Documente Academic
Documente Profesional
Documente Cultură
1. Introducere.............................................................................................................................................2
1.1. Previziunea şi planificarea .............................................................................................................2
1.2. Necesitatea previziunii şi planificării..............................................................................................3
1.3. Organizarea activităţii de previziune .............................................................................................4
1.4. Etapele fundamentale ale elaborării previziunilor..........................................................................5
1.5. Forme şi categorii de previziune....................................................................................................5
2. Metode bazate pe extrapolarea seriilor de timp.....................................................................................8
2.1. Metoda ultimei valori înregistate...................................................................................................8
2.2. Metoda mediei aritmetice simple ..................................................................................................9
2.3. Media mobilă de ordin k................................................................................................................9
2.4. Media mobilă exponenţială de ordin k..........................................................................................10
2.5. Metoda sporului mediu.................................................................................................................10
2.6. Metoda indicelui mediu .............................................................................................................10
2.7. Metoda clasică de descompunere (Metoda de descompunere sezonieră).....................................11
2.8. Nivelare exponenţială...................................................................................................................12
2.9. Funcţii de tendinţă.........................................................................................................................14
2.10. Modelele ARIMA (k,d,m) ........................................................................................................15
2.11. Prognoza structurii unor fenomene prin Lanţuri Markov...........................................................17
3. Metode econometrice ..........................................................................................................................20
3.1. Regresia simplă.............................................................................................................................20
3.2. Regresia multiplă..........................................................................................................................21
3.3. Regresia dinamică.........................................................................................................................21
3.4. Regresia nonliniară.......................................................................................................................22
3.5. Modele autoregresive multivariate/vectoriale (VAR)..................................................................22
3.6. Modele de corecţie........................................................................................................................23
4. Inteligenţă artificială ...........................................................................................................................23
4.1. Reţele neuronale............................................................................................................................24
4.1.1. Tipuri de reţele.......................................................................................................................24
4.1.2. Reţele neuronale artificiale cu propagare inainte a semnalului.............................................24
4.2. Sisteme hibride (Reţele neuronale şi Algoritmi genetici).............................................................27
5. Metode subiective................................................................................................................................29
5.1. Grupuri de interacţiune ................................................................................................................29
5.1.1. Metoda Brainstorming...........................................................................................................29
5.1.2. Metoda Delphi.......................................................................................................................29
5.2. Metoda scenariilor .......................................................................................................................31
5.3. Ancheta statistică privind opinia unor specialişti.........................................................................32
5.4. Interpretarea unor roluri în simularea situaţiilor conflictuale („Role Playing”)...........................33
5.5. Utilizarea burselor de pariuri (“Prediction Markets”) pentru previziuni la nivel de firmă..........34
6. Previziunea ciclurilor de afaceri - Indicatori de anticipare..................................................................35
6.1. Indici de dinamică şi indici de ciclicitate.....................................................................................35
6.2. Indicatori de anticipare a cilurilor economice..............................................................................39
7. Previziuni pe piaţa valorilor mobiliare.................................................................................................41
7.1. Elemente de analiză fundamentală................................................................................................42
7.2. Metode de analiză tehnică.............................................................................................................44
7.2.1. Benzile Bollinger...................................................................................................................45
7.2.2. Intersecţia mediilor mobile....................................................................................................47
7.2.3. Oscilatorul Stocastic..............................................................................................................48
8. Previziuni de marketing.......................................................................................................................49
8.1. Previziunea produselor noi introduse pe piaţă..............................................................................49
8.1.1. Modele pentru pieţe test ........................................................................................................49
8.1.2. Modele pentru pieţe pre-test.................................................................................................52
8.2. Anchete privind intenţiile consumatorilor ...................................................................................54
8.3. Previziuni privind cota de piaţă....................................................................................................56
8.4. Analiza preferinţeleor consumatorilor (“Conjoint Analysis”)......................................................57
9. Previzionarea situaţiei financiare la nivel de întreprindere.................................................................57
9.1. Previziunea cifrei de afaceri.........................................................................................................57
9.2. Previzionarea elementelor contului de rezultate...........................................................................58
9.3. Previziunea elementelor de activ.................................................................................................59
9.4. Previziunea elementelor de pasiv..................................................................................................60
9.5. Previziunea fluxului de numerar ..............................................................................................62
10. Indicatori ai erorilor de previziune.....................................................................................................63
1. Introducere
1.1. Previziunea şi planificarea
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 sa fie două activităţi viabile pentru studierea şi respectiv acţiunea asupra viitorului
(Prezentul este însărcinat cu viitorul, Voltaire)
Problema esenţială este definirea corectă a ceea ce înseamnă previziune respectiv planificare,
pentru a putea integra corect cele două concepte. Deoarece ambele concepte se preocupă direct de
viitor este foarte important ca aceste două funcţii să fie corect integrate în cadrul firmei.
Previziunea (prognoza) economică, deşi nu se poate da o definiţie precisă, datorită părerilor
diferite existente în rândul specialiştilor, reprezintă procesul prin care sunt anticipate evenimente şi prin
care este realizată estimarea evoluţiei viitoare a unor indicatori economici privind, în general,
fenomene care nu sunt direct controlate de entitatea implicată în procesul de previziune.
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.
Previziunea reprezintă un suport al procesului decizional în timp ce planificarea reprezintă mai mult un
rezultat sau o componentă a procesului decizional. O delimitare clară între previziune, planificare şi
decizie este, de cele mai multe ori, greu de trasat, între aceste procese existând o interdependenţă
2
strânsă. Previziunea se ocupă în general cu descrierea estimativă a mediului extern viitor al unei
entităţi, în timp ce planificarea se orientează asupra acţiunilor viitoare proprii unei entităţii în contextul
mediului în care aceasta acţionează. Prin urmare, este corect să spunem că o firmă previzionează
cererea pentru un anumit bun pe piaţă şi planifică producţia pe care urmează să o realizeaze în
contextul cererii respective. Nu este corect însă, să spunem că o firmă planifică evoluţia cursului
valutar pentru o anumită monedă sau că o firmă previzionează preţul pe care ea însăşi îl va aplica unui
anumit produs. Totodată nu este mai puţin adevărat că propriile acţiuni pot influenţa mediul extern. De
exemplu, acţiunile unei firme concurente fac obiectul previziunii, însă este foarte probabil ca aceste
acţiuni să fie influenţate de planificarea realizată în propria firmă, fie prematur, datorită unei scurgeri
de informaţii, fie odată ce planificarea realizată îşi face simţite efectele pe piaţă.
3
- elementelor mixului de - mixul de
marketing (preţ, distribuţie, marketing al
promovare, caracteristici ale concurenţilor
produselor) - cotele de piaţă
- cre - ratele dobânzii
ditelor pe termen mediu - cursului valutar
- impactul unor
evenimente asupra
vânzărilor
(sărbători,
festivaluri, acţiuni
promoţionale etc.)
- etc.
Stabilirea Planificarea: Previziuni privind Termen scurt (zile,
obiectivelor - logistică (aprovizionare, - impactul unor săptămâni)
operaţionale transport etc.) evenimente
- creditelor de trezorerie neprevăzute
- plăţii furnizorilor asupra
- încasării creanţelor etc vânzărilor sau
aprovizionării
- previziunea
cererii zilnice
(week-end, zile
lucrătoare)
- condiţii meteo
nefavorabile (cu
impact în special
asupra activităţii
de transport şi
turistice) etc.
Deosebim două situaţii esenţial diferite privind organizarea activităţii de previziune şi planifiare
în cadrul unei organizaţii:
1. În primul caz (mai rar întâlnit), cei ce efectuează previziunea vor fi şi cei care vor întocmi
planul, şi/ sau vor lua decizia. Acest caz se aplică de regulă în cazul firmelor de dimensiune mică şi
mijlocie. În acest caz 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 în cazul firmelor de dimensiune mare. În acest caz
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. În acest caz, activitatea de previziune şi planificare este riguros organizată şi
derulată de personal specializat.
4
− activitatea de previziune este externalizată şi lăsată în seama unei firme specializate în
activitatea de previziune şi planificare.
Se pot delimita etapele care trebuie parcurse pentru elaborarea previziunilor, indiferent de
domeniul unde se realizează acestea. Enumerându-le, aceste etape sunt:
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 previziuni (alegerea din multitudinea de
alternative a variantei cele mai probabile; prezentarea rezultatelor sub forma unor scenarii - pesimist,
realist, optimist; sau 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).
6
SELECTIA UNEI
METODE GENERALE
DE PREVIZIUNE
NU (metode
calitative/subiective/intuitive) DA (metode cantitative)
Există
date
istorice?
Retele
neuronale
Există DA
situatii Există
conflictuale NU interactiune
? între
variabile?
NU Simulare
prin roluri
Metode de DA
extrapolare
a seriilor de Metode
DA timp
Există econometrice
interactiune
între subiecti?
NU
Anchete Grupuri de
statistice interacţiune
7
2. Metode bazate pe extrapolarea seriilor de timp
Metodele bazate pe extrapolarea seriilor de timp pornesc de la premiza că evoluţiile istorice se
vor păstra şi în viitor şi reprezintă practic o prelungire în viitor a tendinţelor şi fluctuaţiilor observate.
De obicei modelele care presupun o continuare a evoluţiei trecute se mai numesc şi modele “cu
memorie” sau procese “cu inerţie”. De obicei fenomenele economice prezintă o astfel de inerţie (ex.:
dacă o companie a avut mai mulţi ani la rând o cifra de afaceri de ordinul a câtorva zeci de milioane
nu ne aşteptăm ca în anul următor cifra de afaceri să fie de ordinul miliardelor, ci în schimb ne
aşteptăm la o cifră de afaceri apropiată de cea din perioada istorică).
Metoda ultimei valori înregistate se poate utiliza 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 mai mult în procesul de testare şi selecţie. O metodă oarecare (mai
complexă) este comparată cu metoda ultimei valori înregistrate (considerată ca fiind cea mai simplă)
dacă prin metoda respectivă se obţin erori mai mici se justifică efortul de a folosi o metodă mai
complexă.
Proces de tip “mers la întâmplare” este un process în care valoarea la momentul t +1 este egală
cu valoarea la momentul t plus o eroare:
115
110
105
100
95
90
85
80
75
70
1 101 201 301 401 501 601 701 801 901
8
În cazul în care seria de valori urmează un astfel de proces Previziunea cea mai potrivită
realizată în momentul t pentru momentul t+1 este chiar valoarea din momentul t:
yˆ t +1 = yt
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 tip 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 = ∑ yt
n t =1
Media aritmetică simplă este o metodă cu “memorie lungă” în sensul că ţine cont de întreaga
perioadă istorică disponibilă de unde se degajă şi avantajul său de stabilitate (rezultatele nu sunt
perturbate de fluctuaţii 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.
Media mobilă de ordin k. Se aplică tot pentru serii de timp staţionare la fel ca şi media simplă.
Previziunea pentru perioada următoare, n + 1, este media ultimelor k valori înregistrate.
1
∑t =n−k +1 y t
n
yˆ n +1 =
k
Media mobilă este un proces cu “memorie scurtă”, principalul avantaj al metodei fiind
capacitatea ridicată de adaptare la condiţiile cele mai recente.
9
2.4. Media mobilă exponenţială de ordin k
Media mobilă exponenţială de ordin 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
Avantajul unei medii mobile exponenţiale este acordarea unei importanţe (ponderi) mai mari
valorilor celor mai recente.
∑ (y − y t −1 )
n
yˆ n +p = y n + pS unde S = t =2 t
reprezintă sporul mediu de creştere iar p este
n −1
orizontul de previziune.
10
160
140
120
100
80
60
40
20
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27
1,4
1,2
0,8
0,6
0,4
1 3 5 7 9 11 13 15 17 19 21 23 25 27
Previziunea propriuzisă este realizată prin înmulţirea ultimei valori cu valoarea indicelui mediu.
yˆ n+p = yn ×( I ) p
Unde
yt
I = n −1 ∏t =2
n
reprezintă indicele mediu de dinamică calculat cu ajutorul mediei
y t −1
geometrice.
a. Modelul aditiv yt = Tt + St + Et
Se foloseşte atunci când între fluctuaţia periodică (sezoniră) şi trend nu există relaţie de
proporţionalitate
11
b. Modelul multiplicativ yt = TtSt Et
Se foloseşte atunci când între fluctuaţia periodică (sezoniră) şi trend există o relaţie de
proporţionalitate.
25
sezonalitate aditiva
20 sezonalitate multiplicativa
15
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Nivelare exponenţială este o metodă care poate fi adaptată cu succes unor situaţii diverse.
12
yˆ t +1 = yˆ t + α ( y t − yˆ t )
Dacă dezvoltăm ultima formulă vom găsi explicaţia pentru denumirea metodei.
yˆ t +1 = αy t + α (1 − α ) y t −1 + α (1 − α ) 2 y t −2 + .... + α (1 − α ) t −1 y1
Se observă că previziunea pentru perioada t+1 este de fapt o medie ponderată a valorilor
observate până în acel moment iar ponderile descresc exponenţial pe măsură ce valorile observate
devin din ce în ce mai îndepărtate.
Alte tipuri de nivelare exponenţială sunt: NE dublă, NE adaptivă, metoda liniară a lui Holt,
metoda pentru trend şi sezonalitate Holt-Winter etc.
Metoda liniară se foloseşte în situaţia în care seria de date prezintă un trend liniar (crescător sau
descrescător). Prin această metodă se realizează o nivelare atât pentru nivelul înregistrat la un moment
dat cât şi pentru sporurile de creştere. Cele două componente sunt apoi agregate.
Acest model se aplică în cazul unor evoluţii care prezintă trend liniar şi sezonalitate multiplicativă adică,
o componentă sezonieră care se amplifică (diminuează) proporţional cu evoluţia trendului.
yt
Componenta de nivel (trendul estimat): Lt = α + (1 − α )( Lt −1 + bt −1 )
S t −s
Sporul de creştere: bt = β ( Lt − Lt −1 ) + (1 − β )bt −1
yt
Componenta sezonieră: S t = γ + (1 − γ ) S t −s
Lt
Valoarea previzionată: yˆ t + p = ( Lt + bt p ) S t −s + p
13
Spre deosebire de modelul multiplicativ în acest caz componenta sezonieră se calculează prin
diferenţă şi se adună la componenta de nivel. Se aplică deci pentru seriile a căror componentă sezonieră
nu este proporţională faţă de nivelul de bază. Formulele de calcul sunt:
Mărimi economice care să prezinte în evoluţia lor o sezonalitate aditivă sunt mai puţin întâlnite
în realitatea economică. Din acest motiv modelul pentru sezonalitate aditivă este mai puţin folosit.
Funcţii de tendinţă:
unde:
t - este variabila timp
b - este panta dreptei de tendinţă (aproximează sporul mediu de creştere)
et - este o variabilă aleatoare normal distribuită de medie 0.
Dacă ultima perioadă pentru care există date este n (t = n) previziunea pentru perioada n
+ p va fi:
yˆ n + p = a + b( n + p )
Intervalul de previziune:
Limita inferioară: yˆ n + p = yˆ n + p − ∆y
inf
Limita superioară: yˆ n + p = yˆ n + p + ∆y
sup
∑ (y − yˆ t )
n
1 (n + p − t )
2 2
t
∆y = t s t =1
1+ + n
n ∑ (t − t ) 2
q/2
n−2
t =1
14
q =1 − P
Unde:
t – variabila timp
t − mijlocul perioadei de timp istorice
n +1
t =
2
(∑t =1 t ) 2
n
∑ (t − t ) = ∑t =1 t +
n 2 n 2
t =1
n
ŷ = abt
t
e. Logistică se foloseşte atunci când fenomenul studiat creşte cu un spor din ce în ce mai
mic şi se apropie de o limită superioară (prag de saturaţie)
c
1. yˆ t =
(1 + ae −bt )
2. ŷ t = c - ae- b t
c – limita superioară a funcţiei şi aproximează pragul de saturaţie al vânzărilor
ŷ = a + b*ln(t)
t
15
Modelele ARIMA (k,d,m) reprezintă o clasă mai largă de modele care pot fi utilizate cu succes
într-o varietate de situaţii. Aceste modele au fost dezvoltate de George Box şi Gwilym Jenkins în anii
1970 fiind cunoscute şi sub denumirea de Metodologia Box-Jenkins.
a. Autoregresia de ordin k, AR(k) sau ARIMA (k,0,0), este o variantă redusă, adaptată pentru
serii de timp staţionare:
yˆ t +1 = a + β0 y t + β1 y t −1 + β p y t −k
yˆ t +1 = a + β1 y t + β2 y t −1 + βk y t −k +1 + γ1et + γ 2 et −1 + .. + γ m et −m +1
c. 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).
Previziunea pentru momentul t + 1 va arăta astfel:
∆yˆ t +1 = a + β1 ∆y t + β2 ∆y t −1 + βk ∆y t −k +1 + γ1εt + .. + γ t −m εt −m +1
∆y t = y t − y t −1 - diferenţe de ordinul 1
∆y t2 = ∆y t − ∆y t −1
Un model care implică diferenţe de ordinul 2 va fi notat: ARIMA (k,2,m). Cea mai frecvent
utilizată este însă prima diferenţă d=1.
16
d. Modele ARIMA pentru sezonalitate şi trend, SARIMA (k,d,m) (K,D,M)s
Marelui matematician rus Andrei Markov îi sunt datorate procesele care îi poartă numele şi
care au deschis calea spre numeroase aplicaţii ale teoriei probabilităţilor şi în special a proceselor
aleatoare. Proprietatea Markov care este aparent restrictivă, stipulând că probabilitatea unui eveniment
prezent depinde numai de trecutul cel mai recent, permite ca în memoria recentă să fie înglobată
întrega evoluţie istorică.
Elementele structurale pot fi reprezentate printr-un vector S t = s t ,... s t ,... s t , care pentru
' 1 i m
[ ]
i
fiecare t =1, n şi pentru fiecare i =1, m , s variază între 0 şi 1, iar suma elementelor structurale este
t
1, pentru orice t.
Etape:
ii. În etapa a doua, matricile de trecere parţiale sunt construite pentru fiecare pereche de
perioade consecutive de timp, t/t-1. Matricele de trecere sunt matrice pătratice de forma
MTP t / t −1 ( m × m ) , unde elementele de pe diagonala principală sunt date de relaţia:
( )
mtp tii/ t −1 = min sti−1 , sti , i =1, m . Celelalte elemente, care nu se află pe diagonala principală, sunt
∆ stj/ t −1
obţinute prin relaţia: m tp ij
t / t −1 = ∆s i
t / t −1 × , unde ∆s ti / t +1 este negativă, iar ∆s tj/ t −1 este
∑
m
i =1
+ t / t −1
∑
m
pozitivă. În această formulă
i =1
+ t / t −1 este suma valorilor pozitive ale vectorului diferenţă
m i( sni , s j ) , i f i = j
t− 1 t
i ∆ stj/ t− 1
m tt /pt− 1 = ∆ st / t − 1 × m
ij
, d aăci ≠ j ş i∆ sti / t − 1 < 0 ş i∆ stj/ t− 1 > 0
∑ i= 2 + t / t− 1
0, p e n tcr eu l e l ae l et em e n t e
i , j =1, m
17
mtt ij = ∑t =2 mtp tij/ t −1
m
mtt ij
mp ij =
∑
m
j =2
mtt ij
Exemplu:
S1998 S1999
Cote de piata (% nr. utilizatori) 1998 1999 2000 2001 2002 2003
Conex (C ) 51.0 50.2 48.4 49.4 51.8 49.8
Orange (O) 47.5 45.8 45.2 40.3 43.7 47.3
Zapp (Z) 0.0 0.4 0.4 1.4 1.7 2.9
Suntel (S) 1.5 1.4 0.9 0.0 0.0 0.0
Cosmorom (M) 0.0 2.2 5.1 8.9 2.8 0.0
Total 100.0 100.0 100.0 100.0 100.0 100.0
TR 2000 / 1999 ( m × m )
(...)
18
iii. mtt = ∑t =2 trt / t −1
ij 6ij
iv. MP ( m ×m )
Maricea MP transpusă
49.0291 0.981533 0.003798 0 0.040835 0.12736 49.76837
46.21711 0.008035 0.967633 0 0 0.263824 47.34977
3.145036 = 0.000556 0.004974 1 0.044883 0.016621 x 2.881858
0 0 0 0 0.605263 0 0
1.608756 0.009876 0.023595 0 0.309019 0.592195 0
19
3. Metode econometrice
Metodele econometrice presupun estimarea cantitativă a relaţiilor de cauzalitate între variabile
economice. Odată ce această relaţie este estimată se poate realiza previziunea unei variabile, numită
variabilă dependentă, în funcţie de variabilele care o determină, numite variabile independente. Pentru
prima dată un model econometric a fost utilizat în prognoză de Charles Sarle (1925) pentru a
previziona preţul unor produse agroalimentare. De atunci şi până în prezent aceste metode au cunoscut
o vastă expansiune.
Regresia simplă este o metodă cu o istorie considerabilă fiind aplicată, în primele ei forme încă
din 1877 de Francis Galton.
y t = a + bx t + et
yˆ n +p = a +bxˆ n +p
Intervalul de previziune:
Limita inferioară: yˆ n + p = yˆ n + p − ∆y
inf
Limita superioară: yˆ n + p = yˆ n + p + ∆y
sup
∆y = t s ∑ (y
n
t =1 t − yˆ t )
2
1 (
1+ + n
xˆ n + p − x )
2
n ∑ ( xt − x ) 2
q/2
n−2
t =1
20
x - variabila independentă medie aferentă perioadei istorice
p – perioadă aferentă orizontului de previziune
q - nivel de semnificaţie (de obicei 0,05)
P – coeficientul de încredere (probabilitatea cu care garantam ca valoarea reală să se afle
în intervalul prognozat)
tαs / 2 - valoarea statisticii t cu distribuţie Student aferentă unui nivel de semnificaţie α /2
Regresia multiplă:
yt = a + b1 x1 t + b2 x2t + ..+ bk xk t + et
Parametrii a, bk au o interpretare similară regresiei simple
Intervalul de previziune:
Limită superioară: yˆ n + p = yˆ n + p − ∆y
inf
Limită inferioară: yˆ n + p = yˆ n + p + ∆y
sup
∑ (y − yˆ t )
n 2
1 + C( X ' X ) C '
t −1
∆y = t s
q/2
t =1
n − (k + 1)
1 x1,1 ... x k ,1
1 x1, 2 ... xk ,2
X =
...
1 x1,n ... x k ,n
Regresia dinamică:
21
yt = a + b0 xt + b1 xt − 1 + .. + bk xt − k + et
care se mai poate scrie:
y t = a +ν ( B ) xt + et unde ν (b) = bo + b1 B 1 + .. + bk B k
Regresia nonliniară:
y t = α ( x1t ) β1 ( x 2t ) β 2 ...( x kt ) β k
Yˆt = AK α M β T γ
Unde:
Y– veniturile (producţia) înregistrate la momentul t
K – factorul capiat (capital fix etc.)
M - factorul muncă (nr. salariaţi, fondul de salarii etc.)
T- progresul tehnic
A, α, β - parametrii
ln Yˆt = ln A +α ln K + β ln M + γ ln T
y1t =φ111 y1,t −1 +φ121 y 2 ,t −1 +φ112 y1,t −2 +φ122 y 2 ,t −2 +... +φ11 k y1,t −k +φ12 k y 2,t −k +e1,t
y 2 t =φ211 y1,t −1 +φ221 y 2 ,t −1 +φ212 y1,t −2 +φ222 y 2 ,t −2 +... +φ21 k y1,t −k +φ22 k y 2 ,t −k +e 2 ,t
y1,t e1,t
Yt = , Et =
y 2 ,t e2,t
22
φ φ121 φ112 φ122 φ11k φ12 k
Φ1 = 111 , Φ2 = ,..., Φ k =
φ211
φ221
φ212 φ222 φ21k φ22 k
Y1,t
Y
Modelul poate fi generalizat pentru mai multe variabile: Yt =
2 ,t
...
Ym ,t
4. Inteligenţă artificială
Data de naştere a Inteligenţei Artificiale (IA) este considerată Iulie 1956 când a avut loc prima
conferinţă internaţională pe acestă temă la Colegiul Dartmouth din Hanover, New Hampshire, SUA.
IA conţine două ramuri sau curente de gândire:
• IA convenţională (numită şi IA logică sau IA simbolică) bazată pe formalizare logică şi
analiză statistică. Din acestă categorie fac parte sistemele expert.
• IA computaţională implică sisteme iterative de învăţare care urmăresc în primul rând
eficienţa din punct de vedere empiric în rezolvarea diverselor probleme şi mai puţin
corectitudinea din punctul de vedere al formalismului logic. Acest lucru nu însemnă că
aceste sisteme sunt ilogice prin definiţie ci că, pentru atingerea obiectivului propus, este
permisă renunţarea la logica sau teoria fundamnetală care stă la baza unui fenomen. Din
acestă categorie fac parte:
23
o Reţelele neuronale
o Algoritmii genetici
o Logica fuzzy etc.
Sistemele hibride sunt combinaţii a două sau mai multe sisteme din clase diferite ale IA.
Reţea neuronală cu propagare înainte a semnalului (ex.: Perceptron simplu, Perceptron multistrat),
Reţele radiale, Reţele cu autoorganizare (ex.: Reţea Kohonen), Reţele recurente (ex.: Reţea Hopfield),
Reţele neuronale stocastice (ex.: Mecanismul Boltzmann), Reţele neuronale modulare, Reţele
neuronale asociative etc.
24
Perceptron simplu. Primul tip de reţea neuronală este un perceptron simplu, care constă dintr-
un singur strat de neuroni de ieşire; intrările sunt conduse direct la ieşiri prin intermediul unor ponderi.
Perceptron multistrat. Această clasă de reţele constă din multiple straturi de neuroni, de obicei
interconectaţi, propagarea semnalului făcându-se într-un singur sens. Fiecare neuron dintr-un strat este
direct conectat la neuronii din stratul următor. În cele mai multe siteme de acest tip neuronii acestor
reţele aplică o funcţie sigmoidală ca funcţie de activare.
Teorema de aproximare universală pentru reţele neuronale afirmă că orice funcţie continuă
(care transformă intervale de numere reale în intervale de numere reale) poate fi aproximată printr-un
perceptron multistrat cu doar un strat de neuroni ascunşi. Acest rezultat se aplica numai pentru anumite
clase de funcţii de activare, cum sunt funcţiile sigmoidale.
4. Alegerea ponderilor iniţiale. Valorile iniţiale sunt în general fie valori alese
aleator fie valori nule.
k
I j = ∑ wij Oi
i =1
I j −valoarea de intrare a neuronului j
1
Oij =
(1 + e )
− I ij
25
7. Calcularea erorii de estimare. Procesul continuă (etapele 5 şi 6) pănă în momentul
în care se obţin valorile de ieşire din reţea adică valorile previzionaate. Aceste valori
sunt comparate cu valorile reale, din baza de date de antrenare, obţinându-se erorile
de estimare.
et = Yt −Yˆt
∑
n 2
e
t =1 t
ES =
n
8. Ajustarea ponderilor reţelei pe baza erorilor de estimare. Înainte ca reţeaua să
fie alimentată cu noi date ponderile sunt ajustate în funcţie de erorile obţinute în
etapa anterioară.
wij ( nou ) = wij (vechi ) + ∆wij ( nou )
∆wij ( nou ) = ηδij + α∆wij (vechi )
∂S
δij = −
∂wij
9. Etapele 5-8 se repetă până în momentul în care se termină toate valorile din baza de
antrenare. În acest moment o primă “epocă” din procesul de învăţare este încheiată.
10. Pentru a obţine o eroare de estimare cât mai mică procesul de învăţare necesită mai
multe “epoci”, adică toate datele din baza de învăţare sunt introduse în reţea de mai
multe ori. Astfel se repetă etapele 5-9 până când se obţine o valoare a ES dorită.
11. Cu ponderile optime obţinute reţeau este folosită pentru a previziona valorile din
Ponderi
baza de validare.
Constatntă
12. Dacă rezultatele nu sunt mulţumitoare se alege o nouă arhitectură a reţelei.
Reţea
W1,7multistratificată: C
NI1
N7
W7,12
N12
NI2
N8
NI5
N15
N11
Ieşirile din reţea
NI6
Straturi de neuroni
26 ascunşi
Intrările în reţea
Neuronul N7:
I7 N7
1 O7
O7 =
(1+ e−I7 )
Simulări privind procesele biologice evolutive au fost iniţiate de Nils Aall Barricelli în 1954.
Deşi Barricelli a folosit procesele evolutive ca metode de optimizare, algoritmii genetici au devenit
metode de optimizare unanim recunoscute în mediul academic abia la începutul anilor ’70 datorită
activităţii lui John Holland. Prima conferinţă internaţională ţinută pe tema Algoritmilor Genetici, la
Universitatea din Illinois, a avut rolul de a deschide porţile aplicaţiilor practice, care au devenit posibile
datorită expansiunii utilizării calculatorarelor de birou în mijlocul anilor ‘80. Prima aplicaţie
comercială bazată pe algoritmi genetici a fost Evolver(1989) realizat de compania Axcelis Inc. dar care
se află acum în proprietatea companie Palisade. În prezent algoritmii genetici sunt folosiţi în foarte
multe companii pentru a rezolva diferite probleme de optimizare legate de logistică, bugetare, estimări
de tendinţe etc.
Algoritmii genetici imită procesele evolutive biologice pentru a rezolva probleme complexe de
optimizare. Un exemplu de problemă care poate fi soluţinată în acest fel este găsirea unei arhitecturi
optime pentru o reţea neuronală. Exită programe informatice care combină reţelele neuronale cu
27
algoritmii genetici rezultând sisteme hibride care au capacitatea de a crea reţele şi de a găsi cea mai
bună arhitectură de reţea pentru previzionarea unui fenomen.
Populaţia iniţială de reţele este reprezentată de reţelele de la care se porneşte încrucişarea.
Reţelele sunt evaluate cu ajutorul unei funcţii obiectiv, în acest caz ES. Doar un procent din reţelele
iniţiale vor fi păstrate pentru o încrucişare ulterioră. Procentul care este păstrat pentru încrucişare
ulterioară se numeşte rată de încrucişare. Mutaţia implică pe lângă schimbul reciproc al unor gene şi
o modificare a acestora cu o anumită cantitate sau anumit procent care se numeşte rata mutaţiei. Prin
încrucişări sucesive se obţin noi generaţii până când se ajunge la o reţea cu o arhitectură optimă.
Generaţia 0. Populaţia iniţială de reţele este reprezentată de reţelele de la care se porneşte încrucişarea.
În acest caz vor fi păstrate doar primele două (rata de încrucişare = 50%) cu ES cea mai mică.
Generaţia 1 Noile reţele vor fi obţinute prin încrucişarea reţelelor selectate adică prin schimbarea unor
gene (proprietăţi) ale acestora.
a) Fără mutaţie
Nr.intrări Nr.neuroni Nr. Neuroni Nr.ieşi Constan ES
Strat ascuns 1 Strat ascuns 2 ri tă
3 4 4 1 0 80 Reţea
părinte
20 17 0 2 1 81 Reţea
părinte
20 4 4 1 0 75 Reţea
nouă
3 17 0 2 1 85 Reţea
nouă
28
4 17 0 2 1 83 Reţea
nouă
5. Metode subiective
Metoda Brainstorming constă în organizarea unei şedinţe sau reuniuni cu un număr restrâns de
specialişti. În funcţie de complexitatea problemelor abordate durata acestor şedinţe poate să varieze,
desfăşurându-se, de la caz la caz, în mai multe runde, sub conducerea competentă a unui coordonator
al cărui rol este să direcţioneze şi să stimuleze discuţia pe o anumită temă.
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 evita astfel posibile influenţe negative în cadrul
grupului (teama în faţa unui superior etc.).
Metoda Delphi a fost dezvoltată de Corporaţia RAND la începutul razboiului rece pentru
previziunea impactului dezvoltării tehnologice asupra producţiei de armament. În anul 1944 generalul
Henry H. Arnold a ordonat realizarea unui raport pentru Forţele Aeriene ale 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 organizaţia non-profit RAND (Research And Development). În prezent organizaţia
şi-a extins aria de activitate şi în alte domenii: educaţie, justiţie, securitate internaţională etc.
Membri şi colaboratori marcanţi ai organizaţiei RAND:
• Herry Markowitz (Premiul acordat de Banca Suediei în ştiinţe economice în memoria lui
Alfred Nobel – Premiul Nobel, 1990, Optimizarea portofoliului)
29
• Kennet Joseph Arrow (Premiul Nobel, 1972, Teoria alegerii colective)
• George Bernard Dantzig (părintele programării liniare, a introdus algoritmul Simplex).
Preocuparea pentru problemele de programarea liniară au apărut în timpul războiului acesta
deţinând funcţia de Director al direcţiei “Combat Analysis Branch” din cadrul Forţelor
Aeriene.
• Herbert Alexander Simon (Premiul Nobel, 1978, pentru contribuţii în domeniul
proceselor decizionale în cadrul organizaţiilor eonomice)
• John Von Neumannn (contribuţii în analiză funcţională, teoria mulţimilor, analiză
numerică, Alegebre Von Neuman, participant în cadrul Proiectului Manhattan, consultant
pentru IBM, CIA, Standard Oil etc.)
• John Forbes Nash (Premiul Nobel, 1994, Teoria jocurilor)
• Samuel Cohen (participant în cadrul Proiectului Manhattan, inventatorul bombei cu
neutron)
• Herman Kahn (iniţiatorul utilizării scenariilor în planificare)
• Thomas C. Schelling (Premiul Nobel, 2005, Teoria jocurilor)
Pentru a-şi atinge obiectivul de a realize predicţii în domeniul dezvoltării tehnologice în cadrul
RAND fost luate în considerare diferite metode tradiţionale. Deficienţele metodelor clasice
(extrapolare etc.) pentru a previziona evenimente noi, care urmau să aibă loc în premieră, au devenit
repede evidente. Pentru a combate aceste deficienţe, a fost dezvoltată metoda Delphi între anii 1950-
1960, de Olaf Helmer şi Nicholas Rescher. Metoda Delphi a fost folosită de experţii RAND pentru a-şi
exprima opinia cu privire la probabilitatea, frecvenţa şi intensitatea posibilelor atacuri şi a devzoltării a
noi tipuri de arme.
Metoda Delphi a fost apoi popularizată şi preluată de alte domenii, printre care şi domeniul
economic. 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.
Deşi metoda a fost utilizată mai devreme, conceptul sub denumirea actuală de „scenarii” a
fost introdus de Herman Kahn în 1965. La începutul anilor 1980 metoda a fost dezvoltată
transformându-se dintr-o simplă metodă într-o cadru complex de abordare care permite integrarea mai
multor metode de natură subiectivă (inclusiv Delphi şi Brainstorming). Întru-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 scăzut considerabil rămânând un număr
redus de companii disponibile să dedice resurse necesare pentru utilizarea cu succes a acestei metode.
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.
Etape:
1) Identificarea factorilor de influenţă şi a ipotezelor alternative de lucru. În alegerea factorilor de
influenţă este importantă impunerea unui orizont de previziune suficient de lung, de regulă mai
mare de 10 ani. Atunci când orizontul de previziune este sub 10 ani există tendinţa din partea
participanţilor de a extrapola tendinţele curente în loc de a găsi factori care să poată afecta în
mod semnificativ activitatea companiei pe termen lung. În acest stadiu se poate face apel la
diferite metode şi tehnici cum ar fi de ex. Brainstorming pentru colectarea unui număr cât mai
31
mare de factori iar apoi utilizarea unor coeficienţi de importanţă pentru a selecta factorii cu
adevărat importanţi etc.
2) Gruparea factorilor de influenţă pe categorii şi analiza interacţiunii dintre aceştia. Foarte mulţi
factori sunt conectaţi între ei, de ex. o inovaţie tehnologică poate cauza schimbări majore în
volumul vânzărilor însă pot exista constrângeri de natură legislativă care să limiteze
comercializarea respectivului produs. Se încearcă astfel gruparea factorilor în funcţie de
interacţiunea dintre aceştia şi alocarea unor probabilităţi petru fiecare şir logic de
interdependenţe.
3) Realizarea unui număr de 7-9 scenarii iniţiale. O consecinţă firească a etapei precedente este ca
grupurile de factori de influenţă să genereze succesiuni de evenimente care vor lua forma unor
scenarii alternative.
4) Reducerea numărului de scenarii la 2-3. S-a constatat că este inutilă realizarea unui număr prea
ridicat de scenarii datorită capacităţii reduse de a operare şi asimilarea din partea factorului de
decizie. În general, beneficiarul final al scenariilor, reprezentat de managementul companiei se
concentrează în final asupra a 2-3 scenarii care par mai relevante indiferent de numărul
scenariilor care le este prezentat. Prin urmare este recomandată concentrarea situaţiilor viitoare
alternative pe un număr redus de scenarii complementare. Scenariile sunt supuse dezbaterii în
mai multe runde, etapele 1-4 fiind parcurse de mai multe ori fiind posibilă utilizarea unor
metode iterative gen Delphi.
5) Transpunerea scenariilor într-o formă scrisă şi uşor accesibilă unor persoane care nu sunt
neapărat de specialitate. S-a constatat că prezentarea scenariilor în formele binecunoscute:
pesimist, realist şi optimist nu este cea mai fericită optiune. Există riscul ca managerii să se
concentreze asupra unui singur scenariu care pare a fi cel mai preferat pentru compania în
cauza. Pentru a evita selectarea unui singur scenariu ca fiind pozitiv (ex. cel realist sau cel
optimist) şi respingerea celorlalte scenarii ca fiind negative există varianta prezentării unor
scenarii complementare la fel de probabile. Scopul scenariilor, în cele din urmă este acela de a
asigura stabilitatea firmei în orice fel de situaţia şi nu neapărat de a obţine câştiguri uriaşe într-o
situaţie favorabilă. Prin urmare prin elaborarea unor scenarii complementare urmate de strategii
adecvate o companie trebuie 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) şi ca
oportunităţi alternative pentru care compania are pregătiti un răspuns.
Sondajele sau anchetele de opinie presupun chestionarea unui eşantion reprezentativ de indivizi
(grup statistic) asupra situaţiei a cărei evoluţie se doreşte a se estima. Spre deosebire de metodele
anterioare se doreşte estimarea unei opinii/intenţii generale 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.
Anchetele de conjunctură realizate de Institutul naţional de Statistică (INS) sunt realizate
în colaborare cu Comisia Europeană şi reprezntă o estimarea a evoluţiei viitorare (creştere, stabilitate,
scădere) pe un orizont de aprox. 3 luni privind principalele sectoare ale activităţii economice (industrie,
construcţii, comerţ cu amănuntul şi servicii).
Rezultatele sunt obţinute în urma estimărilor făcute de managerii întreprinderilor referitor la
tendinţele de evoluţie ale activităţii economice. Acestea sunt efectuate pe baza unor eşantioane
reprezentative în domeniile mai sus amintite (în luna octombrie 2006 volumul eşantioanelor arăta
32
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 alternativelor
de evoluţie (creştere, stabilitate, scădere) reprezintă ponderea întreprinderilor (care au ales alternativa
respectivă) în volumul de activitate al sectorului. Diferenţa procentuală între alternativele extreme (%
creştere - % scădere) constituie soldul conjunctural, care exprimă tendinţa de evoluţie a indicatorilor
faţă de perioada anterioară.
• Perioada I (creştere - 60%, scădere - 20%, stagnare- 20%) → sold conjunctural 40%
• Perioada II (creştere - 50%, scădere - 20%, stagnare- 30%) → sold conjunctural 30%
Pentru ambele perioade de timp este prevăzută o creştere însă pentru a doua perioadă creşterea
este probabil să fie mai puţin intensă soldul conjunctural fiind mai mic.
Se utilizează atunci când există situaţii conflictuale între mai mulţi factori de decizie cu puteri
aproximativ egale (ex.: negocierile 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 confictul 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 interpreteză 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;
33
• 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 specilişti 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. Exită burse internaţionale de pariuri pentru aproape orice tip de evenimente: politice, sportive,
artistice (ex. nominalizări pentru Oscar), economice etc. Câteva dintre cele mai 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 Business, 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 persoană 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 specilizeze şi să acţioneze pe cont propriu
• Agregare – necesitatea existenţei unui mecanism de extargere a unei opinii generale
Iniţiative în ceea ce priveşte utilizarea burselor de pariuri pentru previzionarea unor variabile la
nivel microeconomic:
• 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.
34
• Compania InovateUs este specializată pe previzionarea succesului inovaţiilor în
introducerea a noi produse pe piaţă bazându-se pe opinia unui număr mare de angajaţi.
Are ca şi clienţi alte companii
• Inkling este o companie specilizată pe asemenea predicţii şi oferă consulatanţă în acest
domeniu
• 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.
• Etc.
o Cu bază fixă:
Y Y
I t / 1 = t sau I t / 1 = t 100
Y1 Y1
o Cu bază în lanţ:
Yt Yt
I t / t −1 = sau I t / t −1 = 100
Yt −1 Yt −1
35
160
150
140
130
120
110
100
90
80
1980
1982
1992
1994
1998
2004
1984
1986
1988
1990
1996
2000
2002
2006
PIB-ul României, indici cu bază fixă:
1.3
1.2
1.1
1
0.9
0.8
0.7
0.6
1980
1982
1984
1986
1988
1990
1992
1994
1998
2000
2004
2006
1996
2002
Se observă că din punctul de vedere al dinamicii şi deci al fluctuaţiilor ciclice indicele
cu bază fixă are o formă identică cu seria iniţială neexistând decât o diferenţă de scală.
1984
1986
1996
1998
1980
1988
1990
1992
1994
2000
2002
2004
2006
Yt − Yt −1 Yt
Rt / t −1 = ⇔ Rt / t −1 = −1 ⇔ Rt / t −1 = I t / t −1 −1
Yt −1 Yt −1
sau în procente:
36
Yt − Yt −1
Rt / t −1 = 100 ⇔ Rt / t −1 = I t / t −1 −100
Yt −1
De obicei ritmul de dinamică se calculează cu bază în lanţ.
1982
1984
1986
1988
1994
2000
2006
1990
1992
1996
1998
2002
2004
Indici (bază în lanţ):
1.2
1.1
1
0.9
0.8
0.7
1980
1982
1986
1988
1992
1994
1998
2000
2004
2006
1984
1990
1996
2002
Se observă că între indicele şi ritmul de dinamică (bază în lanţ) nu este decâ o diferenţă de nivel
(o constantă egală cu 1 sau 100) ambii având aceiaşi putere informativă. Indicele are însă avantajul că
valorile sale sunt pozitive (în acest context valorile iniţiale ale variabilelor economice sunt pozitive) iar
fluctuaţia este în jurul valorii 1 (100) l la fel şi în cazul indicelui de ciclicitate.
Indicii de cilicitate se calculează ca raport dintre valorea iniţială a variabilei observate şi
conponenta de trend. Calcularea lui se justifică atunci când fenomenul analizat prezintă un trend
general crescător.
Date obtinute prin simulare (seria observata nu reprezinta date reale ci reprezinta valorile unei
funcţii de tip sinusoidal):
37
35
30
25
20
15
serie observata
10
componenta de trend
5
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45
1.3
1.2
1.1
1
0.9
0.8
Indici de ciclicitate
0.7 Indici de dinamica
0.6
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45
Considerând un exemplu real lucrurile nu mai sunt atât de evidente. Datorită măsurilor aticiclice
(temperare în periodele de boom şi stimulare în periodele de recesiune) în cazul ţărilor dezvoltate (de
ex. Italia) ciclurile economice nu mai sunt atât de pregnante şi deci sunt mai puţin evidente în urma
unei simple reprezentări grafice.
38
PIB-ul Italiei în miliarede euro (preţuri constante):
1400
1300
1200
1100
1000
900
800
700
600
500
1984
1986
1996
2004
2006
1980
1982
1988
1990
1992
1994
1998
2000
2002
Se observă că indicii au un caracter destul de instabil (mişcări puternice de la o perioadă la alta)
ceea ce face ca puterea de anticipaţie să fie mult redusă faţă de modelul teoretic anterior. Practic putem
vorbi de două situaţii clare în care indicele de dinamică anticipează indicele de ciclicitate
1.06
1.04
1.02
1
0.98
Indici de ciclicitate
0.96
Indici de dinamica
0.94
0.92
1984
1992
1994
2000
1980
1982
1986
1988
1990
1996
1998
2002
2004
2006
1) Puctul de maxim atins de indicele de dinamică în 1988 este urmat de un punct de maxim în
seria indicilor de ciclicitate în 1990 care este urmat de un punct de maxim local în seria iniţială în
anul1992. 2) Puctul de maxim atins de indicele de dinamică în 2000 este urmat de un punct de maxim
în seria indicilor de ciclicitate în anul 2001 care este urmat de un punct de maxim local în seria
iniţială în anul 2002. Noţiunea de maxim local semnifică o valoare mai mare comparativ cu valorile
aflate în imediata ei vecinătate şi nu neapărat un maxim al întregii perioade de înregistrare. Punctele de
maxim local marchează o schimbare de tendinţă şi începutul unor faze de recesiune.
39
Indicatorii de anticipare a ciclurilor economice (Composite Leading Indicators) sunt
indicatori agregaţi care includ în componenţa lor diferite variabile economice care determină sau
anticipează fluctuaţiile înregistrate de activitatea economică de ansamblu (exprimată printr-un indicator
al producţie globale în general PIB sau Producţia Industrială).
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 diferite de la o perioadă la
alta). Există câteva reguli pentru selectarea variabilelor economice care formează un 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
de anticipare este necesar ca modificările variabilelor incluse în indice să aibă loc
înaintea modificărilor care apar în PIB sau Producţia Industrială.
• Trebuie să existe date statistice de calitate, de preferinţă înregistrate lunar, pe o perioadă
suficient de lungă. Această contrângere privind calitatea datelor este în special
importantă pentru realizarea unor predicţii de calitate.
În încercarea de a estima care va fi evoluţia preţului unui titlu în viitor există disponibile
două abordări alternative:
1) Analiză fundamentală implică studiul impactului factorilor de natură
economică care pot influenţa evoluţia unui titlu. De multe ori investitori
sofisticaţi încep cu analiza indicatorilor macroeconomici naţionali şi
internaţionali (PIB, inflaţie, curs valutar, productivitate) continuă apoi cu
analiza de ramură sau industrie (competitivitate etc.) pentru ca faza finală să fie
orientată pe analizată situaţiei fianciare la nivel de companie.
41
2) Analiza 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 psiholog 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.
În esenţă preţul este guvernat de legea fundamantală a raportului dintre cererea şi oferta
pentru un anumit bun sau titlu de valoare. Prin urmare factorii de influenţă ai preţurilor sunt de fapt
semnale din mediul economic care înclină balanţa cereri sau ofertei într-un sens sau altul.
Evoluţia preţului unei companii este determinată în principal de următoarele elemente:
1. Creşterea profiturilor/vânzărilor
2. Mărimea dividentelor acordate
3. Evenimente favorabile: un produs nou cu potenţial pe piaţă, restructurare,
preluare de către o companie mai putenică 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 oferii dividente 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 randamenutlui 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 unui 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 ma mici ale preţurilor acţiunilor sale decât scăderea medie a
pieţei.
Unul dintre indicatorii cei mai utilizaţi pentru evaluarea potenţialului oferit de o anumită
acţiune este raportul Preţ/Profit (engl. PER – Price/Earnigs Ratio):
Pr etul actiunii
PER =
Pr ofit pe actiune
42
Profit pe acţiune = profitul înregistrat / nr. de acţiuni
Obligaţiunile sunt instrumente financiare de credit, purtătoare de dobanda sau cu discont, care
reprezinta o datorie pe termen lung, emisa de autoritatile publice sau de corporatii. Emitentul plateste
dobanda la intervale de timp specificate (de regula semestrial) şi rascumpara obligatiunile atunci cand
imprumutul este programat sa fie rambursat, adica la data scadentei (maturity date) sau mai devreme, la
data răscumpărării (call date).
Obligaţiunile sunt la rândul lor titluri financiare care pot fi tranzacţionate. Rata dobânzii influenţează
preţurile acestor titluri. Relaţia este inversă (la fel ca şi în cazul acţiunilor):
• Dacă rata dobânzii creşte preţurile obligaţiunile exisitente la tranzacţionare vor înregistra o
scadere
• Dacă rata donânzii scade preţurile obligaţiunilor tranzacţionate vor creşte
43
• Cererea/Oferta de creditare. În perioade de expansiune
o cererea puternică de credite conduce la creşterea ratei dobânzii
o randamentele mai atractive oferite de companiile private (dividente, obligaţiuni) obligă
guvernul să ofere randamente mai ridicate la titlurile de stat
• 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 ratei dobânzii
• Deficitul bugetar – emiterea de titluri guvernamentale pe termen lung pentru acoperirea
deficitului cea ce însemnă o absorbţie de monedă din economie şi o creştere a ratei dobânzilor
la titlurile pe termen lung
• Inflaţia – presupune o creştere a ratei nominale a dobânzii
Analiza tehnică nu îşi propune să analizeze datele financiare ale unei companii, cum ar fi de
exemplu cashflow-ul (fluxul de numerar) sau estimarea dividendelor viitoare. Metodele analizei tehnice
sunt derivate din studierea pieţei financiare de-a lungul a sute de ani. Poate că cea mai timpurie ramură
a analizei tehnice o reprezintă tehnicile “candlestick” folosite de speculatorii japonezi din secolul al
XVIII-lea şi populare încă în zilele noastre.
Teoria Dow, introdusă de Charles Dow, cofondator al companiei Dow Jones & Company (în
1882, împreună cu Edward Jones) şi editor al Wall Street Journal, a inspirat la sfarşitul secolului al
XIX-lea folosirea şi dezvoltarea analizei tehnice.
Ca orice teorie, analiza tehnică a dat naştere la numeroase discuţii pro şi contra. 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.
44
Reprezentarea grafică ce mai comună 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, 1 lună)
şi conţine preţul de deschidere (preţul iniţial), preţul minim, preţul maxim şi preţul de închidere.
45
Din punct de vedere tehnic Benzile Bollinger sunt formate dintr-o valoare medie centrală şi
două frontiere (benzi) care încadrează valoarea centrală.
Etape în construirea unui sistem de tranzacţionare bazat pe Benzi Bollinger:
1. Valoarea medie centrală poate fi calculată prin diferite metode de nivelare:
• Medie mobilă
1
∑
n
yn = y
t =n −k +1 t
k
• Nivelare exponenţială
yˆ t = αyt + (1 − α ) yˆ t −1
k −n +t
y n = ∑t =n −k +1
n
yt
∑
k
j =1
j
• Etc.
y t - preţul de închidere înregistrat la sfîrşitul unei perioade de timp (zi, oră, 30 min etc.)
ATENŢIE !!!
Spre deosebire de media mobilă, nivelarea exponenţială şi media mobilă exponenţială folosite
direct în previziune (cap.2), valorile calculate în acest context corespund perioadei curente adică,
reprezintă valori medii care înlocuiesc valoarea curentă şi nu reprezintă previziuni pentru perioada
viitoare.
Dt = yt − yt
y i = y − nr * D
Distanţa dintre frontiere este direct proporţională cu volatilitatea preţului datorită unei deviaţii
mai mari faţă de medie.
46
19
1 8.5
18
1 7.5
17
1 6.5
16
8
2
6
0
4
8
2
6
0
4
8
2
0
4
2
6
0
4
8
6
0
4
8
2
6
00
90
90
90
91
91
92
92
92
93
93
94
94
94
95
95
96
96
96
97
97
98
98
98
99
99
10
Semnale de vânzare/cumpărare:
Atunci când preţul intersectează frontiera superioară se previzionează o scădere de preţ şi deci se dă un
ordin de vânzare iar când preţul de vânzare intersectează frontiera inferioară se dă un ordin de
cumpărare aticipându-se o creştere a preţurilor.
47
80
75 V
70
65
60
MM exp. 20 zile
50
C
45
40
1800
1817
1834
1868
1885
1902
1919
1936
1953
1970
1987
2004
2021
2072
2089
2106
2123
2140
2157
2191
2208
2225
1851
2038
2055
2174
Semnale de vânzare/cumpărare:
Astfel, se consideră a fi un moment optim de cumpărare momentul în care media mobilă
calculată pe o fereastră scurtă (ex. 20 zile) devine mai mare decât media mobilă calculată pe o fereastră
mai lungă (ex. 100 zile), deoarece acest moment este considerat începutul unui trend crescător de
durată. Momentul este optim pentru vânzare atunci când media mobilă calculată pe o fereastră mai
scurtă devine mai mică decât media mobilă calculată pe o fereastră mai lungă, această situaţie indicând
începutul unui trend descendent.
1. Se decide asupra numărului de perioade, K, incluse în calcul (5 zile, 20 zile etc.) Aceste
perioade reprezentând bare de preţ cu preţul de deschidere, preţul minim, preţul maxim şi
preţul de închidere. Înfiecare 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 deK bare] – Cel mai mic preţul minim [pe fereastra de K bare]
OS = CL / HL *100
48
3. Valoarea OS este nivelată printr-o medie mobilă obţinându-se un oscilator stocastic mediu OS
Semnale de vânzare/cumpărare:
Semnal de vânzare:
Atunci când OS depăşeşte un prag superior (de regulă 80%)
Semnal de cumpărare:
Atunci când OS coboară sub un prag inferior (de regulă 20%)
8. Previziuni de marketing
Una dintre cele mai importante aplicaţii comerciale ale previziunii poate fi găsite în ultimele
faze ale procesului de dezvoltare a noilor produse moment în care managerii au nevoie de estimări cât
mai exacte privind în special rate de penetrare a pieţei, volumul vânzărilor şi cota de piaţă. În cele ce
urmează va f tratată problematica bunurilor de larg consum.
49
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 produslui.
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 descompunera vînzărilor observate în perioada
de testare în achiziţii care reprezintă încercări ale produslui 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. BASES1). De obicei datele observate reprezintă
vânzări săptămânale. Astfel vânzările cumulate (vânzările care au fost relizate 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), T(t)
b. Numărul de achiziţii care reprezintă prima repetiţie (achiziţii realizate de cumpărători
care cumpără un produs a doua oară, după ce l-au încercat), FR(t)
c. Numărul de repetiţii ulterioare, AR(t)
50
bine vânzările observate (pâna la momentul t0) însă, aşa cum a fost precizat anterior, se doreşte ca
perioada de observare, adică perioada în care produsul să fie testat pe piaţă să fie cât mai mică.
Alegerea unei funcţii potrivite pentru vânzările totale reprezintă deci un demers dificil în aceste
condiţii.
Dacă vânzările sunt descompuse în încercări şi repetiţii atunci varianta (a) corespunde situaţiei
în care nivelul de repetiţii este ridicat, varianta (b) corespunde unui nivel al repetiţiilor mai scăzut iar
varianta (c) corespunde unui nivel nul al vânzărilor repetate. Dacă vânzările repetate ar fi observate
înainte de momentul t0 nivelul acestora ar duce, fără îndoială, informaţii importante pentru perioada de
previziune.
PIAŢĂ TEST
(a)
Vânzări
(b)
(c)
Perioadă de t0 Previziune t
observare
1. Model pentru numărul total cumulat al primei încercări pentru un anumit produs până în
momentul t:
T (t ) = N × P (t )
N – număr de consumatori potenţiali
P(t ) = ρ 0 (1 − e −θT t )
0
P (t / t0 ) = ρ1 (1 − e −θ FR ( t −t0 ) )
AR (t ) = ∑j >1 R j (t )
0
−θ AR ( t −t j −1 )
P (t j / t j −1 ) = ρ j (1 − e )
ρ j = ρ∞ (1 − e −γj ) , j ≥ 2
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.
52
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 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 acumpăra produsul respective dar şi în ceea ce priveşte opinia acestora faţă de aumite
caracteristici ale produslui. Consumatorii interesaţi sunt încurajaţi să testeze produsul respective sau le
este oferit produsul pentru a fi testat ulterior, la domiciliu. După o anumită perioadă de timp optimă
(timp mediu estimat între achiziţii successive) 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.
O altă categorie de modele face apel la analogia dintre produse. Foarte multe companii
specializate pe cercetări de marketing (BASES, Novaction ets.) crează baze de date cu informaţii
referitoare la mii de produse lansate. Caracteristicile (reclamă, poziţionare, distribuţie etc.) produsului
care urmează a fi lansat este comparat cu caracteristicile produselor lansate anterior din categoria
respectivă. Legătura dintre performanţa produsului şi caracteristicile sale este formalizată prin funcţii
de mai mulţi parametrii. Prametrii 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 ASSESSOR1
(Urban, Slk 1977) aflat în prezent în proprietatea companiei M/A/R/C (Marketing and Research
Counselors)2. 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 l-i 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 l-i 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 2 câte 2 iar subiectul trebuie să aloce 11 între cele 2
produse ale fiecarei perechi. În funcţie de numărul de puncte alocat fiecare produs va
primi un scor V ( j ) .
3) Într-un magazin fictiv subiecţior l-i 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
j =1
V ( j) β
1
Trebuie menţionat faptul că procedura este prezentată doar parţial şi în mod simplificat estimările reale
implicând şi calcule mai complexe
2
M/A/R/C a fost cumpărată de compania Omnicom în 1999 fiind în prezent controlată de aceasta.
53
Rolul acestei etape este estimarea parametrului β. Preferinţele consumatorilor sunt
cunoscute în etapa 2) iar procentul de cumpărători în etapa 3) problema 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 acordate de subiecţi fiecărui produs - scoruri) şi
procentul de cumpărători (probabilitatea 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
~
P (i ) - probabilitatea ca un consumator să cumpere noul produs i
~
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:
~
ˆ (i ) = E (i ) P
M (i )
ˆ
M (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 probbailitatea 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 probbailitatea P (i ) este de fapt probabilitatea ca un
consumator să cumpere noul produs i dacă cunoşte 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.).
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.
Care din următorele alternative descrie cel mai bine probabilitatea achiziţionării produsului X în
următoarele 12 luni de către d-vs.?
1. 4/4 = 1
2. ¾ = 0,75
3. 2/4 = 0,5
4. ¼= 0,25
5. 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.
55
O previziune mai realistă va ţine cont însă şi de abaterea acţiunilor respondenţilor de la
propriile intenţii exprimate. O posibilă modalitate de calcul ar fi următoarea:
Se remarcă 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 specilizate (ex. BASES) crează 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 corectate cu coeficienţii corespunzători.
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.
Acrivităţi le 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 (Ex. Un cumpărător nu va căuta o anumită
marcă de şerveţele ci le va lua pe cele care sunt la îndemănă, 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 implicate de activităţile 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 utlizate sunt metode generale de previziune cum ar fi regresia multiplă şi reţelele neuronale
care permit introducerea diferitelor variabille independente.
Pe lângă metodelele generale de previziune un model specific previziunilor de marketing
privind cotele de piaţă este modelul de atracţie:
56
∏ (x )
boj n bkj u jt
e kjt e
c jt = k =1
∑ e ∏ (x
m b0 j n b u jt
j =1 k =1 kjt ) kj e
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 estimare).
Acest model are dezavantajul că efortul de marketing privind produsele concurente este mai
greu de estimat pentru perioada aferentă orizontului de previziune, acţiunile concurenţilor pe piaţă pot
fi dificil de prognozat..
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
organizaţii (firme). Motivul pentru care această metodă are o mare aplicabilitate în ghidarea
managerilor este faptul că porneşte de la o ipoteză viabilă şi anume că majoritatea posturilor bilanţiere
variază o dată cu vânzările.
57
• 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 realizarea previziunii cifrei de afaceri per global după
care având loc compararea acesteia cu cifra de afaceri previzionată analitic şi alegerea variantei cele
mai pesimiste (celei mai mici).
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 să producă pe stoc, fie să nu-şi utilizeze
corespunzător capacităţile de producţie, ducând la scăderea vitezelor de rotaţie, costuri mai mari şi
deprecierea rentabilităţii şi a lichidităţilor.
Previziunea cifrei de afaceri, atât global cât şi analitic, din punctul de vederea al metodelor de
realizare se poate face prin:
• Metode de extrapolare a seriilor de timp caz în care se ţine cont doar de tendinţa
fenomenului;
• Funcţii de regresie caz în care se ţine cont de variabilele explicative cum ar fi:
cheltuielei 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 în cauză. Previziunea finală se face prin înmulţirea cotei de piaţă
previzionate aferentă unei firmei sau unui produs cu cifra de afaceri previzionată la
nivel de industrie.
58
Veniturile financiare vor fi estimate pe categorii. Veniturile din dobânzi se vor obţine 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.
Într-o primă fază se raportează elementele patrimoniale din bilanţ la cifra de afaceri. Se
identifică elementele care variază odată cu cifra de afaceri.
59
unde: Act - active curente în momentul instoric 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;
Notă: Elementele de disponibilităţi vor rezulta pe baza situaţiei fluxului de numerar.
Previziunea disponibilităţilor
Creşterea elementelor de activ trebuie să genereze, pe baza egalităţii fundamentale între activ şi pasiv, a
surselor de finanţare. În cadrul sporului acestor surse trebuie însă să se aibă în vedere următoarele principii
fundamentale:
- elemente de active imobilizate trebuie în principiu finanţate din resurse permanente;
- trebuie păstrat un nivel normal de îndatorare fără a periclita considerabil riscul financiar şi de
faliment;
- trebuie să existe un echilibru financiar între utilizări şi resurse;
- costul capitalului trebuie să se încadreze în limite normale.
60
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
Pc max =
Lc
unde: Pcmax - pasive curente maxim admisibile;
Lc - lichiditate curentă;
Ac - active curente.
61
Când NSF = 0, firma nu este nevoită să apeleze la surse externe de finanţare. Valoarea ratei de creştere a
cifrei de afaceri care satisface această egalitate se numeşte rata de creştere internă (autonomă, sustenabilă prin
eforturi proprii). Peste acest nivel firma are nevoie de surse externe de finanţare.
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:
• costurile resurselor permanente:
- pentru capitaluri proprii: nivel minim de rentabilitate a acţiunilor sau prin dividende actualizate;
- pentru împrumuturi: nivelul dobânzi, sau costul pe baza anuităţilor actualizate;
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 ţinute 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.
Principiul de elaborare a acestora este prezentată în tabelul care urmează.
62
10. Indicatori ai erorilor de previziune
Rolul indicatorilor erorilor de previziune este acela de a cuantifica erorile 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 = Yt − Pt
Principalii indicatori ai erorilor de previziune sunt:
1 n
1. Eroarea medie (EM): EM = ∑ et
n t =1
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
2. 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 aceiaşi serie de date însă nu poate fi
folosită pentru a compara previziuni bazate pe serii diferite. O eroare de câteva milioane 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
3. 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
4. Eroarea standard (ES): ES = EMP = ∑ et
n t =1
Se utilizează în 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%, Valoarea previzionată: în intervalul ±1,96 ES de la valoarea previzionată.
1 n et
5. Eroarea procentuală medie (EPM): EPM = ∑ ( ×100)
n 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.
1 n e
6. Eroarea procentuală medie absolută (EPMA): EPMA = ∑ t ×100
n t =1 Yt
Pentru că ia în calcul valori relative, la fel ca şi EPM, poate fi folosită pentru a compara
aplicarea aceleiaşi metode la serii de date diferite sau a unor 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.
63
2
Pt +1 − Yt +1
n −1
∑
t =1
Yt
7. Testul U al lui Theil : Theil ' s U = 2
n −1
Yt − Yt +1
∑
t =1 Yt
Acest indicator compară eroarea metodei de previziune care se utilizează cu eroarea care s-ar
obţine dacă s-ar folosi ultima valoare ca şi valoare prognozată. Compară, practic o metodă de
previziune cu metoda valorii anterioare. Dacă:
- Theil’s U < 1 metoda utilizată este mai exactă decât metoda valorii anterioare
- Theil’s U >1 metoda utilizată dă erori mai mari decât metoda valorii anterioare
- Theil’s U =1 metoda utilizată este la fel de exactă ca şi metoda valorii anterioare deci nu se
justifică a fi utilizată.
64