea variabilei dependente, una pentru nivelarea tendinţei şi
una pentru sezonalitate. De asemenea, această metodă se aplică diferit pentru
cele două modele fundamentale: modelul aditiv şi modelul multiplicativ14.
În cazul modelului aditiv aceste ecuaţii sunt de forma:
Componenta de nivel (trendul estimat):
Lt = α (Yt − St − s ) + (1 − α )( Lt −1 + bt −1 )
Sporul de creştere: bt = β ( Lt − Lt −1 ) + (1 − β )bt −1
Componenta sezonieră: St = γ (Yt − Lt ) + (1 − γ ) St − s
Valoarea previzionată: Yˆ = L + lb + S
t +l t t t + l − ( n +1) * s

13
Hanke, J.E. & A.G. Reitsch, (1998), Business Forecasting, Prentice Hall, p.162-165.
14
Hanke, J.E. & A.G. Reitsch, Op.cit.p.165-170

46
unde:
S – componenta sezonieră;
s – durata sezonalităţii (numărul de trimestre dintr-un an,
numărul de luni etc.);
α , β , γ – parametrii de nivelare sezonieră.
În cazul modelului multiplicativ vom avea următoarele relaţii:
Componenta de nivel (trendul estimat):
Yt
Lt = α + (1 − α )( Lt −1 + bt −1 )
St − s
Sporul de creştere: bt = β ( Lt − Lt −1 ) + (1 − β )bt −1
Y
Componenta sezonieră: St = γ t + (1 − γ ) S t − s
Lt
Valoarea previzionată: Yˆ = (L + lb )S
t +l t t t + l − ( n +1) * s

Cele două modele sunt asemănătoare modelului Holt. Prima ecuaţie este
diferită de modelul lui Holt doar prin faptul că primul termen este diminuat cu
sezonalitatea în cazul modelului aditiv, respectiv împărţit la sezonalitate pentru
modelul multiplicativ. În ceea ce priveşte ecuaţia a doua, aceasta este identică
cu cea a modelului lui Holt. Ecuaţia a-treia introduce ca element suplimentar
sezonalitatea, diferenţiată pentru modelul aditiv şi multiplicativ. În ecuaţia a
patra, modelul lui Holt este completat cu sezonalitatea specifică modelului
aditiv şi respectiv multiplicativ.
Ca şi în cazul altor modele de nivelare exponenţială şi în cazul
modelului Holt-Winters se parcurg cele două etape: iniţializarea previziunii şi
optimizarea previziunii.
Toate metodele care sunt potrivite pentru variaţii sezoniere pot fi
utilizate pentru orice tip de fluctuaţii cu periodicitate fixă (de exemplu,
fluctuaţiile specifice perioadei de weekend pentru seriile de date zilnice).

2.7. Metoda lanţurilor Markov


Folosirea metodei lanţurilor Markov în previziunea structurii proceselor
economice, are la bază ipoteza conform căreia evoluţia în timp a procesului
studiat depinde în sens probabilistic de structura sa anterioară iar procesul în
sine are un caracter dinamic15.
În esenţă, un lanţ Markov este definit de vectorul de stare iniţială şi
matricea probabilităţilor de trecere. Vectorul de stare iniţială, corespunde

15
Bazele acestei metode au fost puse de către matematicianul rus A. Markov, fiind interpretată ca
metodă de previziune structurală.

47
structurii procesului studiat în ultima perioadă pentru care se cunosc date reale.
Elementele matricei probabilităţilor de trecere sunt estimate în practică cu
ajutorul frecvenţelor relative a elementelor componente ale procesului studiat,
exprimate prin date empirice. În acest scop se parcurg următoarele etape:
1. Se compară structura pe elemente componente ale procesului
studiat în primele două perioade pentru care cunoaştem date reale,
evidenţiind modificările ce au avut loc la nivelul fiecărui element în
ultima perioadă faţă de perioada anterioară.
2. Fiecare abatere negativă, înregistrată de anumite elemente, se
repartizează tuturor elementelor care au înregistrat abateri pozitive,
proporţional cu ponderea abaterilor pozitive.
3. Într-un tabel cu un număr egal de linii şi coloane, se înscrie pe
diagonala principală valoarea cea mai mică a fiecărui element
rezultată din compararea structurii pe elemente componente în
primele două perioade. La intersecţia liniilor corespunzătoare
elementelor a căror structură a scăzut cu coloanele reprezentând
elementele cu structură crescătoare, fără a marca semnul, se trec
valorile abaterilor negative rezultate în urma calculelor efectuate.
4. Se repetă raţionamentul prezentat în etapele anterioare, de un
număr de ori egal cu „n-1” perioade pentru care dispunem de date
reale. Se compară de fiecare dată structura pe elemente componente
în ultima perioadă cu perioada următoare, obţinând astfel „n-1”
matrici a trecerilor de la o perioadă la alta.
5. Însumând cele „n-1” matrici a trecerilor de la o perioadă la alta, se
obţine matricea „trecerilor totale” corespunzătoare celor „n”
perioade perioade pentru care dispunem de date reale.
6. Se determină elementele matricei probabilităţilor de trecere,
folosind relaţia:
xij
pij =

n
j =1
xij

unde:
pij – probabilitatea modificării structurii elementului „i” în
favoarea sau defavoarea elementului „j”, odată cu trecerea
de la o perioadă la alta;
xij – suma structurii trecerilor totale de la elementul „i” la elemen-
tul „j”, în decursul celor „t” perioade supuse analizei”;
i = j = 1, n , n - numărul elementelor procesului studiat.

48
7. Se previzionează structura pe elemente componente a procesului
studiat, folosind relaţia:
Sˆn + l = ( P T ) l ⋅ S n
unde:
Sˆn + l – structura elementelor procesului studiat în perioada de
previziune „n+ l ”;
T l
( P ) – matricea transpusă a probabilităţilor de trecere, ridicată la
puterea corespunzătoare perioadei de previziune;
Sn – vectorul de stare iniţială;
n – ultima perioadă pentru care dispunem de date reale;
l – perioada pentru care se elaborează previziunea (lungimea
orizontului de previziune).
Metoda lanţurilor Markov şi-a găsit multiple aplicaţii practice în
procesele de structură la nivel micro şi macroeconomic. Deşi utilizarea acestei
metode necesită un volum mare de calcule, ea se pretează la folosirea tehnicii
electronice de calcul.

2.8. Alte metode de previziune bazate pe analiza


seriilor de timp
O abordare alternativă pentru modelele de extrapolare prezentate până
acum, care pornesc de la ipoteza că evoluţia trecută se va menţine şi în viitor,
este previziunea euristică care admite modificări ale evoluţiilor înregistrate în
trecut pe baza unor decizii calitative.
Vom ilustra această abordare folosind metoda sporului mediu. În cazul
previziunii mecanice, pornind de la datele istorice, se calculează un sporul
mediu care apoi este utilizat direct în previziune.
În cazul previziunii euristice, sporul mediu absolut se modifică:
∆Y ⇒ ∆ Y *
unde:
∆Y * - sporul mediu absolut modificat.
Modificarea sporului mediu absolut se face cu ajutorul unui coeficient
„k”, a cărui mărime se stabileşte de specialişti în domeniu în funcţie de mutaţiile
previzibile în evoluţia factorilor de influenţă.
∆ Y* = ∆ Y × k
După cum mărimea coeficientului „k” este subunitară, unitară sau
supraunitară, sporul mediu absolut modificat poate fi mai mic, egal sau mai

49
mare decât sporul mediu absolut iniţial. În concluzie previziunea euristică
permite modificarea unor valori sau parametrii prin decizia subiectivă a unor
specialişti fundamentată pe propriile lor anticipări privind evoluţiile viitoare.
Metoda analogiei reprezintă o altă alternativă demnă de luat în
considerare care constă în analiza evoluţiei unui proces sau fenomen în scopul
stabilirii modului de asemănare cu alte procese sau fenomene a căror evoluţie în
timp se cunoaşte.
Deşi concepută pentru a fi folosită în comparaţiile internaţionale, ca
analogie istorică, această metodă şi-a găsit aplicaţii practice în previziunile
teritoriale precum şi la nivelul agenţilor economici.
Folosirea metode analogiei în calculele previzionale, impune
parcurgerea mai multor etape:
1. Stabilirea tendinţei evoluţiei indicatorilor comparaţi în cele două
unităţi de cercetare. În acest scop se vor forma serii de date
statistice, cuprinzând evoluţia indicatorilor comparaţi în unităţile
respective.
2. Identificarea concordanţei orientării tendinţei. Nu pot fi comparate
unităţi de cercetare a căror indicatori prezintă tendinţe de evoluţie
contrare.În ambele unităţi de cercetare seriile de dată statistice
trebuie să fie monoton crescătoare sau descrescătoare.
3. Stabilirea decalajului pentru unitatea de cercetare mai puţin
avansată, prin rezolvarea ecuaţiei
f1(t) = f2 (t + d)
unde:
f1(t) – funcţia analitică, reprezentând evoluţia procesului studiat
în unitatea de comparaţie;
f2(t+d) –aceeaşi funcţie pentru unitatea comparată;
d – decalajul în timp între nivelul indicatorilor comparaţi în
cele două unităţi de cercetare.
4. Determinarea evoluţiei decalajului între cele două unităţi de
cercetare. Decalajul se determină dând valori variabilei
independente corespunzătoare diferitelor momente din cadrul
intervalului studiat, precum şi a perioadei de previziune.
Modelele ARIMA (k,d,m) reprezintă o clasă mai largă de modele care
pot fi utilizate cu succes într-o varietate de situaţii. Din punctul de vederea al
ipotezei de lucru se încadrează în categoria metodelor de extrapolare pornind de
la ipoteza că evoluţiile înregistrate se vor menţine aproximativ constante.
Aceste modele au fost dezvoltate de George Box şi Gwilym Jenkins în anii
1970 fiind cunoscute şi sub denumirea de Metodologia Box-Jenkins.

50
Autoregresia de ordin k, AR(k) sau ARIMA (k,0,0), este o variantă
redusă, adaptată pentru serii de timp staţionare. Modelul are forma:
yt +1 = a + β1 yt + β 2 yt −1 K + β k yt − k +1 + et , unde 0 < β < 1
Previziunea pentru momentul t + 1:
yˆ t + 1 = a + β 0 y t + β 1 y t −1 K + β p y t − k

unde:
k – reprezintă numărul de valori anterioare înregistrate
cuprinse în model (acelaşi rol ca şi k de la media mobilă).
Pentru k = 1 , se obţine un model de previziune AR (1) :

Yˆt = a + β 0Yt + et
Diferenţa faţă de media mobilă şi nivelarea exponenţială este că nu se
face apriori nici o supoziţie privind coeficienţii (ponderile) β . Coeficienţii nu
sunt consideraţi egali şi nici descrescători în timp, în schimb aceştia sunt
estimaţi pe baza datelor istorice astfel încât eroarea de estimare să fie minimă.
Prin urmare coeficienţii sunt liberi de restricţii. Ceea ce se fixează anterior este
doar numărul de parametrii k sau numărul de valori incluse în previziune.
Ordinul k se fixează pe baza unor teste anterioare dintre care cel mai cunoscut
este bazat pe funcţia de autocorelaţie (corelogramă).
Modelul ARMA (k, m) sau ARIMA (k,0,m) se poate aplica atunci când
există dependenţă nu numai de valorile anterioare ci şi faţă de un număr q de
erori anterior înregistrate.
Modelul extins ARIMA (k,d,m) este un model ARMA (k,m) adaptat
pentru serii de timp non staţionare (cu trend). Dacă o serie prezintă un trend
aproximativ liniar, prin calcularea diferenţelor de ordinul întâi (calcularea
sporurilor) se obţine o serie staţionară. Odată seria de timp staţionarizată se
poate aplica un model ARMA (k,m). Un model care presupune mai întâi
calcularea diferenţelor de ordinul întâi (d=1) şi apoi aplicarea unui model
ARMA (k,m) este un model ARIMA (k,1,m).
Modele ARIMA pot fi adaptate pentru sezonalitate şi trend dând naştere
modelelor SARIMA (k,d,m) (K,D,M)s

Întrebări de autoevaluare
1. Care este principalul dezavantaj al metodelor de extrapolare?
2. Când se recomandă folosirea funcţiilor de tendinţă în previziune?
3. Ce metode pot fi folosite pentru seriile de timp staţionare?
4. În ce situaţie se poate folosi metoda sporului mediu în previziune?
5. Ce înţelegeţi prin intervalul de previziune?
51
6. Pentru ce tip de date metoda Holt-Winters poate fi aplicată cu
prioritate?
7. Ce semnificaţie au elementele matricii probabilităţilor de trecere?
8. În ce situaţie se foloseşte modelul multiplicativ în previziunea
fluctuaţiilor sezoniere?
9. Arătaţi care este semnificaţia parametrului k în cazul funcţiei
logistice?
10. În ce constă metoda extrapolării?
11. Ce exprimă mărimea parametrului b în cazul funcţiei liniare?
12. Cum se stabileşte intervalul de previziune?
13. Când se foloseşte funcţia logistică în previziune?
14. Care sunt elementele caracteristice unui lanţ Markov?
15. În graficul următor sunt reprezentate vânzările zilnice ale unui su-
permarket. Pot fi observate fluctuaţiile specifice perioadei de week-end
(vânzări maxime în zilele de vineri şi sâmbătă). Pentru a previziona
vânzările pe un orizont de o săptămână ce metodă aţi alege?
3500

3000

2500

2000

1500

1000

500

0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 82 85 88 91

52
Aplicaţii
Aplicaţia 2.3.1., 2.3.2.
Metoda mediei aritmetice simple şi a mediei mobile
Pornind de la vânzările zilnice ale unui produs se cere realizarea
previziunii pe un orizont de o zi prin media aritmetică simplă şi medie mobilă.
Practic se doreşte ca la sfârşitul fiecărei zile să se realizeze o previziune pentru
ziua următoare.
Presupunem că nu există fluctuaţii puternice în perioada de weekend şi
prin urmare vânzările sunt aproximativ constante.
În tabelul de mai jos sunt date atât valorile reale cât şi cele previzionate.
Previziuni Previziuni
Vânzari Vânzari
Ziua Medie Medie Ziua Medie Medie
zilnice zilnice
aritmetică mobilă aritmetică mobilă
1-Sep 998.98 27-Sep 999.71 999.43 999.41
2-Sep 1000.39 998.98 28-Sep 999.83 999.44 999.63
3-Sep 998.59 999.68 29-Sep 1001.38 999.46 999.63
4-Sep 999.34 999.32 30-Sep 1000.02 999.52 999.91
5-Sep 999.49 999.32 1-Oct 999.56 999.54 1000.1
6-Sep 997.58 999.36 2-Oct 999.70 999.54 1000.1
7-Sep 998.46 999.06 3-Oct 999.28 999.54 1000
8-Sep 1000.77 998.98 998.98 4-Oct 999.89 999.54 999.92
9-Sep 999.81 999.20 999.23 5-Oct 1000.20 999.55 999.95
10-Sep 999.52 999.27 999.15 6-Oct 1002.02 999.57 1000
11-Sep 997.94 999.29 999.28 7-Oct 1000.30 999.63 1000.1
12-Sep 1000.44 999.17 999.08 8-Oct 999.21 999.65 1000.1
13-Sep 999.16 999.28 999.22 9-Oct 999.43 999.64 1000.1
14-Sep 999.67 999.27 999.44 10-Oct 1000.82 999.63 1000
15-Sep 999.90 999.30 999.61 11-Oct 1000.61 999.66 1000.3
16-Sep 999.23 999.34 999.49 12-Oct 999.10 999.69 1000.4
17-Sep 1000.99 999.33 999.41 13-Oct 1000.20 999.67 1000.2
18-Sep 1001.02 999.43 999.62 14-Oct 1001.65 999.69 999.95
19-Sep 998.07 999.52 1000.1 15-Oct 998.86 999.73 1000.1
20-Sep 998.16 999.44 999.72 16-Oct 999.65 999.71 1000.1
21-Sep 999.83 999.38 999.58 17-Oct 1001.55 999.71 1000.1
22-Sep 999.45 999.40 999.6 18-Oct 998.95 999.75 1000.2
23-Sep 998.70 999.40 999.54 19-Oct 1001.11 999.73 999.99
24-Sep 999.64 999.37 999.46 20-Oct 1000.49 999.76 1000.3
25-Sep 1000.12 999.38 999.27 21-Oct 1000.68 999.77 1000.3
26-Sep 999.96 999.41 999.14 22-Oct 999.79 1000.2

Previziunea prin medie aritmetică presupune că valoarea previzionată


pe ziua următoare este o medie aritmetică a valorilor înregistrate până la acea
dată. Pe graficul de mai jos sunt reprezentate atât valorile reale cât şi cele
previzionate prin media aritmetică simplă.

53
Vânzări zilnice şi previzionate
1004

1002

1000

998
Vanzari zilnice
996 Vanzari previzionate (medie aritmetica)

994
1- 4- 7- 10- 13- 16- 19- 22- 25- 28- 1- 4- 7- 10- 13- 16- 19- 22-
Sep Sep Sep Sep Sep Sep Sep Sep Sep Sep Oct Oct Oct Oct Oct Oct Oct Oct

Se observă că media devine din ce în ce mai stabilă pe măsură ce sunt


cuprinse tot mai multe valori în calcularea ei.
Pentru aceleaşi date se realizează o previziune zilnică pe un orizont de o
zi, de această dată printr-o medie mobilă de lungime 7. Previziunea realizată
zilnic pe ziua următoare se realizează ca o medie aritmetică a valorilor
înregistrate în ultimele 7 zile. Pe grafic sunt reprezentate atât valorile reale cât şi
cele previzionate prin media mobilă.
Vânzări zilnice şi vânzările previzionate
1004

1002

1000

998
Vanzari zilnice
996 Vanzari previzionate (medie mobila - 7)

994
1- 4- 7- 10- 13- 16- 19- 22- 25- 28- 1- 4- 7- 10- 13- 16- 19- 22-
Sep Sep Sep Sep Sep Sep Sep Sep Sep Sep Oct Oct Oct Oct Oct Oct Oct Oct

Se observă capacitatea mai mare de adaptare la fluctuaţiile înregistrate a


mediei mobile faţă de media aritmetică simplă. Acest fapt este explicat prin
faptul că media mobilă ţine cont doar de valorile cele mai recente, în acest caz
doar de ultimele 7 zile.

54
Aplicaţia 2.3.3 – Metoda sporului mediu
O societate comercială înregistrează pe o perioadă de 12 ani o evoluţie a
cifrei de afaceri de formă aproximativ liniară.

Cifra de afaceri înregistrată şi sporul anual de creştere (mil. EUR)


Anul Cifra de afaceri Sporul de creştere
Anul1 9
Anul2 10.4 1.4
Anul3 12 1.6
Anul4 15 3
Anul5 16 1
Anul6 19 3
Anul7 21.5 2.5
Anul8 23 1.5
Anul9 25 2
Anul10 27.6 2.6
Anul11 29 1.4
Anul12 31.4 2.4

Se cere previziunea pe anul 13 pe baza metodei sporului mediu de


creştere. În graficele de mai jos pot fi observate datele iniţiale, previziunea pe
anul 13 precum şi seria sporurilor împreună cu sporul mediu (2,036). Orizontul de
previziune este de un an ( l = 1). Previziunea pentru anul 13 se calculează astfel:
yˆ13 = 31,4 + 2,036 = 33,436 mil. EUR

Previziunea cifrei de afaceri prin metoda sporului mediu


(a)
40
mil. euro
35
Cifra de afaceri
30
Cifra de afaceri previzionată
25

20

15

10

0
1

3
ul

ul

ul

ul

ul

ul

ul

ul

ul

1
ul

ul

ul

ul
An

An

An

An

An

An

An

An

An

An

An

An

An

55
(b)
4
Sporurile de creştere
3.5
Sporul mediu
3

2.5

1.5

1 2,036

0.5

0
l2

l3

l4

l5

l6

l7

l8

l9

3
l1

l1

l1

l1
nu

nu

nu

nu

nu

nu

nu

nu

nu

nu

nu

nu
A

A
Aplicaţia 2.3.4 – Metoda indicelui mediu
O societate comercială înregistrează pe o perioadă de 12 ani o evoluţie a
cifrei de afaceri de formă aproximativ exponenţială.
Anul Cifra de afaceri Indice de creştere
Anul1 3.00
Anul2 4.00 1.33
Anul3 6.27 1.57
Anul4 8.00 1.27
Anul5 10.60 1.33
Anul6 14.00 1.32
Anul7 17.00 1.21
Anul8 25.00 1.47
Anul9 30.29 1.21
Anul10 40.00 1.32
Anul11 55.00 1.38
Anul12 65.00 1.18

În graficele de mai jos pot fi observate datele iniţiale, previziunea


pentru anul 13 precum şi seria indicilor împreună cu indicele mediu (1,32 -
calculat ca medie geometrică). Orizonul de previziune este de un an ( l = 1).
Previziunea pentru anul 13 se face astfel:
yˆ13 = 65 × 1,32 = 85,97 mil. EUR

56
Previziunea cifrei de afaceri prin metoda indicelui mediu
(a)
100
mil.euro
90
80
70 Cifra de afaceri
60
Cifra de afaceri previzionată
50
40
30
20
10
0
1

10

11

12

13
ul

ul

ul

ul

ul

ul

ul

ul

ul

ul

ul

ul

ul
An

An

An

An

An

An

An

An

An

An

An

An

An
(b)
1.80
1.70
Indici de creştere
1.60
Indicele mediu de creştere
1.50
1.40
1.30
1.20
1.10
1.00 1,32
0.90
0.80
2

10

11

12

13
ul

ul

ul

ul

ul

ul

ul

ul

ul

ul

ul

ul
An

An

An

An

An

An

An

An

An

An

An

An

57
Aplicaţia 2.4.1. – Trendul liniar
Numărul de utilizatori de internet în Polonia a cunoscut o evoluţie
aproximativ liniară pe perioada 2002-2007.

Utilizatori internet Polonia


Anul 2002 2003 2004 2005 2006 2007
t 1 2 3 4 5 6
Utilizatori internet
11 14 26 30 36 41
la 100 gospodarii

Sursa: Eurostat
Se cere realizarea previziunii numărului de utilizatori pe un orizont de
trei ani împreună cu intervalele de previziune aferente unor coeficienţi de
încredere de 0,95 şi respectiv 0,99.
Pentru realizarea previziunii a fost aleasă funcţia de tendinţă liniară. Cu
ajutorul metodei celor mai mici pătrate a fost găsită următoarea funcţie :
ŷ t = 4,3 + 6,28t . În graficul de mai jos pot fi observate previziunea punctuală,
i

intervalul de previziune la un coeficient de încredere de 0,95 (q = 0,05) şi


intervalul de previziune la un coeficient de încredere de 0,99 (q=0,01).

Previziunea punctuală şi previziunea în interval


90
(%)
Utilizatori internet la 100 de gospodarii (Polonia)
80
Valori estimate si previzionate
70 Limita inferioara (0.95)
60 Limita superioara (0.95)

50 Limita inferioara (0.99)


Limita superioara (0.99)
40

30

20

10

0
1 2 3 4 5 6 7 8 9

2002 2003 2004 2005 2006 2007 2008 2009 2010

Previziunea pentru anul 2008 se calculează astfel:

58
yˆ 7 = 4,3 + 6,28 × 7

Aplicaţia 2.4.2. – Trendul logistic


Numărul de abonamente pentru telefonia mobilă a cunoscut în Ungaria
o evoluţie pe perioada 1997-2006 care poate fi observată în tabelul de mai jos.
Se doreşte previzionarea numărului de abonamente pe orizontul 2007-2008
şi stabilirea unui interval de previziune cu un coeficient de încredere de 0,95 (95%).
Pentru că evoluţia datelor
Abonamente telefonie mobilă în Ungaria înregistrate are o evoluţie aproxima-
Abonamente tiv logistică se va folosi acest tip
Anul t telefonie mobilă
la 100 locuitori de tendinţă. Cu ajutorul celor mai
1995 1 3 mici pătrate a fost estimată o
1996 2 5 funcţie logistică de forma:
1997 3 7
1998 4 10
1999 5 16 99,48
2000 6 30 yˆ t =
2001 7 49 (1 + 149,95e −0, 70t )
2002 8 68
2003 9 78 Previziunea punctuală şi
2004 10 86 intervalul de previziune aferent pot
2005 11 92
2006 12 99 fi observate în graficul de mai jos.
Sursa: Eurostat

120
(%)
Abonamente telefonie mobilă la
100 100 locuitori (Ungaria)
Valori estimate

80 Limita inferioara

Limita superioara
60

40

20

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008

59
Aplicaţia 2.4.3 – Trendul exponenţial şi trendul logistic
Numărul de abonamente pentru telefonia mobilă a cunoscut în România
o evoluţie aproximativ exponenţială pe perioada 1997-2006.
Abonamente telefonie mobilă în România
Anul 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006
t 1 2 3 4 5 6 7 8 9 10
Abonamente
telefonie mobila 1 3 5 9 21 23 32 47 62 81
la 100 locuitori

Sursa: Eurostat
Se doreşte previzionarea numărului de abonamente pe orizontul 2007-
2008. Se cere utilizarea atât a trendului exponenţial cât şi a trendului logistic
precum şi compararea rezultatelor.
Cu ajutorul unei funcţii exponenţiale se realizează previziunea
numărului de utilizatori pe un orizont de trei ani. Prin metoda celor mai mici
pătrate a fost găsită următoarea funcţie exponenţială: ŷ t = 3,31 × 1,38 t . În
i

graficul de mai jos pot fi observate previziunea punctuală şi intervalul de


previziune cu un coeficient de încredere de 0,95 (q = 0,05).
Previziunea punctuală şi intervalul de previziune

Sursa: Eurostat

60
Se observă că (graficul aplicaţiei 2.4.3) prima parte a unei evoluţii
logistice este de tip exponenţial. Prin urmare este întemeiată decizia de a alege o
funcţie logistică atunci cânt sunt înregistrate evoluţii exponenţiale. Acest
fenomen poate fi explicat economic datorită creşterii foarte puternice în faza de
introducere a unor produse sau servicii noi pe piaţă care ajung apoi la maturitate
tinzând către un prag de saturaţie. Pornind de la datele istorice a fost estimată o
funcţie logistică de forma:
168,8
yˆ t =
(1 + 87,07e − 0, 44 t )
unde parametrul k = 169 estimează pragul de saturaţie.

Sursa: Eurostat
Concluzia care se poate trage este că ipoteza continuării în viitor, la
nesfârşit, a unei evoluţii exponenţiale este deosebit de riscantă. De asemenea
trebuie precizat faptul că utilizarea unei funcţii logistice sau a oricărei alt tip de
funcţii nu reprezintă garanţia unei previziuni reuşite însă poate reprezenta o
alternativă mai prudentă. Riscurile utilizării funcţiilor de tendinţă şi în special a
funcţiilor exponenţiale sunt exemplificate în studiul de caz 2.4.

61
Aplicaţia 2.5. – Metode de descompunere sezonieră
Pentru o companie de export se cunosc veniturile trimestriale pe
perioada 2002-2007. Se doreşte previzionarea veniturilor din export care se vor
realiza în cele patru trimestre ale anului 2008. Veniturile trimestriale din
activitatea de export reprezintă seria iniţială de la care porneşte procesul de
descompunere şi previziune şi pot fi observate în tabelul de mai jos.
Perioada Venituri din export Variabila timp (t)
Trim. 1 362 1
Trim. 2 386 2
2002
Trim. 3 432 3
Trim. 4 341 4
Trim. 1 382 5
Trim. 2 409 6
2003
Trim. 3 498 7
Trim. 4 387 8
Trim. 1 473 9
Trim. 2 513 10
2004
Trim. 3 582 11
Trim. 4 474 12
Trim. 1 544 13
Trim. 2 582 14
2005
Trim. 3 681 15
Trim. 4 557 16
Trim. 1 628 17
Trim. 2 707 18
2006
Trim. 3 773 19
Trim. 4 592 20
Trim. 1 627 21
Trim. 2 725 22
2007
Trim. 3 854 23
Trim. 4 661 24

Datorită faptului că fluctuaţia sezonieră se amplifică odată cu tendinţa


general crescătoare se alege modelul multiplicativ.
Într-o primă fază seria iniţială este nivelată cu ajutorul unei medii
mobile de lungime 4 care apoi este centrată cu ajutorul unei medii mobile de
lungime 2.

62
Veniturile înregistrate (seria iniţială) şi media mobilă centrată
900
800
700
600
500
400
300 Seria iniţială
200 Media mobilă centrată
100
0
Trim. 1
Trim. 2
Trim. 3
Trim. 4
Trim. 1
Trim. 2
Trim. 3
Trim. 4
Trim. 1
Trim. 2
Trim. 3
Trim. 4
Trim. 1
Trim. 2
Trim. 3
Trim. 4
Trim. 1
Trim. 2
Trim. 3
Trim. 4
Trim. 1
Trim. 2
Trim. 3
Trim. 4
2002 2003 2004 2005 2006 2007

Se observă că fluctuaţiile sezoniere sunt aplatizate obţinând o estimare


preliminară a trendului. Prin natura sa media mobilă implică pierderea unor
valori la extremităţile seriei de timp. Trebuie să se facă distincţia clară dintre o
medie mobilă utilizată direct în previziune (figura b) şi o medie mobilă utilizată
doar pentru nivelare (figura a):
Medie mobilă
(a) (b)
Perioada Perioada
Trim. 1 Trim. 1
Trim. 2 Trim. 2
2002 2002
Trim. 3 Mm (4) Mm (2) Trim. 3
Trim. 4 Mm (4) Trim. 4
Trim. 1 Trim. 1 Mm (4)
Trim. 2 Trim. 2
2003 2003
Trim. 3 Trim. 3
Trim. 4 Trim. 4

Din figura (a) se observă pierderea primele 2 valori din seria iniţială.
Totodată se observă faptul că media mobilă de lungime 2, aplicată mediei
mobile de lungime 4, se află în centrul valorilor aferente primelor 5 trimestre
incluse în calcularea ei - de unde denumirea de medie mobilă centrată.

63
Coeficienţii de sezonalitate şi mediile acestora (componenta sezonieră)
1.2
1.1
1
0.9
0.8 Coeficienti de sezonalitate
0.7 Componenta sezonieră
0.6
0.5
0.4
Trim. 1
Trim. 2
Trim. 3
Trim. 4
Trim. 1
Trim. 2
Trim. 3
Trim. 4
Trim. 1
Trim. 2
Trim. 3
Trim. 4
Trim. 1
Trim. 2
Trim. 3
Trim. 4
Trim. 1
Trim. 2
Trim. 3
Trim. 4
Trim. 1
Trim. 2
Trim. 3
Trim. 4
2002 2003 2004 2005 2006 2007

Coeficienţii de sezonalitate variază în jurul valorii 1, trimestrele de vârf


având coeficienţi supraunitari.
Împărţind seria iniţială la coeficienţii de sezonalitate medii se obţine
seria de timp desezonalizată. Trendul final se obţine cu ajutorul unei funcţii de
tendinţă liniară pornind de seria de timp desezonalizată.

Seria desezonalizată şi trendul


800

700

600

500
y = 324.56+18,06t

400
Seria desezonalizată
Trend
300 Linear (Trend)
200
Trim. 1
Trim. 2
Trim. 3
Trim. 4
Trim. 1
Trim. 2
Trim. 3
Trim. 4
Trim. 1
Trim. 2
Trim. 3
Trim. 4
Trim. 1
Trim. 2
Trim. 3
Trim. 4
Trim. 1
Trim. 2
Trim. 3
Trim. 4
Trim. 1
Trim. 2
Trim. 3
Trim. 4

2002 2003 2004 2005 2006 2007

Previziunea finală se obţine prin extrapolarea trendului liniar şi prin


înmulţirea valorilor astfel obţinute cu coeficienţii de sezonalitate medii.

64
Veniturile înregistrate istoric şi previziunile realizate pentru 2008
1000.0
900.0
800.0 Seria iniţială
700.0 Previziuni
600.0
500.0
400.0
300.0

200.0
100.0
0.0
Trim. 1
Trim. 2
Trim. 3
Trim. 4
Trim. 1
Trim. 2
Trim. 3
Trim. 4
Trim. 1
Trim. 2
Trim. 3
Trim. 4
Trim. 1
Trim. 2
Trim. 3
Trim. 4
Trim. 1
Trim. 2
Trim. 3
Trim. 4
Trim. 1
Trim. 2
Trim. 3
Trim. 4
Trim. 1
Trim. 2
Trim. 3
Trim. 4
2002 2003 2004 2005 2006 2007 2008

Aplicaţia 2.6.2. – Nivelarea exponenţială simplă


Pentru vânzările zilnice ale unui produs se realizează previziunea pe un
orizont de o zi prin nivelare exponenţială simplă (se porneşte de la aceleaşi date
observate ca şi la aplicaţia 2.3.). Presupunem că nu există fluctuaţii puternice în
perioada de weekend şi prin urmare vânzările sunt aproximativ constante.
Practic la sfârşitul fiecărei zile se realizează o previziune pe ziua următoare. Pe
graficele de mai jos sunt reprezentate atât valorile reale cât şi cele previzionate.
Pentru a observa efectul parametrului de nivelare alfa au fost utilizate două
valori ale acestuia.
Previziunea zilnică a vânzărilor

(a)

1004

1002

1000

998
Vanzari zilnice
996
Vanzari previzionate (nivelare exponentiala)
994
1- 4- 7- 10- 13- 16- 19- 22- 25- 28- 1- 4- 7- 10- 13- 16- 19- 22-
Sep Sep Sep Sep Sep Sep Sep Sep Sep Sep Oct Oct Oct Oct Oct Oct Oct Oct

65
(b)

1004

1002

1000

998
Vanzari zilnice
996 Vanzari previzionate (nivelare exponentiala)

994
1- 4- 7- 10- 13- 16- 19- 22- 25- 28- 1- 4- 7- 10- 13- 16- 19- 22-
Sep Sep Sep Sep Sep Sep Sep Sep Sep Sep Oct Oct Oct Oct Oct Oct Oct Oct

Se observă că pentru un parametru alfa mai mic previziunile sunt mai


aplatizate şi mai apropiate de media aritmetică a seriei. Cu cât parametrul alfa
este mai mare cu atât valorile previzionate pe ziua următoare sunt mai apropiate
de vânzările înregistrate în ultima zi.

Aplicaţia 2.6.1 – Nivelarea exponenţială Holt


Pe perioada 1996-2006 se cunoaşte costul mediu cu forţa de muncă. Se do-
reşte previzionarea acestuia pe anul 2007 prin metoda Holt de nivelare exponenţială.
Valorile iniţiale, valorile intermediare şi previziunile finale pot fi
observate în tabelul de mai jos.
Costul
mediu
lunar cu Suma
Anul Previziuni Lt bt Erori
forţa de pătratelor
muncă
(RO)
1996 157.8 9537.33
1997 155.1 155.10 -2.70
1998 192 152.40 183.87 16.91 39.60
1999 179.2 200.78 183.63 6.23 -21.58
2000 218.1 189.86 212.30 20.21 28.24
2001 222.3 232.51 224.40 15.16 -10.21
2002 250.4 239.55 248.17 20.53 10.85
2003 245.6 268.70 250.34 9.09 -23.10
2004 271.8 259.43 269.26 15.21 12.37
2005 358.2 284.47 343.06 51.73 73.73
2006 413.8 394.79 409.89 61.15 19.01
2007 471.04

66
În vederea determinării parametrilor optimi se realizează previziunile
aferente perioadei istorice. Se utilizează metoda celor mai mici pătrate care
presupune următoarele: calcularea erorilor de previziune aferente perioadei
istorice, calcularea sumei pătratelor erorilor şi, în final, determinarea
parametrilor α şi β astfel încât suma pătratelor erorilor să fie minimă.
Valorile reale, previziunile realizate şi parametrii optimi pot fi observaţi
în graficul de mai jos.
Previziune prin metoda de nivelare Holt
500

450

400 Costul mediu lunar cu


forţa de muncă (RO)
350 Previziuni

300

250

200
Parametrii de
150 nivelare
α= 0.795
100 β= 0.623
50

0
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007

Aplicaţia 2.6.3 – Nivelarea exponenţială Holt-Winters


Pe perioada ianuarie 2003 – decembrie 2007 sunt înregistrate
exporturile lunare de mobilă ale României. Se cere previziunea exportului pe
lunile anului 2008 prin nivelarea exponenţială modelul Holt-Winters.
Pentru-că fluctuaţia sezonieră se amplifică odată cu tendinţa general
crescătoare a fost ales modelul multiplicativ.
O parte din datele reale împreună cu valorile previzionate şi cu
formulele Excel utilizate pot fi văzute în imaginea următoare.

67
Previziune Holt-Winters

Reprezentarea grafică a întregii serii de valori istorice împreună cu


valorile previzionate sunt reprezentate în graficul următor.
250
mil. EUR
Exporturi
200
α = 0 .3 0 2 1 1 Valori previzionate
150 β = 0 .0 0 1 6 6
100 γ = 0 .8 4 9 5 1

50

0
Jan-03

Jul-03

Jan-04

Jul-04

Jan-05

Jul-05

Jan-06

Jul-06

Jan-07

Jul-07

Jan-08

Jul-08
Apr-03

Oct-03

Apr-04

Oct-04

Apr-05

Oct-05

Apr-06

Oct-06

Apr-07

Oct-07

Apr-08

Oct-08

Aşa cum se poate observa a fost realizată previziunea şi pe perioada


istorică de înregistrare a datelor în vederea găsirii parametrilor optimi. Pentru
optimizarea parametrilor a fost utilizată metoda celor mai mici pătrate.
Merită de asemenea observat caracterul sezonier al datelor adică nivelul
minim de vânzări la export aferent lunii august.

68
Aplicaţia 2.7. – Metoda lanţurilor Markov
Pentru cinci companii sunt înregistrate cotele de piaţă pe o perioadă de
şase ani aşa cum se poate observa în tabelul de mai jos. Se doreşte previzionarea
structurii pieţei pentru anul 2009.
Cote de piaţă16
Cote de
2003 2004 2005 2006 2007 2008
piata (%)
A 51.00 50.20 49.40 49.40 48.60 49.10
B 47.50 45.80 45.20 43.30 43.65 41.20
C 0.00 0.40 1.40 1.40 1.70 2.88
D 1.50 1.40 0.90 0.00 0.00 0.00
E 0.00 2.20 3.10 5.90 6.00 6.80
Total 100.0 100.0 100.0 100.0 100.0 100.0

Pe baza algoritmului prezentat anterior se calculează matricea


probabilităţilor de trecere.
Elementele pij ale matricii probabilităţilor de trecere
A B C D E TOTAL
A 0.9815 0.0080 0.0006 0.0000 0.0099 1.00
B 0.0038 0.9676 0.0050 0.0000 0.0236 1.00
C 0.0000 0.0000 1.0000 0.0000 0.0000 1.00
D 0.0408 0.0000 0.0449 0.6053 0.3090 1.00
E 0.1274 0.2638 0.0166 0.0000 0.5922 1.00

În acest caz, elementele matricii probabilităţilor de trecere pot avea inter-


pretarea de probabilitate ca o companie să piardă clienţi în favoarea altei
companii. De exemplu probabilitatea ca A să cedeze clienţi în favoarea compa-
niei B este de 0,008 (sau 0,8%), deci foarte mică. În schimb probabilitatea ca A
să-şi păstreze cota de piaţă este de 0,9815 (sau 98,15%).
Previziunea pentru anul 2009 este făcută conform formulei din etapa 7
pentru un orizont de un an ( l =1).
Sˆ2009 = ( P T )1 ⋅ S 2008

16
Calculate ca raport dintre numărul de utilizatori ai unei companii în total număr de utilizatori.

69
Studii de caz
Studiul de caz 2.4. – Funcţii de tendinţă în cazul IBM
Fondată în 1896, iniţial sub numele de Tabulating Machine Company,
cotată la bursa din New York încă din 1916, având trei laureaţi ai premiului
Nobel printre angajaţii săi şi un număr impresionant de brevete şi invenţii, IBM
(International Business Machines) a cunoscut fără îndoială o evoluţie spectacu-
loasă. Supravieţuind cu succes războaielor mondiale şi marii recesiuni din anii
’30 compania a cunoscut creşteri exponenţiale până la începutul anilor ’80
devenind liderul absolut pe piaţa tehnologiei informaţiei.
În anul 1984, preşedintele IBM, John Opel, a previzionat că vânzările
companiei, care se situau la nivelul de 46 mld.$, se vor dubla până în anul 1990,
ajungând la un nivel estimat de 100 mld. $. Profiturile situate în acel moment la
un nivel de 5 mld.$, s-a considerat de asemenea că îşi vor continua creşterea
exponenţială înregistrată istoric. Bazându-se pe aceste previziuni pe termen
lung, IMB a suplimentat personalul angajat pentru a face faţă cu succes cererii
în creştere şi pentru a avea în continuare capacitatea de a oferii servicii de cali-
tate acestea reprezentând principalul avantajul competitiv al companiei. Numă-
rul de angajaţi a fost suplimentat cu peste 50.000 atingând un nivel de 405.535
angajaţi în 1985. Perioada care a urmat a demonstrat că previziunile au fost
departe de evoluţia reală. În anul 1990 veniturile din vânzări abia au ajuns la
nivelul de 69 mld. $. Până în anul 1996 vânzările au atins nivelul de 72 mld.$
adică cu 28 mld. $ mai puţin decât valoarea previzionată pentru 1990 iar numă-
rul personalului a fost redus la jumătate. Anii 1991, 1992 şi 1993 au fost ani cu
pierderi care au totalizat peste 13 mld.$.
Managementul companiei IBM a pornit de la ipoteza că mediul econo-
mic şi deci evoluţiile principalilor indicatori vor rămâne neschimbate adică vor
creşte exponenţial în continuare. Nu a fost însă aşa. Până în anii 1980 IBM era o
companie integrată vertical care producea toate elementele componente unui
sistem informatic: procesoare, sisteme de operare, periferice, baze de date etc.
IBM PC, datorită renumelui companiei, calităţii produsului şi specificaţiilor
tehnice foarte detaliate a cunoscut un real succes şi totodată a devenit un stan-
dard în domeniu. Pentru a răspunde mai rapid cererii de calculatoare personale
aflate în creştere, IBM a decis externalizarea producţiei de sisteme de operare şi
microprocesoare către Microsoft şi respectiv, Intel. IBM a cedat astfel o parte
importantă a puterii sale monopolistice contribuind practic la crearea unei pieţe
de sute de miliarde de dolari în afara companiei sale. Concurenţa a devenit tot
mai acerbă din parte companiilor mai mici dar mai puternic specializate: HP
specializată în producţia de imprimante, Oracle specializată în baze de date,

70
Novell în reţele de calculatore, Seagate în hard disk-uri şi nu în ultimul rând
Intel şi Microsoft deja amintite.
În anul 1989 a urmat lansarea pachetului de programe Microsoft Office,
care a cunoscut un mare succes şi a contribuit esenţial la notorietatea companiei
Microsoft. Exemple ale dezvoltării unor produse concurente pentru IMB în perioada
respectivă sunt nenumărate. Compania Dell, spre exemplu, a lansat primul său mo-
del, Turbo PC, în 1985.
Veniturile uriaşe ale IBM înregistrate până la începutul anilor ‘80 au prove-
nit în cea mai mare parte din vânzarea calculatoarelor de tip mainframe cu capaci-
tate mare de procesare a datelor destinate exclusiv întreprinderilor şi instituţiilor.
Dezvoltarea PC-urilor sau a microcalculatorelor a dus la crearea unei noi pieţe şi
totodată la diminuarea vânzărilor calculatoarelor de tip mainframe. IBM nu a reuşit
pe deplin să prevadă noile modificări pe piaţa IT, a pornit de la ipoteze false con-
form cărora mediul competitiv va rămâne stabil, compania îşi va păstra poziţia de
leader, iar evoluţiile istorice se vor păstra şi în continuare.
Vânzările previzionate şi vânzările realizate ale IBM

În prezent compania IBM se află pe locul 46 în topul celor mai mari


companii în funcţie de veniturile realizate înregistrând un nivel al veniturilor de
98 mld.$ (încă sub pragul de 100 mld. previzionat pentru 1990), un profit de
10,4 mld.$ şi oferind locuri de muncă pentru 386.000 de angajaţi în anul 2007.
Concluzia care se degajă din acest studiu este că extrapolarea unor tendinţe
istorice se poate realiza doar dacă este însoţită de o analiză de natură calitativă
în ceea ce priveşte intensitatea competiţiei, preferinţele consumatorilor şi starea
economică de ansamblu, analiză menită să aducă a garanţie în plus asupra
ipotezei de stabilitate a mediului de afaceri.

71
CAPITOLUL 3
METODE ECONOMETRICE

Metodele econometrice presupun estimarea cantitativă a


relaţiilor de cauzalitate între variabile economice bazându-se în
mare măsură pe teoria probabilităţilor şi inferenţa statistică.
Odată ce această relaţie este estimată se poate realiza previziunea
unei variabile, numită variabilă dependentă, în funcţie de variabi-
lele care o determină, numite variabile independente (factori de
influenţă).

3.1. Regresia liniară


Metodele premergătoare econometriei moderne au o istorie
impresionantă fiind consemnate începând cu sec. al 17-lea. William Petty,
Gregory King şi Charles Davenant, se pare că au fost printre primii economişti
care au folosit analiza datelor înregistrate statistic pentru a stabili diferite relaţii
între variabilele economice. De exemplu Gregory King (1648-1712) este cel
care a stabilit o relaţie liniară care estimează cu cât trebuie să scadă cantitatea
oferită de cereale pentru a determina o creştere a preţului acestora. Pentru prima
dată în istorie se pare că termenul de econometrie a fost folosit de către Pawel
Ciompa în 1910 dar cel căruia i se atribuie introducerea noţiunii de
econometrie, ca subiect de cercetare ştiinţifică în sensul folosit astăzi, este
considerat Ragnar Frisch17. Pentru prima dată un model econometric a fost
utilizat în prognoză de către Charles Sarle în anul 1925 pentru a previziona
preţul unor produse agroalimentare. Eseul său în care a fost descrisă utilizarea
unei singure ecuaţii cu mai multe variabile cu decalaj temporal (vezi regresia
dinamică) a fost publicat în revista American Economic Review şi premiat18. De
atunci şi până în prezent aceste metode au cunoscut o vastă expansiune. Un rol

17
Ragnar Frisch (1895-1973) şi Jan Tinbergen au fost desemnaţi câştigători ai premiului Nobel
pentru Economie în 1969.
18
Premiul Babson (650$)

73
crucial în dezvoltarea econometriei l-au avut în perioada anilor 1930 şi 1940
înfiinţarea Societăţii Econometrice şi Comisiei Cowles în SUA şi a
Departamentului de Economie Aplicată în Cambridge, Anglia. Tjalling
Koopmans (1937) şi Tygve Haavelmo (1944), cercetători în cadrul comisiei
Cowles, au pus bazele econometriei moderne prin aplicarea teoriei
probabilităţilor în dezvoltarea metodei regresiei.
Regresia este o metodă cu o istorie considerabilă fiind introdusă, în
primele ei forme, încă din 1877 de către Francis Galton. Deşi Francis Galton nu
a aplicat metoda regresiei în economie aceasta a fost preluată foarte repede de
către cercetătorii economişti. George Udny Yule (1895) şi Reginald Hawthorn
Hooker (1901) au fost printre primii economişti care au utilizat corelaţia în
analiza relaţiilor dintre variabile economice.
Această metodă acceptă existenţa unei legături de formă liniară între
variabila dependentă şi variabila sau variabilele independente, în funcţie de caz.
În raport de numărul variabilelor independente pe care le conţine, regresia
liniară poate fi simplă sau multiplă.

3.1.1. Regresia liniară simplă


Expresia analitică a regresiei liniare simple este dată de ecuaţia dreptei:
ŷ t = a + bx t
unde:
ŷt – valoare estimată pentru variabila dependentă (variabila ca-
re se doreşte a se previziona);
xt – variabila independentă (factor de influenţă sau factor deter-
minant);
a, b – parametrii;
t – variabila timp, t = 1, n .
Conform ecuaţiei de mai sus variabila dependentă poate fi estimată în
funcţie de o valoare cunoscută a variabilei independente. Între valoarea reală şi
cea estimată a variabilei dependente există o abatere, prin urmare:
y t = yˆ t + et sau y t = a + bx t + et
unde:
yt – variabila dependentă;
et – eroare de estimare (variabilă aleatoare normal distribuită
de medie 0 şi varianţă constantă);
a – arată un nivel de bază sau de pornire al variabilei
dependente care nu depinde de variabila independentă. De

74
exemplu dacă variabila dependentă reprezintă volumul
vânzărilor iar variabila independentă reprezintă cheltuielile;
de publicitate atunci “a” arată care este volumul vânzărilor
dacă publicitatea este inexistentă.
b – în acest caz parametrul ,,b” are semnificaţia de spor
marginal (modificarea variabilei dependente y la
modificarea cu o unitate a variabilei independente x). Sem-
nul parametrului arată sensul legăturii: directă (o creştere a
variabilei independente duce la o creştere a variabilei
dependente) dacă semnul este pozitiv şi inversă (o creştere
a variabilei independente duce la o scădere a variabilei
dependente) dacă semnul este negativ. Parametrul,,b” mai
poartă denumirea de coeficient de regresie.
Graficul dreptei de regresie în funcţie de semnul parametrului b

Utilizarea funcţiei de regresie simplă în previziune presupune


parcurgerea unor etape similare funcţiei de tendinţă liniare: alegerea formei
funcţiei, determinarea parametrilor, validarea funcţiei prin teste statistice şi
previziunea propriu-zisă. Pentru determinarea parametrilor se utilizează, în mod
similar, metoda celor mai mici pătrate.
Dacă perioada curentă este n (t = n) previziunea pentru perioada n+ l va fi:
yˆ n + l = a + bxn + l
Intervalul de previziune:
Limita inferioară: yˆ ni + l = yˆ n + l − ∆y
Limita superioară: yˆ ns + l = yˆ n + l + ∆y
unde:

∑ (y
n
− yˆt )
2
s t =1 t 1 (xˆ − x )2
∆y = t q/2 1+ + nn +l
n−2 n ∑ (xt − x )2
t =1

75
∆y – abaterea admisă faţă de nivelul previzionat al variabilei
dependente.
tαs / 2 – valoarea statisticii t cu distribuţie Student aferentă unui
nivel de semnificaţie α /2;
n – numărul de observaţii istorice;
x – variabila independentă medie aferentă perioadei istorice;
x n +l – valoarea variabilei independente aferentă orizontului de
previziune;
l – perioadă aferentă orizontului de previziune;
q – nivel de semnificaţie (riscul, probabilitatea ca valoarea
reală să fie în afara intervalului de previziune);
q =1− P
P – coeficientul de încredere (probabilitatea cu care garantăm
ca valoarea reală să se afle în intervalul de previziune). Cu
cât valoarea P este mai mare cu atât intervalul de
previziune este mai larg. Valorile cele mai utilizate sunt:
0,90; 0,95; 0,99.
În cazul în care valoarea variabilei independente x n+l aferentă orizontu-
lui de previziune nu este cunoscută şi trebuie la rândul ei estimată se foloseşte
notaţia xˆ n+l . Faptul că de cele mai multe ori variabilele independente nu sunt
cunoscute cu siguranţă este unul dintre cele mai mari neajunsuri ale metodei
regresiei deoarece erorile care apar în previzionarea variabilelor independente
amplifică eroarea de estimare et . Ideal este ca variabilele independente să fie
valori care pot fi controlate cum sunt de exemplu cheltuielile de publicitate.

3.1.2. Regresia liniară multiplă


A fost utilizată pentru prima dată în economie de către statisticianul
italian Rodolfo Benini (1862-1956) în anul 1901. Stabileşte sub formă liniară
legătura între variabila dependentă şi mai multe variabile independente. Ecuaţia
regresiei liniare multiple este practic o extensie o regresiei liniare simple şi prin
urmare împrumută multe dintre proprietăţile acesteia:
yˆ t = a + b1 x1 t + b2 x2 t + .. + bk xkt

unde:
bk – parametrii;
xk – variabile independente;
t – variabila timp, t = 1, n .

76
La fel ca şi în cazul regresiei liniare simple valorile reale observate vor
cunoaşte o abatere de la valorile teoretice astfel:
yt = yˆ t + et
unde:
et – eroare de estimare reprezentată de o variabilă aleatore
normal distribuită de medie 0 şi varianţă constantă
Parametri regresiei liniare multiple au aceeaşi semnificaţie ca şi în cazul
regresiei liniare simple şi anume aceea de sporuri marginale.
Folosirea regresiei liniare multiple în previziunile economice, comportă
parcurgerea celor două etape specifice seriilor statistice: analiza seriei de date
statistice şi previziunea propriu-zisă. Aceste etape au fost prezentate în extenso
în cadrul funcţiilor de tendinţă.
În condiţiile sporirii costului factorilor de producţie, cunoaşterea
aportului fiecărui factor permite canalizarea eforturilor spre factorii cu o
contribuţie mai mare la obţinerea rezultatelor finale. În folosirea regresiei liniare
multiple in previziune economice se calculează coeficienţii de determinare
parţială. Mărimea acestor coeficienţi pune în evidenţă aportul fiecărei variabile
independente la modificarea variabilei dependente.
În cazul verificării globale a posibilităţii de folosire a regresiei liniare
multiple în previziune, se calculează astfel atât coeficientul de determinare
totală cât şi coeficienţii de determinare parţială.
În acea de a doua etapă, previziunea propriu-zisă, în funcţie de nivelul
estimat al variabilelor independente, corespunzătoare fiecărei perioade din ca-
drul orizontului de previziune, se previzionează evoluţia variabilei dependente
folosind regresia liniară multiplă. Dacă n este ultima perioadă pentru care avem
date reale atunci previziunea pentru un orizont de lungime l va fi:
yˆ n + l = a + b1 x1 n + l + b 2 x 2 , n + l + .. + b k x k , n + l

Intervalul de previziune se determină cu relaţiile:


Limita inferioară: yˆ ni +l = yˆ n+l − ∆y
Limita superioară: yˆ ns+l = yˆ n+l + ∆y
unde:
∆y – abaterea admisă faţă de nivelul previzionat al variabilei
dependente.
Abaterea admisă faţă de nivelul previzionat al variabilei dependente se
stabileşte astfel:

77
∑ (y
n 2
− yˆ t )
1 + C (X ' X ) C '
s t −1
∆y = t q/2
t =1

n − (k + 1)
unde:
C – un vector care conţine valorile variabilelor explicative aferente
[ ]
orizontului de previziune 1, xˆ1, n + l , xˆ 2 , n + l , ..., xˆ k , n + l ;
X – o matrice de ordin (T × (k + 1)) , care are pe prima coloană
elemente de valoare 1, iar celelalte coloane sunt vectori
formaţi din valorile istorice ale variabilelor explicative.
Fiecare coloană reprezintă o variabilă independentă iar
fiecare linie o perioadă de timp istorică;
k – numărul variabilelor independente.
 1 x1,1 ... x k ,1 
1 x ... x k , 2 
X =
1, 2

... 
 
 1 x1,T ... x k ,T 

3.2. Regresia dinamică


Regresia dinamică estimează influenţa variabilei independente care
provine atât din perioada curentă cât şi din perioade anterioare:
yt = a + b0 xt + b1 xt −1 + .. + bk xt − k + et
care se mai poate scrie:
yt = a + ν ( B) xt + et
unde
ν (b) = bo + b1B1 + .. + bk B k
De exemplu: Vânzările pentru un anumit produs sunt influenţate atât de
publicitatea din perioada respectivă cât şi de publicitatea realizată în perioade
anterioare care poate să rămână în memoria consumatorilor o perioadă mai
lungă de timp.

3.3. Regresia nonliniară


Acceptă ipoteza existenţei, în general, a unor relaţii de produs şi putere
între variabila sau variabilele independente,în funcţie de caz, şi variabila
dependentă. În cazul regresiei simple vom avea:

78
yˆt = ab x - pentru regresia simplă exponenţială;
t

b
yˆ t = axt - pentru regresia simplă de putere.

Pentru regresia multiplă relaţiile corespunzătoare sunt de forma:


yˆ t = ax 1bt x 2b t ... x ktb - pentru regresia multiplă de putere.
1 2 k

Pentru estimarea parametrilor regresiei nonliniare de cele mai multe ori


se aplică o procedură de liniarizare. Liniarizarea se face prin logaritmare. Odată
obţinută forma liniară se poate aplica metoda celor mai mici pătrate, la fel ca şi
în cazul regresiei liniare.
Din cadrul regresiei nonliniare, multiple aplicaţii în previziunile
economice şi-au găsit funcţiile de producţie. În esenţă, funcţiile de producţie
sunt relaţii matematice ce stabilesc legătura dintre rezultatele unei activităţi de
producţie şi factorii ce concură la obţinerea sa.
Cea mai generală funcţie de producţie, este funcţia Cobb-Douglas19.
Această funcţie de producţie, ia în considerare cei doi factori principali
desfăşurării oricărui proces de producţie: capitalul fix şi forţa de muncă.
Expresia analitică a funcţiei, este de forma20:
Q = AKα ⋅ M β
unde:
Q – rezultatul activităţii de producţie;
A – coeficient de dimensiune;
K – capitalul fix;
M – forţa de muncă;
α, β – coeficienţi de elasticitate.
Coeficienţii de elasticitate arată cu cât se va modifica rezultatul
activităţii de producţie, în condiţiile modificării cu o unitate a factorului de
producţie respectiv.
În raport de mărimea coeficienţilor de elasticitate α şi β, funcţiile de
producţie se împart în două grupe:
• funcţii omogene:
α+β=1

19
Bazele funcţiilor de producţie au fost puse de către economiştii americani C. W. Cobb şi P.H.
Douglas, în lucrarea „A Theory of Production” publicată în American Economic Review nr. 2,
New York, 1928
20
Se mai folosesc şi alte funcţii: CES (Constant Elasticity of Substitution), VES (Variabile
Elasticity of Substitution), ALEN, ACMS, SATO etc. simbolizând numele sau iniţialele numelui
autorilor: R.G.D. Allen, respectiv K.I. Arrow, H.B. Chenery, B.S. Minhas, R. M. Solow.

79
Rezultatul activităţii de producţie este dat în exclusivitate de acţiunea
celor doi factori: capitalul fix şi forţa de muncă.
• funcţii neomogene:
α+β≠1
În acest caz, rezultatul activităţii de producţie este dat şi de acţiunea
altor factori decât capitalul fix şi forţa de muncă.
Folosirea funcţiilor de producţie în previziune, urmăreşte determinarea
rezultatelor activităţii de producţie în raport de mărimea factorilor de producţie
respectivi şi coeficienţii de elasticitate corespunzători fiecărui factor. Capitalul fix şi
forţa de muncă fiind cunoscute pentru perioada trecută şi curentă iar pentru
perioada viitoare sunt estimate ca mărimi exogene, atunci coeficienţii de elasticitate
se impune a fi determinaţi. În forma cea mai generală, coeficienţii de elasticitate se
calculează ca un raport între modificarea rezultatelor şi modificarea factorului de
influenţă respectiv:
∆Q ∆K ∆Q ∆K
α'= : respectiv β ' = :
Q K Q K
unde:
α’, β’ – coeficienţi de elasticitate parţială.
Aceşti coeficienţi exprimă modificarea rezultatului producţiei ca urmare
a modificării cu o unitate a factorului de influenţă respectiv, făcând abstracţie de
influenţa celuilalt factor.

3.4. Modele econometrice complexe


Un model, în general, este o reprezentare simplificată a realităţii.
Modele econometrice, cum sunt şi cele descrise anterior, au rolul de a
reprezenta sintetic diferite relaţii dintre variabile economice într-o manieră
simplificată şi uşor cuantificabilă pentru a permite estimarea cantitativă a unor
legături cauzale şi a predicţiilor pe baza acestora. Primul model econometric
operaţional la nivel macroeconomic a fost realizat după cel de-al doilea război
mondial de către Jan Tinbergen21 pentru economia Olandei în cadrul Biroului
Central de Planificare. Acest model a fost utilizat de către guvernul Olandez
pentru realizarea predicţiilor, formularea politicii macroeconomice şi elaborarea
bugetelor. Guvernul Olandez a fost un pionier al utilizării modelelor
econometrice în previziunea şi simularea economiei naţionale. Încercările lui
Jan Tinbergen de crea un model pentru economia SUA au fost continuate cu

21
În anul 1945 Jan Tinbegen a fost desemnat director al Biroului Central de Planificare al Olandei
iar în anul 1969 a devenit laureat al premiului Nobel împreună cu Ragnar Frisch.

80
succes de către Lawrence Klein22 acesta utilizând o abordare diferită atât din
punct de vedere macroeconomic cât şi din punct de vedere econometric.
Un model de echilibru porneşte de la ipoteza că variabilele economice,
pe termen lung, tind către o stare de echilibru chiar dacă în realitate această
stare nu este realizată. În condiţii de echilibru perfect oferta este egală cu
cererea. Dacă se produce mai mult decât cantitatea cerută iar o parte din
cantitate produsă rămâne neabsorbită echilibrul nu este asigurat. Tendinţa spre
echilibru implică o producţie mai mică în perioada următoare în încercarea de a
atinge starea de echilibru. Dacă se produce prea puţin, din nou echilibrul nu este
asigurat. Arareori o firmă va reuşi să producă exact cantitatea cerută. Astfel în
realitate variabilele economice oscilează mai mult sau mai puţin în jurul stării
de echilibru fără ca să rămână în această stare.
Un model de echilibru general implică relaţii de echilibru între toate
variabilele importante care definesc mediul economic. Putem astfel vorbi de
echilibru pe piaţa bunurilor şi serviciilor, pe piaţa monetară, pe piaţa muncii etc.
Un model de echilibru parţial implică, în schimb, o relaţie restrânsă doar la piaţa
unui bun. De exemplu într-un model de echilibru parţial preţul unui bun se va
ajusta astfel încât cererea să fie egală cu oferta pentru bunul respectiv fără să se
ţină cont de piaţa bunurilor de substituţie, de piaţa muncii, de condiţiile de
creditare etc.
Modele de echilibru general, datorită complexităţii lor sunt în general
utilizate de către organisme naţionale şi internaţionale pentru simulare şi
previziune fiind aplicate la nivel macroeconomic.
În funcţie de aria lor de cuprindere aceste modele macroeconomice pot
fi clasificate ca modele naţionale pentru economia unei ţări sau modele pentru
grupuri de ţări denumite şi modele globale. Din prima categorie fac parte în
general modelele macroeconomice utilizate de băncile centrale şi guvernele
diferitelor state iar din a doua categorie în special modelele folosite de
organizaţiile internaţionale.
Modelele macroeconomice globale au avantajul de a ţine cont de
contextul internaţional şi de relaţiile dintre ţări pe care le estimează în mod
explicit. Marea majoritate a modelelor aplicate doar la nivel naţional consideră
variabilele care descriu mediul internaţional ca variabile exogene (valori date
sau intrări în sistem) fără ca acestea să fie estimate în mod explicit.

22
Activitatea lui Lawrence Klein s-a desfăşurat în mare parte în cadrul Comisiei Cowles pentru
cercetare economică susţinută de Universitatea din Chicago unde a beneficiat de prezenţa şi
susţinerea altor mari cercetători ca Tygve Haavelmo, Tjalling Koopmans, Kenneth Arrow,
Herbert Simon etc. Klein este fondatorul companiei private Wharton Econometric Forecasting
Associates Inc. transformată apoi, prin fuziune cu Data Resources Inc., în Global Insight.

81
În funcţie de teoria macroeconomică pe care sunt fundamentate
modelele macroeconomice pot fi împărţite în:
Modele empirice care folosesc foarte puţin sau chiar deloc teoria
economică. Aceste modele pornesc de la realitatea observată (înregistrări
statistice) pe baza căreia sunt estimate relaţii între variabile.
Modele teoretice care se bazează pe teoria economică şi care la rândul
lor pot fi clasificate în modele de tip Keynesian, modele neo-clasice, modele de
tip neo-Keynesian etc. Un model teoretic pur are însă o mică utilitate practică
datorită faptului că nu se bazează deloc pe realitatea observată.
Modele hibride care folosesc în mod intensiv atât teoria economică cât
şi metode complexe de prelucrare statistică a datelor reale. Aceste modele sunt
de fapt cel mai mult utilizate de către organismele naţionale şi internaţionale.
Ultima generaţie de modele denumite modele de tip DSGE (Dynamic
Stochastic General Equilibrium) deşi sunt aplicate la nivel macroeconomic
pornesc de la teoria microeconomică. S-a considerat că principiile care
guvernează teoria microeconomică (maximizarea utilităţii de către indivizi,
maximizarea profitului de către firme, constrângerile bugetare etc.) sunt cele
mai în măsură să asigure un fundament solid pentru explicarea şi previzionarea
evoluţiei ciclice a economiei şi nu în ultimul rând să asigure un cadru de
simulare pentru efectele diferitelor politici monetare şi fiscale.
Datorită dificultăţilor de formalizare a unor relaţii care se bazează pe
principii microeconomice dar care sunt estimate pe date statistice agregate
(macroeconomice) şi datorită încercării de a estima atât relaţiile de echilibru cât
şi devierile pe termen scurt de la echilibru complexitatea modelelor DSGE este
extrem de ridicată. În prezent există puţine modele DSGE deja funcţionale
acestea aflându-se încă în plin proces de dezvoltare şi testare. Putem aminti ca
exemple de modele globale de tip DSGE modelul GEM (Global Economic
Model) dezvoltat de FMI şi modelul NAWM (New Area Wide Model) al Băncii
Centrale Europene. Există de asemenea şi câteva bănci centrale ale unor ţări
care au inclus modele de tip DSGE în procesul decizional privind politica
monetară: banca Angliei (modelul BEQM), banca Canadei (ToTEM), banca
Norvegiei (NEMO), banca Suediei (RAMSES), banca statului Chile (MAS) etc.
În ceea ce priveşte România, în raportul anual al BNR pentru anul 2007
se specifică faptul că un model de prognoză de tip DSGE se află în proces de
implementare cu asistenţă tehnică din partea FMI. Modelul utilizat în mod
curent de BNR este modelul de analiză şi prognoză pe termen mediu al inflaţiei
(MAPM).
Comisia Naţională de Prognoză utilizează modelul de echilibru general
elaborat de acad. E. Dobrescu (versiunea a V-a) în cadrul unui proiect PHARE
(2003) şi beneficiind de colaborare şi sprijin internaţional. Modelul este

82
structurat în şapte secţiuni sau blocuri de ecuaţii care corespund următoarelor
domenii: producţia reală, consumul intern, piaţa muncii, comerţul exterior,
preţuri şi curs valutar, piaţa monetară precum şi blocul de ecuaţii Input-Output.
Ultimul bloc de ecuaţii are rolul de a estima evoluţia creşterii economice la
nivel de industrie (vezi sistemul analizei Input-Output).

Întrebări de autoevaluare
1. Care este avantajul metodelor econometrice comparativ cu
metodele de extrapolare?
2. În ce situaţie metodele econometrice nu pot fi utilizate?
3. Ce semnificaţie are coeficientul de regresie?
4. Arătaţi care este influenţa coeficientului de încrederea asupra
intervalului de previziune
5. Ce exprimă mărimea coeficienţilor de elasticitate parţială?

83
Aplicaţii
Aplicaţia 3.1.1. – Metoda regresiei liniare simple
La o firma A cheltuielile de publicitate şi vânzările realizate pe o
perioadă de 10 ani sunt prezentate în tabelul de mai jos. Se cere realizarea unei
prognoze privind volumul vânzărilor realizate în anul 11 prin utilizarea unei
funcţii de regresie în condiţiile alocării unei sume de 14.000 EUR pentru
publicitate în acest an. 1000 EUR X Y
Funcţia liniară de regresie: Anul Ch. Pub. Vanzări
Anul1 12 1010
yt = a + bxt Anul2 8 920
Anul3 10 1100
a – un nivel de bază care nu Anul4 13 1200
depinde de variabila Anul5 7 900
independentă x Anul6 8 820
Anul7 10 930
b – spor marginal.
Anul8 6 750
Parametrii estimaţi au valorile: Anul9 9 910
Anul10 11 1050
a = 464,86 – dacă nu s-ar face
Anul11 14 1200.8
publicitate volumul
vânzărilor ar fi de 464,8 mii. EUR
b = 52,568 – la modificarea cheltuielilor de publicitate cu o unitate
(1 mie EUR) vânzările cresc cu 52,568 mii. EUR.
Vânzările reale şi vânzările estimate în funcţie de cheltuielile de
publicitate (aferente perioadei istorice) sunt prezentate în graficul de mai jos:

1300
1200
1100 y = 464,86+ 52,568x
Vânzări

1000 Valoare
900 previzionată

800
700
600
4 6 8 10 12 14 16
Cheltuieli de publicitate

Prognoza pentru anul 11 este:

84
yˆ = 464,86 + 52,568 ×14
yˆ = 1200,8 (mii.EUR)

Aplicaţia 3.1.2. – Metoda regresiei liniare multiple


Pentru o companie sunt cunoscute volumul vânzărilor, cheltuielile de
publicitate (ambele exprimate în euro) şi numărul de concurenţi pe o perioadă
de 15 ani. Se doreşte previzionarea nivelului vânzărilor pentru anul 16 dar şi a
limitelor între care vânzările reale se vor încadra cu o probabilitate de 90%.
Pe baza datelor existente se estimează relaţia dintre vânzări şi cei doi
factori de influenţă cu ajutorul unei funcţii de regresie liniară multiplă. Se mai
cunoaşte faptul că pentru publicitate se va aloca suma de 14875 euro şi că
numărul de concurenţi va scădea în urma retragerii unui concurent de pe piaţă.
A fost estimată o funcţie de regresie liniară multiplă de forma:
yˆ t = a + b1 x1 t + b2 x2t
cu următorii parametrii:
yˆ t = 489527,71 + 15,22 x1 t − 13295,89 x2t
Semnificaţia parametrilor este asemănătoare cu cea a parametrilor
estimaţi în aplicaţia anterioară cu excepţia parametrului b2 care, având semn
negativ, arată o influenţă inversă asupra vânzărilor. O creştere a numărului de
concurenţi conduce la o diminuare a vânzărilor firmei.
y x1 x2 yˆ et
Vânzări
ANUL t Ch. de Nr. Erori de
Vânzări estimate/
publicitate concurenţi estimare
previzionate
Anul1 1 540077.75 4600 2 532944.00 7133.76
Anul2 2 511438.06 5000 4 512439.88 -1001.82
Anul3 3 509264.90 5500 5 506753.56 2511.34
Anul4 4 496876.47 6000 4 527659.02 -30782.56
Anul5 5 540091.30 6200 4 530702.85 9388.44
Anul6 6 532777.23 6500 5 521972.70 10804.53
Anul7 7 527105.67 6500 5 521972.70 5132.97
Anul8 8 541547.15 7000 5 529582.28 11964.88
Anul9 9 548020.62 7000 4 542878.17 5142.46
Anul10 10 514202.30 8000 6 531505.53 -17303.23
Anul11 11 531656.23 8700 6 542158.93 -10502.71
Anul12 12 558146.80 9800 7 545604.10 12542.70
Anul13 13 534560.15 11000 8 550571.19 -16011.03
Anul14 14 551728.28 12500 10 546808.12 4920.15
Anul15 15 571131.23 13700 10 565071.10 6060.14
Anul16 16 12700 9 563147.84

85
Previziunea punctuală pentru anul următor poate fi observată în graficul
de mai jos împreună cu intervalul de previziune aferent unui coeficient de
încredere de 90%.
610000

590000 Vânzări
Vânzări estimate/previzionate
570000
Limita inferioară
550000 Limita superioară

530000

510000

490000

470000
1

9
10

11

12

An 3
14

An 5
16
1

1
ul

ul

ul

ul

ul

ul

ul

ul

ul
ul

ul

ul

ul

ul

ul

ul
An

An

An

An

An

An

An

An

An
An

An

An

An

An
O diferenţă importantă faţă de aplicaţia anterioară, în ceea ce priveşte
reprezentarea grafică, este aceea că vânzările au fost reprezentate în funcţie de
timp şi nu în funcţie de variabilele independente. În cazul regresiei multiple cu
doi factori pentru a face o reprezentare grafică a variabilei dependente în funcţie
de cele două variabile independente ar fi necesară a reprezentare grafică
tridimensională.

Aplicaţia 3.3 – Funcţii de producţie


Evoluţia pe doi ani consecutivi a veniturilor în preţuri comparabile în
funcţie de dotarea cu capital fix şi număr de salariaţi este prezentată în tabelul
următor. Se cere previziunea veniturilor pentru anul folosind o funcţie de
producţie, în condiţiile în care ritmurile estimate de creştere a factorilor sunt de
15% şi 10% pentru capital fix şi numărul de salariaţi.
V (mil.) K (mil.) M (mii.)
Anul I 454 134 3,4
Anul II 625 146 4,3
Anul III 15% 10%
Dependenţa statistică între venit (V) ca variabilă dependentă şi numărul
de salariaţi (M) respectiv capitalurile fixe (K) ca variabile independente este
dată de relaţia:
V=AKα Mβ
unde:
V – venitul obţinut din activitatea de producţie

86
A – coeficient de dimensiune;
α, β – coeficienţi de elasticitate
Pentru determinarea parametrilor pot fi aplicate două procedee:
1) Se liniarizează funcţia de producţie prin logaritmare ajungând astfel
în cazul regresiei liniare multiple:
ln V = ln A + α ln K + β ln M
Se aplică apoi metoda celor mai mici pătrate (pe valorile logaritmate)
obţinându-se parametrii: lnA (de unde rezultă A), α şi β .
Această metodă se poate aplica în mod eficient atunci când există date
suficiente.
2) Pentru cazul în care datele sunt foarte puţine, cum este cazul de faţă
se poate porni de la definiţia elasticităţii:
Coeficientul parţial de elasticitate al capitalului fix, arată proporţia în
care se modifică veniturile în cazul în care capitalul fix creşte cu 1%:
V K
α ′ = ∆V : ∆K ⇔ α ′ = ln t : ln t
∆V K V0 K0
625 146
α ′ = ln : ln = 3,72
454 134
Coeficientul parţial de elasticitate al factorului muncă, arată proporţia în
care se modifică veniturile în cazul în care numărul de salariaţi creşte cu 1%.:
V
⇔ β ′ = ln t : ln Mt
∆V ∆M
β′ = :
V M V0 M0
625 4,3
β ′ = ln : ln = 1,361
454 3,4
Determinarea coeficienţilor de elasticitate:
α'
α= = 1,86
2
β′
β= = 0,68
2
Deoarece legătura dintre venit şi factorii de influenţă se face prin
intermediul coeficientului de dimensiune, acesta se determină ultimul, după care
rezultă forma finală a funcţiei de producţie.
Venitul obţinut pe anul II se poate scrie astfel:
625 = A × 1461,86 × 4,30,68 => A = 0,02
Rezultă forma finală a funcţiei de venit:

87
V =0,02 K1,86M0,68
Previziunea venitului pentru anul III:
1,4432
V III = 0,02 × (146 × 1,15) (3,2 × 1,1)0,7279

88
CAPITOLUL 4
METODE SUBIECTIVE

Metodele subiective, denumite şi metode calitative sau


metode intuitive, sunt deosebit de utile atunci când se doreşte
realizarea previziunii unor evenimente majore pentru care nu
există date înregistrate statistic. Aceste metode se diferenţiază în
funcţie de mai multe aspecte printre care faptul că pornesc de la
aprecierile unor specialişti sau de la opiniile unor simpli indivizi,
de asemenea în ceea ce priveşte metodologia de sintetizare şi
extragere a unor concluzii anticipative şi nu în ultimul rând în
funcţie tipul interacţiunii între participanţi.

4.1. Grupuri de interacţiune


4.1.1. Caracteristici ale grupurilor de interacţiune
Aceste metode se bazează pe capacitatea de creativitate intuitivă
individuală sau de grup, a unor specialişti din diferite domenii. Folosind
cunoştinţele, experienţa, perspicacitatea şi inspiraţia specialiştilor, sunt formulate
soluţii privind posibilităţile evoluţiei viitoare a proceselor studiate. Folosirea
acestor metode de previziune, se recomandă mai ales atunci când nu se cunosc
date cu privire la activitatea desfăşurată în perioadele precedente.
Dintre aceste metode folosite în previziunile economice, multiple
aplicaţii practice şi-au găsit metodele Brainstorming şi Delphi.

4.1.2. Metoda Brainstorming


Această metodă constă în stimularea gândirii în colectiv a unui grup de
specialişti în vederea găsirii unor idei originale, în cadrul unor discuţii purtate
asupra problemelor pentru care se caută soluţii noi.23 Se porneşte de la ipoteza

23
Brainstorming provine din limba engleză Brain=creier şi storming=explozie, furtună, asalt etc.
Metoda Brainstorming este cunoscută şi sub denumirea de metoda discuţiilor în grup sau metoda
dezbaterilor euristice

89
că într-un număr de idei noi, se regăsesc întotdeauna şi idei valoroase care să
conducă în final la soluţionarea problemelor puse în discuţie.24
Tehnica metodei Brainstorming rezidă în organizarea unei şedinţe sau
reuniuni cu un număr restrâns de specialişti, 5-12, de obicei de profesii diferite.
În funcţie de complexitatea problemelor abordate durata acestor şedinţe variază
între 15-60 minute, desfăşurându-se, de la caz la caz, în mai multe runde, sub
conducerea competentă şi autoritară a unui preşedinte.

4.1.3. Metoda Delphi


Metoda Delphi este recomandată pentru a prognoza evenimente majore,
cu impact semnificativ asupra strategiei pe termen lung a unei companii, mai
ales în situaţia în care nu există date istorice privind situaţia respectivă. De
obicei experţilor li se cere să facă o estimare numerică pentru o anumită
variabilă economică sau să aprecieze probabilitatea de apariţie a unui
eveniment.
Această metodă presupune utilizarea gândirii intuitive a unui grup de
specialişti supuşi unor interviuri repetate, în scopul obţinerii unui consens.
Principala diferenţa faţă de metoda Brainstorming este că specialiştii nu se
întâlnesc în mod direct. Se evită astfel posibile influenţe negative în cadrul
grupului (teama în faţa unui superior etc.).
Metoda Delphi a fost dezvoltată de Corporaţia RAND la începutul
războiului rece pentru previziunea impactului dezvoltării tehnologice asupra
producţiei de armament. În anul 1944 generalul Henry H. Arnold a solicitat
realizarea unui raport pentru aviaţia militară a Statelor Unite asupra capacităţilor
tehnologice viitoare care ar putea fi folosite de armată. Pentru realizarea
raportului, doi ani mai târziu, în 1946, a fost contractată compania Douglas
Aircraft, care a început astfel proiectul RAND dedicat studiului acestor
capacităţi. După încă doi ani proiectul RAND a fost separat de Douglas Aircraft
devenind o organizaţie non-profit cu aceeaşi denumire, RAND (Research And
Development). În prezent organizaţia şi-a extins aria de activitate şi în alte
domenii: educaţie, justiţie, securitate internaţională etc.
Printre membrii şi colaboratori marcanţi ai organizaţiei RAND îi putem
aminti pe: Herry Markowitz (Premiul Nobel, 1990, Optimizarea portofoliului),
Kennet Joseph Arrow (Premiul Nobel, 1972, Teoria alegerii colective), George
Bernard Dantzig (părintele programării liniare, a introdus algoritmul Simplex),
Herbert Alexander Simon (Premiul Nobel, 1978, pentru contribuţii în domeniul
proceselor decizionale în cadrul organizaţiilor economice), John Von
Neumannn (contribuţii în analiză funcţională, teoria mulţimilor, analiză

24
A. F. Osborne, Applied Imagination, New York, 1953

90
numerică, algebre Von Neuman, participant în cadrul Proiectului Manhattan,
consultant pentru IBM, CIA, Standard Oil), John Forbes Nash (Premiul Nobel,
1994, Teoria jocurilor), Herman Kahn (iniţiatorul utilizării scenariilor în
planificare), Thomas C. Schelling (Premiul Nobel, 2005, Teoria jocurilor) etc.
Enumerarea anterioară nu este întâmplătoare şi este menită să arate şi contextul
elaborării unei metode a cărei obiectiv a fost obţinerea unui consens între un
număr relativ ridicat de specialişti cu domenii diferite de competenţă.
Pentru a-şi atinge obiectivul de a realiza predicţii în domeniul
dezvoltării tehnologice în cadrul RAND au fost luate în considerare şi evaluate
diferite metode tradiţionale. Deficienţele metodelor clasice (extrapolare,
regresie etc.) în previzionarea evenimente noi, fără precedent, pentru care nu
existau înregistrări istorice, au devenit repede evidente. Pentru a combate aceste
impedimente Olaf Helmer, Nicholas Rescher şi Norman Dalkey au adus
importante contribuţii prin elaborarea metodei Delphi25 între anii 1950-1960.
Metoda Delphi a fost folosită de experţii RAND pentru a-şi exprima opinia cu
privire la probabilitatea, frecvenţa şi intensitatea posibilelor atacuri şi a
dezvoltării de noi tehnologii în producţia de armament.
Metoda Delphi a fost apoi popularizată şi preluată de alte domenii,
printre care şi domeniul economic. Dintre aplicaţiile metodei Delphi la nivel de
industrie sau de corporaţie putem aminti mai multe exemple. Printre cele mai
timpurii aplicaţii este studiul realizat în anul 1968 de compania de consultanţă
internaţională Parsons & Williams Inc.26 în ceea ce priveşte viitorul aplicaţiilor
informatice în domeniul economic. Beneficiarul acestui studiu predictiv a fost
asociaţia profesională internaţională a producătorior de aplicaţii informatice
(International Federation of Information Processing Societies).
Un loc important, în ceea ce priveşte volumul de studii predictive
contractate, este deţinut de IFF (The Institute for the Future), institut fondat de
foşti cercetători ai organizaţiei RAND. Unul dintre cele mai semnificative studii
ale IFF, bazate pe metoda Delphi, a fost cel privind viitorul industriei telefoniei
pentru compania American Telephone and Telegraph (AT&T)27.
Pe lângă studiile cu caracter predictiv bazate pe metoda Delphi
elaborate de diferite firme de consultanţă sau institute de cercetare o contribuţie
esenţială la dezvoltarea metodei au avut-o studiile realizate în cadrul marilor
corporaţii pentru propriul lor beneficiu.
25
Denumirea metodei are un caracter simbolic amintind de oracolul Greciei antice renumit pentru
profeţiile sale.
26
Forecast 1968-2000 of Computer Developments and Applications, Parsons and Williams,
Copenhagen, 1968
27
Paul Bran and A. J. Lipinski, The Future of the Telephone Industry, R-20, Institute for the
Future, Menlo Park, Sept. 1971.

91
De exemplu compania americană de componente auto TRW a elaborat
mai multe studii Delphi acestea rămânând, în marea lor majoritate, nepublicate
fiind considerate proprietatea intelectuală a companiei. Se ştie însă, în urma
unor publicaţii parţiale, că metoda fost îmbunătăţită şi redenumită PROBE28. Un
exemplu în domeniul industriei chimice este cel al companiei Hercules Powder
Co. Ltd care a realizat un studiu Delphi descrie în câteva articole de E.F
Parker.29 Companiile IBM şi ICL (International Computers Ltd.) reprezintă alte
exemple de utilizare a metodei Delphi în domeniul tehnologiei informaţionale.
Deşi numărul studiilor Delphi la nivel de corporaţie este foarte mare, aşa cum a
fost deja precizat marea majoritate a acestora precum şi îmbunătăţirile
metodologice aduse rămân, în general, necunoscute publicului larg.
În paralel cu evoluţia sa la nivel corporatist metoda Delphi a fost în mod
extins utilizată şi dezvoltată de organizaţii guvernamentale. Poate cel mai grăitor
exemplu în acest sens este cel al institutului naţional japonez pentru ştiinţă şi
tehnologie (NISTEP). NISTEP are o experienţă de peste 30 de ani în predicţii
bazate pe metoda Delphi acestea fiind realizate cu o frecvenţă regulată (o dată la
5 ani), pe un orizont de 50 de ani şi vizează în special inovaţia tehnologică.
Ultimul studiu realizat de NISTEP a fost cel din mai 2005, pe baza
răspunsurilor a 2239 de participanţi, şi acoperă 11 domenii printre care:
producţie, infrastructură industrială, resurse de energie, agricultură etc.
Obiectivul este cunoaşterea evoluţiei tehnologiilor aplicate în domenii ca cele
mai sus amintite până în anul 2035.
Dacă este comparată metoda Delphi aplicată la nivel de corporaţie cu
aplicaţiile organismelor guvernamentale se pot desprinde câteva concluzii.
Studiile corporaţiilor sunt în general mai restrânse în sensul că sunt mult mai
strict orientate pe o tema specifică de interes (succesul unei noi tehnologii sau a
unui nou produs) iar numărul participanţilor este de regulă mai mic (numărul
participanţilor poate coborî până la 4 în cazul aşa numitelor studii mini-Delphi).
O altă diferenţă importantă este faptul că rezultatele studiilor organismelor
guvernamentale sunt accesibile, de regulă, publicului larg.

28
Donald L. Pyke, The Role of Probe in TRW's Planning, Technological Forecasting-An
Academic Inquiry, Graduate School of Business, University of Texas, April 1969; Harper Q.
North and Donald L. Pyke, Technological Forecasting in Planning for Company Growth, IEEE
Spectrum, Jan. 1969.
29
E. F. Parker, "Some Cexperience with the Application of the Delphi Method", Chemistry and
Industry, Sept. 1969. p. 1317; E. F. Parker, "British Chemical Industry in the 1980's-A Delphi
Method profile", Chemistry and Industry, Jan. 1970, p. 138.

92
Această metodă urmăreşte să utilizeze gândirea intuitivă a unui grup de
specialişti supuşi unor interviuri repetate, în scopul obţinerii unei complex de
reprezentări raţionale asupra problemei pentru care se caută soluţii30.
Folosirea metodei Delphi în previziune, comportă parcurgerea
următoarelor faze: pregătirea lucrării, consultarea specialiştilor şi valorificarea
rezultatelor.
I. PREGĂTIREA LUCRĂRII
Această primă fază comportă, în principal, următoarele aspecte:
Definirea problemei ce constituie obiectul studiului previzional.
Formularea problemei trebuie făcută cât mai exact, pentru a putea
delimita astfel aria elementelor ce se cer a fi soluţionate.
Alcătuirea grupului de conducere a anchetei.
Întrucât specialiştii nu se cunosc între ei, legătura între specialişti se
stabileşte prin intermediul grupului de conducere a anchetei.
Constituirea grupului de specialişti.
În funcţie de natura problemei abordate, specialiştii trebuie să fie bine
informaţi asupra acesteia. Ca urmare, alegerea specialiştilor se face, de obicei,
din rândul persoanelor cu un nivel superior de pregătire: cadre didactice
universitare, cercetători ştiinţifici, specialişti din producţie etc.
Informarea specialiştilor.
Grupul de conducere a anchetei elaborează un material necesar
informării în detaliu a specialiştilor asupra aspectelor pe care le ridică
soluţionarea problemei abordate, precum şi modul de desfăşurare a lucrărilor.
Elaborarea primului chestionar şi a instrucţiunilor de folosire a acestuia.
Primul chestionar va cuprinde întrebări necesare introducerii
specialiştilor în elaborarea problemei care se cere a fi soluţionată, a direcţiilor
ce se impun a fi urmate în acest scop. Totodată, acest chestionar este însoţit de
precizări cu privire la modul de completare a răspunsurilor la fiecare din
întrebările adresate specialiştilor.
II. CONSULTAREA SPECIALIŞTILOR
Trimiterea specialiştilor participanţi la anchetă a primului chestionar şi
a instrucţiunilor de completare a acestuia.
Specialiştii procedează la completarea chestionarului şi apoi la
remiterea sa grupului de conducere a anchetei. Acesta din urmă, procedează la
prelucrarea chestionarelor şi evaluarea răspunsurilor31.
30
Cunoscută şi sub denumirea de metoda anchetei iterative sau metoda chestionarului, metoda
Delphi a fost elaborată în 1963 de către O. Helmer şi colaboratorii săi, în cadrul programului de
cercetare a firmei americane „RAND Corporation” din S.U.A.
31
M. Burtică, G. Vârlan, op. cit., p. 181-182

93
Întocmirea unui nou chestionar de către grupul de conducere a anchetei.
Acest chestionar va cuprinde atât unele întrebări suplimentare, necesare
lămuririi în detaliu a unor aspecte ce se pun a fi soluţionate, cât şi sinteza
răspunsurilor la primul chestionar. Cunoscând opinia tuturor specialiştilor,
fiecare specialist, în funcţie de caz, poate să-şi reconstituie în contextul acestei
sinteze o parte din răspunsurile date sau să-şi completeze răspunsurile la primul
chestionar. De asemenea, se solicită specialiştilor a căror răspunsuri s-au abătut
substanţial de la valorile esenţiale calculate, reprezentând părerea majorităţii,
să-şi argumenteze răspunsurile sau să le modifice (opinion feed-back),
exprimând-şi acordul sau dezacordul cu răspunsurile date de ceilalţi specialişti.
Se creează astfel posibilitatea apropierii de valorile centrale a celor ale căror
răspunsuri „deviate” nu pot fi argumentate, fiind în consecinţă neconcludente
sau chiar eliminate, iar cei care se consideră îndreptăţit să-şi menţină opinia
„deviantă”, să-şi reafirme poziţia. Divergenţele existente între aprecierile
individuale ale specialiştilor, pot fi reduse atât prin autocorelaţie cât şi prin
corecţie32. Noul chestionar este trimis specialiştilor spre completare, după care
este remis din nou spre prelucrare grupului de conducere a anchetei. Acesta din
urmă procedează la prelucrarea chestionarului, sinteza răspunsurilor şi
întocmirea unui alt chestionar.
Prin procesul de reinformare a specialiştilor după fiecare chestionar, se
creează posibilitatea cunoaşterii reciproce a răspunsurilor şi îmbogăţirea
cunoştinţelor acestora.
Repetarea operaţiunii de întocmire, completare şi prelucrare a
chestionarului
Această operaţiune se repetă de mai multe ori, fiecare nou chestionar
cuprinzând întrebări suplimentare şi sinteza răspunsurilor la chestionarul
anterior. Consultarea specialiştilor cu ajutorul chestionarului se consideră
încheiată, atunci când cel puţin 50% din numărul specialiştilor îşi exprimă
aceeaşi opinie cu privire la modul de soluţionare a problemei abordate.
Consultarea succesivă a specialiştilor permite stabilirea domeniului de
convergenţă a opiniilor de grup, acesta putând fi considerat drept recomandare a
specialiştilor în rezolvarea problemei respective.
III. VALORIFICAREA REZULTATELOR
În această fază, se urmăreşte analiza modului de evoluţie a
răspunsurilor date de specialişti la fiecare chestionar. Pe această bază se
fundamentează un model calitativ de analiză a factorilor explicativi, ce
sintetizează opiniile specialiştilor cu privire la posibilităţile de soluţionare a

32
Ibid. p. 182 - 183

94
problemei supuse dezbaterii. Analiza finală evidenţiază răspunsul acceptat drept
pertinent, înglobând astfel opiniile individuale ale specialiştilor. Din conţinutul
şi modul de desfăşurare a metodei Delphi, se desprind anumite caracteristici ce o
individualizează faţă de alte metode de previziune intuitive, cum sunt:
• comunicarea între specialişti se face prin intermediul grupului de
conducere a anchetei;
• existenţa chestionarului asigură anonimatul răspunsurilor
individuale ale specialiştilor;
• izolarea specialiştilor, eliminarea oricărei munci în colectiv,
înlătură influenţa unor factori psihologici asupra acestora, cum ar
fi: participarea unor persoane influente, ocupând anumite funcţii,
cu un prestigiu profesional recunoscut, având calităţi oratorice
deosebite; refuzul de a renunţa la opiniile prezentate în public;
efectul „în lanţ” al opiniilor majorităţii etc.;
• consultarea specialiştilor, se desfăşoară într-o succesiune de
iteraţii conduse în mod sistemic;
• reinformarea specialiştilor după fiecare chestionar, poate
determina o retroinfluenţă asupra răspunsurilor date la întrebările
din chestionarul anterior;
• caracterul statistic al opiniilor de grup, este rezultatul opiniilor
individuale exprimate în ultimul chestionar.
Pentru ca metoda Delphi să tindă spre performanţe superioare, se
impune ca grupul de conducere a anchetei să acorde o importanţă sporită
următoarelor aspecte esenţiale33:
• îmbunătăţirea modului de alegere a specialiştilor, încât în rândul
acestora să fie cooptaţi specialişti de marcă în domeniul respectiv;
• reinformarea operativă a specialiştilor pe parcursul desfăşurării
rundelor de interviuri a acestora, prin reducerea timpului de
prelucrare a chestionarelor ca urmare a folosirii tehnicii
electronice de calcul;
• îmbunătăţirea tehnicilor de sinteză a răspunsurilor date de specialişti
şi completarea acestora cu tehnici explorative sau normative.
Sub această formă metoda Delphi este cunoscută sub denumirea de
Delphi I. Se cunosc însă şi alte variante ale acestei metode cum sunt Delphi II şi
Delphi concurenţială (competitive Delphi)34.

33
V. Nicolae, L.D. Constantin, I. Grădinaru, op. cit., p. 241
34
H. Kages, Methoden zur Prioritatsbestimmng innerhalb der Staatsaufgaben vor allemim
Forschungs-und Entiwicklungsbereich, ZBZ Bericht, Berlin, 1970, Teil 2, p. 30-41, D. Caracota,
Previziune economică. Elemente de macroeconomie, Editura Didactică şi Pedagogică, R.A.
Bucureşti, 1996, p. 139-140

95
Cu toate limitele pe care le prezintă, metoda Delphi şi-a găsit multiple
aplicaţii practice în previziunile pe termen lung. Folosirea acestei metode de
previziune permite identificarea obiectivelor posibile de a fi realizate în viitor,
precum şi stabilirea celor mai adecvate mijloace pentru înlăturarea unor stări
defavorabile.

4.2. Metoda scenariilor


Metoda scenariilor implică descrierea coerentă a unor situaţii viitoare
alternative plauzibile precum şi a succesiunii de evenimente care permit
evoluţia de la situaţia prezentă la respectivele situaţii viitoare. Această metodă
este utilizată pe termen lung şi foarte lung atunci când procesul de previziune
este puternic afectat de câţiva factori de risc importanţi a căror evoluţie este
greu de anticipat. Ca exemplu ipotetic să presupunem că într-o anumită ţară sunt
disputate două politici guvernamentale: una de protecţie severă a mediului
înconjurător şi una axată pe dezvoltare economică indiferent de consecinţe.
Pentru o companie a cărei activitate este legată de exploatarea resurselor
naturale adoptarea uneia sau alteia dintre cele două politici reprezintă un factor
de risc. Prin urmare în planificarea activităţii sale compania trebuie să se ţină
cont de cele două scenarii alternative. Cu alte cuvinte prin metoda scenariilor nu
se răspunde la întrebarea, care este evoluţia cea mai probabilă ci la întrebarea,
care sunt evoluţiile posibile. Metodele tradiţionale de previziune răspund la
prima întrebare însă prin metoda scenariilor se încercă tocmai evitarea situaţiei
de a previziona acele evenimente care sunt imposibil sau aproape imposibil de
previzionat. Bineînţeles că metoda scenariilor nu porneşte de la ipoteza ca toate
evoluţiile sunt imprevizibile (în această situaţie planificarea ar deveni
imposibilă) ci încercă o separare clară între evenimentele impredictibile şi cele
stabile a căror evoluţie este uşor de anticipat.
Conceptul de planificare cu ajutorul scenariilor a fost introdus în 1964
de futuristul francez Gaston Berger35 care a utilizat noţiunea de prospectivă (la
prospective). O contribuţie esenţială la dezvoltarea prospectivei din punct de
vedere metodologic a avut-o Michael Godet în ani 1970.
Oarecum paralel cu dezvoltarea prospectivei, de cealaltă parte a
oceanului, s-a dezvoltat un procedeu similar ca abordare, dar cu diferenţe
metodologice semnificative, cunoscut sub denumirea de planificare prin
scenarii (scenario planning). Deşi metoda a fost utilizată mai devreme, încă din

35
Gaston Berger (1896-1960) este fondatorul Centrului Internaţional de Prospectivă din Paris

96
timpul celui de-al doilea război mondial, denumirea actuală de scenarii a fost
introdusă de Herman Kahn36 în 1967.
În mediul corporatist unul dintre pionierii utilizării metodei scenariilor a
fost compania GE (General Electric) încă de la sfârşitul anilor 1960. Un rol
foarte important în popularizarea metodei a avut-o compania Royal Dutch Shell
datorită succesului cu care a traversat criza petrolieră din 1973 bazându-se în
foarte mare măsură pe avantajele acestei metode.
Un rol important în promovarea metodei au avut-o şi diferite organizaţii
non-profit printre care un loc deloc neglijabil îl ocupă Clubul de la Roma a cărei
publicaţie Limits to Growth (1972)37 a atras atenţia mediului politic şi economic
asupra alternativelor dezvoltării pe termen lung în condiţiile unor resurse limitate.
La începutul anilor 1980 metoda a fost dezvoltată transformându-se
dintr-o simplă metodă într-un cadru complex de abordare care permite
integrarea mai multor metode de natură subiectivă (PEST, Brainstorming,
SWOT, Delphi etc.). Într-un studiu realizat la acea vreme metoda scenariilor
ocupa locul trei în topul celor mai utilizate metode de previziune (J. Diffenbach,
1983) în cadrul marilor corporaţii. Datorită costurilor ridicate şi dificultăţilor de
implementare în ultima perioadă popularitatea acestei metode a mai scăzut
astfel încât doar un număr relativ redus de companii au capacitatea de a utiliza
cu succes a această metodă.
În ceea ce priveşte realizarea concretă a scenariilor există mai multe
abordări. Una dintre cele mai populare abordări cu orientare clară către
necesităţile strategice ale unei companii va fi prezentată în continuare
(Schwartz, Ogilvy, 2004) şi constă în următoarele etape:
Formarea echipei documentare. Această etapă care presupune
alegerea membrilor echipei şi colectare informaţiilor necesare poate să dureze în
jur de o lună. Ideal este ca membrii echipei să provină din:
• domenii variate
• culturi variate
• funcţii si nivele ierarhice variate
• persoane atât din interior cât şi din exterior
Identificarea problemei decizionale. Într-o şedinţă comună, cu toţi
membrii echipei se stabileşte cu claritate decizia care se va lua pe baza
scenariilor elaborate.

36
Herman Kahn a făcut parte din organizaţia RAND în perioada 1948-59 iar în anul 1961 s-a
numărat printre fondatorii Institutului Hudson
37
Lucrarea a fost actualizată de mai mute ori, ultima ediţie fiind publicată în iunie 2004 sub
denumirea Limits to Growth: The 30-Year Update, autori: Donnella Meadows, Jorgen Randers şi
Dennis Meadows

97
Identificarea factorilor determinanţi sau a factorilor de influenţă
care afectează în mod semnificativ procesul decizional. Identificarea acestor
factori se poate face prin mai multe metode, una dintre cele mai folosite în
această situaţie fiind metoda brainstorming. Şedinţa brainstorming se
recomandă să fie condusă de o persoană specializată în această metodă. De
obicei se urmăresc coordonatele din PEST sau PESTLE38 în sensul că trebuie
găsiţi factori din toate dimensiunile vieţii politice, tehnologice etc. De obicei se
identifică între 60-100 de factori.
Separarea factorilor predeterminaţi de factorii de risc. Această
distincţie reprezintă cheia întregului proces.
Factori predeterminaţi – factori a căror evoluţie este aproape evidenta,
sunt uşor de anticipat iar evoluţia lor este aceeaşi în toate scenariile
Factorii de risc – factori importanţi a căror evoluţie este greu de
anticipat şi care vor face diferenţa dintre diferitele scenarii
Schiţarea scenariilor. Pentru schiţarea scenariilor există o abordare
inductivă şi o abordare deductivă. Abordarea deductivă este mai bine structurată
şi constă la rândul său în 3 etape:
Evaluarea importantei şi a gradului de risc (prin acordarea unor scoruri
de la 1 la 5) a factorilor de risc identificaţi în etapa 4.
Alegerea primilor doi factori care prezintă cel mai mare grad de risc şi
cea mai mare importanta pentru organizaţie. Aceşti factori vor reprezenta
coordonatele de bază ale scenariilor
Construirea matricei scenariilor. Pe baza celor două coordonate stabilite
anterior se vor realiza 4 scenarii. Numărul de scenarii creşte exponenţial cu
numărul de coordonate. Pentru 3 coordonate va exista deja un număr de 8 ( 2 3 )
scenarii ş.a.m.d. Astfel pentru a evita un număr prea mare de scenarii se
recomandă ca numărul de coordonate să fie maxim 2.
Spre exemplu într-un studiu realizat în anul 2002 cu un orizont de cinci
ani compania de consultanţă Digital Thinking Network a construit o matrice a
scenariilor pentru piaţa aplicaţiilor Internet destinată telefoniei mobile.
Scenariile create pot fi văzute în figura următoare.

38
PESTLE = Political, Economical, Social, Technological, Legal and Environmental factors
PEST (STEP) = versiune redusă, Political, Economical, Social and Technological factors

98
Au fost selectaţi doi factori de risc şi anume: 1) Satisfacţia
consumatorilor faţă de aplicaţiile internet oferite de producători 2) Numărul
producătorilor de pe piaţă. Se poate observa că cei doi factori de risc reprezintă
practic dimensiunile (coordonatele) principale care generează cele 4 scenarii.
Fiecare scenariu are anumite caracteristici în funcţie de evoluţia celor două
dimensiuni. De exemplu scenariul denumit “Mobile Mania” este cel mai
favorabil consumatorilor deoarece aceştia sunt foarte mulţumiţi de noua
tehnologie iar numărul producătorilor este mare, consumatorul având la
dispoziţie o gamă diversificată de produse.
Detalierea scenariilor. Scenariile a căror principale coordonate au fost
stabilite în etapa anterioară sunt apoi detaliate pentru a crea o imagine cât mai
clară a evoluţiilor alternative posibile. Factori predeterminaţi stabilişi în etapa 4)
se vor regăsi în fiecare scenariu. De exemplu evoluţia demografică este un
fenomen relativ stabil cu puţine surprize, prin urmare numărul total de
consumatori va fi extrapolat şi va fi considerat acelaşi pentru toate scenariile.
Ceilalţi factori de risc care nu au fost surprinşi de cele două coordonate
principale vor fi utilizaţi pentru a nuanţa fiecare scenariu şi reprezintă o parte
delicată a acestui proces. Această etapă care ţine mai mult de imaginaţie decât
de o procedură riguroasă face ca metoda scenariilor să fie considerată de mulţi
mai degrabă o artă decât o ştiinţă.

99
Se realizează detalierea unui scenariu într-o şedinţă comună pentru a
exista un model şi un punct de referinţă iar apoi se formează grupuri de discuţii
pentru detalierea celorlalte scenarii.
Cercetare, documentare. Această etapă este dedicată verificării
realismului scenariilor elaborate în principal prin discuţii cu diferite persoane
implicate în activitatea practică şi prin obţinerea unor informaţii şi date statistice
suplimentare.
Revizuirea scenariilor şi explorarea implicaţiilor. Pe baza studiului
anterior scenariile sunt modificate în mod corespunzător şi este evaluată poziţia
organizaţiei în fiecare scenariu. Se poate aplica analiza SWOT - oportunităţi şi
ameninţări, puncte tari şi puncte slabe. Scenariile propriu-zise privesc mediul
extern şi reprezintă partea de ameninţări şi oportunităţi ale analizei SWOT pen-
tru ca apoi să fie analizate avantajele şi dezavantajele companiei în fiecare scenariu.
Selectarea indicatorilor de anticipare. Indicatorii de anticipare au
rolul de a semnala, cât mai devreme posibil, desfăşurarea evenimentelor reale
către unul din scenariile realizate.
Comunicarea scenariilor şi asimilarea scenariilor de către factorii de
decizie la toate nivelele ierarhice. Comunicarea scenariilor în interiorul firmei
se face în general prin broşuri, prezentări video, grupuri de discuţii etc.
S-a constatat că prezentarea scenariilor în formele binecunoscute:
pesimist, realist şi optimist nu este cea mai fericită opţiune. Există riscul ca
managerii să se concentreze asupra unui singur scenariu neglijându-le pe
celelalte. Această abordare nu este recomandată pentru că scopul metodei este
tocmai acela de a pregăti compania pentru diferite alternative. Pentru a evita
selectarea unui singur scenariu (cel realist spre exemplu) în pregătirea strategiei
firmei şi respingerea celorlalte scenarii ca fiind negative sau puţin probabile este
recomandată realizarea unor scenarii complementare şi la fel de probabile.
Scopul scenariilor, în cele din urmă este acela de a asigura stabilitatea firmei în
orice fel de situaţie. Prin urmare prin elaborarea unor scenarii complementare şi
a unor strategii adecvate fiecărui scenariu o companie este pregătită să facă faţă
oricare ar fi schimbările survenite în mediul extern. Prin urmare scenariile nu
vor fi concepute ca bune sau rele (pesimiste sau optimiste) ci ca oportunităţi
alternative pentru care compania are pregătit un răspuns.
De asemenea se recomandă ca numărul de scenarii realizate să fie
suficient de mic (maxim. 4) pentru a nu îngreuna foarte mult elaborarea
strategiilor alternative şi procesul decizional. Dacă iniţial au fost elaborate mai
multe scenarii acestea vor fi grupate ulterior pe câteva variante esenţiale.

100
4.3. Ancheta statistică cu caracter predictiv
Ancheta statistică (sondajul de opinie) reprezintă o metodă de cercetare
care se bazează pe răspunsurile unui eşantion reprezentativ de indivizi colectate,
de regulă, prin intermediul chestionarelor. Spre deosebire de metodele
grupurilor de interacţiune (Delphi, Brainstorming) se doreşte estimarea unei
opinii/intenţii generale a unui grup cât mai larg de persoane şi nu a unui grup
restrâns de specialişti.
Este esenţial ca eşantionul să fie extras în mod aleator fără ca să existe o
legătură directă sau indirectă între indivizii care-l compun. Alegerea
eşantionului şi extinderea rezultatelor asupra întregii populaţii statistice se
realizează prin tehnici specifice provenite din teoria sondajului statistic.
Ancheta statistică predictivă spre deosebire de o anchetă statistică în
general conţine întrebări prin care se solicită fie evaluarea unei situaţii viitoare,
fie exprimarea propriilor intenţii ale respondentului de a acţiona în viitor.
În funcţie de nivelul la care sunt realizate există:
• Anchete statistice la nivel naţional sau regional prin care se în-
cearcă evaluarea evoluţiei viitoare a economiei în ansamblul său.
Acestea sunt deosebit de utile în anticiparea ciclurilor econo-
mice39. Aceste anchete sunt realizate în general de institutele
naţionale de statistică ale diferitelor ţări. Uneori pentru a realiza
aceste studii pot fi contractate companii private datorită experti-
zei lor pe anumite domenii. De exemplu, în România, anchetele
la nivel naţional sunt realizate de INS cu excepţia anchetei în rân-
dul consumatorilor, pentru realizarea căreia, INS a apelat la servici-
ile companiei private Gfk, specializată în cercetările de piaţă.
• Anchete statistice realizate la nivel de produs sau de marcă
efectuate de companii private specializate în cercetările de piaţă
pentru clienţii lor (companii producătoare).

4.3.1. Anchete realizate în ţările membre UE


În ceea ce priveşte acoperirea geografică aceste anchete se realizează în
toate ţările membre UE dar şi la nivel agregat (zona euro UE-12, UE-27 etc.).
Datele sunt colectate de către instituţiile publice abilitate la nivelul fiecărei ţări
membre iar prelucrarea datelor se realizează conform metodologiei prezentate
în programul “The Joint Harmonised EU Programme of Business and
Consumer Surveys” (program iniţiat în 1961 dar care este supus unui proces
periodic de revizuire).
39
Rezultatele anchetelor cu caracter predictiv sunt deseori utilizate în construirea indicatorilor de
anticipare a ciclurilor economice (a se vedea capitolul destinat anticipării fluctuaţiilor ciclice)

101
În continuare sunt enumeraţi indicatorii surprinşi în întrebările
chestionarelor distribuite cu frecvenţă lunară, trimestrială şi bianuală în toate
ţările UE conform programului mai sus amintit.
Domeniu Anchetă lunară Anchetă trimestrială
- Nivelul producţiei (următoarele 3 - Numărul de luni asigurat prin
luni) nivelul actual al comenzilor
Industrie

- Nivelul actual al comenzilor - Nivelul comenzilor la export


- Nivelul comenzilor de export (următoarele 3 luni)
- Preţurile de vânzare (următoarele
3 luni)
- Nr. angajaţi (următoarele 3 luni)
- Nivelul comenzilor
Construcţii

- Preţurile de vânzare (următoarele


3 luni)
- Nr. angajaţi (următoarele 3 luni)
- Nivelul activităţii (următoarele 3
luni)
amănuntul
Comerţ

- Comenzile plasate furnizorilor


cu

(următoarele 3 luni)
- Nr. de angajaţi (următoarele 3
luni)
- Cifra de afaceri (următoarele trei
Servicii

luni)
- Nr. de angajaţi (următoarele 3
luni)
- Situaţia financiară (următoarele - Cumpărarea unei maşini (urmă-
12 luni) toarele 12 luni)
- Situaţia economică generală - Cumpărarea unei case (următoa-
(următoarele 12 luni) rele 12 luni)
Consumatori

- Preţurile de consum (următoarele - Îmbunătăţiri aduse locuinţei


12 luni) (următoarele 12 luni)
- Şomajul (următoarele 12 luni)
- Achiziţii majore (următoarele 12
luni)
- Intenţia de economisire
(următoarele 12 luni)

102
Domeniu Anchetă lunară Anchetă trimestrială
- Creşterea procentuală a - Creşterea procentuală a investi-
investiţiilor în anul curent (t) ţiilor în anul curent (t) faţă de
faţă de anul anterior (t-1) anul anterior (t-1)
- Creşterea procentuală a investi-
Investiţii

ţiilor în anul următor (t+1) faţă


de anul curent (t)
- Structura investiţiilor pentru
anii t şi t+1
- Factorii care influenţează
investiţiile în anii t şi t+1
În tabelul anterior au fost enumeraţi indicatorii care fac referire în mod
explicit la perioada viitoare plus nivelul actual al comenzilor care prin natura lor
au un impact direct asupra activităţii viitoare. Se poate observa astfel că o mare
parte din întrebările chestionarelor au rolul obţinerii unor aprecieri de natură
predictivă. Câteva exemple concrete de întrebări sunt prezentate în continuare.
Ancheta lunară în rândul agenţilor economici desfăşurată în diferite
sectoare ale industriei conţine întrebări de tipul următor:
1. Care consideraţi că va fi evoluţia producţiei în următoarele 3 luni ?
□ + Va creşte
□ = Va stagna
□ – Va descreşte
2. Nivelul curent al comenzilor consideraţi că este...?
□ + Mai mult decât suficient (peste normal)
□ = Suficient (normal pentru acest sezon)
□ – Insuficient (sub normal)
(…)
Ancheta lunară în rândul consumatorilor se bazează pe întrebări care
permit mai multe alternative de răspuns:
1. Cum apreciaţi evoluţia situaţiei financiare a gospodăriei d-vs. în
următoarele 12 luni?
□ + + Mult mai bună
□ + Puţin mai bună

103
□ = La fel
□ – Puţin mai rea
□ – – Mult mai rea
□ Nu ştiu
2. Cum credeţi că va evolua situaţia economică a ţării în următoarele 12 luni?
□ + + Mult mai bună
□ + Puţin mai bună
□ = La fel
□ – Puţin mai rea
□ – – Mult mai rea
□ Nu ştiu
Ancheta trimestrială în rândul consumatorilor include întrebări de
următorul tip.
1. Cât de probabil este să cumpăraţi o maşină în următoarele 12 luni:
□ + + foarte probabil
□ + destul de probabil
□ – destul de improbabil
□ – – foarte improbabil
□ Nu ştiu
Soldul conjunctural se calculează, pentru răspunsurile cu trei
alternative ca diferenţă dintre procentul celor care au apreciat o evoluţie
pozitivă şi procentul celor care au apreciat o evoluţie negativă astfel :
S = („+”) %– („-”)%
Pentru întrebările cu şase variante de răspuns se foloseşte următoarea
formulă:
S = („++”)% +1/2(„+”)% – 1/2(„-”)% – („--”)%
Un sold conjunctural pozitiv arată că majoritatea respondenţilor prevăd
o creştere sau o îmbunătăţire a situaţiei iar un sold conjunctural negativ arată o
anticipare preponderent negativă a respondenţilor.

104
Pe lângă soldurile conjuncturale care se calculează pentru fiecare
întrebare din chestionarele prezentate anterior, la nivelul UE, se calculează şi
câţiva indicatori agregaţi bazaţi pe aceste solduri:
Indicatori de încredere care se calculează pentru fiecare domeniu ca o
medie aritmetică a soldurilor la întrebările considerate ca fiind cele mai
semnificative pentru domeniul respectiv:
o Indicatorul de încredere pentru industrie (Industrial confidence
indicator)
o Indicatorul de încredere pentru domeniul serviciilor (Services
confidence indicator)
o Indicatorul de încredere al consumatorului (Consumer confidence
indicator)
o Indicatorul de încrederea pentru comerţul cu amănuntul (Retail trade
confidence indicator)
o Indicatorul de încredere pentru construcţii (Construction confidence
indicator)
Indicatorul sentimentului preponderent care caracterizează
economia (Economic Sentiment Indicator) se calculează ca o medie ponderată a
soldurilor celor mai semnificative înrebări din toate domeniile economice
Indicatorul mediului de afaceri (Business Climate Indicator) se
calculează doar pentru domeniul industrial printr-o procedură statistică
complexă.

4.3.2. Probleme specifice anchetelor bazate pe intenţiile


consumatorilor
Anchetele privind intenţiile consumatorilor reprezintă o metodă
specifică activităţii de previzionare a nivelului viitor al vânzărilor. În cadrul
acestor anchete respondenţii sunt chestionaţi în legătură cu propriile lor intenţii
de a cumpăra un anumit produs ceea ce implică anumite particularităţi. În timp
ce studiile prezentate anterior se aplică la nivel naţional pentru a estima evoluţia
cererii la nivelul unei ţări, există anchete particularizate, adresate unor produse
specifice, care sunt realizate de către firme specializate în cercetări de
marketing. Spre deosebire de anchetele la nivel naţional care sunt diseminate
publicului larg, anchetele realizate la nivel de produs, în interesul diferitelor
companii, sunt supuse unui regim strict de confidenţialitate atât din punctul de
vedere al rezultatelor cât şi din punct de vedere metodologic. Anchetele
realizate în mediul privat privind intenţiile consumatorilor sunt folosite atât

105
pentru produse deja existente pe piaţă cât şi pentru produse care urmează să fie
lansate40.
Anchetele la nivel naţional, având un caracter mai general, sunt în
special eficiente în cazul bunurilor de folosinţă îndelungată acestea implicând
un proces decizional mai complex din partea cumpărătorului. Este relevant ca o
persoană să fie întrebată în legătură cu achiziţia unei maşini în următoarele 12
luni însă o întrebare legată de achiziţia unor obiecte de papetărie, spre exemplu,
devine irelevantă datorită atenţiei sumare care se deciziei în acest caz.
Studiile realizate în mediul privat au, în mod uzual, ca obiectiv, atât
bunuri de folosinţă îndelungată cât şi bunurile de larg consum. Acest lucru este
posibil datorită complexităţii mai ridicate a studiilor realizate acestea implicând
de cele mai multe ori confruntarea consumatorului cu respectivul produs,
încercarea sau gustarea acestuia etc.
Câteva aspecte legate de relevanţa rezultatelor predictive ale anchetelor
la nivel de produs sunt prezentate în continuare. Un exemplu de întrebări
posibile în cadrul unui chestionar privind intenţiile consumatorilor legate de un
produs specific X poate fi următorul:
Care din următoarele alternative descrie cel mai bine probabilitatea
achiziţionării produsului X în luna următoare de către dvs.?
□ Voi cumpăra cu siguranţă (4)
□ Probabil că voi cumpăra (3)
□ Sunt indecis (2)
□ Probabil că nu voi cumpăra (1)
□ Nu voi cumpăra cu siguranţă (0)
Acestor alternative li se pot atribui probabilităţi :
□ 4/4 = 1
□ ¾ = 0,75
□ 2/4 = 0,5
□ ¼= 0,25

0
O previziune simplă a procentului de persoane care vor achiziţiona
produsul respectiv în perioada precizată este probabilitatea medie obţinută
pentru eşantionul de respondenţi (dacă probabilitatea medie exprimată de

40
Vezi capitolul corespunzător

106
respondenţi este 0,30 înseamnă că 30% dintre respondenţi vor cumpăra
produsul respectiv). Valoarea medie poate fi calculată astfel:
Procentul celor care vor cumpăra =
procentul celor care au spus că vor cumpăra cu siguranţă × 1
+ procentul celor care au spus că probabil vor cumpăra × 0,75
+ procentul celor indecişi × 0,5
+ procentul celor care au spus că nu vor cumpăra × 0
De obicei însă intenţiile exprimate de cumpărători în cadrul unui sondaj
diferă în mod sistematic de acţiunile reale ale acestora. Printre cauze putem aminti:
• consumatorul poate să facă o evaluare greşită a propriilor intenţii
• tentaţia de a da un răspuns care să-l mulţumească pe operator
(persoana care administrează chestionarul)
• tentaţia de a-şi crea o imagine proprie favorabilă (ex. imboldul de
nu recunoaşte că nu va cumpăra un produs prea scump)
• înţelegerea greşită a întrebării
• chiar dacă consumatorul îşi exprimă în mod corect intenţia, în
intervalul dintre momentul exprimării intenţiei şi momentul
achiziţionării propriu-zise pot interveni o serie de evenimente
care pot schimba intenţiile reale ale consumatorului.
O previziune realistă va ţine cont însă şi de abaterea acţiunilor
respondenţilor de la propriile intenţii exprimate observată în studii anterioare. O
posibilă modalitate de calcul ar fi următoarea:
Procentul celor care vor cumpăra =
procentul celor care au spus că vor cumpăra cu siguranţă* procentul
celor care au spus că vor cumpăra cu siguranţă şi au cumpărat
+ procentul celor care au spus că probabil vor cumpăra * procentul
celor care au spus că probabil vor cumpăra şi au cumpărat
+ procentul celor indecişi* procentul celor indecişi care au cumpărat
+ procentul celor care au spus că nu vor cumpăra* procentul celor care
au spus că nu vor cumpăra şi au cumpărat
Se remarcă faptul că această evaluare a abaterii de la intenţiile afirmate
poate fi evaluată numai printr-un studiu derulat anterior care să compare
achiziţiile efective ale fiecărui grup de respondenţi cu intenţiile exprimate de
aceştia. Unele companii specializate (ex. BASES) creează baze de date cu
coeficienţi de corecţie estimaţi din studii anterioare privind diferite categorii de
bunuri dar şi diferite zone geografice. Se porneşte de la premisa că populaţia
anumitor ţări denaturează mai mult sau mai puţin realitatea în răspunsurile
exprimate într-un mod specific. Prin urmare răspunsurile provenite dintr-un un
studiu desfăşurat într-o anumită ţară (latină, asiatică, anglo-saxonă etc.) vor fi

107
corectate cu coeficienţii diferiţi, corespunzători profilului psihologic al
consumatorilor din zona respectivă.

4.4. Alte metode subiective


Metoda arborilor de posibilităţi se bazează pe teoria grafelor, fiind un
caz particular al acestora, în speţă a grafelor „arborescente” sau a „arborilor”41
În prezentarea grafică, fiecărui element al sistemului îi corespunde un punct nu-
mit vârf al grafului, iar fiecărei relaţie dintre vârfuri o ramură ce materializează
un arc al grafului. Graful astfel obţinut este sinonim cu sistemul ce se admite,
convenţional, că-l defineşte atunci când evidenţiază elementele acestuia.
În elaborarea unor previziuni cu ajutorul teoriei grafurilor se foloseşte
frecvent noţiunea de „arbore”, denumire specifică grafelor finite neorientate.
Folosirea în previziune a metodei arborilor de pertinenţă, impune
parcurgerea următoarelor etape principale:
• definirea necesităţilor viitoare;
• stabilirea obiectivelor de viitor;
• elaborarea alternativelor de realizare a acestor obiective;
• evaluarea fiecărei alternative;
• selectarea celei mai bune alternative.
Se cunosc mai multe variante ale metodei arborilor de posibilităţi, cum
sunt: metoda Pattern, metoda Quest, metoda Profile şi metoda Cuin42.
Metoda arborilor de posibilităţi asigură organizarea sistematică a
informaţiilor privind schimbările potenţiale din dinamica sistemelor reale şi
implicaţiile acestora asupra evoluţiei posibile a sistemului studiat. Se creează
astfel posibilitatea stabilirii unei ierarhii a etapelor intermediare necesare a fi
parcurse, eliminând succesiunea căilor posibile, dar mai puţin probabile de
realizat şi evaluând soluţiile menite să conducă la atingerea obiectivului final.
Evidenţiind multiplele posibilităţi de rezolvare a problematicii abordate,
această metodă şi-a găsit aplicaţii în cele mai diferite domenii, industrie, comerţ,
demografie, cercetare etc. dovedindu-şi pe deplin utilitatea în elaborarea unor
strategii variate la toate nivelele de organizare şi conducere a societăţii.
Interpretarea unor roluri în simularea situaţiilor conflictuale
(„Role Playing”) se utilizează atunci când există situaţii conflictuale între mai
mulţi factori de decizie cu puteri aproximativ egale (exemplu: negocierile

41
Denumirea de arbore de pertinenţă a fost introdusă pentru prima dată de C.W. Churchmann şi
colaboratorii săi în cadrul cercetărilor opţionale. C.W. Churchmann R.L. Ackoff şi R.A. Arnold,
An Introduction to Operation Research, Editura John Willey and Sons, New York, 1952. Metoda
a fost elaborată de Memorial Institute Barttelle din SUA, în anul 1963.
42
M. Burtică, G. Vârlan, Op. Cit. p. 120 - 121.

108
pentru încheierea diferitelor contracte comerciale; fuziuni şi alianţe strategice;
negocierile dintre patronate şi sindicate etc.) Aceasta tehnică constă în asumarea
unor roluri de către cei implicaţi în procesul predictiv care să reprezinte în mod
cât mai realist părţile adverse însoţită de simularea situaţiei conflictuale şi
evaluarea rezultatelor. Această metodă necesită o bună cunoaştere a profilului
persoanelor implicate în conflictul real şi a obiectivelor urmărite de acestea.
Distribuirea persoanelor în diferite roluri trebuie să fie cât mai realistă,
în sensul că trebuie să existe o anumită similitudine între personajele reale şi
cele care le interpretează rolul. Cei care interpretează rolurile trebuie să
primească informaţiile necesare. Informaţiile primite trebuie să fie concise şi
trebuie să conţină:
• o descriere a fiecărui participant, a obiectivului urmărit de acesta
şi a poziţiei ocupate în cadrul firmei;
• o istorie scurtă a relaţiilor dintre participanţi;
• obiectivul întâlnirii şi eventual rezultate alternative posibile sau
moduri alternative de a acţiona.
Informaţiile primite trebuie reţinute uşor de toţi participanţii şi deci se
recomandă concentrarea lor (în jur de o pagină).
Unii specialişti recomandă realizarea simulărilor într-un mediu ambiant
cât mai apropiat de cel real, însă acest lucru poate fi destul de costisitor.
Datorită faptului că persoanele implicate pot percepe în mod diferit
rezultatul unei confruntări este recomandată scrierea rezultatelor/deciziilor de
fiecare grup în parte dar şi de terţe persoane care au rolul de observatori. În final
acestea sunt confruntate.
Numărul sesiunilor de simulare joacă un rol important în obţinerea unei
predicţii finale (ex.: dacă au fost efectuate 5 simulări iar pentru 4 dintre acestea
rezultatul final a fost declanşarea unei greve predicţia este că o grevă va avea
loc cu o probabilitate de 80%). Mai multe sesiuni de simulare pot fi obţinute fie
prin schimbarea rolurilor între participanţi, fie prin folosirea unor informaţii sau
premise alternative.
Simulările prin interpretarea unor roluri sunt recomandate atunci când:
• există o interacţiune/conflict între grupuri de interese
• numărul grupurilor de interese este mic (ideal 2 părţi opozante)
• situaţia conflictuală implică schimbări majore
• nu există situaţii comparabile în trecut
Bursele de pariuri sunt pieţe speculative utilizate pentru a previziona
anumite evenimente sau valorile anumitor parametri în care cei care dovedesc o
putere ridicată de anticipare câştigă iar ceilalţi pierd. Există burse internaţionale
de pariuri pentru aproape orice tip de evenimente: politice, sportive, artistice
(ex. nominalizări pentru Oscar), economice etc. Câteva dintre cele mai
109
cunoscute burse, cu facilităţi de participare on-line sunt: TradeSports,
Hollywood Stock Exchange, NewsFutures etc.
Utilizarea acestei metode în previziunile economice este relativ nouă şi
a fost popularizată în urma apariţiei cărţii “The Wisdom of Crowds: Why the
Many Are Smarter Than the Few and How Collective Wisdom Shapes Busi-
ness, Economies, Societies and Nations” (2004) scrisă de James Surowiecki dar
şi datorită intensificării cercetărilor în domeniul economiei experimentale (Vernon
Lomax Smith – Premiul Nobel în 2003). Conform cărţii amintite există patru
condiţii esenţiale pentru ca un număr mare de persoane să realizeze predicţii valide:
• diversitatea opiniilor - informaţii şi raţiuni diversificate în rândul
persoanelor
• independenţa – persoanele să nu se influenţeze reciproc
• descentralizarea - persoanele sunt libere să se specializeze şi să
acţioneze pe cont propriu
• agregare – necesitatea existenţei unui mecanism de extragere a
unei opinii generale
Iniţiative în ceea ce priveşte utilizarea burselor de pariuri pentru
previzionarea unor variabile la nivel microeconomic:
o În cadrul companiei Hewlett-Packard au fost create mici burse în
care angajaţii sunt încurajaţi să parieze pentru un anumit nivel al vânzărilor sau
al veniturilor companiei.
o Compania InovateUs este specializată pe previzionarea succesului
inovaţiilor în introducerea noilor produse pe piaţă bazându-se pe opinia unui
număr mare de angajaţi.
o Inkling este o companie specializată pe asemenea predicţii şi oferă
consultanţă în acest domeniu.
o Google foloseşte această metodă în interes propriu pentru diverse
predicţii de importanţă strategică pentru companie: data de lansare a unor
produse, apariţia a noi companii etc.
o La fel ca şi ancheta statistică, bursele de pariuri se bazează pe un
număr mare de participanţi însă în acest concluziile finale nu se bazează pe
inferenţa statistică.

Întrebări de autoevaluare
1. Enumeraţi avantajele utilizării metodei scenariilor?
2. Care este diferenţa între factorii de risc şi factorii predeterminaţi în
elaborarea scenariilor?
3. Care este principala diferenţă între metoda Delphi şi ancheta
statistică?

110
4. Care sunt asemănările şi diferenţele între ancheta statistică şi
bursele de pariuri ?

Studii de caz
Studiul de caz 4.2. - Metoda scenariilor în cazul Shell
Printre companiile care folosesc în mod curent metoda scenariilor,
contribuind totodată la dezvoltarea acesteia prin resursele investite se numără
grupul Royal Duch Shell. Motivaţia utilizării acestei metode a apărut la
începutul anilor 1970 când datorită activităţii puternice a diverselor grupări
ecologice orientate pe promovarea protecţiei mediului înconjurător dar şi
datorită apariţiei şi întăririi cartelului OPEC foarte multe companii petroliere au
suferit pierderi majore. Începând cu acea perioadă şi până în prezent compania
Shell şi-a bazat procesul de planificare strategică pe metoda scenariilor. Această
abordare este considerată de mulţi specialişti cheia succesului companiei cu
toate că în acelaşi timp îi sunt adresate şi multe critici.
La sfârşitul anilor 1960 Ted Newland şi Pierre Wack, angajat în
departamentul de planificare (Group Panning) al companiei Shell din Londra,
au fost însărcinaţi cu realizarea unui studiu predictiv a cărui obiectiv era poziţia
diferitelor ţări în economia mondială şi impactul asupra consumului de petrol
până în anul 2000.
Cei doi văzând dincolo de variabilele macroeconomice şi-au pus
următoarea întrebare: care era motivaţia ţărilor arabe de a furniza nelimitat
petrol ţărilor occidentale? Dezvoltarea economică fără precedent, cu o cerere de
petrol în creştere din partea ţărilor puternic industrializate cuplată cu tensiunile
politice dintre acestea şi ţările exportatoare de petrol putea cauza o ruptură în
evoluţia preţului petrolului.
Printr-un efort de echipă au fost elaborate mai multe scenarii, iniţial în
număr de şase. Scenariile au fost apoi revizuite şi grupate rămânând în final
două scenarii de bază. Fiecare dintre cele două scenarii prezenta un tablou
complet diferit cu o descriere narativă a posibilelor evoluţiilor viitoare şi
conţinea date estimate ale preţului petrolului pentru fiecare dintre cele două
evoluţii alternative.
Unul dintre scenarii descria o situaţie în care rezervele de petrol ale
SUA se diminuau în timp ce cererea creştea în mod susţinut. Majoritatea ţărilor
exportatoare de petrol arabe erau organizate în cadrul OPEC şi nu priveau cu
ochi buni ajutorul pe care ţările occidentale îl acordaseră Israelului în războiul
de 6 zile (1967) dintre Israel şi ţările arabe. Prin urmare ţările arabe aveau toate
motivele să ridice preţul petrolului chiar înainte de 1975, anul în care
contractele existente ar fi trebuit să fie renegociate conform termenului. Acest

111
scenariu prevedea practic o criza a petrolului care urma apoi să se generalizeze
în întreaga economie. Ceea ce nu se cunoştea era data exactă însă toate
evenimentele conduceau în acea direcţie. Cel de-al doilea scenariu considera că
lucrurile vor evolua în continuare la fel, cu un preţ al petrolului aproximativ
constant. Acesta era practic scenariul de stabilitate, unanim acceptat. Însă ca
acest scenariu să se desfăşoare în realitate, ar fi fost necesare evenimente foarte
improbabile cum ar fi de exemplu descoperirea de noi zăcăminte în alte ţări
decât cele arabe.
Deşi munca lor a fost apreciată de conducerea companiei fiind văzută
ca o abordare nouă care aducea ceva în plus metodelor tradiţionale de previzi-
une nu s-a luat nici o măsură pentru a pregăti compania pentru scenariul de
criză. Consiliul de administraţie al companiei neîncrezător în această desfăşu-
rare a evenimentelor a chestionat un număr de 40 de manageri de top din cadrul
companiei iar rezultatul a fost că doar unul (responsabil pe relaţia cu OPEC) a
considerat că preţul pe baril la rafinărie ar putea să crească peste 2$. Scenariul
de criză, de neimaginat la acel moment, estima o creştere la 10$ pe baril iar cu
numai un an şi jumătate mai târziu preţul ajungea deja la l3$ pe baril.
Realizatorii studiului au înţeles repede că cea mai dificilă parte nu era
elaborarea propriu-zisă a scenariilor ci acceptarea acestora ca situaţii alternative
de către managementul companiei. Devenise foarte dificil de demonstrat faptul
că întreaga forţa productivă a companiei este orientată într-o singură direcţie
pusă sub semnul întrebării. Compania era total nepregătită pentru o evoluţie
alternativă dar foarte probabilă. Au urmat apoi eforturile lui Newland şi Wack
de a detalia efectele scenariului de criza, de a arăta impactul acestora asupra
companiei şi de a-i pune pe manageri în postura de a-şi imagina deciziile pe
care trebuie să le adopte într-o asemenea situaţie.
În octombrie 1973 în timpul războiului Yom Kipur (6-26 Octombrie)
ţările arabe au impus un embargo ţărilor care au sprijinit Israelul (printre care şi
SUA) generând un şoc în preţul petrolului iar compania Shell a fost sigura
pregătită pentru un astfel de eveniment. În timp ce celorlalte companii le-au fost
necesari ani de zile pentru a asimila faptul că ceva fundamental se schimbase
(conceptul de război prin preţ impus de ţările arabe) şi de a lua o decizie în acest
sens, Shell a adoptat decizii rapide de reorientare a investiţiilor ajungând repede
cea mai profitabilă companie petrolieră. Datorită inerţiei de până atunci, de
creştere continuă, majoritatea companiilor au creat supraofertă în capacitatea de
rafinare cu consecinţe dramatice asupra profiturilor. Strategia alternativă pe care
Shell a adoptat-o a fost o strategie de reducere a costurilor şi de diversificare a
producţiei. Shell a creat noi capacităţi de extracţie a petrolului în SUA
(Patforma Cognac) şi Marea Nordului dar s-a orientat şi spre surse de energie
alternative. Shell a investit în energie solară (achiziţia companiei australiene

112
Solarhart), a încercat o pătrundere în domeniul energiei nucleare (parteneriat cu
Gulf Oil43) şi nu în ultimul rând a investit în energia biodiesel, domeniu în care
Shell este cel mai mare distribuitor. Sectorul de transport maritim al Shell în
care nu se adoptase procedura de planificare prin scenarii nu s-a adaptat la timp,
a creat supracapacitate de transport şi a suferit pierderi majore.
Turbulenţele politice din orientul apropiat desfăşurate pe parcursul
anului 1979 au făcut şi ele obiectul planificării prin scenarii. Unul dintre
scenariile realizate prevedea o nouă dublare a preţurilor la 30$/baril. Acest
scenariu oricât de incredibil a părut la vremea respectivă s-a transformat în
realitate, preţul barilului atingând nivelul de 35$ la finele anului 1979.
Datorită succesului de care s-a bucurat în anii ’70 practica utilizării
scenariilor a continuat în compania Shell devenind un proces derulat cu
regularitate până în prezent. Ultimele scenarii au fost realizate de companie în
anul 2008 pe un orizont care se întinde până în 2050 şi sunt prezentate sumar pe
pagina web a companiei44. Cele două scenarii au fost concepute pornind de la
ideea că principalul factor de risc este în prezent abordarea problemei poluării.
În scenariul “Scramble” este descrisă o lume în care primează creşterea
nivelului de trai, economiile naţionale se află într-o competiţie continuă iar
dezvoltarea durabilă este neglijată. În acest scenariu guvernele mai degrabă
reacţionează la problemele legate de mediu decât acţionează pentru a le
preîntâmpina. În cel de-al doilea scenariu, “blueprint”, guvernele ţărilor
cooperează în vederea elaborării unor strategii pe termen lung pentru
diminuarea poluării. Aici accentul este pus pe crearea tehnologiilor de stocare a
emisiilor de dioxid de carbon. Cel de-al doilea scenariu este fără îndoială mai
favorabil în ceea ce priveşte concentraţia de dioxid de carbon din atmosferă însă
nici chiar aici limita considerată a fi necesară pentru evitarea unor modificări
climatice radicale de 450 ppm (0,045%) nu este garantată. Datorită acestei
viziuni ambele scenarii sunt considerate de mulţi critici ca fiind pesimiste din
punct de vedere ecologic.

Studiul de caz 4.3.1. – Anchetă INS


Anchetele de conjunctură realizate de Institutul naţional de Statistică
(INS) sunt realizate în conformitate cu metodologia elaborată de Comisia
Europeană.
Rezultatele sunt obţinute în urma estimărilor făcute de managerii
întreprinderilor referitor la tendinţele de evoluţie ale activităţii economice.

43
Parteneriat iniţiat în 1973 din care Shell s-a retras însă în 1980 în urma unui accident de mari
proporţii
44
www.shell.com

113
Acestea sunt efectuate pe baza unor eşantioane reprezentative în domeniile mai
sus amintite. În luna octombrie 2006 volumul eşantioanelor pentru chestionarele
adrestae agenţilor economici arăta astfel: industrie prelucrătoare - 1533 agenţi
economici, construcţii - 1108, comerţ cu amănuntul - 2296 şi servicii - 1967.
Mărimea eşantioanelor este stabilită astfel încât eroarea de estimare maximă să
fie de aprox. ±5% la nivel de sector. S-a utilizat sondajul stratificat simplu
aleator, iar variabilele de stratificare sunt activitatea şi mărimea întreprinderii.
Pentru obţinerea rezultatelor agregate, răspunsurile întreprinderilor sunt
ponderate cu variabila de selecţie, respectiv numărul de salariaţi la industrie şi
construcţii şi cifra de afaceri la comerţul cu amănuntul şi servicii. Proporţia
predominantă a alternativelor de evoluţie (creştere, stagnare, scădere) dă sensul
estimat al evoluţiei care poate fi reprezentat sintetic aşa cum poate fi văzut în
tabelul de mai jos.
Estimări făcute la începutul lunii octombrie 2006 pentru perioada
octombrie-decembrie 2006:

Diferenţa procentuală între alternativele extreme („+” % creştere – „-”


% scădere) constituie soldul conjunctural, care exprimă tendinţa de evoluţie a
indicatorilor faţă de perioada anterioară. Să presupunem că soldul conjunctural
pentru contracte şi comenzi în industrie pentru două perioade de timp succesive
se prezintă astfel:
• Perioada I („+” 60%; „-” 20%; „=” 20%) → sold conjunctural 40%
• Perioada II („+” 55%; „-” 25%; „=” 20%) → sold conjunctural 30%
Pentru ambele perioade de timp este previzionată o creştere însă pentru
cea de-a doua perioadă creşterea este probabil să fie mai puţin intensă soldul
conjunctural fiind mai mic.

114
CAPITOLUL 5
METODE SPECIFICE DE PREVIZIUNE

Spre deosebire de metodele prezentate în capitolele


anterioare care se pot aplica în mai multe domenii ale activităţii
economice, fiind metode cu caracter general, în acest capitol sunt
prezentate metode specifice câtorva domenii de activitate
economică.

5.1. Previziunea ciclurilor de afaceri


Tendinţa general crescătoare a economiilor ţărilor dezvoltate şi în curs
de dezvoltare se manifestă prin faze alternative de dezvoltare şi declin, cu
creşteri şi încetiniri ale ritmurilor de creştere care generează o evoluţie cu
caracter sinusoidal. Aceste faze alternative de creştere şi descreştere afectează,
în general, toate aspectele vieţii economice (cererea de consum, preţuri,
producţia diferitelor tipuri de bunuri, salariul mediu pe economie, rata dobânzii,
cursul valutar etc.) prin urmare sunt importante atât pentru guvernele diferitelor
ţări în fundamentarea măsurilor de politică economică cât şi pentru diferitele
companii private. Bineînţeles că la nivel guvernamental sunt urmăriţi în special
indicatori la nivel maroeconomic (PIB, şomaj etc.) iar la nivelul de companie în
special indicatori specifici domeniului microeconomic (cifra de afaceri, costuri
materiale etc.) şi mezoeconomic (producţia industriei respective, preţurile pe
categorii de bunuri etc.). Nu trebuie uitat, însă, faptul că producţia industrială
unei ţări depinde şi este formată din producţia fiecărei companii. Datorită
acestei interdependenţe organice dintre nivelul micro, mezo şi macro economic
previziunea ciclurilor economice a fost şi este interesantă atât la nivel privat cât
şi la nivel guvernamental. De exemplu dacă este previzionată o recesiune la
nivelul economiei naţionale această evoluţie va influenţa în mod negativ
vânzările unei firme oarecare.
În ceea ce priveşte strategia la nivel de firmă, putem afirma că într-o
fază puternic ascendentă a unui ciclu economic o companie adoptă cu precădere
strategii de extindere a activităţii (investiţii în noi capacităţi de producţie,
angajări de personal etc.) într-o astfel de fază fiind posibilă o creştere a cifrei de

115
afaceri în condiţiile menţinerii sau chiar a reduceri a cotei de piaţă. Această fază
este caracterizată de faptul că “este loc pentru toată lumea”. Într-o fază de
recesiune sau stagnare, dimpotrivă, devine în special importantă capacitatea
unei companii de a reducere costurile sau de extindere prin preluarea clienţilor
celorlalte companii mai puţin competitive. În această situaţie lupta pentru cota
de piaţă se inflamează.
De obicei guvernele naţionale realizează prognoze legate de indicatorii
macroeconomici specifici în timp ce companiile sunt interesate de evoluţia
ciclică a unor produse sau ramuri de activitate specifice. Având în vedere
impactul pe care îl au asupra propriilor strategii companiile fie urmăresc
previziunile la nivel macroeconomic, realizate de organismele guvernamentale
specializate, fie, în special marile companii multinaţionale, realizează propriile
prognoze la nivel macro sau mezoeconomic.
Previziunile indicatorilor care caracterizează economia în ansamblu sau
diferite ramuri ale economiei reprezintă de cele mai multe ori punctul de plecare
în previziunile la nivel de firmă ( în special pentru previziunea nivelului realizat
al vânzărilor unei companii).
Recesiunea din 2000-2003, care a afectat în primul rând economia
SUA, Canadei şi Europei de Vest, a fost în primul rând provocată de creşterea
anterioară exagerată a investiţiilor în afacerile derulate prin internet, de
scandalurile financiar-contabile (Enron, WorldCom, Andersen etc.) şi de
atacurile de la 11 septembrie.

Figura 5.1.1. Vânzările de calculatoare şi produse software pentru SUA


în milioane de dolari

116
În exemplul de mai sus se poate observa modul în care recesiunea şi-a
manifestat efectul asupra unor produse specifice (calculatoare şi produse
software). În seria de mai sus pot fi observate principalele componente ale unei
serii de timp: sezonalitatea, trendul (general crescător) şi fluctuaţia ciclică.
Din punctul de vederea al metodologiei utilizate în previziunea cicluri-
lor economice pot fi utilizate metode econometrice acestea făcând parte din
categoria metodelor generale de prognoză. Specific însă previziunii ciclurilor
economice este calcularea indicatorilor de anticipare a ciclurilor economice.
Indicatorii de anticipare a ciclurilor economice (Composite Leading
Indicators) sunt indicatori agregaţi (includ în componenţa lor diferite variabile
economice) care anticipează fluctuaţiile sau punctele de întoarcere înregistrate
de activitatea economică. Caracteristica de bază a indicatorilor de anticipare
este capacitatea lor de a anticipa punctele de întoarcere (momentul în care o
fază de ascensiune este urmată de o fază descrescătoare sau invers) din seria a
cărei direcţie de evoluţie se doreşte a fi previzionată. De remarcat este faptul că
previziunea prin utilizarea acestor indici are un caracter direcţional, nu
realizează estimări cantitative ci anticipează direcţia de evoluţie
(crescătoare/descrescătoare).

Punct de întoarcere
(schimbare a sensului de evolutie)

declin
(recesiune)

crestere
punct de
(dezvoltare)
întoarcere
(schimbare
a sensului
de evoluţie)

Figura 5.1.2. Fazele unui ciclu economic

Evoluţia economică de ansamblu este de cele mai multe ori sintetizată


prin evoluţia PIB-ului, acesta fiind un indicator economic observat cu frecvenţă
trimestrială. Pentru că în majoritatea ţărilor dezvoltate producţia industrială este
observată cu frecvenţă lunară acest indicator este preferat faţă de PIB ca
indicator sintetic pentru evoluţia economică. Pornind de la date lunare evoluţia
economică de ansamblu poate fi anticipată, bineînţeles, mai timpuriu. Prin

117
urmare ne vom referi în continuare la indicatorii de anticipare pentru fluctuaţiile
ciclice alte producţiei industriale.
Componenţa unui indicator de anticipare diferă atât în plan teritorial
(de la o ţară la alta) cât şi în plan temporal. În cadrul aceleaşi ţări variabilele
incluse în indicator pot fi înlocuite după o anumită perioadă dacă se dovedeşte
faptul că alte variabile au o putere anticipativă mai mare. Există câteva reguli
pentru selectarea variabilelor economice care intră în componenţa unui indicator
de anticipare:
• să existe o explicaţie fundamentată din punct de vedere economic
pentru relaţia dintre variabila de anticipare şi activitatea economică
de ansamblu a cărei fluctuaţii ciclice se doresc a fi previzionate;
• relaţia trebuie să aibă loc cu un anumit decalaj temporal. Pentru a
reprezenta un semnal c caracter anticipativ este necesar ca
modificările variabilelor incluse în indice să aibă loc înaintea
modificărilor care apar în producţia industrială;
• trebuie să existe date statistice de calitate, de preferinţă înregis-
trate lunar, pe o perioadă suficient de lungă. Această constrângere
privind calitatea datelor este în mod special importantă pentru
realizarea unor predicţii de calitate.
Variabilele economice aflate în componenţa indicatorilor de anticipare
diferă, aşa cum a fost deja amintit, de la o ţară la alta. Dintre cele mai frecvent
utilizate variabile în construcţia indicatorilor de anticipare putem aminti:
• tendinţa viitoare estimată prin anchete statistice cu caracter
predictiv în rândul agenţilor economici;
─ tendinţa viitoare în domeniul producţiei de bunuri (un orizont
de 3-6 luni - creştere, menţinere, descreştere);
─ tendinţa de creştere a preţurilor de vânzare a bunurilor;
─ tendinţa de creştere a comenzilor;
• anchete asupra opiniei consumatorilor privind:
─ situaţia financiară proprie în următoarea perioadă;
─ tendinţa viitoare a preţurilor de consum;
─ tendinţa viitoare a situaţiei economice de ansamblu etc.
• Creşterea vânzărilor lunare în comerţul cu amănuntul. Creşterea
acestora arată în general o creştere a puterii de cumpărare care
generează un răspuns din partea ofertei în sensul creşterii
volumului de bunuri şi servicii.
• Producţia de materii prime (cărbune, oţel etc.) şi consumul de
combustibili, acestea aflându-se în prima fază a ciclului
productiv, arată, într-o fază incipientă, direcţia de evoluţie a
volumului producţiei finale

118
• Numărul de comenzi lunare primite în diferite ramuri ale
economiei: industrie, minerit etc.
• Indicatori privind ocuparea forţei de muncă
─ Numărul de şomeri înregistrat lunar la Oficiul Forţelor de
Muncă;
─ Numărul de locuri de muncă vacante înregistrat la Oficiul
Forţelor de Muncă ;
─ Numărul mediu de ore lucrate pe lună de muncitorii în industrie
colectat de institutele naţionale de statistică
• Indicatori ai masei monetare. O masă monetară mai mare
înseamnă în general o lichiditate mai mare (mai mulţi bani în
economie) care influenţează pozitiv activitatea economică în
sensul creşterii acesteia.
• Masa monetară M1 (reprezentată din bancnote, monezi şi banii
aflaţi în conturi curente).
• Masa monetară M2 (M1 + conturi de economii, certificate de
depozit) etc.
• Indicii bursieri. Indicii bursieri arată atitudinea generală a
investitorilor. Indicii bursieri cresc atunci când investitorii se
aşteaptă la o creştere a profiturilor în mediul de afaceri. Pentru că
investitorii acţionează pe baza anticipaţiilor privind mediul de
afaceri indicii bursieri au o valoare anticipativă pentru creşterea
economică.
• Rate ale dobânzii. În general o rată medie a dobânzii mai mică
însemnă un cost al împrumutului mai mic şi deci o încurajare a
activităţii economice viitoare.
• Importuri totale (preţuri c.i.f.). Dacă o ţară este preponderent
importatoare de materie primă o creştere a importurilor acesteia
arată o creştere viitoare a producţiei la nivel naţional.
• Indicele raportului de schimb net45. O creştere a acestui indicator
arată o mai bună valorificare a exporturilor (bunurile în exterior
au o valoare unitară mai mare decât în ţară) comparativ cu
importurile ceea ce reprezintă o motivaţie de a exporta şi deci de
a produce mai mult etc.
Majoritatea datelor privind variabilele economice mai sus amintite
provin de la institute naţionale de statistică, bănci naţionale sau burse de valori.

45
Indicele raportului de schimb net = indicele valorii unitare al exporturilor/indicele valorii
unitare al importurilor

119
Conform metodologiei OCDE etapele construirii unui indicator de
anticipare sunt:
• Se selectează variabilele care intră în componenţa indicatorului
de anticipare (în general acestora variază între 5 şi 11)
• Dacă datele prezintă fluctuaţii sezoniere seriile de date sunt
desezonalizate printr-o metodă adecvată
• Se estimează trendul general al variabilelor de anticipaţie (din
nou se pot folosii diferite tehnici de genul celor prezentate sau
alte metode)
• Se calculează indicii de ciclicitate ca raport dintre seria iniţială şi
trend
• Seriile de indici obţinute pentru fiecare componentă sunt nivelate
pentru a reduce fluctuaţia acestora (pentru nivelare se folosesc
tehnici de genul mediei mobile, nivelării exponenţiale sau alte
metode specifice)
• Pornind de la indicii de ciclicitate aferenţi seriilor componente,
nivelaţi în etapa anterioară, se calculează o medie a acestora
(ponderi egale, în general) obţinându-se astfel un indice de
ciclicitate mediu care reprezintă practic un indicele de ciclicitate
compozit a variabilelor de anticipare.
• Indicele de ciclicitate mediu al variabilelor anticipative se
înmulţeşte cu componenta de trend a producţiei industriale.
Trendul se calculează, în general, pornind de la indicii de creştere
cu bază fixă (a nu se uita faptul ca evoluţia seriei indicilor cu
bază fixă este identică cu cea a seriei iniţiale). Această înmulţire
se realizează pentru a putea realiza o suprapunere grafică a
indicatorului de ciclicitate mediu al variabilelor anticipative cu
indicii de creştere a producţiei industriale.
• Indicele de ciclicitate mediu al variabilelor de anticipare (înmulţit
sau nu cu trendul producţiei industriale) este cunoscut sub
denumirea de indicator de anticipare.
Indicatori de anticipare a ciclurilor economice sunt în mod curent
construiţi de Conference Board (pentru SUA), de OCDE (pentru ţările
dezvoltate) şi de Comisia Europeană prin intermediul Direcţiei pe probleme
economice şi financiare (pentru UE) în special pentru zona Euro.

5.2. Sistemul analizei input-output


În condiţiile adâncirii legăturilor dintre activităţile desfăşurate în cadrul
complexului economic naţional, un rol tot mai important în asigurarea

120
echilibrului economic general şi prevenirea unor dezechilibre majore îl are
sistemul analizei input-output46.
Evidenţiind fluxurile de bunuri şi servicii ce au loc între activităţile
desfăşurate în cadrul economiei, folosirea analizei input-output permite
cunoaşterea la nivelul fiecărei activităţi a consumurilor intermediare şi a cererii
finale atât pe surse de provenienţă cât şi pe destinaţii. Se asigură pe această bază
posibilitatea determinării pe activităţi a resurselor disponibile şi a modului de
folosire a acestora, a cunoaşterii coeficienţilor costurilor materiale directe şi
totale şi previzionării pe această bază a costurilor materiale necesare obţinerii de
bunuri şi servicii. Totodată pot fi analizate mutaţiile structurale din cadrul
economiei şi fundamentarea pe această bază a strategiilor menite să conducă la
menţinerea la nivelul fiecărei activităţi a echilibrului între volumul resurselor şi
utilizarea acestora, oferta şi cererea de bunuri şi servicii, producţie şi consum.
Sistemul analizei input-output permite formalizarea matematică a
legăturilor între activităţile generate de intrări şi ieşiri sub forma unui sistem de
ecuaţii, a căror utilizare asigură obţinerea unui ansamblu coerent de indicatori.
Se creează astfel posibilitatea elaborării simultane a mai multor variante într-un
timp relativ scurt şi implicit sporirea operativităţii în calculele previzionale. De
asemenea, această metodă asigură cadrul adecvat elaborării studiilor
previzionale privind cererea intermediară şi finală, veniturile angajaţilor şi a
celor în calitate de întreprinzător, consumul menajelor şi cel guvernamental,
formarea brută a capitalului, relaţiile economice externe etc.
Metoda analizei input-output constituie o sursă de informaţii
indispensabilă pentru Sistemul Contabilităţii Naţionale, tabelele input-output
fiind elemente componente ale acestui sistem.
Deşi concepută pentru a fi folosită în cadrul unor procese
macroeconomice şi mezo-economice (la nivel de ramură) metoda analizei input-
output şi-a găsit multiple aplicaţii practice în studierea relaţiilor interregionale
precum şi la nivelul agenţilor economici cu activitate complexă.
Schema de principiu a sistemului analizei input-output, se prezintă sub
forma unui tabel împărţit în patru părţi purtând denumirea de cadrane. Fiecare
cadran evidenţiază anumite aspecte ale activităţilor cuprinse în cadrul sistemului
analizei input-output.
Conţinutul tabelului sistemului analizei input-output şi semnificaţia
elementelor componente ale acestuia, este prezentată într-o formă simplificată în
figura 5.2.1.
Cadranul I constituie partea principală a tabelului sistemului analizei
input-output. Acest cadran are un număr egal de linii şi coloane. Pe coloane se

46
W. Leontief, Analiza input-output, Editura Ştiinţifică, Bucureşti, 1970

121
înscriu intrările (inputurile) într-o anumită activitate, reprezentând consumul
intermediar de obiecte ale muncii provenite din propria activitate cât şi din toate
celelalte activităţi. Pe liniile acestui cadran, se trec ieşirile intermediare
(outputurile) de obiecte ale muncii dintr-o anumită activitate către propria
activitate şi toate celelalte activităţi.
Pe ansamblul celor „n” activităţi, suma elementelor de pe linii este
egală cu suma elementelor de pe coloane, punând în evidenţă echilibrul ce se
asigură între resursele totale şi utilizarea lor.

Consum
Activităţi consumatoare Produs final
intermediar
Consum Formarea brută
final a capitalului

Export
Produs

Modificare stocuri,
Consum menaje

Formare brută a
Consum public
global

capitalului fix
1,2,3,…,n

rezerve
Activităţi producătoare

1
2
3 I II

n
Venit din calitatea de
Venituri din munca
Valoarea adăugată

Impozite şi taxe.

întreprinzător
Amortizare.

angajată.
brută

III IV

Produs global

Figura 5.2.1. Schema tabelului analizei input-output

122
Cadranul I caracterizează sintetic fluxul legăturilor tehnologice ce se
formează între activităţile sistemului analizei input-output, ca urmare a livrărilor
reciproce de resurse.
Cadranul II cuprinde bunurile ce nu sunt supuse în continuare unor
procese de prelucrare. Acest cadran are forma unei matrice dreptunghiulare, cu
un număr mai mare de linii faţă de cel al coloanelor. Liniile cadranului II
evidenţiază în cazul fiecărei activităţi modul de folosire a producţiei ieşite din
sfera consumului intermediar (producţiei) şi destinată utilizării finale. În
coloanele acestui cadran este pusă în evidenţă formarea producţiei finale, a
fiecărei componente a acesteia (consum, formarea brută a capitalului, export),
prin alocarea unei părţi din producţia finală a fiecărei activităţi. Cadranul II
caracterizează sintetic la nivelul fiecărei activităţi, structura materială a
producţiei finale pe componente ale acesteia
Cadranul III are forma unei matrice dreptunghiulare, cu un număr mai
mare de coloane decât de linii. În acest cadran sunt cuprinse intrările primare pe
activităţi. Acestea sunt reprezentate pe linii la nivelul fiecărei activităţi de
consumul de capital fix şi forţa de muncă, exprimate prin amortizarea şi veniturile
din munca salariată. De asemenea, acesta mai include veniturile din calitate de
întreprinzător şi din patrimoniu, precum şi veniturile ce revin societăţii, venituri
materializate prin diferite forme ale profitului, impozitelor şi taxelor percepute.
Cadranul III caracterizează sintetic la nivelul fiecărei activităţi, nivelul şi
structura valorii adăugate brute.
Cadranul IV se află la intersecţia cadranului III cu cadranul II. Făcând
legătura între veniturile primare din cadranul III şi consumul final din cadranul
II, în cadranul IV se reflectă unele procese de redistribuire a veniturilor şi
formarea veniturilor finale. De regulă, cadranul IV se elaborează ca un tabel
distinct în afara sistemului analizei input-output. Datorită dificultăţilor în
elaborare şi semnificaţiei reduse a elementelor sale componente, fac ca cel de al
IV-lea cadran să fie cel mai puţin perfect şi utilizabil din cele patru cadrane ale
sistemului analizei input-output.
În esenţă, modelul economico-matematic al analizei input-output
este format dintr-un ansamblu de ecuaţii liniare ce asigură transpunerea într-o
formă matematică a fluxurilor de bunuri şi servicii, corelaţiilor şi stării de
echilibru ce se formează între activităţile cuprinse în cadrul sistemului analizei
input-output.

123
Modelul analizei input-output poate avea caracter statistic sau
previzional şi se elaborează fie ca model static sau model dinamic. De
asemenea, modelul poate fi elaborat în expresie valorică sau fizică (naturală47).
Modelul în expresie valorică are o sferă largă de aplicabilitate,
deoarece permite cuprinderea unui număr mare de activităţi eterogene. Se
creează astfel posibilitatea elaborării unui sistem coerent de ecuaţii, menit să
evidenţieze sub multiple aspecte la nivelul fiecărei activităţi modul de folosire a
producţiei şi structura rezultatului final, consumurile intermediare şi structura
intrărilor primare.
Modelul sistemului analizei input-output in expresie valorică, grefat pe
schema de principiu a sistemului analizei input-output, se prezintă în schema din
figura 5.2.2. Elementele modelului valoric au următoarele semnificaţii:
xij – produsul global creat în activitatea „i” şi destinată
consumului intermediar în activitatea „j”;
cmi – consumul menajelor (gospodăriilor);
cai – consumul public (guvernamental);
fbki – formarea brută a capitalului fix;
vsri – variaţia stocurilor şi rezervelor;
exi – export;
Yi – produsul final (cererea) al activităţii „i”;
Xi – produsul global al activităţii „i”;
amj – amortizarea capitalului fix în activitatea „j”;
Vsj – veniturile din munca angajată în activitatea „j”;
S – veniturile din munca angajată în cele „n” activităţi;
pj – veniturile din calitatea de întreprinzător şi din patrimoniu
în activitatea „j”;
P – veniturile din calitatea de întreprinzător şi din patrimoniu
în cele „n” activităţi;
Itj – impozitele şi taxele în activitatea „j”;
It – impozitele şi taxele în cele „n” activităţi;
Xj – produsul global al activităţii „j”;
i = 1, n - activităţi producătoare;
j = 1, n - activităţi consumatoare.

47
Abordarea exhaustivă a acestei probleme poate fi urmărită în diferite lucrări de specialitate,
printre care amintim: W. Leontief, Analiza input-output, Editura Ştiinţifică, Bucureşti, 1970; L.
Tövissi, E. Ţigănescu, Balanţa legăturilor dintre ramuri, Editura Ştiinţifică Bucureşti 1969, M
Capătă, Balanţa Statistică a legăturilor dintre ramuri, Editura Politică, Bucureşti, 1974; L.
Tövissi, E. Ţigănescu, Analiza economică multisectorială, Editura ȘtiinȘifică şi Enciclopedică,
Bucureşti 1976, A. Baciu, A. Popescu, Modele ale balanţei legăturilor dintre ramuri, Editura
Ştiinţifică şi Enciclopedică, Bucureşti, 1982

124
Activităţi consumatoare Consum
Produs final
intermediar

Figura 5.2.2. Schema tabelului analizei input-output caracteristică


(destinaţia fluxurilor-input)
Pro-
Fluxuri Formarea brută a dus
Consum final
interactivit. capitalului glo-
Activităţi producă- Ex- To-
Formare Mod. bal
toare furnizoare Cons. Cons. port tal
1, 2,... j,... n brută a stoc şi
(sursa fluxurilor - output) menaje public
capitalului rezerve
modelului în expresie valorică

1 x11 x12 ... x1j ... x1n Ca1 fbk1 vsr1 ex1 Y1 X1
2 x21 x22 ... x2j ... x2n Ca2 fbk2 vsr2 ex2 Y2 X2
Con-
... ............................. ... ... ... ... ... ...
sum
i xi1 xi2 ... xij ... xin Cai fbki vsri exi Yi Xi
125

final
... ............................. ... ... ... ... ... ...
n xn1 xn2 ... xnj ... xnn Can fbkn vsrn exn Yn Xn

Amortizare am1 am2 ... amj ... amn Am

Impozite şi taxe it1 it2 ... itj ... itn It


Valoarea
adăugată Venituri din munca
s1 s2 ... sj ... sn S
brută angajată

Venituri din calit.


p1 p2 ... pj ... pn P
de întreprinzător

Produs global X1 X2 ... Xj ... Xn


Pentru i = j = 1, n , rezultă că Xi = Xj, aceeaşi activitate îndeplinind
dubla calitate de producătoare şi de consumatoare.
Formalizarea matematică a dependenţelor dintre activităţi în cadrul
sistemului analizei input-output în expresie valorică, se face cu ajutorul unor ecuaţii.
Ecuaţiile de repartizare a producţiei stabilesc legătura dintre
elementele cadranului I şi II, evidenţiind modul de folosire a produsului global al
fiecărei activităţi pentru consum intermediar şi utilizare finală.
X i = ∑ j =1 xij + cmi + cai + fbk i + vsri + exi
n

sau
X i = ∑ j =1 xij + Yi
n

Ecuaţiile costurilor de producţie urmăresc corelarea elementelor din


cadranul I şi III, punând în evidenţă formarea produsului global în cadrul
fiecărei activităţi.

X j = ∑i =1 xij + am j + s j + p j + it j sau X j = ∑i=1 xij + VAB j


n n

unde:
VABj – valoarea adăugată brută în activitatea „j”.
Ecuaţiile de echilibru asigură corelarea elementelor din cadranul I şi
II, cu cele ale elementelor din cadranul I şi III. Sunt puse astfel în evidenţă
echilibrul între produsul global repartizat dintr-o activitate şi produsul global
creat în acea activitate, între ieşirile dintr-o activitate (outputurile) şi intrările în
activitatea respectivă (inputurile).

∑ xij + Yi = ∑i =1 xij + VAB j sau Xi = Xj


n n
j =1

Măsurarea dependenţelor între activităţile sistemului analizei input-


output, se face folosind coeficienţii costurilor materiale directe. Mărimea
acestor coeficienţi se determină pentru fiecare element din cadranul I, în funcţie
de consumurile intermediare şi produsul global corespunzător activităţii respective,
conform relaţiei:
xij
aij =
Xj
unde:
aij – coeficientul costurilor materiale directe.

126
Aceşti coeficienţi ne arată câte unităţi valorice din produsul global al
activităţii „i” sunt consumate pentru obţinerea unei unităţi de produs global în
activitatea „j”.

5.3. Analiză tehnică şi fundamentală


Analiza tehnică şi analiza fundamentală s-au dezvoltat ca două abordări
alternative în încercările de previziune a sensului de evoluţie pentru diferite
instrumente financiare tranzacţionate pe pieţe specifice. Cele mai importante
pieţe financiare sunt:
• piaţa de capital (acţiuni, obligaţiuni)
• piaţa valutară
• piaţa de mărfuri şi a produselor financiare derivate (contracte
futures, opţiuni etc.).
Aceste pieţe sunt în general organizate sub forma burselor de valori.
Analiză fundamentală implică studiul impactului factorilor economici
care pot influenţa evoluţia unui titlu. De multe ori investitori sofisticaţi încep cu
analiza indicatorilor macroeconomici (PIB, inflaţie, curs valutar, productivitate)
continuă apoi cu analiza la nivel de ramură sau industrie (competitivitate,
tendinţe etc.) pentru ca faza finală să fie orientată pe analiza situaţiei financiare
la nivel de companie.
Analiză tehnică reprezintă studiul evoluţiei preţului unui titlu de
valoare, cu scopul de a previziona cât mai exact oscilaţiile şi trendul acestuia.
Analiza tehnică se bazează în special pe analiza grafică şi pe utilizarea unor
indicatori de natură statistică (tehnică) şi nu include analiza relaţiilor de
cauzalitate dintre preţul respectivului titlu şi diferiţi factori de influenţă. Premisa
de la care porneşte analiza tehnică este că istoria tinde să se repete şi că toate
informaţiile necesare sunt incluse în evoluţia preţului. Factorul psihologic tinde
să aibă un rol important. Se consideră că participanţii pe piaţă tind să aibă o
reacţie similară la fluctuaţiile legate de preţ, reacţie care este observată statistic.

5.3.1. Elemente de analiză fundamentală


Una dintre legile fundamentale ale economiei este aceea că dinamic
preţului este guvernat de legea fundamentală a raportului dintre cererea şi oferta
pentru respectivul bun sau titlu de valoare. Prin urmare factorii determinanţi ai
evoluţiei preţului sunt factorii care înclină balanţa cerere-ofertă într-un sens sau
altul.
Datorită sistemelor electronice de tranzacţionare pe bursele de valori
există posibilitatea de înregistrare şi utilizare a informaţiilor legate de cantităţile
şi preţurile cerute şi oferite, spre deosebire de alte pieţe unde acest lucru se

127
poate realiza cu eforturi mult mai mari. De exemplu, pe piaţa de capital, un
participant are posibilitatea de a vizualiza cererea şi oferta într-un tabel
electronic ca cel care urmează.
Preţul pieţei este preţul la care s-a efectuat ultima tranzacţie (ask sau
bid). În general o cerere mai mare este un imbold psihologic care determină
cumpărătorii să accepte preţul ask (mai mare) ceea ce face ca preţul pieţei să
crească. În sens contrar, la o presiune a ofertei mai mare, când există pericolul
ca totalul cantităţii oferite sa nu-şi găsească acoperirea în cererea aflată la un
nivel inferior este de aşteptat ca preţul de tranzacţionare să scadă prin
acceptarea de către ofertant a unui preţ mai mic. Această lege fundamentală nu
se confirmă întotdeauna datorită faptului că intenţiile exprimate nu reprezintă
neapărat intenţiile reale ale jucătorilor (un ordin putând fi anulat sau modificat
până în momentul executării sale). Cantitatea cerută sau oferită la un anumit
preţ reprezintă deci o intenţie exprimată la un moment dat şi nu un angajament
care implică obligativitatea. Prin urmare încercarea de a previziona preţul pieţei
prin observarea directă a raportului cerere/ofertă nu este lipsită de dificultăţi.
Tabelul 5.3.1
Cererea şi oferta de acţiuni
cerere de actiuni oferta de actiuni
pret bid (pret pret ask (pret
cantitate oferit) cerut) cantitate
253,400 0.58 0.595 55,900
525,800 0.575 0.6 75,800
428,400 0.57 0.605 28,400
10,200 0.565 0.61 32,100
10,500 0.56 0.615 42,800
82,000 0.55 0.62 92,800
7,000 0.545 0.63 46,000
297,000 0.54 0.635 100
250,000 0.535 0.64 8,500
24,700 0.53 0.65 353,500
1,889,000 TOTAL CANTITATE 735,900
Sursa: Vanguard
O analiză economică mai detaliată, a cărei obiectiv este anticiparea sensu-
lui de evoluţie al preţului, presupune, pe lângă observarea directă a raportului
cerere-ofertă, studierea impactului factorilor care influenţează acest raport.
Pentru a exemplifica această idee vor fi enumeraţi în continuare factorii
determinaţii ai raportului cerere-ofertă pentru diferite active financiare. Evoluţia

128
cererii şi ofertei pentru acţiunile unei companii, spre exemplu, este determinată
în principal de următorii indicatori fundamentali:
1. Dinamica profiturilor48 şi a vânzărilor
2. Mărimea dividendelor acordate
3. Evenimente favorabile: un produs nou cu potenţial pe piaţă,
restructurare, preluare de către o companie mai puternică etc.
4. Rata dobânzilor. Rata dobânzilor acţionează asupra preţurilor
unei acţiuni în dublă direcţie:
a) Pe de o parte se consideră că o rată ridicată a dobânzii duce la
încetinirea creşterii economice (acces mai greu la credite) ceea ce
se reflectă în vânzări şi profituri mai scăzute realizate de companii
şi deci preţuri mai mici pentru acţiunile care nu mai pot oferi
dividende atât de atractive
b) Pe de altă parte o rată mare a dobânzii face ca randamentul unor
investiţii alternative să crească (obligaţiuni, certificate de depozit
etc.) în defavoarea randamentului acţiunilor care devin mai puţin
atractive. Prin urmare investitorii îşi vor îndrepta lichidităţile către
alte titluri ceea ce conduce la o cerere mai redusă pentru acţiuni şi
deci o diminuare de preţ.
Uneori nu este nevoie ca rata dobânzii să crească efectiv, este suficientă
o anticiparea a acestei creşteri pentru ca efectul să se facă resimţit în preţ.
5. Evoluţia pieţei în ansamblu (vizibilă în evoluţia indicilor
bursieri). Dacă piaţa în ansamblul ei scade, spre exemplu, datorită
unei perspective proaste a sănătăţii economiei în ansamblu sau
datorită unei panici generale pe bursă nici chiar cea mai bună
companie nu va face faţă trendului general descendent al pieţei.
Este de aşteptat totuşi, cel puţin din punct de vedere teoretic, ca o
companie mai bună să înregistreze scăderi mai mici ale preţurilor
acţiunilor sale decât scăderea medie a pieţei.
Obligaţiunile49 sunt la rândul lor titluri financiare care pot fi
tranzacţionate. Rata dobânzii influenţează preţurile acestor titluri iar relaţia este
în general inversă (la fel ca şi în cazul acţiunilor):

48
Indicatorii cei mai utilizaţi pentru evaluarea valorii unei anumite acţiuni sunt:
• Raportul dintre preţul curent al unei acţiuni şi valoare contabilă pentru acţiunea respectivă
• Raportul dintre preţul curent al unei acţiuni şi profitul pe acţiune.
• Profitul pe acţiune se calculează astfel:
Profit pe acţiune = profitul înregistrat / nr. de acţiuni
49
Obligaţiunile sunt instrumente financiare de credit, purtătoare de dobândă sau cu discount, care
reprezintă o datorie pe termen lung, emisă de autorităţile publice sau de corporaţii. Emitentul
plăteşte dobânda la intervale de timp specificate (de regula semestrial) şi răscumpără obligaţiunile

129
• Dacă rata dobânzii creşte preţurile obligaţiunilor existente la
tranzacţionare vor înregistra o scădere.
• Dacă rata dobânzii scade preţurile obligaţiunilor tranzacţionate
vor creşte.
De exemplu, o obligaţiune oferă un randament de 7% pe an, valoarea
restituită la maturitate este de 1000 RON iar preţul de tranzacţionare pe piaţă al
obligaţiunii este de 1010 RON. Dacă rata dobânzii va creşte noile obligaţiuni
emise vor avea un randament mai mare, peste 7%, prin urmare preţul unei
obligaȘiuni la vechiul randament, mai mic, va scădea.
La rândul său rata dobânzii poate fi influenţată de factori ca:
o Cererea/Oferta de creditare. În perioade de expansiune:
- cererea puternică de credite conduce la creşterea ratei dobânzii
- randamentele mai atractive oferite de companiile private
(dividende, obligaţiuni) obligă guvernul să ofere randamente
mai ridicate la titlurile de stat
o Politica monetară. Prin operaţiunile de open market, facilităţi
acordate băncilor, manevrarea ratei dobânzii de politică monetară şi impunerea
unor rezerve minime obligatorii banca naţională influenţează nivelul ratelor
dobânzii practicate într-o economie
o Deficit bugetar înseamnă emiterea de titluri guvernamentale pe
termen lung pentru acoperirea deficitului ceea ce înseamnă o absorbţie de
monedă din economie şi o creştere a ratei dobânzilor la titlurile pe termen lung
o Inflaţia – presupune o creştere a ratei nominale a dobânzii (dobânda
oferită de bancă trebuie, de regulă, să acopere inflaţia)
Factori de influenţă fundamentali în evoluţia cursului valutar:
o Diferenţa dintre inflaţia înregistrată de cele două economii naţionale.
Moneda cu inflaţie mai mică este mai căutată şi deci se apreciază
o Diferenţa dintre ratele dobânzilor reale50. O rată mare a dobânzii
pentru o anumită monedă este mai atractivă şi deci determină creşterea cererii
pentru moneda respectivă şi deci moneda respectivă se apreciază pe termen
scurt. Această creştere a ratei dobânzii poate însă să afecteze performanţa de
ansamblu a economiei respective şi să conducă, pe termen lung la deprecierea
monedei naţionale
o Deficitul de cont curent. Importuri mai mari decât exporturi fac ca
cererea de valută să fie mai mare ceea ce înseamnă o depreciere a monedei
naţionale

atunci când împrumutul este programat sa fie rambursat, adică la data scadenţei (maturity date)
sau mai devreme, la data răscumpărării (call date).
50
Rata reală a dobânzii este rata nominală din care se scade inflaţia

130
o Datoria publică (deficitul bugetar) poate fi acoperită prin resurse
atrase din interior sau din exterior. Mecanismele de influenţă asupra cursului
valutar diferă în cele două situaţii însă în ambele situaţii creşterea datoriei
publice are un efect negativ asupra monedei naţionale.
o Performanţa economică a respectivei ţări. O economie puternică
oferă o imagine mai bună şi deci o atractivitate mai mare pentru respectiva
monedă naţională.

5.3.2. Elemente de analiză tehnică


Analiza tehnică nu îşi propune să analizeze datele financiare ale unei
companii sau interdependenţele dintre variabilele care caracterizează o
economie naţională ci porneşte de la premisa că studierea evoluţiei trecute a
preţului unui activ financiar este suficientă pentru a estima direcţia evoluţiei
viitoare a preţului respectivului activ. Din punctul de vedere al rezultatelor
generate analiza tehnică face parte din categoria metodelor direcţionale. Nu îşi
propune să realizeze estimări pentru valoarea viitoare a preţului unui activ ci
doar direcţia evoluţiei, creştere sau scădere. Metodele analizei tehnice sunt
desprinse din studierea pieţei financiare de-a lungul a sute de ani. Poate că cea
mai timpurie ramură a analizei tehnice o reprezintă tehnicile folosite de
speculatorii japonezi din secolul al 18-lea şi populare încă în zilele noastre.
Munehisa Homma (1724-1803), a fost un comerciant de orez pe piaţa Ojima din
Osaka şi este considerat părintele tehnicii de reprezentare grafică “candlestick”
utilizată încă şi astăzi. În scrierile sale din 1755 acesta arată că psihologia pieţii
este critică pentru succesul tranzacţionării iar emoţiile celor care
tranzacţionează au o influenţă semnificativă asupra preţului orezului.
Teoria Dow, introdusă de Charles Dow, cofondator al companiei Dow
Jones & Company (1882) împreună cu Edward Jones şi editor al Wall Street
Journal, a inspirat folosirea şi dezvoltarea analizei tehnice prin articole marcante
publicate în perioada 1900-1902.
Una dintre teoriile formulate de opozanţii analizei tehnice este ipoteza
de piaţă eficientă, care susţine că o piaţă eficientă are o evoluţie de tip “mers la
întâmplare” şi că pe o astfel de piaţă activităţile de tip speculativ, prin utilizarea
analizei tehnice, sunt practic imposibile. Existenţa fondurilor de risc a căror
activitate este pur speculativă contrazice însă această ipoteză.
Reprezentarea grafică cea mai frecvent întâlnită este prin bare de preţ.
O bară de preţ coincide unei anumite frecvenţe temporale (1 min., 5 min., 10
min., 15 min., 30 min., 1 h, 1 zi, 1 săptămână etc.) şi conţine preţul de deschi-
dere (preţul iniţial), preţul minim, preţul maxim şi preţul de închidere aferente
respectivului interval. Bineînţeles că există şi alte variante de reprezentare gra-
fică: “lumânări” (candlestick), doar preţurile de închidere (close) etc.

131
Figura 5.3.1 Bară de preţ

Analiza tehnică presupune utilizarea unor indicatori specifici care


generează semnale de vânzare şi semnale de cumpărare. Aceşti indicatori nu
generează previziuni cantitative sau valorice (nu generează o anumită valoare
estimativă pentru preţul unei acţiuni de exemplu) ci reprezintă previziuni
direcţionale51 în sensul că arată evoluţia ascendentă sau descendentă a unui
activ. Un semnal de cumpărare conţine în sine o previziune care afirmă o
evoluţie viitoare ascendentă a preţului iar un semnal de vânzare este echivalent
cu o previziune în sensul scăderii preţului.
În continuare este prezentat un sistem simplu de tranzacţionare bazat pe
oscilatorul stocastic. Trebuie menţionat faptul că sistemele de tranzacţionare
utilizate în practică de către organizaţiile specializate (fonduri de risc etc.)
depăşesc cu mult în complexitate sistemul prezentat aici.
Oscilatorul stocastic se calculează astfel:
1. Se decide asupra numărului de perioade, k, incluse în calcul (5 zile,
20 zile etc.) Aceste perioade reprezentate prin bare de preţ (cu
preţul de deschidere, preţul minim, preţul maxim şi preţul de
închidere). În fiecare moment t se alege cel mai mic preţ minim şi
cel mai mare preţ maxim pe o fereastră de k bare în urmă.
2. Se calculează la fiecare moment (bară) t următoarele valori:
CL = Preţul de închidere [t] - Cel mai mic preţ minim [pe fereastra de N bare]
HL = Cel mai mare preţ maxim [pe fereastra de k bare] – Cel mai mic preţ
minim [pe fereastra de k bare]
OS = CL / HL *100
51
Previziuni de tip direcţional sunt de asemenea întâlnite în capitolul privind evoluţia ciclurilor de
afaceri

132
3. Valoarea OS este nivelată printr-o medie mobilă obţinându-se un
oscilator stocastic mediu OS
În partea de jos a graficului este reprezentat OS împreună cu pragurile
de 80% şi 20% reprezentate de cele două linii paralele. Uneori pe grafic sunt
reprezentate atât oscilatorul OS cât şi OS .

Sursa: Vanguard
Figura 5.3.2 Reprezentarea grafică a unei serii de bare de preţ şi a
Oscilatorului Stocastic

Semnale de vânzare/cumpărare:
Semnal de vânzare:
Atunci când OS depăşeşte un prag superior (de regulă 80%) şi este în
revenire.
Semnal de cumpărare:
Atunci când OS coboară sub un prag inferior (de regulă 20%) şi este în
revenire.
Semnalele menţionate anterior sunt valabile doar pentru evoluţii
orizontale (ranging market). Trebuie menţionat faptul că Oscilatorul Stocastic
permite şi alte tipuri de semnale, de exemplu dacă pe grafic este reprezentat atât
OS cât şi OS se pot pune semnale în funcţie de modul în care acestea se
intersectează.

133
În practica tranzacţiilor mobiliare, pentru a obţine semnale de vânzare şi
cumpărare cât mai corecte se folosesc de obicei mai mulȘi indicatori pentru
confirmarea acestora. Un set de unul sau mai mulţi indicatori utilizaţi împreună
cu semnalele generate de aceştia formează un sistem de tranzacţionare.
Utilizarea unor algoritmi tot mai complecşi şi implementarea unor sisteme
automatizate de generare a semnalelor pe baza acestor algoritmi a condus la
apariţia conceptului de tranzacţionare algoritmică.

5.4. Modele de anticipare a crizelor valutare


Literatura economică distinge trei tipuri fundamentale de crize
financiare: crize valutare, bancare şi de datorie externă. În practică nu există
însă forme pure de crize ci mai degrabă un amestec de elemente specifice celor
trei tipuri principale de criză. Un concept teoretic prin care se încercă
surprinderea diversităţii în acest sens îl reprezintă conceptul de crize gemene
(twin crises) – crizele valutare şi ale sectorului bancar.
Prevenirea crizelor valutare a început să prezinte un interes sporit în
special în ultimul deceniu al secolului trecut în urma crizelor înregistrate în
cadrul Sistemului Monetar European (1992), pe continentul American în Mexic
(1994), Argentina (2001), în ţările din sud-estul Asiei, precum Thailanda,
Malaiezia, Indonezia, Filipine şi Coreea de Sud (1997) sau în Rusia (1998).
O definiţie clară şi precisă a crizelor valutare este dificilă în contextul
menţionat anterior. O definiţie aproximativă ar fi reprezentată de pierderea
încrederii în moneda naţională, exprimată printr-o cerere sporită de schimbare a
monedei autohtone cu o monedă străină, aceasta ducând fie la
devalorizarea/deprecierea puternică a monedei naţionale, fie la diminuarea
rezervelor valutare.
Din punct de vedere tehnic o criză valutară poate fi definită prin
utilizarea unui indicator de presiune a pieţei valutare EMP52:

unde:
σ 2 reprezintă variaţia ca măsură a volatilităţii pentru cursului de
schimb, rata dobânzii şi respectiv rezervelor internaţionale.
Variabilele sunt ponderate astfel cu inversul volatilităţii, cu cât o
variabilă este mai volatilă cu atât ponderea sa este mai mică.

52
BNR, Caiete de studii nr.16, Sisteme de avertizare timpurie a crizelor valutare, Martie 2006

134
Motivaţia definirii în acest mod a indicatorului de presiune este aceea
că în cazul unui atac valutar (o cumpărare masivă de valută în defavoarea
monedei naţionale) autoritatea monetară are două opţiuni: fie încearcă
menţinerea cursului (e), situaţie specifică regimurilor valutare fixe, prin
diminuarea rezervelor (res) şi/sau creşterea ratei dobânzii (r), fie lasă cursul
liber şi atunci moneda se devalorizează puternic.
Indicatorul de criză CCi ,t (currency crisis) pentru perioada t şi ţara i
este un indicator binar care ia valoarea 1 dacă este perioadă de criză sau
valoarea 0 dacă nu este perioadă de criză. Indicatorul de criză poate fi definit
după cum urmează:

Cu alte cuvinte este considerată perioadă de criză dacă indicatorul de


presiune a pieţei valutare depăşeşte două deviaţii standard faţă de media
calculată pe o anumită perioadă.
În general o criză valutară este definită prin unul sau mai multe din cele
trei elemente: curs, dobândă sau rezerve însă definiţia exactă poate fi destul de
diferită în funcţie de instituţia care realizează anticipaţiile. Astfel situaţia în care
CCi ,t ia valoare 1 poate fi destul de diversă. De exemplu, banca de investiȘii
Goldman Sachs, în modelul GS-WATCH, defineşte o criză valutară ca o creş-
tere a mediei ponderate între modificarea cursului valutar şi a rezervelor, pe o
perioadă de trei luni, peste o anumită limită specifică fiecărei ţări. Credit Suisse
First Boston, în cadrul modelului EMRI (Emerging Markets Risk Indicator),
defineşte o criză valutară ca o devalorizare a monedei naţionale de peste 5% şi
mai mare decât dublul devalorizării din luna precedentă. Deutsche Bank, în
modelul DB-Alarm Clock, consideră că o criză este prezentă la o devalorizare a
monedei naţionale de peste 10% şi o creştere a ratei dobânzii de peste 25%.
La fel ca şi definirea crizei valutare, modelele prin care se realizează
previziunea efectivă diferă în funcţie de cine le realizează şi obiectivele avute în
vedere. Spre deosebire de băncile naţionale sau FMI a căror obiectiv este în
primul rând stabilitatea mediului financiar, obiectivul diferitelor bănci de
investiţii este realizarea profiturilor în urma speculării fluctuaţiilor valutare.
Începând cu anul 1999 FMI monitorizează diferite modele, atât proprii cât şi
modele provenite din mediul privat, pentru a realiza o evaluare sistematică în
ceea ce priveşte succesul. acestora. Realizarea unor metode adecvate pentru
anticiparea crizei valutare nu este deloc simplă fapt arătat de abandonarea unor
modele în mediul financiar după încercări succesive lipsite de rezultate
aşteptate. De exemplu Lehman Brothers a renunţat la model său denumit

135
“Currency Jump Probability Model” iar JPMorgan şi-a abandonat modelul
“Event Risk Indicator”.
Un punct comun multor modele (GS-WATCH, DB-Alarm Clock,
EMRI etc.), din punct de vedere tehnic, este utilizarea funcţiilor de tip logit sau
logit multinominale. Conform unui model logit probabilitatea de apariţie a
crizei valutare în perioada următoare condiţionată de variabilele explicative
xk este definită astfel:
1
P ( CC i ,t = 1 / x k ) =
1 + e −F (x)
Unde F(x) este o regresie multiplă de forma:
F ( x ) = a + b 1 x 1 + .. + b k x k
Cu cât valoarea lui F(x) este mai mare cu atât probabilitatea de apariţie
a crizei este mai mare. F(x) poate fi interpretat ca un indicator agregat al
variabilelor explicative. Semnul parametrilor bk poate fi pozitiv în situaţia în
care o creşterea a variabilei explicative determină o creştere a probabilităţii de
apariţie a crizei în orizontul de previziune stabilit sau poate fi negativ în cazul
unei relaţii inverse. Se observă că probabilitatea ca indicatorul de criză CCi ,t să
ia valoarea 1 (adică să fie criză) creşte atunci când F(x) tinde la infinit. Având
semnificaţia de probabilitate P(CCi,t = 1/ xk ) variază între 0 şi 1.

Figura 5.4.1 Reprezentarea grafică a unui model Logit

Orizontul de previziune diferă în general de la 2 ani, pentru modele


realizate de FMI, până la l-3 luni, pentru modelele din mediul privat. Pentru ca
să fie prognozată o criză pe orizontul ales se impune ca probabilitatea apariţiei
unei crize să fie peste un anumit prag, să zicem 0,8. Alegerea pragului de
136
probabilitate precum şi a lungimii orizontului de previziune optim fac obiectul
unor proceduri de optimizare complexe şi depind foarte mult de obiectivele
urmărite. Parametrii bk fac la rândul lor obiectul unor proceduri de optimizare.
O altă diferenţă esenţială între modelele utilizate constă în alegerea
variabilelor explicative xk incluse în model. În tabelul următor sunt prezentate
cele mai utilizate variabile:
Efectul asupra prob.
Variabila explicativă de apariţie a crizei
(semnul lui bk )
Multiplicatorul monetar(M2/Masa monetară de bază) pozitiv
M2/Rezerve pozitiv
M1 pozitiv
Nivelul rezervelor negativ
Nivelul depozitelor bancare negativ
Creditul intern/PIB pozitiv
Volumul creditelor/volumul depozitelor pozitiv
Exporturi negativ
Importuri pozitiv
Indicele raportului de schimb net negativ
Rata reală de schimb negativ
Supra-aprecierea monedei naţionale pozitiv
Creditul extern pozitiv
Creditul extern pe termen scurt pozitiv
Ieşirile de capital pozitiv
Diferenţialul ratelor reale ale dobânzilor între ţări pozitiv
Ratele reale ale dobânzilor în exterior pozitiv
Nivelul producţiei negativ
Indici bursieri negativ
Indicatori de contagiune* pozitiv
Evenimente politice sau economic-e (gen an
electoral, liberalizare de cont curent etc.), care pozitiv
favorizează criza, cuantificate ca variabile binare
Preţul petrolului pozitiv
 Fdj Fdi 
*Contagiuneij = ∑  F ×
Fi

d  d 
unde:
Fdj – volumul creditelor acordate de ţara d ţării j;

137
Fdi – volumul creditelor acordate de ţara d ţării i;
Fd – totalul creditelor acordate de ţara d;
Fi – totalul creditelor atrase de ţara i.
Dacă ţara j este afectată de criză atunci cu cât ponderea creditelor
acordate lui j de către d în totalul creditelor acordate de d este mai mare şi cu cât
ponderea creditelor acordate lui i de către d în total credite atrase de i este mai
mare cu atât este mai probabilă transmiterea crizei către ţara i prin intermediul
ţării d. Ţara d, fiind creditor comun, dacă este puternic expusă faţă de j, cu
probleme financiare, va restrânge fondurile şi din i, iar i va fi cu atât mai
afectată cu cât depinde mai mult de d.
Trebuie precizat că există alte modalităţi practicate pentru cuantificarea
anumitor variabile, de exemplu modelul EMRI (Credit Suisse) utilizează ca şi
indicator de contagiune, pur şi simplu numărul de ţări din regiune care au trecut
printr-o criză în perioada recentă.
Se urmăreşte în general utilizarea unui număr cât mai restrâns de
indicatori astfel încât utilizarea modelului să fie cât mai eficientă. În general se
utilizează un număr de aproximativ 8 variabile care să acopere principalele
dimensiuni: aprecierea exagerată anterioară a monedei, masa monetară, nivelul
rezervelor, evenimente majore, performanţa economiei, datoria externă, balanţa
de plăţi şi indicatori de contagiune.

5.5. Planificare şi previziune colaborative în sisteme


dinamice de afaceri
CPFR (Collaborative Planning, Forecasting and Replenishment) este o
practică adoptată de marile corporaţii, aflate într-o relaţie de tip furnizor-client,
care presupune colaborarea acestora printr-un proces continuu de schimb al
informaţiilor în ceea ce priveşte previziunea, planificarea, aprovizionarea şi
alocarea resurselor având ca obiectiv satisfacerea optimă a cererii. De exemplu
un producător de componente auto va avea acces, în mod continuu, la
previziunile privind vânzările de autoturisme realizate de producătorul final cu
scopul de a face o planificare optimă a producţiei şi a aprovizionării.
Producătorul final de autoturisme va face la rândul său previziunea cererii în
colaborarea cu dealerii (distribuitorii) de autoturisme.
Acţiunea CPFR a fost iniţiată în anul 1995 de lanţul comercial Wall-
Mart53 şi de compania de software şi consultanţă Benchmarking Partners la care

53
Wall-Mart a ocupat primul loc în clasamentul Fortune 500 cu un nivel al veniturilor pe anul
2007 situat peste 378 mld. $, profit care a depăşit 12 mld. $ şi având mai mult de 2 milioane de
angajaţi fiind considerată cea mai mare companie din lume.

138
s-au alăturat şi alte companii de soluţii IT integrate: IBM, SAP, i2
Technologies54 şi Manugistics55. Compania farmaceutică Warner-Lamber (acum
parte a Pfizer), în calitate de furnizor al Wall-Mart, a fost cea în care s-a
implementat prima acţiune pilot pentru studierea avantajelor acestei practici.
Rezultatele studiului pilot au fost prezentate asociaţiei comerţului inter-
industriei VICS (Voluntary Interindustry Commerce Solutions Association) care
a continuat promovarea şi dezvoltarea acestei practici prin elaborarea unor
recomandări şi standarde internaţionale privind implementarea sa. De la
elaborarea recomandărilor de către VICS în 1998 şi până în prezent peste 300
de mari companii au adoptat sistemul CPFR.

Etapele implementării unui sistem CPFR


Cele nouă etape de implementare ale unui sistem CPFR, descrise mai
jos, sunt în conformitate cu recomandările publicate de VICS şi se referă în
specia la relaţia producător-distribuitor. Aceste etape pot fi împărţite în 3 faze
diferite:

Faza I - Planificare
1. Realizarea unui acord cadru între companiile implicate. Prin acest
acord companiile partenere ajung la o înţelegere privind necesităţile comune de
previziune, principiile care vor sta la baza colaborării, asumarea unor standarde
de calitate, angajamente de confidenţialitate, tipul informaţiilor care vor fi
schimbate şi nu în ultimul rând detaliile practice ale procesului de colaborare.
Toate aceste elemente ale acordului sunt concretizate într-un document oficial.
2. Crearea unui plan de afaceri comun. Această etapă presupune schimbul
de informaţii între companii privind strategiile şi tacticile adoptate de fiecare
companie în vederea adoptării unor strategii şi tactici comune asupra produselor
care vor face obiectul colaborării, asupra evenimentelor promoţionale, nivelul
practicat al preţurilor, timpii de aprovizionare, stocurile de siguranţă etc.

Faza a II-a – Previziune


3. Previziunea vânzărilor. Previziunea vânzărilor reprezintă momentul
central al sistemului CPFR. Se porneşte de la principiul conform căruia
producătorul şi distribuitorul au o viziune diferită asupra vânzărilor iar
împărtăşirea acestora conduce la o creştere a eficienţei în procesul de
previziune. Distribuitorul are un contact mai bun cu consumatorul final

54
În anul 2008 i2 Technologies a fost achiziţionată de JDA Software Group
55
În anul 2006 Manugistics a fost achiziţionată de JDA Software Group

139
cunoscând mai bine comportamentul acestuia şi deţine de asemenea informaţii
legate de acţiunile altor producători şi planurile promoţionale ale acestora.
Producătorul în schimb are o cunoaştere mai bună asupra cererii globale pentru
produsul respectiv primind semnale de la mai mulţi distribuitori dar are şi o
cunoaştere mai bună a produsului din punctual de vederea al detaliilor tehnice
faţă de cele concurente.
Datele istorice înregistrate pentru vânzări sunt folosite în previziunea
propriu-zisă. Se poate porni de la diferite tipuri de date: date obţinute de la
punctele de vânzare cu amănuntul către consumatorul final, date provenite de la
centrele de distribuţie sau datele care reprezintă livrările producătorului către
distribuitor. Se analizează de asemenea impactul pe care diferite evenimente
trecute l-au avut asupra vânzărilor (ex.: o reducere de 10% a preţului poate
conduce la o creştere de 15% a vânzărilor) factorii de influenţă identificaţi fiind
utilizaţi în procesul de previziune. Este foarte importantă stabilirea unui
calendar comun privind: promoţii, deschiderea sau închiderea unor magazine,
introducerea unor noi produse etc. Previziunile sunt făcute în general de către
un partener transmise apoi celuilalt partener urmând apoi un proces de
colaborare privind ajustarea acestora cu scopul de a realiza un consens.
4. Identificarea excepţiilor în previziunea vânzărilor. Excepţiile sunt acele
evenimente care fac ca procesul de previziune să se abată de la evoluţia sa
aşteptată, evenimente care necesită astfel o atenţie suplimentară. Excepţiile pot
fi identificate în funcţie de anumite criterii care sunt de comun acord stabilite.
Lista criteriilor şi pragurile de generare a semnalelor sunt adoptate de comun
acord. De exemplu un criteriu poate fi ca eroare de previziune să se menţină în
plaja de +6% sau ca nivelul stocurilor să nu scadă sub un anumit nivel sau ca
vânzările să nu scadă sub 8% din nivelul înregistrat în săptămâna anterioară etc.
Atunci când un astfel de criteriu nu este satisfăcut este generat un semnal care
arată că procesul a luat o evoluţie neaşteptată.
5. Găsirea unor soluţii comune privind excepţiile în previzionarea
vânzărilor. În funcţie de gravitatea lor excepţiilor generează un anumit tip de
colaborare în vederea găsirii unor soluţii care sunt de complexitate variabilă de
la simple e-mail-uri până la şedinţe, video-conferinţe etc.
6. Previzionarea comenzilor viitoare. Pornind de la vânzările previzionate
şi de la politica de stocuri descrisă în planul de afaceri comun se realizează o
estimare privind cantitatea comandată. Aceste estimări permit producătorului să
realizeze o planificare a producţiei şi îi oferă distribuitorului garanţia că
comanda sa va fi satisfăcută la timp. Estimarea comenzilor viitoare este
subordonată de asemenea principiului de realizare prin consens.
7. Identificarea excepţiilor pentru comenzile previzionate. Idem 4

140
8. Găsirea unor soluţii comune privind excepţiile în previzionarea
comenzilor. Idem 5

Faza a III-a - Execuţie


9. Generarea comenzilor. La intervale de timp stabilite în prealabil
comenzile estimate se vor transforma în comenzi ferme.

5.6. Previziuni de marketing


5.6.1. Estimări privind cota de piaţă
Într-un sistem competitiv de marketing pentru bunuri de consum
existente pe piaţă companiile pot desfăşura activităţi de marketing orientate
către consumator sau activităţi de marketing orientate către distribuţie.
Activităţile de marketing orientate către consumator sunt adresate direct
acestuia şi privesc calitatea produsului, ambalarea, varietatea sortimentelor,
nivelul preţului, publicitate, promoţii etc. Marketingul orientat către consumator
se foloseşte în cazul bunurilor cu un brand bine diferenţiat.
Activităţile de marketing orientate către distribuţie se referă la
activitatea personalului direct implicat în vânzări, poziţionarea pe raft a
bunurilor, reduceri de preţ, reduceri de preţ legate de cantitate, negocierea altor
condiţii favorabile cu distribuitorii etc. Aceste tehnici de marketing se folosesc
pentru produse care nu au un brand bine diferenţiat. De exemplu un cumpărător
nu va căuta o anumită marcă de şerveţele ci le va lua pe cele care sunt la
îndemână, adică bine poziţionate, sau eventual pe cele mai ieftine).
Un al treilea set de factori care influenţează vânzările conţine elemente
legate de variaţia sezonieră, modificările demografice, veniturile populaţiei,
cultură şi stil de viaţă, dezvoltare tehnologică etc. În timp ce variabilele
specifice activităţilor de marketing orientate către consumator sau distribuţie
influenţează cota de piaţă a unui produs, ultimul set de variabile influenţează
volumul vânzărilor în ansamblu, expansiunea sau contracţia acestora per global.
În domeniul previziunilor de marketing au fost folosite diferite metode
de previziune a cotei de piaţă pornind de la variabilele mai sus amintite care au
un impact semnificativ asupra cotei de piaţă. Frecvent utilizate sunt metodele
generale de previziune cum ar fi regresia multiplă şi reţelele neuronale care
permit introducerea diferitelor variabile independente.
Pe lângă metodele generale de previziune un model specific de
previziune a cotelor de piaţă este modelul de atracţie care va fi prezentat în cele
ce urmează.

141
n
α ∏ k =1 ( x kjt ) β k

cˆ jt =

m n

j =1
α ∏ k =1 ( x kjt ) β k

unde:
ĉ jt – cota de piaţă estimată a produsului j la momentul t;
xhjt – factorul de influenţă k al produsului j la momentul t;
α – termen liber; acelaşi pentru toate produsele;
βk – parametrul factorului de influenţă k; acelaşi pentru toate
produsele;
n – numărul factorilor de influenţă;
m – numărul de bunuri.
Acest model porneşte de la premisa că cota de piaţă a unui produs se
poate calcula ca raport dintre efortul de marketing pentru acel produs şi
efortul de marketing al tuturor produselor de pe piaţă ( ± o eroare de esti-
mare). În modelul de mai sus se observă că termenul liber α şi parametrii bk
sunt comuni pentru toate produsele. O extensie a modelului presupune diferenţie-
rea acestora pentru fiecare produs în parte. În condiţiile în care parametrii sunt
specifici fiecărui produs numărul acestora creşte semnificativ făcând procesul
de estimare mult mai dificil având însă avantajul unei mai bune nuanţări a
particularităţilor specifice fiecărui produs.
Acest model mai are dezavantajul dificultăţilor întâmpinate în estimarea
efortului de marketing al produsele concurente pentru perioada de previziune.
Anticiparea acţiunilor concurenţilor pe piaţă fiind adesea extrem de dificilă.

5.6.2. Previziunea produselor noi lansate pe piaţă


Una dintre cele mai importante aplicaţii comerciale ale previziunii
poate fi găsită în ultimele faze ale procesului de dezvoltare a noilor produse,
moment în care managerii au nevoie de estimări cât mai exacte privind în spe-
cial rata de penetrare a pieţei, volumul vânzărilor şi cota de piaţă. În cele ce ur-
mează va fi tratată problema bunurilor de larg consum.
Previziunea pentru produsele noi lansate pe piaţa reprezintă un suport
foarte important pentru procesul decizional în managementul dezvoltării noilor
produse. Costurile de cercetare în vederea conceperii unor noi produse sunt ridi-
cate, dar costurile legate de lansarea unui nou produs la scară naţională sau
internaţională, costuri care se pot transforma în pierderi dacă produsul nu are
succes, sunt cu mult mai ridicate.
Modele utilizate se împart în două mari categorii :

142
Modele pentru pieţe test (pieţe controlate) care corespund fazei finale în
procesul de dezvoltare al produsului, fază în care produsul este gata de lansare,
se află în forma în care va fi prezentat consumatorului dar nu este lansat încă la
scară largă (naţională sau internaţională) Modelele din această categorie se ba-
zează pe datele obţinute în urma observării comportamentului consumatorilor
după ce produsul a fost lansat pe o piaţă restrânsă (piaţă test), în cadrul că-
reia consumatorii au acces la produs în condiţii reale.
Modele pentru pieţe pre-test (pieţe simulate) care corespund fazei de
prototip (produsul este creat dar poate încă să sufere îmbunătăţiri) fază în care
produsul nu este pus efectiv la dispoziţia consumatorilor. Modele din această
categorie se bazează pe date calitative (preferinţele consumatorilor) obţinute în
urma confruntării consumatorilor cu produsele aflate în faza de prototip, înainte
de lansare, în cadrul unor pieţe simulate. Ca exemple putem menţiona:
ASSESSOR, BASES MOD III etc.

Modele pentru pieţe pre-test


Pentru că testarea unui produs pe o piaţă, aşa cum a fot deja precizat,
implică costuri considerabile dar şi un anumit risc din partea companiilor
concurente au fost create modele care să permită evaluarea succesului unui
produs înainte ca acesta să fie testat pe o piaţă. Spre deosebire de pieţele test
unde produsul, în volum limitat, este disponibil pentru a fi achiziţionat în mod
real, pieţele pre-test presupun o fază incipientă în care produsul este în fază de
prototip, nu a fost lansat în mod real pe nici o piaţă şi este posibil chiar ca
produsul să nu aibă încă o denumire şi un ambalaj final în vederea
comercializării.
Modelele care generează previziuni privind volumul vânzărilor sau cota
de piaţă a unui produs înainte ca acesta să fie testat pe piaţă se bazează în mare
măsură pe intenţiile sau preferinţele exprimate de potenţialii consumatori. Un
eşantion selectat din potenţialii consumatori sunt confruntaţi cu produsul aflat în
fază de prototip într-un spaţiu special amenajat. Consumatorii sunt chestionaţi
cu privire la propriile lor intenţii de a cumpăra produsul respectiv dar şi în ceea
ce priveşte opinia acestora faţă de anumite caracteristici ale produsului.
Consumatorii interesaţi sunt încurajaţi să testeze produsul respectiv sau le este
oferit produsul pentru a fi testat ulterior, la domiciliu. După o anumită perioadă
de timp optimă (timp mediu estimat între achiziţii succesive) consumatorii
chestionaţi sunt contactaţi din nou, de obicei telefonic, pentru a se obţine
informaţii privind gradul de satisfacţie al acestora în urma utilizării produsului
dar şi privind noile intenţii ale consumatorilor faţă de produsul respectiv. Uneori
produsul le este oferit consumatorilor de mai multe ori.

143
O altă categorie de modele face apel la analogia dintre produse. Foarte
multe companii specializate pe cercetări de marketing (BASES, Novaction etc.)
creează baze de date cu informaţii referitoare la mii de produse lansate.
Caracteristicile (reclamă, poziţionare, distribuţie etc.) produsului care urmează a
fi lansat sunt comparate cu caracteristicile produselor lansate anterior din
categoria respectivă. Legătura dintre performanţa produsului şi caracteristicile
sale este formalizată prin funcţii de mai mulţi parametrii. Parametrii estimaţi pe
diferite categorii de produse lansate anterior sunt utilizaţi pentru a previziona
performanţa noilor produse.
În cele ce urmează vor fi prezentate foarte succint etapele esenţiale ale
modelului ASSESSOR56 (Urban, Silk 1978) aflat în prezent în proprietatea
companiei M/A/R/C (Marketing and Research Counselors). În anul 1972 Glen
L. Urban57 a fost contactat de un reprezentat al companiei Gillette şi care i-a
cerut dezvoltarea unei metode de previziune pentru noile sale produse a cărei
cost de implementare să nu depăşească 25000 USD şi a cărei durată de
implementare să nu depăşească 3 luni. Pentru realizarea proiectului de cercetare
a fost oferită suma de 40.000 USD universităţii MIT prin care s-a derulat
contractul de cercetare. Metoda a fost realizată împreună cu Alvin Silk58 şi fost
dată publicităţii abia în 1978. Metoda a fost utilizată o perioadă în cadrul
companiei Management Decision Systems care a fost preluată de Information
Resources Inc., pentru ca în present să fie utilizată de M/A/R/C, companie
deţinută de grupul Omnicom.
Etapele acestui model prin care se estimează cota de piaţă a unui nou
produs ce urmează a fi lansat pe piaţă sunt:
1. Potenţiali consumatori (subiecţi) din segmentul de piaţă sunt
interceptaţi în timp ce fac cumpărături, cei disponibili sunt conduşi
într-un spaţiu special amenajat unde li se administrează un
chestionar iniţial în vederea identificării setului de produse familiar
(setul de produse pe care o persoană le are în vedere atunci când
face o alegere).
2. Subiecţilor li se administrează un al doilea chestionar (care este
adaptat în funcţie de răspunsurile la primul chestionar adică în
funcţie de produsele cu care subiectul este familiar). Produsele sunt
grupate în perechi de câte 2 iar subiectul trebuie să aloce 11 puncte

56
Trebuie menţionat faptul că procedura este prezentată doar parţial şi în mod simplificat
estimările reale implicând şi alte proceduri suplimentare
57
Profesor de management, Sloan School of Management, Massachusetts Institute of Technology
(MIT)
58
Profesor Emerit de Administrare a Afacerilor, Harvard Business School

144
între cele 2 produse ale fiecărei perechi. În funcţie de numărul de
puncte alocat fiecare produs va primi un scor V ( j ) .
3. Într-un magazin fictiv subiecţilor li se oferă ocazia să facă
cumpărături gratuit până la o anumită limită peste care trebuie să
plătească. Subiecţilor care nu cumpără din proprie iniţiativă noul
produs acesta le este oferit gratuit.
4. Probabilitatea ca un consumator să cumpere produsul j este
exprimată în funcţie de scorul obţinut pentru produsul j prin
următoarea relaţie:
V ( j) β
P( j ) =

m
V ( j) β
j =1

unde:
P(j) – probabilitatea ca un consumator să cumpere produsul j
(procentul de cumpărători care cumpără produsul j);
m – numărul de produse aflat în setul de produse familiar
fiecărui respondent;
V ( j ) – scorul obţinut de produsul j.
Rolul acestei etape este estimarea parametrului β . Preferinţele consumato-
rilor sunt cunoscute în etapa 2) iar procentul de cumpărători în etapa 3) pro-
blema care rămâne fiind în ce măsură preferinţele exprimate ale cumpărătorilor
reprezintă un bun predictor pentru procentul efectiv de achiziţii. Parametrul β
face legătura dintre preferinţele consumatorilor (exprimate prin punctele acor-
date de subiecţi fiecărui produs - scoruri) şi procentul de cumpărători (probabilita-
tea ca un anumit produs să fie cumpărat) acţionând ca un corector pentru o
posibilă subevaluare sau o supraevaluare făcută de consumatori în chestionar.
5. După o perioadă de timp subiecţii sunt contactaţi din nou iar cei
care între timp au încercat noul produs sunt supuşi din nou unui
interviu. Chestionarul este similar celui din etapa 2) cu diferenţa că
subiecţii trebuie să acorde puncte şi noului produs pe care au avut
deja ocazia să-l încerce.
6. Cu ajutorul parametrului β estimat în etapa 4) se previzionează
probabilitatea cu care un cumpărător va achiziţiona noul produs i.
~
~ V (i ) β
P (i ) = m ~
V (i ) β + ∑ j =1V ( j ) β

unde:
~
P (i) – probabilitatea ca un consumator să cumpere noul produs i;

145
~
V ( j ) – scorul obţinut de produsul j din setul de produse familiare
după ce a fost încercat şi noul produs i;
V (i) – scorul obţinut de noul produs i.
În această etapă se porneşte de la ipoteza că parametrul β este
aproximativ acelaşi şi pentru noul produs i.
7. Cota de piaţă previzionată pentru noul produs i este calculată după
formula:
~
Mˆ (i ) = E (i ) P (i )
unde:
Mˆ (i) – cota de piaţă estimată pentru noul produs i care urmează a
fi lansat;
E (i) – proporţia consumatorilor care vor include bunul i în setul
de produse familiare.
~
Se observă că probabilitatea P (i) a fost calculată pornind de la scoruri
acordate unor produse cu care cumpărătorii potenţiali sunt familiarizaţi adică fie
~
au auzit de ele fie le-au încercat. Prin urmare probabilitatea P (i) este de fapt
probabilitatea ca un consumator să cumpere noul produs i dacă cunoaşte acest
produs. Prin urmare este necesară estimarea lui E (i) care se realizează în
principal în funcţie de impactul promovării produsului (chestionare prin care se
verifică în ce măsură consumatorii cunosc un produs, îşi amintesc reclama
produsului etc.).
Ultimele inovaţii în domeniul testării produselor înainte de lansare sunt
reprezentate de realizarea computerizată a unui spaţiu virtual59 în care
potenţialii consumatori pot achiziţiona produsele dorite. Practic, consumatorii
care participă la un astfel de test se aşează în faţa monitorului având
posibilitatea, prin intermediul unei interfeţe grafice foarte realist realizată, să se
plimbe printr-un supermarket să selecteze produsele dorite, să citească
specificaţiile ambalajelor etc. În acest fel poate fi observată atitudinea
consumatorilor faţă de noile produse care nu se află încă în magazine dar care se
regăsesc în spaţiul virtual special creat în vederea testării.
În urma previziunilor făcute cu modele specifice fazei de pre-test se
poate lua decizia de a renunţa la produs, de a introduce produsul într-o piaţă test
sau de a lansa produsul la scară naţională/internaţională.

59
Un exemplu de spaţiu virtual pentru achiziţii este cel realizat de 4D Shopper (UK)
(www.4dshopper.com)

146
Modele pentru pieţe test
Crearea unui nou produs (concept sau prototip) implică costuri ridicate
însă, lansarea unui produs pe piaţă poate fi mult mai costisitoare (ex.: realizarea
produsului Gillette Ultramax a costat 1,9 milioane USD iar lansarea pe piaţă 19
milioane USD). Pentru a decide dacă un produs merită sau nu să fie lansat pe
piaţă la scară largă, companiile producătoare au nevoie de previziuni detaliate
privind evoluţia vânzărilor ulterioară lansării produsului.
În ultimele decenii producătorii de bunuri de larg consum folosesc pieţe
test înainte de lansarea unui produs la scară naţională sau internaţională. Pieţele
test sunt pieţe restrânse care includ un număr limitat de puncte de desfacere sau
zone geografice şi au rolul de a evalua performanţa unui produs în condiţii reale
de piaţă precum şi a unor planuri alternative de marketing. Utilizarea unor pieţe
test implică, la rândul lor, costuri care cresc odată cu durata perioadei de testare
a produselor dar şi odată cu creşterea costului de oportunitate de a nu lansa
produsul pe scară naţională mai devreme. Perioadele lungi de testare dau
competitorilor posibilitatea de a evalua produsele care sunt pe punctul de a fi
lansate şi de lansa mai rapid produse similare care pot fi mai competitive.
Pentru a veni în întâmpinarea acestei probleme au fost create modele specifice
pieţelor test care au rolul de a face predicţia volumului vânzărilor pe baza
primelor rezultate provenite din pieţele de testare reducând astfel, în mod
semnificativ, durata necesară testării.
Unul dintre cele mai utilizate modele presupune descompunerea
vânzărilor observate în perioada de testare în achiziţii care reprezintă încercări
ale produsului şi achiziţii repetate. Acest tip de modele (“depth of repeat
models”) la dezvoltarea cărora au contribuit Fourt şi Woodlock (1960), Eskin
(1973), Kalwani şi Silk (1980) iar mai recent Fader şi Hardie (1999) sunt
utilizate în prezent de companii în domeniul cercetărilor şi previziunilor de
marketing (ex. BASES60). De obicei datele observate reprezintă vânzări
săptămânale. Astfel vânzările cumulate (vânzările care au fost realizate până în
săptămâna t), S(t), pentru un anumit produs pot fi descompuse în:
a) Numărul de achiziţii care reprezintă încercarea produsului (prima
achiziţie realizată de un cumpărător până în momentul t), T(t)
b) Numărul de achiziţii care reprezintă prima repetiţie (achiziţii
realizate de cumpărători care cumpără un produs după ce l-au
încercat în prealabil), FR(t)
c) Numărul de repetiţii ulterioare până în momentul t, AR(t)

60
BASES a fost fondată la mijlocul anilor 1970. În prezent este controlată de compania olandeză
Nielsen

147
S(t) = T(t) + FR(t) + AR(t)
Descompunerea în aceste componente şi realizarea previziunilor pentru
fiecare componentă în parte este deosebit de utilă pentru a cunoaşte natura şi
cauzele succesului/insuccesului unui produs şi pentru adoptarea unor măsuri
corespunzătoare. De exemplu vânzări realizate sub nivelul aşteptat pentru un
anumit produs pot fi explicate prin cel puţin două scenarii posibile:
a) Deşi mulţi consumatori încearcă produsul foarte puţini fac o nouă
achiziţie pentru că produsul nu corespunde preferinţelor
consumatorilor. Deci produsul trebuie îmbunătăţit pentru a atinge
cel puţin nivelul de satisfacţie aşteptat de consumatori.
b) Foarte puţini consumatori încearcă produsul dar totuşi cei care o fac
sunt încântaţi şi achiziţiile ulterioare sunt ridicate. Deci produsul
trebuie mai bine promovat pentru a fi încercat de mai mulţi
consumatori.
Pe lângă informaţiile utile în analiză descompunerea pe nivele de
achiziţii succesive are şi rolul îmbunătăţirii exactităţii previziunilor. În figura de
mai jos este ilustrată încercarea realizării unei previziuni pornind doar de la
vânzările globale S(t) observate până în momentul t0 utilizând o funcţie de
tendinţă logistică. Problema este că înainte de momentul t0 nu vom putea şti cu
exactitate care dintre variantele (a), (b) sau (c) va fi cea reală. Alegerea uneia
din cele 3 variante constă este echivalentă cu alegerea formei funcţiei de
tendinţă logistică utilizată în previziune. Această decizie este făcută a priori
momentului t0 şi deci presupune un risc. Alegerea unei funcţii potrivite pentru
vânzările totale reprezintă deci un demers dificil mai ales în condiţiile în care
perioada de observare istorică este foarte scurtă.
Dacă vânzările sunt descompuse pe încercări şi diferite nivele de
repetiţie a vânzărilor atunci vor fi obţinute informaţii suplimentare. De exemplu
dacă nivelul de repetiţii ulterioare este ridicat vom alege varianta a) dacă nivel
repetiţiilor este mai scăzut se alege varianta b) iar nivelul repetiţiilor ulterioare
este aproape nul se alege varianta (c). Prin urmare o privire mai detaliată înainte
de momentul t0 poate oferi informaţii importante pentru perioada de previziune.

148
PIAŢĂ TEST

(a)

Vânzări

(b)

(c)

Perioadă de t0 Previziune t
observare
Figura 5.6.2. Traiectorii alternative care depind de forma funcţiei
utilizată în previziune

1. Model pentru numărul total cumulat al vânzărilor61 care reprezintă


prima încercare pentru un anumit produs până în momentul t:
T (t ) = N × P (t )
unde:
N – număr de consumatori potenţiali;
P(t) – probabilitatea ca un cumpărător să facă prima încercare
până în momentul t.
P(t ) = ρ 0 (1 − e −θ t )
T

unde:
t – variabila timp, în general săptămâni
Parametrii ρ0 şi θ T sunt estimaţi prin metoda celor mai mici pătrate
(astfel încât erorile de estimare să fie minime) pe baza datelor înregistrate istoric
privind vânzările care reprezintă prima încercare a produsului.
2. Model pentru prima achiziţie repetată:

FR ( t ) = ∑ t =1{ P (t / t 0 ) × [T (t 0 ) − T (t 0 − 1)]}
t −1

61
Prin numărul de vânzări înţelegem numărul de persoane care au cumpărat făcând abstracţie de
cantitate

149
FR ( t −t0 )
P(t / t0 ) = ρ1 (1 − e −θ )
unde:
FR(t) – Numărul total cumulat al vânzărilor care reprezintă
prima achiziţie repetată până în momentul t;
P(t / t 0 ) – probabilitatea de a face prima achiziţie repetată în
momentul t condiţionată de încercarea produsului
în momentul t0 (probabilitatea de face prima
achiziţie repetată după o perioadă de t-t0 săptămâni
de la încercarea produsului);
t – momentul primei repetiţii;
t0 – momentul încercării produsului;
T(t0)-T(t0-1) – cu cât a crescut numărul cumulat de consumatori
care au făcut prima încercare în momentul t0 faţă
de numărul cumulat de consumatori aferent
perioadei anterioare (mai simplu, numărul de
consumatori care au făcut prima încercare în
săptămâna t0).
De exemplu numărul celor care au făcut prima achiziţie repetată până în
cea de a 4-a săptămână inclusiv se poate calcula astfel:
FR(4) = (probabilitatea de a face prima achiziţie repetată în săptămâna a
4-a dacă încercarea produsului a avut loc în prima săptămână,
adică după 3 săptămâni) × (numărul celor care au făcut prima
încercare în prima săptămână)
+ (probabilitatea de a face prima achiziţie repetată în săptămâna a 4-a
dacă încercarea produsului a avut loc în a 2-a săptămână) ×
(numărul celor care au făcut prima încercare în a 2-a
săptămână)
+ (probabilitatea de a face prima achiziţie repetată în săptămâna a 4-a
dacă încercarea produsului a avut loc în a 3-a săptămână) ×
(numărul celor care au făcut prima încercare în a 3-a
săptămână)
Parametrii ρ 1 şi θ FR sunt estimaţi prin metoda celor mai mici pătrate
(astfel încât erorile de estimare să fie minime) pe baza datelor înregistrate istoric
privind vânzările care reprezintă prima achiziţie repetată.
3. Modelul pentru repetiţiile ulterioare. Este o generalizare a
modelului anterior în sensul că în loc de a ne referi doar la prima repetiţie se ia
în calcul un termen generic, cea de a j repetiţie (a doua, a treia etc.)

150
AR (t ) = ∑ j >1 R j (t )

R j (t ) = ∑ t
t −1
j
{ P (t j / t j −1 ) × [ R j −1 (t j −1 ) − R j −1 (t j −1 − 1)]}
j −1 =

−θ AR ( t −t j −1 )
P(t j / t j −1 ) = ρ j (1 − e )
Parametrii ρ j şi θ AR sunt estimaţi prin metoda celor mai mici pătrate
pe baza datelor înregistrate istoric privind vânzările care reprezintă achiziţiile
repetate ulterioare. Parametru θ AR va rămâne acelaşi pentru fiecare dintre
achiziţiile repetate succesive. Parametrul ρ j este specific pentru fiecare succesi-
une de repetiţii.
Există situaţia ca pentru după o numită succesiune de repetiţii să nu mai
existe date înregistrate istoric. În exemplul de mai jos sunt înregistrate date pe o
perioadă de 24 de săptămâni. În această perioadă au existat 2 persoane care au
realizat cea de a şaptea achiziţie repetată. Date pentru următoarele achiziţii
repetate: a opta, a noua, a zecea etc. nu mai există. Prin urmare cum se vor
determina parametri funcţiilor necesare previzionării achiziţiilor repetate
ulterioare?
În situaţia în care pentru o repetiţie j nu mai există date înregistrate
istoric sau datele înregistrate sunt pre puţine parametrul ρ j se estimează după
formula:
ρ j = ρ ∞ (1 − e −γj ) , j ≥ 2
unde:
ρ ∞ , r – parametrii estimaţi prin metoda celor mai mici pătrate

5.7. Previzionarea situaţiilor financiare


Previzionarea situaţiilor financiare ale unei organizaţii trebuie abordată
în mod diferit pentru organizaţiile existente, care au deja un istoric, faţă de
situaţia iniţierii unei noi afaceri. În cazul iniţierii unor noi afaceri previziunea se
bazează în mare parte pe analogia cu tendinţele manifestate în activitatea
celorlalte organizaţi din domeniul respectiv. În cazul unei organizaţii existente
previziunile se pot sprijini pe evoluţiile istorice, în special atunci când au loc
mutaţii relativ constante de la o perioadă la alta.
Metoda raportării la cifra de afaceri (cunoscută sub denumirea
procent din vânzări) este metoda cea mai simplă de previziune financiară, care
satisface eficient nevoile informaţionale ale unei societăţi comerciale şi este
aplicabilă pentru societăţi existente pentru care sunt disponibile date istorice
privind activitatea vizată. Motivul pentru care această metodă are o mare

151
aplicabilitate în ghidarea managerilor este faptul că porneşte de la o ipoteză
viabilă şi anume că majoritatea posturilor bilanţiere şi a contului de rezultate
variază o dată cu vânzările.

5.7.1. Previzionarea elementelor contului de rezultate


În estimarea contului de rezultate se va ţine cont de următoarele principii:
• separarea elementelor în funcţie de variaţia faţă de cifra de
afaceri: variabile şi fixe.
• corelaţii cu alte situaţii pro-forma: bilanţul şi situaţia fluxului de
numerar.

Previziunea cifrei de afaceri


Punctul de plecare a tuturor previziunilor financiare la nivel de
întreprindere este previziunea vânzărilor, aceasta reprezentând componenta
principală a cifrei de afaceri pentru majoritatea societăţilor comerciale62. Pe
baza estimării cifrei de afaceri pe perioada următoare se poate determina
necesarul de active circulante şi fixe, respectiv fondurile permanente şi curente
necesare pentru acoperirea finanţării lor.
Previziunea cifrei de afaceri se poate realiza prin două modalităţi de
abordare:
• abordarea globală (sintetică) care presupune previzionarea directă
a cifrei de afaceri totale
• abordarea analitică presupune împărţirea vânzărilor firmei pe
categorii principale de produse, previziunea realizându-se pe
fiecare categorie în parte după care având loc reagregarea acestora.
• una din recomandările specialiştilor este alegerea variantei celei
mai pesimiste (celei mai mici) dintre previziunea globală şi cea
analitică.
• dacă previziunea cifrei de afaceri are o valoare nejustificat de
ridicată consecinţele pot fi deosebit de grave, deoarece firma ar
putea să ajungă fie în situaţia de a produce pe stoc, fie de a lăsa o
parte din cerere nesatisfăcută, ajungându-se astfel la costuri mai
mari şi la deprecierea rentabilităţii firmei.
Previziunea cifrei de afaceri, atât global cât şi analitic, din punctul de
vederea al metodelor de realizare se poate face prin diferite metode:

62
Excepţie fac societăţile de leasing a căror cifră de afaceri este reprezentată în principal de
dobânzile încasate

152
• Metode de extrapolare a seriilor de timp, caz în care se ţine cont
doar de tendinţa fenomenului;
• Funcţii de regresie atunci când se au în vedere variabilele
explicative cum ar fi: cheltuieli de publicitate, preţ, număr de
concurenţi etc.
• Metode combinate. Una dintre metodele recomandate de
specialişti este previzionarea producţiei la nivel de industrie prin
extrapolarea tendinţei iar apoi previzionarea cotei de piaţă
deţinute de firma sau de produsul în cauză. Previziunea finală se
face prin înmulţirea cotei de piaţă previzionate aferentă firmei sau
produsului respectiv cu cifra de afaceri previzionată la nivel de
industrie.

Estimarea veniturilor şi cheltuielilor din exploatare


Estimarea veniturilor din exploatare are la bază cifra de afaceri
estimată în etapa anterioară. Structura acesteia pe producţie vândută şi vânzări
de mărfuri se va considera stabilă. Restul veniturilor din exploatare, de natura
producţiei exerciţiului, se vor considera că variază odată cu cifra de afaceri la un
nivel mediu (calculat ca procent mediu din cifra de afaceri pe anii precedenţi).
Veniturile din subvenţii, provizioane şi alte venituri se vor neglija, din motive de
prudenţă.
Cheltuielile de exploatare se consideră că vor varia proporţional cu cifra
de afaceri. Excepţie de la această regulă vor face cheltuielile cu amortizarea,
care se vor stabili pe baza planului de amortizare (în general planurile de afaceri
utilizează metoda de amortizare liniară). Nu toate cheltuielile de exploatare sunt
variabile, însă atunci când se sporeşte cifra de afaceri, tot din motive de prudenţă se
creşte şi ansamblul lor. Alte cheltuieli din exploatare şi din provizioane se
neglijează din motivele anterior menţionate.

Estimarea veniturilor şi cheltuielilor financiare


Veniturile financiare vor fi estimate pe categorii. Veniturile din
dobânzi se determină prin aplicarea dobânzilor pe cont curent asupra sumelor
rezultate din situaţia fluxului de numerar. Veniturile din diferenţe de curs
valutar se vor considera la un nivel minim al anilor precedenţi. Alte venituri
financiare, din provizioane se vor ignora din motive de prudenţă.
Cheltuielile financiare se vor previziona pe categorii. Cheltuielile din
dobânzi se stabilesc pe baza graficelor de rambursare a creditele bancare
contractate.

153
În general rata dobânzii aferentă împrumuturilor contractate de firmele
mici este mai mare decât cea a creditelor contractate de firmele mari. Cu cât
este mai nouă firma cu atât rata dobânzii este mai mare. Acest lucru este normal
datorită faptului că pentru afacerile mai mici şi mai noi riscul de nerambursare a
creditului este mai mare decât în cazul firmelor mari.
Alte cheltuieli financiare, din motive de prudenţă, se vor considera la
nivelul raportului mediu faţă de cifra de afaceri.

Estimarea veniturilor şi cheltuielilor excepţionale


Aceste elemente de regulă se vor neglija, având în vedere faptul că ele
nu ar trebui să facă parte din activitatea normală, curentă a activităţii
organizaţiei (firmei).

Estimarea impozitului pe profit şi a impozitului net


Estimarea impozitului pe profit se va face pe baza cotei de impunere în
vigoare, aplicat asupra profitului brut, cumulat din etapele anterioare. Dacă este
inevitabilă existenţa unor cheltuieli nedeductibile, atunci se vor face corecţii
asupra profitului brut în vederea obţinerii profitului impozabil. Veniturile
nedeductibile fiscal se vor ignora din motive de prudenţă.
Estimarea profitului net se realizează prin deducerea impozitului din
profitul impozabil şi va fi preluată în pasivul bilanţului financiar la capitolul de
capital şi rezerve.

5.7.2. Previzionarea elementelor bilanţiere


Bilanţul previzionat evidenȘiază sintetic structura şi echilibrul activelor
şi pasivelor activităţii unei organizaţii63.
Cifra de afaceri sintetizând activitatea unei organizaţii, reprezintă
punctul central în previziunea elementelor patrimoniale din activul şi pasivul
bilanţului. Se parcurg mai multe etape:
a) se identifică elementele patrimoniale ce evoluează în corelaţie cu
cifra de afaceri;
b) se estimează mutaţiile previzibile în evoluţia calitativă a elementelor
patrimoniale (asimilarea de tehnologii noi, creşterea eficienţei
mijloacelor fixe, accelerarea vitezei de rotaţie a stocurilor etc.);
c) se corectează evoluţia elementelor patrimoniale în funcţie de cifra de
afaceri previzionată.

63
M.Burtică, G. Vârlan, ş.a., op.cit. p.314-317

154
Creşterea elementelor de activ trebuie să genereze, pe baza egalităţii
fundamentale între activ şi pasiv, creşterea surselor de finanţare. În cadrul
sporului acestor surse se vor avea în vedere următoarele principii fundamentale:
a) elementele de active imobilizate se finanţează din resurse perma-
nente (capitalul propriu plus împrumuturile pe termen lung);
b) păstrarea unui nivel normal de îndatorare fără a periclita
considerabil riscul financiar şi riscul de faliment;
c) menţinerea unui echilibru financiar între utilizări şi resurse;
d) încadrarea în limite normale a costului capitalului.

Previziunea elementelor de active circulante


Există două situaţii care trebuie tratate în mod distinct:
a) când nivelul activelor curente (creanţe şi stocuri) sunt considerate
cel puţin la un nivel normal dacă nu optim, ele vor creşte
proporţional cu cifra de afaceri.
b) când în trecut activele curente au înregistrat valori anormale atunci
ele trebuie corectate pentru a se înscrie în limite normale de
eficienţă.
 Ac 
Ac t +1 = Ca t +1 ⋅  t  ⋅ k
 Ca t 
unde:
Act – active curente în momentul istoric t;
Act+1 – active curente estimate pentru momentul t + 1;
Cat – cifra de afaceri realizată pe perioada istorică t;
Cat+1 – cifra de afaceri estimată pe perioada t + 1.
k – coeficient de corecţie;
Elementele de disponibilităţi vor rezulta pe baza situaţiei fluxului de
numerar.

Previziunea elementelor de active imobilizate


Şi în acest caz există două situaţii distincte:
a) când nivelul activelor imobilizate sunt considerate cel puţin la un
nivel normal dacă nu optim, înseamnă că firma a avut un grad
maxim de utilizare a capacităţii de producţie. Un nivel superior al
cifrei de afaceri se poate realiza doar cu o investiţie suplimentară.
Investiţiile se pot realiza în două feluri:
─ relativ constant în raport cu cifra de afaceri, când nu sunt
necesare investiţii considerabile pentru extinderea capacităţilor.

155
─ în salturi, când din considerente de natură tehnologică,
investiţiile presupun valori mari ale activelor fixe, deoarece este
necesară o nouă linie tehnologică sau o unitate completă de
prelucrare. În acest caz şi sporul doar cu 1% a cifrei de afaceri
poate determina un salt considerabil în valoarea imobilizărilor,
făcând ca pentru sporuri mici ale cifrei de afaceri aceste
investiţi să fie ineficiente, generând grade reduse de utilizare a
capacităţilor.
b) când în trecut capacitatea de producţie efectiv utilizată a fost mai
mică decât cea existentă, se poate determina nivelul cifrei de afaceri
până la care firma nu este nevoită să realizeze investiţii.
Peste acest nivel va trebui să realizeze investiţii.
Cat
Camax =
Guct
unde:
Guct – grad de utilizare a capacităţii de producţie pe perioada
istorică t;
Camax – cifra de afaceri maxim posibilă;
Cat – cifra de afaceri realizată pe perioada istorică t.

Previziunea elementelor de pasive curente nonfinanciare


Se au în vedere două situaţii ce pot exista:
a) dacă nivelul pasivelor curente (de regulă din exploatare şi
nonfinanciare) sunt considerate cel puţin la un nivel normal dacă nu
optim, ele vor creşte odată cu cifra de afaceri. Această metodă
presupune previzionarea lor în funcţie de viteza de rotaţie, iar acest
fenomen se numeşte creştere spontană, naturală;
b) dacă în trecut au înregistrat valori anormale, ca durate de rotaţie, şi
sunt nefavorabile în raport cu rotaţia creanţelor, atunci ele trebuie
corectate pentru a se înscrie în limite normale de eficienţă.
Principala restricţie de creştere a lor este legată de menţinerea unei cote
sănătoase de lichiditate curentă.
Ac
Pcmax =
Lc
unde:
Pcmax – pasive curente maxim admisibile;
Lc – lichiditate curentă;

156
Ac – active curente.

Previziunea necesarului suplimentar de fonduri:


Necesarul suplimentar de fonduri va fi acoperit pe seama a trei surse:
• capitaluri proprii;
• credite bancare pe termen mediu sau lung;
• credite bancare pe termen scurt.

Previziunea surselor de finanţare permanente


Sursele de finanţare permanente (capitalurile proprii şi creditele bancare
pe termen mediu şi lung) nu variază în mod spontan cu cifra de afaceri. Ele se
achiziţionează pe termene mai îndelungate şi în valori mai mari.
Se apelează la aceste surse numai când are loc şi o sporire a activelor
imobilizate. Alegerea între resursele permanente se face de regulă pe baza
următoarelor criterii:
o costurile resurselor permanente:
─ pentru capitaluri proprii: dividendele acordate;
─ pentru împrumuturi: nivelul dobânzi;
o menţinerea unui raport corespunzător de îndatorare la termen astfel
că împrumuturile pe termen mediu şi lung să fie maxim jumătate din capitalul
propriu.
Itml 1
Rit = ≤ 0,5 ⇒ Itmlmax = Cp
Cp 2
o menţinerea unui echilibru dintre resursele şi utilizările permanente
de cel puţin 25%.
Cpm
Rfr = ≈ 1,25
Ain
unde:
Rit – rata îndatorării la termen;
Rfr – rata fondului de rulment;
Îtml – împrumuturi pe termen mediu şi lung;
Cp – capitaluri proprii;
Ain – active imobilizate la valoare netă.

Previziunea creditelor bancare pe termen scurt


După determinarea fondurilor suplimentare acoperite din resurse
permanente, diferenţa se va acoperi în principiu din credite bancare pe termen

157
scurt, cu aceeaşi menţiune de păstrare a unui nivel de îndatorare rezonabil şi de
lichiditate acceptabil.
Ibtml + Cbts + Pc St + Cr + Db
Rig = ≤ 0,5 şi Lc = ≥2
Pt Cbts + Pc
unde:
Rig – rata îndatorării globale;
Cbts – credite bancare pe termen scurt;
Ibtml – împrumuturi bancare pe termen mediu şi lung;
Pt – total pasiv;
St – stocuri totale;
Cr – creanţe curente;
Db – disponibilităţi băneşti şi plasamente.
Dacă aceste condiţii nu sunt îndeplinite, se apelează în continuare la
suplimentarea fondurilor din capitaluri proprii, indiferent de costul acestora.

5.7.3. Previziunea fluxului de numerar


Previziunea fluxului de numerar se face în paralel cu estimările din contul
de rezultate şi cele din bilanţ, fiind strict corelate. În estimarea fluxului de
numerar trebuie ţinut cont de cel puţin următoarele aspecte:
a) delimitarea încasărilor şi plăţilor, deoarece nu toate cheltuielile sunt
plătibile şi nici toate veniturile încasabile, respectiv existenţa unor decalaje între
facturarea şi efectiv încasarea şi plata lor;
b) delimitarea încasărilor şi plăţilor pe activităţi generatoare:
─ activităţi de învestiţii;
─ activităţi de finanţare;
─ activităţi de exploatare;
c) corelarea elementelor cu alte situaţii pro-forma:
─ cu contul de rezultate;
─ cu bilanţul contabil;
d) echilibrarea trezoreriei:
─ prin plasarea excedentului de lichidităţi;
─ prin acoperirea deficitului pe seama creditelor de trezorerie.

5.7.4. Flexibilitatea previziunii financiare


În condiţiile unor procese în continuă transformare caracterizate prin
dinamism, turbulenţă şi incertitudine, flexibilitatea previziunii devine un factor
important în succesul cercetărilor previzionale. Flexibilitatea previziunii
presupune scenarii, simulări, modificarea condiţiilor şi ipotezelor de lucru care
să răspundă noilor realităţi.

158
În aceste condiţii previziunea elaborată nu se reduce la simple situaţii ce
jalonează viitorul financiar al organizaţiei, ci devine instrument flexibil de
fundamentare a deciziilor manageriale. Pentru a răspunde acestor cerinţe se
recomandă asocierea fiecărei variante de previziune a cel puţin trei scenarii:
• un scenariu realist, având la bază realităţile obiective din mediul
intern şi extern al organizaţiei;
• scenariu pesimist, ce evidenţiază deteriorarea considerabilă a
condiţiilor avute în vedere în elaborarea previziunii iniţiale;
• scenariu optimist, care prevede o îmbunătăţire treptată a
activităţilor desfăşurate.
Ca urmare a extinderii modelării proceselor economice şi a folosirii
tehnicii electronice de prelucrare a informaţiilor, simularea asistată pe calculator
poate să genereze o serie de plaje de valori posibile şi implicit intervale de
predicţie pentru principalii indicatori. De asemenea flexibilitatea previziunii
sporeşte prin utilizarea calculatorului electronic, evoluând de la metode bazate
pe folosirea foilor electronice de calcul, la modele interactive, până la sisteme
integrate de previziune64.

Întrebări de autoevaluare
1. Ce este un indicator de anticipare a ciclurilor economice?
2. Care este diferenţa dintre analiza tehnică şi cea fundamentală?
3. Arătaţi care este relaţia dintre companii aflate într-un sistem CPFR
4. Care este diferenţa dintre o piaţă test şi o piaţă pre-test?
5. Pe ce ipoteză se bazează metoda raportării la cifra de afaceri?

64
M Burtică, G. Vârlan, ş.a. op.cit. p 305

159
Aplicaţii
Aplicaţia 5.6.1. – Previziunea cotei de piaţă
Pentru 3 produse se presupune că sunt cunoscute pe o perioadă istorică
de 5 ani următoarele: preţul fiecărui produs (euro), aprecierea consumatorilor
legată calitate (pe baza unor chestionare administrate consumatorilor, fiecare
produs a primit un anumit punctaj) şi cheltuielile de publicitate (10.000 euro).
Obiectivul este previzionarea cotei de piaţă a produsului A pentru anul
2009. Trebuie menţionat faptul că cheltuielile de publicitate istorice pentru
produsele concurente B şi C sunt valori aproximative. De asemenea aprecierile
privind calitatea sunt valori estimative. Prin urmare singurele valori care pot fi
cunoscute cu exactitate sunt preţurile produselor pe perioada istorică.
Pentru a realiza obiectivul propus sunt necesare valorile viitoare a celor
trei factori de influenţă, preţ, calitate şi promovare, aferente anului 2009. Fără
îndoială că riscul pe care îl presupune estimarea acestor valori este foarte mare
în special pentru produsele concurente (B şi C). Însă ceea ce se poate realiza
este o simulare a cotei de piaţă în diferite scenarii.65
Vom presupune următorul scenariu. Toate produsele îşi vor menţine
aceeaşi percepţie asupra calităţii. Efortul de promovare pentru toate produsele
se va menţine constant. Preţurile vor creşte în acelaşi ritm pentru produsele B şi
C iar produsul A îşi va menţine preţul constant.
În tabelul următor pot fi văzute valorile istorice precum şi valorile
elementelor mixului de marketing corespunzătoare scenariul adoptat pe 2009
pentru toate cele 3 produse. Se pot observa de asemenea cotele de piaţă
înregistrate istoric pentru produsul A.
Pentru estimare va fi utilizat un model de atracţie cu 3 variabile.
Pornind de la datele istorice, în urma optimizării parametrilor prin metoda celor
mai mici pătrate, se obţin valorile: α =1; β 1 = -1,34; β 2 =1,30 şi β 3 =0.98.
Cota de piaţă estimată pentru anul 2009 pentru produsul A în condiţiile
scenariului dat va fi:

4,6 −1,34 61,3 4,5 0 ,98


cˆ A; 2009 =
4,6 −1,34 61,3 4,5 0 ,98 + 4 −1,34 41,35,2 0 ,98 + 4,1−1,351,35,30, 98
cˆ A ; 2009 = 0,3452

65
A nu se confunda cu Metoda Scenariilor deşi există numeroase similitudini.

160
În urma simulării se poate trage concluzia că în condiţiile scenariului
considerat cota de piaţă a produsului A va creşte la 34,52% adică cu 2,52 %.
Mixul de marketing şi cota de piaţă

Ch. Cota de Ch. Ch.


Pret Calit. Pret Calit. Pret Calit.
An publicitate piata publicitate publicitate

Produsul A Produsul B Produsul C


2004 4.1 7.1 4.5 41.3% 3.2 3.9 5.1 3.7 4.0 5.4
2005 4.1 6.5 4.7 41.0% 3.4 4.0 4.9 3.8 4.5 5.4
2006 4.2 6.3 4.4 36.1% 3.5 4.1 5.0 3.8 4.6 5.6
2007 4.4 5.9 4.6 36.0% 3.7 3.9 5.1 3.9 5.2 5.3
2008 4.6 6.0 4.5 32.0% 3.8 4.0 5.2 4.0 5.0 5.3
2009 4.6 6.0 4.5 4.0 4.0 5.2 4.1 5.0 5.3

Aplicaţia 5.6.2. – Previziunea lansării de noi produse


Pe o piaţă test au fost observate achiziţiile unui produs pe o perioadă de
24 de săptămâni şi au fost
Numărul cumulat de persoane în funcţie de înregistrate distinct
numărul de achiziţii repetate realizat încercările şi repetiţiile
succesive cu frecvenţă
Saptamâna

produsului
Încercarea

Achiziţii repetate
săptămânală. Numărul
1 2 3 4 5 6 7 maxim de achiziţii
1 8 0 0 0 0 0 0 0 succesive a fost 7 adică au
2 14 1 0 0 0 0 0 0 existat persoane care au
3 16 2 0 0 0 0 0 0
4 32 3 0 0 0 0 0 0
achiziţionat produsul de 8
5 40 7 0 0 0 0 0 0 ori. Se doreşte determinarea
6 47 9 2 0 0 0 0 0 numărului total de achiziţii
7 50 12 2 1 0 0 0 0
8 52 13 2 1 1 0 0 0 până la sfârşitul anului.
9 57 17 4 2 1 0 0 0 Datele înregistrate
10 60 18 6 2 1 0 0 0
11 65 22 8 4 1 0 0 0
istoric pot fi observate în ta-
12 67 23 9 4 1 1 0 0 belul de mai jos:
13 68 23 9 5 1 1 0 0
14 72 23 10 5 2 1 0 0 Datele sunt înregis-
15 75 23 11 5 2 1 0 0 trate ca valori cumulate. De
16 81 24 13 5 2 1 0 0
17 90 24 15 7 2 1 1 0
exemplu, până în săptămâna
18 94 28 15 9 4 1 1 0 a zecea 60 de persoane au
19 96 32 16 9 5 1 1 0 încercat produsul, 18 au fă-
20 96 33 18 9 5 2 1 0
21 96 33 18 11 5 2 2 0 cut prima achiziţie repetată,
22 97 34 18 11 5 2 2 1 6 au făcut cea de-a doua
23 97 35 18 11 5 2 2 2
24 101 35 20 12 5 2 2 2
achiziţie repetată etc.
În tabelul următor

161
sunt reprezentate grafic datele istorice privind achiziţiile repetate împreună cu
valorile estimate istoric şi pe orizontul de previziune cu ajutorul funcţiilor de-
scrise anterior. Gradul de detaliere utilizat în previziune a fost până la nivelul
celei de-a zecea achiziţii repetate.
Valorile observate şi previziunea numărului cumulat
de achiziţii
repetate
50
Valori observate pentru achiziţiile repetate
45
Valori estimate ale achiziţiilor repetate
40

35

30

25

20

15

10

0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51

Evoluţia istorică şi previziunea pentru numărul cumulat de persoane


care au încercat produsul a fost omis din graficul anterior dar au o reprezentare
asemănătoare.
Probabilitatea ca o persoană să facă prima achiziţie repetată în
momentul t dacă a încercat produsul în momentul t0 (probabilitatea de face
prima achiziţie repetată după o perioadă de t-t0 săptămâni de la încercarea
produsului) a fost estimată cu o funcţie de forma:
P ( t / t 0 ) = 0 , 3635 (1 − e − 0 , 4614 ( t − t0 )
)
Celelalte ecuaţii au fost omise datorită gradului ridicat de complexitate.
Numărul total de achiziţii până la sfârşitul anului se determină prin
adunarea numărului cumulat de încercări şi a numărului cumulat de repetiţii
ulterioare.

162
Studii de caz
Studiul de caz 5.1.1.
Anticiparea ciclurilor de afaceri. Cazul economiei SUA
Indicatorul de anticipare a fluctuaţiilor ciclice pentru SUA, calculat de
către OCDE, este compus din:
─ numărul de locuinţe noi lansate în construcţie;
─ nivelul comenzilor pentru bunuri durabile;
─ preţul acţiunilor (indicele compozit NYSE);
─ încrederea consumatorilor (Consumer sentiment indicator);
─ diferenţialul ratelor dobânzii;
─ încrederea producătorilor (Purchasing managers index).
În graficul de mai jos poate fi observat indicatorul de anticipare
(leading indicator) şi indicele producţiei industriale pentru SUA, calculaţi cu
frecvenţă lunară.

Indicatorul de anticipare şi indicele producţiei industriale (date lunare)


pentru SUA :
110
109
108
107
106
105
104 Indicatorul de anticipare
103 Indicele producţiei industriale
102
101
100
Jul-2006

Nov-2006

Jul-2007

Nov-2007

Jul-2008
Jan-2006

May-2006

Jan-2007

May-2007

Jan-2008

May-2008
Mar-2006

Sep-2006

Mar-2007

Sep-2007

Mar-2008

Sep-2008

Sursa: OCDE
Se observă, în graficul de mai sus, că declinul producţiei industriale din
anul 2008, este semnalat de indicatorul de anticipare cu 7 luni în avans.
Datorită faptului că actuala criză economică a fost declanşată de criza
de pe piaţa imobiliară americană, dintre variabilele economice care compun
indicatorul de anticipare cea mai relevantă pentru actuala criză economică este,
fără îndoială, numărul de locuinţe lansate în construcţie.

163
Numărul total de locuinţe noi lansate în construcţie în SUA (date lunare).

Se poate observa din graficul de mai sus că declinul în numărul de case


noi construite a început încă din anul 2006 (în mai 2006 au fost înregistrate
190.000 construcţii noi faţă de 197.000 în mai 2005). Pentru o cât mai exactă
percepţie a situaţiei reale datele nu au fost ajustate sezonier.
Indicatorii de anticipare a ciclurilor economice pot fi introduşi în
modele econometrice ca variabile explicative sau pot fi folosiţi direct în
prognoză ca în exemplul de mai sus.

Studiu de caz 5.1.2.


Sistemul CPFR. Cazul colaborării Metro – P&G
Practicarea sistemului CPFR a fost adoptată în relaţia dintre Metro şi
Procter&Gamble în urma unei întâlniri a reprezentanţilor ambelor companii,
care a avut loc în Düsseldorf, în 15 decembrie 2000. Cu ocazia acestei întâlniri a
fost formată o echipa multifuncţională care a analizat diferite aspecte ale
procesului de aprovizionare, logistică şi planificare a vânzărilor în ceea ce pri-
veşte eficienţa acestora. Implementarea propriu-zisă a sistemului CPFR a fost
începută în vara anului 2001 şi este obiectul unui proces continuu de îmbunătă-
ţire. Iniţial, colaborarea a cuprins 53 de magazine Metro Cash & Carry, un cen-
tru de distribuţie Metro şi a vizat procesul de aprovizionare şi vânzare pentru 27
de produse P&G. În 2002 colaborarea cuprindea deja peste 130 de produse
P&G plus produsele altor 10 furnizori ai Metro.
Printre principalele obiective ale implementării sistemului CPFR, decla-
rate de cele două companii, se numără: creşterea vânzărilor prin eliminarea
situaȘiei de epuizare a stocurilor de produse, diminuarea costurilor prin

164
optimizarea stocurilor (evitarea situaţie de a avea stocuri peste nivelul necesar)
şi, în general, o mai bună satisfacere a cererii consumatorilor.
Din punct de vedere tehnic colaborarea şi schimbul de informaţii au fost
realizate cu ajutorul soluţiilor IT oferite de companiile GNX66 şi Manugistics.
Înainte de implementarea soluţiilor IT anterior amintite Metro şi P&G au fost
implicate într-un proces de colaborare însă mult mai rudimentar.
Aflându-se în relaţie de producător-distribuitor o previziune greşită
reprezintă o pierdere pentru ambele companii. De exemplu dacă previziunea
este realizată la un nivel prea scăzut şi stocul de marfă se epuizează prea repede
un cumpărător care nu găseşte produsele dorite în Metro va alege un alt
supermarket ceea ce poate să însemne pierderea unor clienţi pentru Metro iar
pentru P&G vânzări sub potenţial. De aceea colaborarea dintre cele două compa-
nii în ceea ce priveşte previzionarea vânzărilor şi planificarea activităţii
promoţionale reprezintă un proces continuu. În fiecare săptămână se realizează
o previziune a vânzărilor atât de către P&G cât şi de către Metro pe un orizont
de 8 săptămâni. Previziunile sunt introduse în sistem astfel încât responsabili ai
ambelor companii pot să vadă în acelaşi timp toate datele previzionale. Dacă
diferenţa dintre cele două previziuni este semnificativă (depăşeşte o marja agre-
ată de ambele părţi) se declanşează un proces de ajustare la care participă
reprezentanţii ambelor companii cu scopul de a ajunge la un consens. Prin ur-
mare pe baza vânzărilor istorice înregistrate în sistem se realizează o previziune
comună agreată de ambele companii. Vânzările supuse acţiunilor promoţionale
sunt previzionate de către P&G cu 12 săptămâni înainte ca acţiunea să aibă loc.
În termen de o lună, de la previziunea P&G, Metro va genera de asemenea o
previziune pentru evenimentul planificat urmând de asemenea un proces de con-
fruntare şi ajustare pentru diferenȘele semnificative. Pe baza previziunilor sunt
plasate comenzi pentru formarea stocurilor de produse. Vânzările fiecărui pro-
dus sunt încărcate în sistem zilnic şi sunt comparate cu nivelele previzionate.
Monitorizarea zilnică a vânzărilor permite depistarea rapidă a problemelor cau-
zate de previziunile eronate în special cauzate de subevaluarea nivelului vânzărilor.
Dacă vânzările sunt mai mari decât valorile previzionate, pornind de la observarea
zilnică, se poate acţiona prompt la suplimentarea stocurilor pentru anumite produse.
Compania Metro se afla pe locul 56 în topul primelor companii din
lume ca nivel al veniturilor (Fortune 500) cu un nivel al veniturilor înregistrate
pentru anul 2007 de peste 90 mld. $, profit de 1,12 mld.$ şi 242.378 angajaţi.
Compania Procter & Gamble se află pe locul 79 în acelaşi clasament cu venituri
de 76,49 mld.$, profit de 10,34 mld.$ şi 138.000 de angajaţi.

66
Prin fuziunea dintre GlobalNetXchange (GNX) şi WorldWide Retail Exchange (WWRE) în
2005 s-a format compania Agentrics, LLC

165
CAPITOLUL 6
COMBINAREA REZULTATELOR PREVIZIONALE

În acest capitol sunt prezentate avantajele şi modalităţile


prin care pot fi combinate mai multe rezultatele previzionale
generate prin metode diferite sau realizate de entităţi diferite.

Combinarea rezultatelor diferitelor studii cu caracter predictiv s-a


încetăţenit ca o practică în domeniul previziunii economice în urma constatării
empirice a faptului că, în general, media mai multor previziuni distincte este
mai apropiată de realitate decât fiecare previziune individuală. Acest fenomen
are loc atunci când este îndeplinită o condiţie esenţială si anume ca previziunile
reunite în vederea realizării previziunii finale să fie realizate prin metode cât
mai variate. Explicaţia necesităţii acestei condiţii constă în aportul informaţional
pe care îl aduc abordări diferite sau puncte de vedere diferite. Prin urmare
combinarea mai multor previziuni realizate prin aceeaşi abordare sau metodă,
chiar dacă rezultatele acestora pot fi diferite, datorită unor tehnici de calcul
diferite, nu va conduce la îmbunătăţiri semnificative a previziunii finale.
Combinarea mai multor previziuni poate fi realizată prin diferite
metode de calcul caracterizate, în esenţă, prin sistemul de ponderare pe care îl
oferă. Pentru că este dificil de ştiut a priori care dintre metode generează
rezultate mai exacte şi pentru a evita aprecierea subiectivă a importanţei unei
metode în raport cu celelalte metode utilizate este recomandată (Armstrong,
2001) utilizarea unor ponderi egale. Prin urmarea media aritmetică simplă este o
modalitate de combinare a rezultatelor utilizată în mod extins în practica
economică şi recomandată de mulţi specialişti ca fiind ceea mai bună opţiune în
majoritatea situaţiilor.
Pentru utilizarea unor medii cu ponderi inegale se recomandă stabilirea
ponderilor prin criterii obiective. Pe o perioadă istorică suficient de lungă pot fi
testate metodele de previziune disponibile urmând ca fiecare metodă să fie
ponderată în funcţie de eroarea medie înregistrată istoric (metodei celei mai
exacte să i se acorde ponderea cea mai mare. ş.a.m.d.).

167
Uneori în practica previzională, înainte de calcularea mediei, sunt
înlăturate valorile extreme (valorile foarte mici sau foarte mari) deoarece
acestea sunt considerate improbabile şi cu un impact puternic asupra previziunii
finale. În ceea ce priveşte numărul de previziuni incluse în medie se recomandă
(Armstrong, 2001) utilizarea a cel puţin cinci valori alternative pentru a realiza
o îmbunătăţire semnificativă a exactităţii.

Studii de caz
Studiul de caz 6.
Combinarea rezultatelor previzionale. Consensus Economics
Compania londonez ă Consensus Economics Inc, fondată în anul
1989, este specializată în colectarea şi distribuirea previziunilor
macroeconomice realizate de diferite organizaţii private sau guvernamen-
tale. Pornind de la ipoteza că entităţi diferite vor utiliza metode de
previziune diferite fiecare dintre acestea punând accentul pe anumite as-
pecte şi privind fenomenele economice din diferite puncte de vedere
această companie colectează previziunile realizate de diferite entităţi
calculează valori medii ale acestora pe care apoi le comercializează
clienţilor săi. Aşa cum se poate observa în tabelul următor valoarea me-
die este calculată pentru previziunile realizate de diferite instituţii private
(bă nci de investi ţii, bănci comerciale, institute de cercetare private etc.).
Pentru comparaţ ie raportul conţine şi previziunile realizate de organisme
interguvernamentale: Banca Europeană pentru Reconstrucţie şi Dezvol-
tare (BERD), Comisia Europeană (CE), Fondul Monetar Internaţional
(FMI) dar şi previziunile unor organisme guvernamentale cum ar fi, în
cazul de faţă, Comisia Naţională de Prognoză (CNP).
Numărul instituţiilor private care realizează previziuni
macroeconomice pentru o anumit ă ţ ară diferă în general în funcţie de
interesul investitorilor pentru economia ţării respective. De exemplu pen-
tru economia SUA sunt incluse în raport în jur de 30 de organizaţii care
realizează previziuni printre care se numără inclusiv marii producători de
automobile Ford, General Motors şi Daimler.
Rapoartele realizate de Consensus Economics acoperă o arie
geografică extinsă: Europa, Asia-Pacific, America Latină şi Grupul G7.
Pe lângă indicatorii economici prezentaţi în tabelul de mai jos un loc
important îl ocupă indicatorii specifici relaţiilor internaţionale (export,
deficit de cont curent, curs valutar etc.)

168
Tabelul 6.1
Extras din raportul Consensus Economics, realizat în noiembrie 2007, cu
previziuni pentru România
Preţurile
Creștere % Consumul Producșia
PIB bunurilor
faţă de anul gospodăriilor industrială
de consum
anterior
2007 2008 2007 2008 2007 2008 2007 2008
DIW Berlin 6.5 6.0 9.6 7.1 6.2 6.5 4.5 5.0
Goldman Sachs 6.5 6.0 11.0 10.0 5.0 5.0 4.1 4.0
EFG Eurobank 6.0 5.5 10.0 9.0 6.5 6.0 5.1 4.8
Economist
5.8 5.2 12.2 8.7 6.8 5.6 4.8 5.7
Intelligence Unit
Kopint-Tarki 5.8 5.5 11.0 9.0 6.5 6.0 5.3 5.5
Deutsche Bank 5.7 5.0 10.2 7.5 6.0 5.2 4.7 5.8
ING Bank 5.7 6.0 10.9 10.0 - - 4.8 5.9
Global Insight 5.6 6.1 9.5 6.8 5.6 6.6 4.9 6.5
Uni Credit MIB 5.5 5.0 9.5 7.5 6.5 6.0 4.9 6.8
Raiffesisen
5.0 6.0 10.0 8.0 6.0 5.0 4.4 4.2
Zentralbank
UBS 5.0 4.0 10.0 5.0 5.0 5.0 4.5 5.9
Consens
5.7 5.5 10.4 8.1 6.0 5.7 4.7 5.5
(valoarea medie)
Valoare medie cu
5.9 5.6 10.1 8.3 6.2 5.8 4.6 4.9
o lună în urmă
Valoare medie
6.3 5.7 10.6 8.8 6.5 6.1 4.1 4.3
cu 3 luni în urmă
BERD (oct. 07) 6.0 6.5 - - - - 7.0 3.5
CE (nob. 07) 6.0 5.9 11.0 9.4 - - - -
FMI (oct. 07) 6.3 6.0 - - - - 4.3 4.8
CNP (nob. 07) 6.1 6.5 10.2 8.6 5.7 5.4 4.8 5.7
Notă: Tabel reprodus cu acordul scris al Consensus Economics Inc.

169
CAPITOLUL 7
SOFTWARE UTILIZAT
ÎN ACTIVITATEA DE PREVIZIUNE

În acest capitol sunt prezentate diferite categorii de


software utilizat în activitatea de previziune.

Datorită faptului că o mare parte din metodele de previziune sunt me-


tode cantitative care fac în mod intensiv apel la tehnica de calcul paralel cu
dezvoltarea metodologică în domeniu au fost dezvoltate foarte multe aplicaţii
informatice ca instrumente deosebit de utile practicaţilor în domeniu.
Cu toate că varietatea aplicaţiilor software în domeniu este foarte
bogată şi dificil de surprins acestea pot fi clasificate după câteva criterii
esenţiale.
Un prim criteriu de clasificare este natura companiei producătoare a că-
rei orientare îşi lasă puternic amprenta supra produselor software realizate. Ast-
fel putem distinge între programe de previziune produse de:
A. Companii specializate pe aplicaţii de previziune. În această categorie
putem aminti programul ForecastPro, realizat de compania Business
Forecast Systems, Inc. şi programul Autobox realizat de către
Automatic Forecasting Systems
B. Companii cu un cadru mai larg de specializare care realizează şi
programe generale de analiză cantitativă pe lângă aplicaţii specifice
de previziune. De exemplu compania SPSS realizează programul
Clementine specializat pe analiză predictivă pe lângă alte aplicaţii
de uz general. Alte exemple sunt compania SAS, StatSoft,
Quantitative Micro Software etc.
C. Companii specializate pe soluţii IT integrate (sisteme ERP, CRM,
SCM etc.). De exemplu Compania SAP, cel mai mare producător
de sisteme ERP din lume, oferă module specifice de previziune cum
ar fi modulul SAP® Forecasting and Replenishment destinată
firmelor de retail şi modulul SAP® APO (Advanced Planning and

171
Optimization). Compania Oracle, al doilea mare producător de
sisteme ERP, oferă aplicaţiile Advanced Forecast Modeling, Retail
Demand Forecasting, Oracle CrystaBall etc., şi exemplele pot
continua.
D. Companii care oferă produse software generale. De exemplu, pe
lângă alte produse, compania Microsoft oferă sisteme ERP ca
Microsoft Dynamics, oferă programe specifice de previziune cum
ar fi Microsoft Forecaster, şi nu în ultimul rând, oferă programe
utilitare, de uz general, cum ar fi Microsoft Office Excel. Folosit de
către companii pentru diferite aplicaţii printre care se numără
efectuarea bugetelor, raportare, planificare etc. Excel este deosebit
de util, în special pentru firme mici care nu îşi permit achiziţionarea
unor programe mai costisitoare pentru procesul de previziune.
Realizarea previziunilor cu programe de tip foi de calcul, aşa cum
este Excel, este mai dificilă datorită lipsei automatizării ceea ce
presupune o mai bună cunoaştere a metodologie de previziune dar
şi cunoştinţe suplimentare de operare şi programare (VBA) atunci
când este cazul.
Un al doilea criteriu de clasificare al aplicaţiilor software în domeniul
previziunii este gradul de automatizare al procesului de previziune prin aceasta
înţelegând măsura în care utilizatorul trebuie să intervină în derularea procedurii
de selecţie a metodei, de estimare şi testare a parametrilor. Din acest punct de
vedere putem distinge între:
Aplicaţii software manuale a căror utilizare necesită cea mai mare
implicare din partea utilizatorului. Pentru a folosi aplicaţiile din această catego-
rie sunt necesare cunoştinţe metodologice solide.
Aplicaţii software semiautomatizate. Aceste aplicaţii pot fi folosite în
mod automatizat dar permit şi intervenţia utilizatorului atunci când acesta o
consideră oportună.
Aplicaţii software automatizate care au facilităţi complexe de selecţie
a modelelor optime astfel încât intervenţia utilizatorului este minimă.
Aplicaţiile software mai pot fi diferenţiate în funcţie de metodele pe
care se bazează. Tabelul de mai jos prezintă în mod sintetic metodologia pe care
se bazează cele mai cunoscute programe de previziune.

172
Tabelul 7.1
Programe software utilizate în previziune
Metode disponibile

Reţele Neuronale
Analiza trendului

şi/sau Algoritmi
Descompunerea
seriilor de timp

econometrice
exponenţială

Box-Jenkins
(ARIMA)
Nivelare

genetici
Metode
Denumirea
programului

Synapse, Evolver,
x
NeuroIntelligence

AUTOBOX x x x x x
Crystal Ball x x x
Forecast Pro x x x x x

ForecastX x x x x x x
iData x x x x x
Minitab Statistical
x x x x
Software

PEERForecaster x x x
PSI Planner for
x x x
Windows

RoadMap x x x x

SAS Forecast
x x x x x
Server
SCA Statistical
x x x x x
System

SmartForecasts x x x x

STATISTICA x x x x x x

SPSS; Clementine x x x x x x

TimeTrends
Forecasting x x x
System

Vanguard System x x x

173
Aplicaţii
Oracle CrystaBall
În continuare este prezentată o scurtă demonstraţie în ceea ce priveşte
utilizarea programului Oracle CrystaBall (CB). Acest program permite realiza-
rea unor aplicaţii de optimizare, simulare şi previziune utilizând foile de calcul
Excel. Practic după ce Oracle CB este instalat pe un PC la deschiderea Micro-
soft Office Excel va apărea un “loading bar” cu sigla programului CB arătând
astfel utilizatorului faptul că Excel este înzestrat cu facilităţi suplimentare. De
asemenea, în bara de meniuri Excel, vor apărea câteva butoane de meniu
suplimentare: Define, Run şi Analyse.
Meniu - Oracle Crystal Ball

După apăsarea butonului CB Predictor din meniul Run se deschide o


fereastră cu mai multe pagini aşa cum poate fi văzut în imaginea de mai jos.
Din pagina Data Attributes dacă există factori de influenţă se poate
alege metoda regresiei liniare, ceea ce implică şi selectarea variabilelor
corespunzătoare. Dacă există fluctuaţii sezoniere acest lucru trebuie specificat
împreună cu lungimea ciclului sezonier.

174
Fereastră de selecţie - Oracle Crystal Ball

Din pagina Method Gallery a ferestrei CB Predictor pot fi alese diferite


metode de extrapolare a seriilor de timp. Dacă sunt selectate mai multe metode
programul va selecta şi va recomanda utilizatorului metoda cea mai potrivită
pentru datele existente. La apăsarea butonului Advanced se deschide o nouă
fereastră din care poate fi ales criteriul de selecţie pentru cea mai potrivită
metodă. Sunt disponibile trei criterii de selecţie: RMSE (Eroarea standard),
MAD (Eroarea medie absolută) şi MAPE (Eroarea procentuală medie absolută).
În ceea ce priveşte rezultatele generate de Oracle CB, pe lângă
previziunile propriu-zise, este creat un raport în care utilizatorul poate vedea un
clasament al tuturor metodelor care au fost incluse în procesul de selecţie şi o
evaluare a acestora în funcţie de mai multe criterii. Clasamentul metodelor este
realizat în funcţie de criteriul ales în etapa prezentată anterior. Previziunile sunt
realizate în mod automat prin metoda care primeşte rangul 1 în clasament.

175
Rezultate generate de Oracle Crystal Ball

În imaginea de mai sus se poate observa că metoda recomandată de


sistem ca fiind cea mai potrivită este modelul aditiv Holt-Winters cu cea mai
mică valoare a indicatorului RMSE.

176
BIBLIOGRAFIE

Armstrong J.S., Principles of Forecasting. A Handbook for Researchers and


Practitioners, Kluwer Academic Publishers, 2002

Berg A., Borensztein E., Pattillo C., Assessing Early Warning Systems:
How Have They Worked in Practice?, IMF Staff Papers, Vol. 52,
Number 3, 2005

Burtică M., Vârlan G., Stark-Erős L., Kacso S., Previziune economic ă .
Teorie ş i Aplica ţ ii, Editura Orizonturi Universitare, Timişoara
2002

Catt P.M., Barbour R.H., SAP’s All-In-One Demand Forecasting


Functionality: What Needs Doing For SMEs, Information
Management in Modern Enterprise: Issues & Solutions, p.308-316, 200

Delurgio S. A., Forecasting Principles and Applications, Irwin McGraw-


Hill Companies, 1998

Diebold F.X., Elements of Forecasting, South-Western College Publishing,


Cincinati, Ohio, 1998

Fader P.S., Hardie B.G.S., Zeithammer R., Forecasting New Product Trial
in a Controlled Test Market Environment, Journal of Forecasting J.
Forecast. 22, 391–410, 2003

Geweke J. F., Horowitz J. L., Pesaran M. Hashem, Econometrics: A Bird's


Eye View, IZA DP No. 2458, 2006

Hauser G.R, Urban G.L., Prelaunch Forecasting of New Consumer


Durables:Ideas on a Consumer Value - Priority Model, Massachusetts
Institute of Technology, Working Paper #1270-82, March 1982

Horvath & Partners, Controlling. Sisteme eficiente de creştere a


performanţei, Ed. Beck, 2007

177
Nash J.C., Nash M.M., Practical Forecasting for Managers, Oxford
University Press Inc., 2001

Makridakis S., Forecasting Methods and Applications, John Wiley & Sons,
Inc. 3 th ed., 1998

Ogilvy J., Schwartz P., Plotting Your Scenarios, GBN, 2004

Porojan D., Bişa C., Planul de Afaceri, Ed. Irecson, 2002

Pârlog C., Metode de analiz ă previzional ă , Editura Oscar Print,


Bucure şti, 1998

Stancu I., Finanţe. Teoria pieţelor financiare, Finanţele întreprinderilor.


Analiza şi gestiunea financiară. Ed. Economică, Bucureşti,1996

Shim J.K., Strategic Business Forecasting, CRC Press LLC, 2000

Vârlan G., Burtică M., Goleţ I., Previziune Microeconomică, Ed.


Eurostampa, ISBN: (10) 973-687-457-5, Timişoara, 2006

Asociaţia Europeană de Previziune pentru Macroeconomie, EUROFRAME -


http://www.euroframe.org/

Comisia Naţională de Prognoză- http://www.cnp.ro

Consensus Economics - http://www.consensuseconomics.com

Economist Intelligence Unit - www.eiu.com

Global Insight - http://www.globalinsight.com

Global Business Network - http://www.gbn.com

Institute of Business Forecasting and Planning- http://www.ibf.org/

Institutul de Previziune Economică - http://www.ipe.ro

Market Research - http://www.marketresearch.com

Oxford Economics http://www.oef.com/OE_Main.asp

The Institute for the Future (IFF) - http://www.iftf.org/

178
GLOSAR DE TERMENI

Ajustarea seriei de date. Folosirea unor metode statistico-matematice


în vederea punerii în evidenţă a ceea ce este real şi tipic în evoluţia proceselor
reprezentate de seria de date empirice, având caracter de lege sau regularitate.
Ajustarea poate fi făcută grafic, mecanic sau analitic.
Ajustarea mecanică. Aplicarea succesivă, mecanică, a unor relaţii de
calcul stabilite anticipat pentru toţi termenii seriei. Se foloseşte, de obicei,
metoda mediilor mobile, metoda sporului mediu şi metoda ritmului mediu de
creştere.
Analiza input-output. Evidenţiază fluxul de bunuri dintre activităţile
complexe, între care se stabilesc legături tehnologice de tipul materie primă-
produs finit.
Analogie. Asemănarea între procese a căror evoluţie în timp se cunoaşte.
Aria previziunii. Întinderea domeniului previzionat.
Coeficientul de corelaţie. O măsură standard a gradului de asociere
liniară între variabila dependentă şi variabila sau variabilele independente.
Coeficientul de determinare. Exprimă aportul variabilei, respectiv
variabilelor independente la modificarea variabilei dependente.
Coeficientul de regresie. Măsoară modificarea variabilei dependente
ca urmare a modificării cu o unitate a variabilei independente.
Coeficientul de variaţie. Este o măsură relativă a abaterii medie pătratice.
Corelaţie multiplă. Legătura între variabila dependentă şi mai multe
variabile independente.
Date ciclice. Serii de timp care au tendinţa de a trece periodic prin
creşteri şi descreşteri
Ecuaţia de regresie. Relaţie matematică prin care se exprimă legătura
între variabila dependentă şi una sau mai multe variabile independente.
179
Elasticitatea. Exprimă modificarea variabilei dependente ca urmare a
modificării cu o unitate a variabilei independente.
Funcţia analitică. Exprimarea matematică sub formă funcţională a
relaţiei dintre variabila dependentă şi variabila sau variabilele independente.
Funcţia liniară. Admite existenţa unei legături între variabila
dependentă şi variabila sau variabilele independente, ce poate fi aproximată cu
ecuaţia unei drepte.
Funcţiile neliniare. Acceptă existenţa unei legături între variabila
dependentă şi variabila independentă, ce poate fi aproximată cu ecuaţiile unor
curbe. Funcţiile neliniare folosite frecvent în previziunile economice sunt
funcţia exponenţială, de putere, logistică, parabolică şi semilogaritmică.
Funcţiile de regresie. Studiază evoluţia variabilei dependente în raport
de una sau mai multe variabile independente.
Funcţia de producţie. Expresie matematică a legăturii funcţionale între
rezultatul unei activităţi de producţie şi factorii ce concură la realizarea sa. O
largă aplicabilitate în previziunile economice şi-a găsit-o funcţia COBB-
DOUGLAS.
Funcţia de tendinţă. Urmăreşte evoluţia variabilei dependente în
raport de timp.
Grade de libertate. Concept desemnând numărul de termeni a unei
serii statistice, din care se scad numărul parametrilor funcţiei analitice folosite
în previziune.
Interpolare. Estimarea unor valori care ne sunt date într-o serie de date
statistice aferente unei perioade cunoscute.
Interval de încredere. Limitele în care ne aşteptăm ca valorile
previzionate ale variabilei dependente să fie confirmate de realitate.
Lanţurile Markov. Metodă de estimare a structurii elementelor
componente ale procesului studiat, atunci când se cunosc mutaţiile care au avut
loc în perioadele precedente de la un element la altul.
Metoda celor mai mici pătrate. Modalitate de determinare a
parametrilor funcţiei analitice folosite în previziune, în condiţiile minimizării
sumei pătratelor abaterilor între valorile reale a unei serii statistice şi cele
calculate cu ajutorul acesteia.

180
Metode de previziune explorative. Pornesc de la analiza trecutului şi
prezentului, urmărind ca pe baza concluziilor desprinse să evidenţieze
posibilităţile evoluţiei viitoare.
Metode de previziune intuitive. Se bazează pe folosirea competenţei,
experienţei şi perspicacităţii specialiştilor în descifrarea viitorului.
Metode de previziune bazate pe modelarea economico-matematică.
Metode matematice folosite în modelarea evoluţiei proceselor economice.
Metode de previziune normative. Au în vedere obiective propuse a se
realiza, urmărind a stabili regresiv factori de influenţă, condiţiile ce trebuiesc
îndeplinite şi etapele necesare a fi parcurse pentru realizarea acestora.
Model aditiv. Presupune existenţa unei relaţii de independenţă totală a
factorilor.
Model econometric. Este format din una sau mai multe ecuaţii ce
evidenţiază relaţiile existente între variabila dependentă şi variabilele
independente a unor procese economice.
Modelul multiplicativ. Acceptă existenţa unei relaţii de
proporţionalitate între factori.
Model de optimizare. Stabileşte nivelul optim în evoluţia unui proces
cu ajutorul uneia sau mai multor funcţii obiectiv şi a uneia sau mai multor
sisteme de condiţii restrictive.
Model de previziune. Modalitate de estimare a evoluţiei viitoare a unui
proces, prin stabilirea unor relaţii între variabilele acestuia.
Model de simulare. Descrie, imită, comportamentul unui proces în
evoluţia sa.
Orizont de previziune. Numărul de perioade de la începutul
previziunii până la finele acesteia.
Planificarea. Modalitate de a dezvolta un set de obiective şi de a stabili
strategiile pentru atingerea acestora.
Previziunea. Estimarea în viitor a evoluţiei unei situaţii necunoscute.
Proiecţie. Transpunerea în viitor a tendinţelor conturate în trecut şi prezent.
Raportul de corelaţie. Măsoară intensitatea legăturii între variabila
dependentă şi variabila independentă în cazul funcţiilor analitice neliniare.
Regresia. Metodă de cercetare a legăturii existente între variabila
dependentă şi una sau mai multe variabile independente.
181
Seria cronologică. Şir de valori ce evidenţiază evoluţia variabilei
dependente în raport cu timpul.
Tehnica Delphi. O metodă de obţinere a unor previziuni independente
desfăşurate în mai multe runde, ca sumă a previziunilor anonime după fiecare rundă.
Variabilă aleatoare. Variabilă a cărei valori apar datorită întâmplării,
evoluând sub acţiunea legilor probabilistice.
Variabilă dependentă. Variabilă ce urmează a fi previzionată, fiind
considerată ca variabilă de interes în previziune. În cazul folosirii funcţiilor
analitice în previziune, această variabilă este situată în partea stângă a expresiei
funcţiei analitice.
Variabilă endogenă. Variabilă a cărei valori sunt determinate în cadrul
sistemului, fiind deduse din rezolvarea modelului de previziune.
Variabilă exogenă. Variabilă a cărei valori sunt determinate în afara
modelului de previziune, fiind introduse din exteriorul acestuia.
Variabilă independentă. Variabilă ce determină evoluţia variabilei
dependente, situându-se în partea dreaptă a expresiei unei funcţii analitice.
Variabile de previziune. Sunt mărimi ce evidenţiază nivelul de
dezvoltare a unui proces în evoluţia sa.

182