MODELAREA ŞI SIMULAREA PROCESELOR ECONOMICE

I. PROBLEMATICA MODELĂRII PROCESELOR ECONOMICE

1.1. Modelarea economico-matematică – metodă de reducere a complexităţii

problemelor economice
1.2. Concepte. Principii. Clasificări
1.3. Etapele construirii modelelor economico-matematice
1.4. Metode de rezolvare a modelelor economico-matematice
1.5. Perspective în modelarea proceselor economice

1.1. Modelarea economico-matematică – metodă de reducere a complexităţii

problemelor economice

• Modelarea este o veche îndeletnicire umană, deşi conceptul a apărut mai recent,
întrucât
complexitatea fenomenelor şi a obiectelor din societate a determinat
oamenii să recurgă
la simplificări care să le uşureze analiza.
• De-a lungul timpului, modelarea a reprezentat un instrument, o metodă
de cercetare
ştiinţifică a lumii.
• Modelarea reprezintă o metodă de operare (teoretică sau practică)
asupra unor obiecte,
fenomene sau procese cu ajutorul căreia se studiază un sistem auxiliar,
artificial sau
natural şi nu în mod direct obiectul (fenomenul, procesul) care ne interesează, dar
cu care
se află într-o anumită corespondenţă obiectivă
• Privită în evoluţia sa, modelarea proceselor economice a câştigat în
flexibilitate şi
adaptabilitate, iar caracterul interdisciplinar s-a accentuat simţitor.
• Astăzi, utilizarea modelelor matematice a devenit o necesitate obiectivă
întrucât, pe
măsură ce ştiinţa şi tehnica evoluează, creşte vertiginos complexitatea
problemelor
(fenomenelor) şi apare stringentă nevoia de a introduce rigurozitatea şi
abstractizarea în
analize, de a clarifica fenomenele lumii reale şi a le descoperi esenţa.
• Ţinând seama de facilităţile oferite în prezent de tehnica de calcul, de softul
existent şi în
continuă adaptare la cerinţele practicii, modelarea proceselor economice este
tratată ca un
domeniu de graniţă cu economia organizaţiei, matematica şi informatica.

1.2. Concepte. Principii. Clasificări

1.2.1. Concepte

• Cuvântul „model” este folosit în vorbirea curentă cu mai multe înţelesuri. Se

vorbeşte de
modele în modă, artă, tehnică, ştiinţă (implicit şi în ştiinţele economice).
• În ştiinţă, prin model se înţelege un sistem teoretic sau material cu
ajutorul căruia pot fi
studiate indirect proprietăţile şi evoluţia unui sistem mai complex,
considerat sistem
original, faţă de care modelul prezintă o anumită analogie. Rezultă că,
modelul este un
instrument de cunoaştere ştiinţifică a realităţii obiective, oferind
posibilitatea realizării
unor experimente şi repetării acestor experimente până la cunoaşterea
esenţei
fenomenului studiat.
• Modelul este o reprezentare simplificată sau o abstractizare, deoarece
realitatea este prea
complexă pentru a fi copiată exact. Nu întotdeauna însă prin simplificare
se obţine un
model reprezentativ pentru procesul real studiat.
• Structura unui model cuprinde variabile, constante şi parametri, relaţii
între variabile şi
parametri.
• Cerinţele impuse unui model economico-matematic sunt:
– să fie reprezentativ
– să aibă valoare cognitivă şi aplicativă
– să poată fi adaptat cu uşurinţă la schimbările ambianţei sau ale evoluţiei
procesului
– să fie valid
– să asigure respectarea la scară a dimensiunilor mărimilor variabile şi constante
– să fie rezolvabil cu tehnica de calcul existentă

1.2.2. Principiile modelării matematice a proceselor economice

 Orice model se bazează pe o teorie economică creată în prealabil pentru a

explica
procesul modelat, iar parametrii cu care operează sunt, de regulă, categorii
economice
sau laturi ale acestora.
 Modelele fac abstracţie de o serie de laturi şi particularităţi ale procesului
reflectat,
menţinându-şi însă rolul cognitiv. Izomorfismul modelelor cu realitatea nu este o
condiţie absolut obligatorie pentru ca un obiect şă fie modelul altui obiect.
 Modelul exprimă similitudinea nu numai a unui proces economic izolat, ci a unei
întregi clase de asemenea procese, astfel încât orice model este o generalizare, o
sinteză de un anumit grad.
 Un model nu poate fi construit fără a se apela la un sistem de simboluri, care
pot
reprezenta categorii economice şi care nu se suprapun peste alfabetul curent sau
cifrele utilizate în calcule.

1.2.3. Clasificarea modelelor economico-matematice

Mutaţiile care se produc în permanenţă în disciplinele organizării şi

conducerii social-
economice nu permit realizarea unei sistematizări metodologice a modelelor
matematice
utilizate.
Clasificarea pe care o prezentăm în continuare are mai mult un caracter orientativ.
• În funcţie de sfera de reflectare a problematicii economice, distingem:
– modele macroeconomice – modele de ansamblu ale economiei;
– modele mezoeconomice – la nivel regional, teritorial;
– modele microeconomice – la nivel de întreprindere, unitate, companie, combinat.
• În funcţie de domeniul de provenienţă şi concepţie:
– modele cibernetico-economice;
– modele econometrice;
– modele ale cercetării operaţionale;
– modele din teoria deciziei;
– modele de simulare
• În funcţie de caracterul variabilelor:
– modele deterministe (mărimi cunoscute);
– modele stochastice/probabilistice (intervin mărimi a căror valoare este însoţită
de
o probabilitate/variabile aleatoare).
• În funcţie de factorul timp:
– modele statice;
– modele dinamice
• În funcţie de orizontul de timp considerat:
– modele discrete – secvenţiale;
– modele continue
• În funcţie de modul de tratare a realităţii:
– modele descriptive;
– modele normative

1.3. Etapele construirii modelelor economico-matematice

Etapa I. STABILIREA OBIECTIVELOR MODELELOR

În această primă etapă se precizează destinaţia modelului.

Dacă modelul are un caracter didactic, se va urmări ca:
– dimensiunea lui să fie redusă (pentru a putea fi înţeles de cursanţi);
– să fie izomorf cu realitatea numai pentru anumite laturi ale acesteia;
– să fie reprezentativ pentru clasa de procese modelate ş.a.
Dacă destinaţia modelului este aceea de a asista decidentul în elaborarea unor
decizii:
– structura lui va fi mai detaliată;
– izomorfismul cu realitatea va fi mai pronunţat;
– acurateţea cu care va descrie procesul va fi mai mare.

Etapa II. ANALIZA PROCESULUI DE MODELAT

În această etapă are loc:

– identificarea problemei;
– delimitarea spaţială, temporală şi funcţională a problemei de ambianţă;
– alegerea variabilelor relevante pentru proces şi parametrilor, a mărimilor de
intrare, stare şi ieşire;
– stabilirea ipotezelor privind legăturile dintre variabile şi parametri;
– analiza datelor disponibile,
deci are loc formularea corectă a problemei.
Etapa III. SINTEZA PROCESULUI MODELAT

• După formularea problemei, modelul poate fi iniţial de natură calitativă, fiind

o descriere
neformalizată a problemei.
• Din modelul calitativ, prin eliminarea caracteristicilor nesemnificative
şi pe baza unui
proces de abstractizare, rezultă un model formal cantitativ. Acest model trebuie să
descrie
matematic sistemul real, astfel încât modelul să poată fi manipulat mai
uşor pentru
realizarea experimentelor decât sistemul real.
• Modelul cantitativ al procesului analizat va fi rezolvat cu ajutorul
unor algoritmi,
obţinându-se soluţia de principiu.

Etapa IV. VERIFICAREA MODELULUI

• În continuare, modelul este testat pe un set de date de intrare pentru care

rezultatele sunt
cunoscute. În plus, se verifică logica structurală a modelului elaborat.
Etapa V. VALIDAREA MODELULUI

• Pentru ca modelul să fie valid, se testează pe mai multe variante

corespunzătoare situaţiei
reale posibile. Testarea se va face experimental cu ajutorul tehnicilor de simulare
care vor
utiliza modelul în diferite moduri, cu diferite valori ale parametrilor
şi ale datelor de
intrare pentru a obţine un set relevant de informaţii privind comportarea
modelului.
• Din acest set de informaţii şi prin compararea cu datele reale, rezultă diferite
rafinamente
şi modificări ale modelului. Aceste modificări pot conduce la alte
experimentări prin
simulare. Procesul se repetă până când se stabileşte validitatea modelului.
• După validarea modelului, se va trece la rezolvarea modelului cu o metodă
analitică sau
de simulare. Deoarece modelul este o reprezentare simplificată a
sistemului real, soluţia
modelului poate să nu fie o soluţie a problemei reale, de aceea această
soluţie trebuie
testată prin simulare.
• În cazul unei soluţii necorespunzătoare pentru sistemul real, vor fi necesare
modificări ale
ipotezelor şi modificări asupra modelului care vor conduce la alte
experimentări prin
simulare până la validarea soluţiei.

Etapa VI. IMPLEMENTAREA MODELULUI

• În această etapă, modelul va fi utilizat în conformitate cu destinaţia

prevăzută în prima
etapă (analiză, decizie, cunoaştere-învăţare, previziune).

• Modelarea proceselor economice se caracterizează prin abordarea

ştiinţifică a
problemelor manageriale. La baza metodei ştiinţifice se află ideea că
orice fenomen
natural, economic sau social are o cauză şi că printr-o analiză riguroasă acest
mecanism
cauzal poate fi identificat şi descris în termeni suficienţi de riguroşi.
Acest lucru
presupune testarea şi rafinarea repetată a modelului până când se obţine
o soluţie
satisfăcătoare pentru sistemul real.

1.4. Metode de rezolvare a modelelor economico-matematice

I. Din punct de vedere al preciziei, mărimile care caracterizează procesele
economice
se clasifică în trei mari categorii:
– mărimi deterministe (riguros stabilite, cu o valoare unică);
– mărimi stochastice/aleatoare (mărimi ce au o mulţime de valori cărora
li se
asociază o probabilitate);
– mărimi vagi/fuzzy (nu au o valoare unică, ci o mulţime de valori
cărora li se
asociază un grad de apartenenţă la o anumită proprietate).
• Această clasificare a mărimilor care pot caracteriza procesele economice ne
conduce la o
grupare similară a metodelor de prelucrare folosite în vederea adoptării
unor decizii, şi
anume:
– metode deterministe
– metode stochastice
– metode fuzzy.

II. O altă clasificare, bazată de asemenea pe criteriul exactităţii, este

gruparea în:
• metode exacte
• metode aproximative
• metode euristice.
• Metodele exacte permit obţinerea în cadrul unei probleme de decizie
economică a unei
soluţii S care îndeplineşte, fără nici o eroare (abatere), restricţiile impuse
şi/sau condiţiile
de optim, cerute prin criteriile de eficienţă.

• Metodele aproximative sunt acele metode care permit obţinerea unei

soluţii S, diferită
de soluţia adevărată printr-un vector, dominat de un vector dinainte stabilit.

• Metodele euristice sunt metodele prin care, chiar în cazul unei

probleme complexe, se
obţine într-un timp relativ scurt, comparativ cu alte metode, o soluţie
S, acceptabilă din
punct de vedere practic, fără a avea garanţii asupra rigurozităţii rezolvării.

1.5. Perspective în modelarea proceselor economice

 Dezvoltarea şi creşterea performanţelor tehnicii de calcul, deschiderile

conceptuale
apărute în ştiinţa conducerii, necesitatea abordării integrate şi
interdisciplinare a
problemelor manageriale au condus la apariţia şi dezvoltarea unor sisteme
informatice speciale numite Sisteme Suport pentru Decizie.

 Ca urmare a extinderii cercetărilor în domeniul inteligenţei artificiale

constatăm o
deplasare a interesului specialiştilor de la metodele normative spre cele
descriptive.
În acest context, se vor extinde domeniile de utilizare a algoritmilor
şi metodelor
euristice, care, deşi au precizii mai reduse, sunt mai „elastice” în procesul
rezolvării
problemelor economice. Această „elasticitate” este maximă în cazul
modelelor
procedurale care integrează noduri decizionale în structura lor, implicând
decidenţii
în procesul rezolvării problemelor.

II. SIMULAREA PROCESELOR ECONOMICE

2.1. Noţiuni generale privind simularea
2.2. Descrierea modelelor de simulare
2.3. Etapele simulării numerice
2.4. Generarea numerelor aleatoare
2.5. Metoda de simulare Monte Carlo

2.1.Noţiuni generale privind simularea

• O definiţie foarte generală a simulării, dată de „Webster’s Dictionary”

(S.U.A.) este
următoarea: „a simula înseamnă a ajunge la esenţă fără realitate”.

• Cunoaşterea realităţii fără a fi necesară desfăşurarea reală a

fenomenelor permite atât
reducerea timpului necesar efectuării unor studii, cât şi evitarea unor cheltuieli
uriaşe.

• Metoda care oferă posibilitatea evitării studiului sistemului real este metoda
analogiei şi
constă în înlocuirea acestuia cu un sistem analog, a cărui funcţionare
ne este deja
cunoscută sau pe care o putem cunoaşte cu eforturi reduse.

• Funcţionarea unui sistem economic poate fi analogă cu un sistem de

natură mecanică,
hidraulică, biologică etc. sau cu un proces de calcul numeric sau cu o
combinaţie între
cele două.

• Rezultă că simularea poate fi:

- analogică
- numerică
- hibridă
• Simularea analogică este o tehnică bazată pe imaginarea şi construirea
unor sisteme
(dispozitive) ale căror legi de funcţionare sunt aceleaşi (sau aproximativ
aceleaşi) cu
legile care generează sistemul studiat. Legile de funcţionare a acestor
dispozitive pot
aparţine diferitelor domenii ale ştiinţei: fizică, biologie, chimie etc.
• Simularea numerică se bazează, de asemenea, pe principiul analogiei, şi
anume al
analogiilor de calcul. În accepţiunea actuală, simularea numerică este o
tehnică de
realizare a experimentelor cu ajutorul calculatorului electronic, care
implică utilizarea
unor modele matematice şi logice ce descriu comportarea unui sistem real
de-a lungul
unei perioade mari de timp.
• Simularea hibridă constă în aplicarea combinată a analogiilor fizice cu
cele de calcul
numeric.
2.2. Descrierea modelelor de simulare

• Scopul modelului economico-matematic este de a exprima variabilele

necontrolabile ale
modelului în funcţie de cele controlabile, astfel încât să fie
satisfăcute criteriile de
performanţă, adică să fie rezolvat sistemul.

• Sunt cazuri în care interdependenţele se descriu prin condiţii logice sau

proceduri ce pot
fi rezolvate numai cu ajutorul calculatorului. Modelul economico-matematic
completat cu
astfel de proceduri devine un model de simulare.

• Modelul de simulare atunci când este implementat pe un calculator, pornind de la

diferite
valori ale variabilelor controlabile (generate prin rutine speciale ale
algoritmului), va
produce valorile variabilelor necontrolabile şi va alege din mai multe
variante pe aceea
care oferă decizia cea mai bună.

• Modelul de simulare este un instrument necesar pentru studiul sistemelor

complexe, unde
modelele matematice clasice nu sunt în măsură să surprindă situaţiile cele mai
variate şi
neprevăzute ale realităţii în vederea formulării pe bază deductivă a deciziei.

2.3. Etapele simulării numerice

I. Stabilirea componentelor sistemului economic.

II. Stabilirea variabilelor şi parametrilor sistemului economic

III. Stabilirea evenimentelor care apar în sistemul economic

IV. Stabilirea valorilor iniţiale ale parametrilor de stare ai principalelor

componente ale sistemului economic

V. Culegerea datelor necesare stabilirii repartiţiilor principalelor

variabile ale
procesului economic

VI. Culegerea datelor necesare stabilirii unor corelaţii între variabile

VII. Stabilirea limitelor admisibile ale variabilelor, parametrilor de stare,

toleranţelor şi probabilităţilor de nonapartenenţă la un interval
stabilit

VIII. Stabilirea strategiilor posibile de acţiune

IX. Stabilirea funcţiilor obiectiv ale sistemului economic

X. Stabilirea numărului de cicluri de simulare

2.4.Generarea numerelor aleatoare

2.4.1. Principiile statistice ale simulării

• Pentru a reproduce în mod realist anumite elemente ale sistemului

simulat, precum şi
pentru rezolvarea unor probleme numerice apare necesitatea existenţei unor
numere
„alese la întâmplare”. Un număr este „întâmplător ” numai dacă se află
într-un context
statistic.

• În mod practic nu se pot genera numere aleatoare care să satisfacă o

serie de cerinţe
cunoscute din teoria probabilităţilor, ci numai numere pseudoaleatoare.

• Numerele pseudoaleatoare satisfac următoarele condiţii:

– Sunt uniform repartizate într-un interval dat
– Sunt statistic independente (nu sunt autocorelate)
– Sunt reproductibile
– Funcţia de repartiţie este stabilă
– Şirul generat are o perioadă de repetiţie mare care poate fi
predeterminată
(cel puţin ca o limită inferioară)

• Şirurile de numere pseudoaleatoare aproximează şirurile de numere aleatoare. Cu

cât cele
5 condiţii sunt mai riguros respectate, cu atât aproximaţia este mai corectă.

• Deoarece metodele cunoscute asigură o apropiere suficient de mare între cele

două tipuri
de numere, în literatura de specialitate se foloseşte aproape exclusiv
denumirea de
„numere aleatoare”.

• Principalele clase de metode de generare a numerelor aleatoare sunt:

• metode manuale
• metode fizice
• metode de memorizare
• metode care constau în consultarea specialiştilor
• metode analitice

2.4.2. Metode de generare a numerelor aleatoare uniform repartizate

• Metodele analitice de generare a numerelor aleatoare sunt cele mai

răspândite în
aplicaţiile numerice. Acestea constau în utilizarea unor algoritmi de calcul ce se
bazează
pe folosirea unor relaţii de recurenţă.

• Printre metodele recurente de generare a numerelor aleatoare, cele care

au fost studiate
riguros din punct de vedere teoretic şi au condus practic la rezultate bune sunt
metodele
congruenţiale, care au fost propuse iniţial de Lehmer în 1948 şi se
bazează pe clase de
resturi. Dintre generatoarele congruenţiale, generatorul congruenţial liniar
este cel mai
utilizat pe calculatoarele numerice.
• Metodele congruenţiale liniare pot fi aditive, multiplicative şi mixte.

• În afară de acestea există şi metode combinaţionale între două sau mai multe
generatoare,
metode de extindere a unui şir dat de numere aleatoare, metode de
generare a unor
numere aleatoare în condiţiile unor restricţii date.

• De fapt aproape toate limbajele de programare generale şi speciale de

simulare conţin
funcţii care generează numere aleatoare uniform repartizate în [0,1] şi
pot fi folosite în
programele de simulare.

2.4.3. Generarea numerelor aleatoare cu o repartiţie dată

• Metoda transformantei inverse se aplică în mod deosebit de avantajos

în cazul unor
repartiţii teoretice continue, definite cu ajutorul unei singure funcţii de
repartiţii pe întreg
domeniul de existenţă. În plus, această funcţie trebuie să fie uşor inversabilă.

• Metoda poate fi extinsă în cazul unor repartiţii multidimensionale.

• În practică sunt rare cazurile în care funcţia inversă se poate stabili uşor.

• Totuşi, metoda poate fi adaptată şi în cazul unor tipuri de

repartiţii discrete sau
discontinue. În aceste cazuri pentru extinderea acestei proceduri se
foloseşte aşa numita
metodă a jobenului.

2.5. Metoda de simulare Monte Carlo

2.5.1. Principalele aplicaţii ale metodei Monte Carlo în economie

• Procese de stocare complexe – în acele situaţii când optimizarea nu mai este

posibilă cu
ajutorul metodelor clasice din teoria stocurilor: ritmul de aprovizionare
are caracter
aleatoriu sau sezonier, suprafaţa de depozitare este limitată, intervin
penalizări pentru
lipsa de stoc etc.

• Procese de aşteptare – în care au loc evenimente care se

intercondiţionează, iar
rezolvarea lor cu ajutorul modelelor din teoria firelor de aşteptare nu este
posibilă.

• Procese de repartiţii

• Procese de muncă complexe – legate de problemele programării operative a

producţiei.
• Procese macroeconomice – când se doreşte cunoaşterea unor corelaţii între două
sau mai
multe ramuri, studiul fluxurilor între ramuri, probleme de creştere economică etc.

2.5.2. Prezentarea generală a metodei

• Metoda Monte Carlo poate fi definită ca metoda modelării variabilelor

aleatoare, în
scopul calculării caracteristicilor repartiţiilor lor.

• Metoda presupune estimarea parametrilor repartiţiei unei variabile

aleatoare pe baza
realizărilor acesteia.

• Astfel, problema principală care se rezolvă prin metoda Monte Carlo constă în
estimarea
valorii medii a unei variabile aleatoare în funcţie de o eroare admisibilă şi o
probabilitate
dată.

• În metoda Monte Carlo se utilizează frecvent ca estimator media

aritmetică simplă sau
ponderată.

• Calitatea eşantionului poate fi apreciată prin testele de concordanţă

care măsoară
apropierea repartiţiei empirice de repartiţia teoretică (Kolmogorov, Smirnov,
Pearson).

2.5.3. Precizia şi proprietăţile metodei Monte Carlo

• Metoda Monte Carlo este o metodă aproximativă şi poate fi adaptată studiului

proceselor
economice.

• Precizia metodei Monte Carlo se poate estima statistic cu un grad de certitudine

finit.
.
• Metoda Monte Carlo nu este adaptată studiului unor procese cu probabilitate
foarte mică
deoarece rezultă un număr imens de cicluri de simulare.

BIBLIOGRAFIE

[1].COCULESCU, C., Modelarea şi simularea proceselor economice, Editura Pro

Universitaria, Bucureşti, 2007, ISBN 978-973-129-133-8;
[2]. ANDREICA, M., STOICA, M., LUBAN, F., Metode cantitative în management, Editura
Economică, Bucureşti, 1998, ISBN 973-590-027-0;
[3]. DESPA, R., COCULESCU, C., Metode cantitative în management, Editura
Universitară,
Bucureşti, 2007, ISBN 978-973-749-311-8;

[4]. DOBRE, I., MUSTAŢĂ, F., Simularea proceselor economice, Editura

INFOREC,
Bucureşti, 1996;
[5]. RACZYNSKI, S., Modeling and Simulation: The Computer Science of
IIIusion, april
2006, John Wiley & Sons.Ltd., ISBN 978-0-470-03017-2;
[6]. RAŢIU-SUCIU, C., Modelarea & simularea proceselor economice. Teorie
şi practică,
Ediţia a IV-a, Editura Economică, Bucureşti, 2005.