Sunteți pe pagina 1din 9

PROCESUL DE PREVIZIUNE

Dei procesul concret de elaborare a previziunilor cunoate o mare diversitate n funcie de domeniul i
metodele specifice totui pot fi sintetizate cteva etapele generale, comune tuturor domeniilor, astfel:
1) Stabilirea obiectului previziunii
2) Fixarea perioadei de timp pentru care se elaboreaz previziunea (orizontul de previziune), precum i al
gradului de detaliere al acesteia (global sau pe fiecare produs n parte). Gradul de detaliere ridicat este un
factor care, n mod similar orizontului de timp ndelungat, conduce la creterea gradului de incertitudine.
Prin urmare pentru un orizont de timp lung se recomand realizarea unor previziuni globale.
3) Colectarea i evaluarea datelor/informaiilor necesare elaborrii previziunii
4) Alegerea modalitii de prezentare a rezultatelor previziunii (alegerea din multitudinea de alternative a
variantei cele mai probabile; prezentarea rezultatelor sub forma unor scenarii - pesimist, moderat, optimist;
prezentarea sub form de interval de ncredere etc.)
5) Alegerea metodei/metodelor de previziune se realizeaz n funcie de elementele stabilite la etapele
anterioare.
6) Elaborarea propriu-zis a previziunilor. n funcie de metoda aleas (calitativ, cantitativ sau mixt) vor
fi parcurse etapele impuse de metodologia specific de elaborare.
7) Evaluarea acurateei metodei utilizate prin compararea valorilor previzionate cu datele reale odat ce
acestea devin disponibile. Odat ce exactitatea metodei a fost evaluat dac acesta nu este satisfctoare se
recurge la mbuntirea metodei sau, dac acest lucru nu este posibil, la selectarea unei altei metode
Datorit caracterului lor incert rezultatele procesului previzional descriu realitatea cu o anumit eroare.
Prin urmare obiectivul unui sistem de previziune nu este eliminarea erorii ci minimizarea sa.
Eroare previziune:

INDICATORI AI ERORII DE PREVIZIUNE


Eroarea medie (EM):
,
unde n- numrul de erori nregistrate pe perioada istoric.
Eroarea medie absolut (EMA): abaterea medie a previziunilor n valoare absolut de la valorile observate.
Eroarea medie ptratic (EMP):

Eroarea standard (ES):

Se utilizeaz, n general la determinarea intervalelor de previziune atunci cnd erorile au o distribuie


normal de medie 0. n aceast situaie se tie de exemplu c valoarea real se afl, cu o probabilitate de 95%
n intervalul dat de valoarea previzionat 1,96 ES.
Eroarea procentual medie absolut (EPMA):

Pentru c ia n calcul valori relative EPMA poate fi folosit pentru a compara aplicarea aceleiai metode sau
a unor metode diferite pe serii de date care difer ca unitate de msurare. EPMA arat care este n medie
procentul absolut al erorii fa de valoarea observat. Cu ct acest procent este mai mic cu att previziunea
este mai exact, avnd astfel o unitate de msur care asigur inter-comparabilitatea ntre domenii.

METODE DE EXTRAPOLARE (PREVIZIUNEA MECANICA)

Serie de timp cu trend

serie de timp stationara

De-a lungul timpului s-au conturat dou modaliti de abordare a previziunii bazate pe nregistrrile istorice
sub forma seriilor de timp: extrapolarea seriilor de timp (previziunea mecanic) i previziunea euristic.
Extrapolarea presupune determinarea valorii unei funii pentru o valoare a variabilei aflat in afara
intervalului de valori cunoscute.
Previzionarea indicatorilor prin extrapolare = presupune stabilirea unui model de analiza de forma: Yt= f(t)
si introducerea in model a valorii convenionale a variabilei timp pentru care se efectueaz extrapolarea.
Presupune urmtoarele restricii:
condiiile de manifestare a evoluiei s se menin neschimbate i pe orizontul de prognoz
lungimea seriei sa fie suficient de mare pentru a surprinde regularitatea micrii fenomenului
ciclicitatea variabilei de prognoz depinde nu doar de orizontul seriei, ci si de cel de prognoz

1. Metode bazate pe medii:


1.1. Media mobil de lungime k.
Previziunea pentru perioada urmtoare, n+1, este media ultimelor k valori nregistrate.

1.2. Media mobil ponderat de lungime k.


Este o metod foarte asemntoare mediei mobile simple prezentate anterior (are aceleai avantaje i se
aplic n aceleai condiii), cu diferena c ponderile valorilor nu sunt egale, acestea descresc odat ce
valorile devin mai ndeprtate n trecut. Dac cunoatem datele pn n momentul n, previziunea pentru
momentul n +1 printr-o medie mobil simpl de lungime 4 se calculeaz astfel:

Previziunea pentru momentul n+1 printr-o medie mobil ponderat de lungime 4 este:

2. Funcii de tendin
Extrapolarea se poate realiza:
- fie prin metode mecanice:

metoda modificrii absolute:


Yt= Y0+ t* (pentru fenomenele cu cretere in progresie aritmetica)

metoda indicelui mediu al dinamicii:

Yt= Y0* It (pentru fenomenele cu cretere in progresie geometrica)


- fie prin metode analitice:

in acest caz se definete funcia de extrapolare, de forma:


funcie liniara: Yt= a+ b*t
funcie exponenial: Yt= a* bt
funcie logistic: Yt=

a
1 e b c*t

funcie parabolic: Yt= a+ b*t+ c*t2

se estimeaz apoi coeficienii funciei prin MCMMP (minimizarea dispersiei presupune


rezolvarea urmtorului sistem de ecuaii:

y
y

n a b t i

t i a t b t

se efectueaz extrapolarea dndu-se noi valori pentru t

3. Netezirea exponenial (Exponential smoothing)


3.1. Netezirea exponenial simpl
Este o medie a crei ponderi descresc n mod exponenial pe msur ce valorile devin mai ndeprtate n
trecut. Conform acestei metode previziunea se determin ca o sum ponderat a ultimei valori reale
nregistrate i previziunea aferent perioadei anterioare.

unde
.
Folosirea nivelrii exponeniale n previziune, impune rezolvarea n prealabil a dou probleme:
1. Iniializarea procesului de previziune const n stabilirea primei valori previzionate. n acest scop se
folosesc n principal dou metode:
a. Folosirea valorii reale nregistrat anterior ca previziune iniial. Altfel spus, valoarea real a primului
termen a seriei de date statistice devine previziune pentru cel de-a doua perioad
b. Calcularea mediei aritmetice corespunztoare primilor termeni (4-5) ai seriei statistice pentru care
dispunem de date reale. Media astfel calculat devine prima valoare previzionat. Iniializarea procesului de
previziune influeneaz toate previziunile ulterioare. n acelai timp intensitatea acestor influene se reduce
pe msur ce ne ndeprtm n viitor de momentul iniializrii.
2.Optimizarea parametrului
se face astfel nct erorile s fie minime.

3.2. Netezirea exponenial Holt-Winters


Metodele de previziune pentru fluctuaiile sezoniere se ntemeiaz pe ipoteza c variaia unei serii de timp
poate fi descompus n urmtoarele componente:
1. Variaia pe termen mediu i lung denumit trend-ciclu. Aceast variaie determin sensul general al
evoluiei procesului sau fenomenului (trendul) mpreun cu fluctuaiile ciclice cu periodicitate variabil pe
termen mediu (mai mare de 1 an)
2. Variaii cu periodicitate fix, sezonier. Aceste variaii au loc n anumite condiii specifice, fiind
rezultatul aciunii unor factori naturali (ncasrile n turism, producia n construcii sau agricultur etc.).
Pentru a observa aceste fluctuaii frecvena de nregistrare a datelor trebuie s fie mai mare de 1 an (date
trimestriale,lunare etc.)

3. Variaia aleatoare, ntmpltoare sau rezidual. Aceste variaii sunt determinate de abaterile de la tendin
i variaiile periodice, fiind rezultatul aciunii unor factori imprevizibil, necuantificabili, de regul de scurt
durat. Acestea nu pot fi previzionate reprezentnd principala cauz a erorilor de previziune.
Relaia dintre componentele enumerate anterior poate fi de dou tipuri: aditiv i multiplicativ. Modelul
aditiv se utilizeaz n cazul unei relaii de independen total a fiecrei componente fa de celelalte, i
reprezint simpla nsumare a acestora.
unde: Y valorile reale;
T componenta de tend-ciclu;
S componenta sezonier;
E componenta aleatoare.
Modelul multiplicativ presupune existena unei relaii de proporionalitate a componentelor de variaie
iar valorile observate sunt reprezentate de produsul acestor componente:
Metoda Holt-Winters se bazeaz pe trei ecuaii de nivelare exponenial: o ecuaie pentru nivelarea
componentei de trend, una pentru nivelarea sporului de cretere care st la baza formrii trendului i una
pentru componenta sezonier. La cele trei ecuaii de nivelare se adaug nc o ecuaie pentru agregarea
componentelor amintite anterior i realizarea previziunii propriu zise. Aceast metod se poate aplica n dou
variante: modelul aditiv i modelul multiplicativ.
Ecuaiile modelului multiplicativ, mai des utilizat sunt urmtoarele:

Lt

Yt
(1 )( Lt 1 Tt 1 )
S t s

Tt ( Lt Lt 1 ) (1 )Tt 1
St

Yt
(1 ) S t s
Lt

Yt 1 ( Lt Tt ) S t s
unde: s- durata sezonalitii (numrul de trimestre dintr-un an, numrul de luni etc.);
, , , parametrii de netezire sezonier cuprini n intervalul (0,1)

Exemplificare netezirea exponenial simpla (Brown) fr sezonalitate i trend:


S se previzioneze nivelul ncasrilor pentru luna mai a anului T tiind c evoluia ncasrilor
efective din ultimele patru luni (ianuarie, februarie, martie, aprilie) ale anului T, n cazul societii TAX,
secia de transport intern de cltori a fost cea din tabelul de mai jos. In plus, nivelul previzionat n
decembrie anul T-1 pentru luna ianuarie a anului T e de 440 milioane lei, iar coeficientul de ajustare =0,1.

Ianuarie 2015
Februarie 2015
Martie 2015
Aprilie 2015

Perioada
t
t-3
t-2
t-1
t

Incasri efective (mil. lei)


X(t)
425
380
370
395

Rezolvare:
ntocmim un tabel de calcul al relaiilor de recuren pe baza valorilor iniiale, dup cum urmeaz:
Perioada
Ianuarie (t-3)
Februarie (t-2)
Martie (t-1)
Aprilie (t)

Incasri efective
X(t)
425
380
370
395

Nivel previz. =0,1

Xt
438.5
432,65
426,39
423,26

De aici rezult c valoarea previzionat pentru luna mai (utiliznd un coeficient de ajustare =0.1)
este de 423,26 mil. lei.

METODE DE PREVIZIUNE EURISTICA


PE TERMEN SCURT
1. Metoda vectorilor spectrali
Metoda vectorilor spectrali este o metod de previziune a fenomenelor de pia (vnzri, livrri, comenzi
etc.) ce se bazeaz pe descompunerea spectrului succesiunii n timp a unei comenzi conform graficului de
livrare, pe baza unor date din trecut, privind evoluia sau structura acesteia.

it ,t h Ct g ,t h, v
intrrile (ieirile) de mrfuri previzionate pentru perioada de la t la t+h

Ct-g,t+h matricea comenzilor din perioada t-g i t+h


vectorul spectral

Reguli de ntocmire a matricei comenzilor


-

numrul coloanelor este egal cu numrul elementelor vectorului spectral;

numrul liniilor este egal cu numrul sub-perioadelor pentru care se previzioneaz intrrile / ieirile de
mrfuri;

pe prima linie se nregistreaz comenzile ncepnd cu luna t, continund cu cele lansate n sub-perioadele
precedente acesteia;

pe prima coloan se nregistreaz comenzile ulterioare lunii t;

elementele nscrise pe prima linie i prima coloan sunt translatate pe diagonal n interiorul matricei.

Exemplu aplicaie:
Programarea intrrilor de materiale dup un spectru dat
Comanda lansat de ctre o firm n luna ianuarie n vederea aprovizionrii cu materie prim se prevede a fi
onorat pe parcursul a patru luni, dup urmtorul grafic:

n luna curent - 20%

n luna a doua - 30%

n a treia lun - 30%

n luna a patra - 20%

Situaia comenzilor lansate pn n acest moment este descris n urmtorul tabel:


Nr. crt.

Luna calendaristic

Comenzi (mii lei)

Oct. 2014

70

Nov. 2014

30

Dec. 2014

10

Ian. 2015

200

Feb. 2015

300

Martie 2015

600

Se cere (n ipoteza meninerii spectrului satisfacerii comenzilor):


a) S se previzioneze intrrile din produsul comandat pentru primul semestru al anului;
b) n ipoteza n care cererea din produsul respectiv va crete n primele trei luni cu 10%, 20%, 20%, s se
determine care ar fi volumul comenzilor lansate. Dar dac s-ar cere doar modificrile necesare a fi aduse
comenzilor, care ar fi procedura de calcul?
c) Care este volumul total al comenzilor lansate n anul precedent i onorate n anul curent?

Rezolvare
a)

Una dintre metodele posibile de rezolvare a problemei formulate mai sus o reprezint vectorii
spectrali. Relaia de calcul a valorii livrrilor pe primele ase luni va fi:
i t, t+1 =C t-2,t+ 1 * v

unde: it, t+1 reprezint vectorul livrrilor pe perioada (t, t+ 1);


C t-2,t+1 matricea comenzilor
precedente acesteia;

pe perioadele (t, t+ 1), succesive lunii curente t i (t, t-2),

Matricea comenzilor pentru primul semestru al anului curent se va construi dup urmtoarele reguli:
1. Numrul coloanelor este egal cu numrul elementelor vectorului spectral, iar cel al liniilor cu
numrul sub-perioadelor (lunilor) n care se divide ntregul orizont de timp pentru care se
efectueaz programarea livrrilor;
2. Pe prima linie se nregistreaz comenzile ncepnd cu luna curent i continund cu cele lansate
n lunile precedente;
3. Pe prima coloan sunt nregistrate comenzile lansate ncepnd cu luna curent i continund cu
lunile urmtoare acesteia;
4. Elementele de pe prima coloan i linie sunt translatate pe diagonal n cadrul matricei
comenzilor.

200 10 30 70
66

300 200 10 30 0.2 129


600 300 200 100 0.3 272

0 600 300 200 0.3 310


0
0.2 240
0
600
300

120
0
0
600

Deci, n luna ianuarie valoarea livrrilor a fi de 66 mii lei, n februarie de 129 mii lei, n martie 272
mii lei, n aprilie 310 mii lei, n mai 240 mii lei, iar n iunie 120 mii lei. n total, pe primul semestru valoarea
livrrilor va fi de 1137 mii lei.
b)

Valoarea livrrii din produsul respectiv n primele luni ale anului va crete n ianuarie cu 6,6 mii lei,
n februarie cu 25,8 mii lei, n timp ce n martie cu 54,4 mii lei. Vom nota cu x modificarea
efectuat comenzii lansate n ianuarie, cu y celei din februarie i cu z celei din martie i vom
determina noul nivel al comenzilor care au fost lansate.

0.2
10
30
70 72,6
200 x

0.3

10
30 154,8
300 y 200 x
600 z 300 y 200 x 10 0.3 326,4

0.2


Scriem sistemul de ecuaii i l rezolvm. Obinem n final:

0.2 x 6,6

0.2 y 0.3x 25,8


0.2 z 0.3 y 0.3 x 54,4

x 33

deci: y 79,5
z 103,25

Aadar, n luna ianuarie se va lansa o comand de 233 mii lei, n februarie de 379,5 mii lei, iar n
martie de 703,25 mii lei. n cazul n care dorim s cunoatem doar modificrile necesare a fi aduse
comenzilor se va pleca de la urmtoarea relaie de calcul:

y
z

0.2
0 0 0 6,6
0.3

x 0 0 25,8
0.3
y x 0 54,4
0.2

Determinarea efectiv a lui x, y i z s-a realizat mai sus.


c)

Volumul comenzilor lansate n anul precedent i livrate n anul curent se va determina astfel:

0.2
0 10 30 70 26

0.3
0 0 10 30 9 => Total: 37 mii lei.
0 0 0 10 0.3 2

0.2

2. Lanuri Markov
Metoda lanurilor Markov reprezint o modalitate de previziune cu utilitate limitat, ce nu presupune
nici existena unei serii cronologice, nici existena unei asocieri.
Proprietatea Markov: starea viitoare depinde doar de starea prezent i de o matrice a probabilitilor de
schimbare a strii (starea viitoare nu depinde de stri trecute).
Probabilitatea unei anumite stri de a depinde de strile anterioare:

P(sik si1, si 2 ,.., sik 1 ) P(sik sik 1 )


Probabilitatea unei stri poate fi calculat cu ajutorul urmtoarei formule:

P( si1 , si 2 ,.., sik ) P( sik si1 , si 2 ,.., sik 1 ) P( si1 , si 2 ,.., sik 1 )
P( sik sik 1 ) P( si1 , si 2 ,.., sik 1 )
P( sik sik 1 ) P( sik 1 sik 2 ) ... P( si 2 si1 ) P( si1 )
Aceast metod este utilizat la modelarea proceselor de tip natere i moarte adic procesele cu
evoluie ireversibil n timp. n consecin, starea unui fenomen, proces sau sistem la momentul viitor t+1
depinde de starea acestuia la momentul t i matricea probabilitilor de trecere de la starea t la t+1.
Identificarea acestei matrice presupune efectuarea unor analize statistice privind evoluia n timp a
fenomenelor (proceselor, sistemelor).

St 1 St Pt ,t 1
St starea la momentul t
Pt,t+1 matricea probabilitilor de trecere de la starea t la t+1
St+1 starea previzionat pentru momentul t+1
Exemplu aplicaie: (utilizarea clasic n marketing evoluia cotei de pia (matricea probabilitii de
tranziie este alctuit pe baza unui indicator de loialitate / tranziie a respondenilor pentru o anumit
marc).
Pe piaa ampoanelor dermato-cosmetice exist trei produse principale: Stieprox, Ducray i Nizoral, cu
cotele de pia: 20%, 30% i 50%.
Coeficienii de fidelitate sunt constani de la o lun la alta, avnd urmtoarele valori:
50% din clieni fideli amponului Stieprox;
60% din clieni fideli amponului Ducray;
80% din clieni fideli amponului Nizoral.
Ceilali clieni se orienteaz spre serviciile altor societi dup cum urmeaz:

Reorientri ctre

ampon

Stieprox

Ducray

Nizoral

Stieprox

0.2

0.30

Ducray

0.20

0.20

Nizoral

0.10

0.10

Cerinele problemei:
Considerndu-se constante probabilitile de tranziie, s se calculeze evoluia n continuare a
ponderilor celor trei produse pe durat a 5 luni;
S se reprezinte grafic n coordonatele probabilitate-timp evoluia celor trei produse concurente i n
funcie de grafic s se fac analiza economic.
Rezolvare:
a)
Vom avea matricea probabilitilor de trecere P(0,1) la momentul T 0 i care va rmne aceeai n
fiecare lun (este constant conform metodei):
ampon

Reorientri ctre

Stieprox

Ducray

Nizoral

Stieprox

0,5

0,2

0,30

Ducray

0,20

0,6

0,20

Nizoral

0,10

0,10

0,8

Mai cunoatem i vectorul structurii iniiale S0 :


ampon

Stieprox

Ducray

Nizoral

Structura

20%

30%

50%

Cu aceste date se poate realiza calculul iterativ folosind formula:


S(t+1)= S(t) * P
STRUCTURA PIETEI
PROGNOZATE

Stieprox

Ducray

Nizoral

T1: S1=S0*P

0,21

0,27

0,52

T2: S2=S1*P

0,21

0,26

0,53

T3: S3=S2*P

0,21

0,25

0,54

T4: S4=S3*P

0,21

0,25

0,55

T5: S5=S4*P

0,21

0,24

0,55

n concluzie se poate spune c structura pieei peste 5 luni va avea urmtoarea form: produsul Stieprox va
deine 21%; Ducray va deine 24%; iar Nizoral va deine 55 %.

3. Coeficieni de elasticitate
Cu ajutorul acestei metode se previzioneaz evoluia desfacerilor de mrfuri pe un orizont dat de
timp lundu-se n considerare fluctuaia inteniilor de cumprare n structura desfacerilor de la parte la ntreg.

Dt 1 Dt (1 Ec

x
)
x

Dt+1

desfacerile de mrfuri previzionate pentru momentul t+1

Dt

desfacerile de mrfuri realizate la momentul t

x
x

variaia relativ a desfacerilor totale de mrfuri

Ec

coeficientul de elasticitate a desfacerilor de mrfuri n raport cu desfacerile totale.

Exemplu:
Se cunoate evoluia ncasrilor totale rezultate din aprovizionarea cu produse alimentare, tutun i
buturi pe trei luni consecutive, sintetizate n tabelul urmtor:
Indicatori

Martie

Aprilie

Mai

Incasri totale (mil lei)

450

500

465

Incasri produse alimentare (mil. lei)

215

235

224

Cerine:
a) Se cere s se determine elasticitatea ncasrilor nregistrate pentru produsele alimentare n raport
cu elasticitatea ncasrilor totale.
b) In ipoteza n care volumul total al ncasrilor va crete n iunie cu 12%, s se previzioneze
ncasrile ce se vor nregistra pentru produsele alimentare.
Rezolvare:
a) Datele problemei le vom sintetiza n urmtorul tabel:
Indicatori

Martie

Aprilie

Mai

Incasri totale

450

500

465

Incasri produse alimentare

215

235

224

Conform regulilor de calcul (E=(dy/y)/(dx/x) ), au rezultat urmtoarele valori ale elasticitii:


Apr/Mar Mai/Apr Elast. medie
Elasticitatea
ncasrilor
din
produse alimentare n raport cu 0.85106 0.65242
ncasrile totale

0.75174

In luna aprilie fa de martie, o cretere cu 1% a ncasrilor totale a determinat o cretere cu


0.85106% a ncasrilor la produsele alimentare spre deosebire de luna aprilie cnd, la o scdere de 1% a
ncasrilor totale, ncasrile din produsele alimentare au sczut cu 0.65242%. Se apreciaz c cererea
inelastic din luna aprilie a rmas tot inelastic i n luna urmtoare.
Analiznd elasticitatea medie, se poate aprecia c cererea este inelastic, adic la o reducere
(cretere) cu 1% a ncasrilor totale, cererea se va reduce (crete) cu 0.75174%.
D t 1 =D t (1+Emedie* x/x)
Iunie=224*(1+0.75174*0.12)=244.206 mil. lei
Conform ipotezelor de lucru, dac volumul ncasrilor totale ar nregistra o cretere de 12%, atunci
ncasrile provenite din aprovizionarea cu produse alimentare s-ar cifra la 244.206 mil. lei.

S-ar putea să vă placă și