ANALIZA SERIILOR CRONOLOGICE CU COMPONENTĂ SEZONIERĂ

Presupunem că seria este dominată de tendinţă şi sezonalitate. În acest paragraf,

componentele ce redau evoluţia pe termen lung, respectiv tendinţa T şi ciclicitatea C, vor fi
tratate ca o singură componentă notată prin T, şi o vor referi cu termenul de tendinţă.
Sezonalitatea este deseori prezentă în evoluţia variabilelor din economie. Aceasta este
observabilă pe date ȋnregistrate cu frecvenţă subanuală (de regulă trimestrială, lunară,
săptămânală, zilnică). Spre exemplu, volumul vânzărilor pentru majoritatea produselor şi
serviciilor are caracter sezonier. Analiza sezonalitătii este utilă atât din perspectiva
producătorilor cât şi a vânzătorilor, pentru a realiza o producţie respectiv aprovizionare
adecvată fiecărui sezon. Variabilele macroeconomice au de asemenea sezonalitate, mai mult
sau mai puţin pronunţată.

Analiza seriilor cu componentă sezonieră, ȋn cele ce urmează, implică următoarele

etape:
- calculul coeficienţilor/indicilor sezonalităţii;
- determinarea seriei desezonalizate;
- analiza tendinţei seriei desezonalizate;
- obţinerea de previziuni, prin extrapolarea tendinţei respectiv a componentei
sezoniere.

Modelul de descompunere. Perioada componentei sezoniere

Pentru stabilirea modelului de descompunere (aditiv sau multiplicativ) este indicat a se

analiza cronograma seriei. Tabelul 5.2 ilustrează modul de generare a două serii, din date
fictive, prin compunerea între o tendinţă liniară şi o componentă sezonieră (considerată
constantă de la un an la altul). S-a presupus că seriile nu prezintă variaţie ciclică, respectiv
aleatoare.
În general, este adecvat un model aditiv atunci când amplitudinea oscilaţiilor este
aproximativ constantă ȋn timp (Figura 5.13), respectiv multiplicativ dacă amplitudinea
oscilaţiilor creşte pe fondul unei tendinţe de creştere (Figura 5.14) sau scade pe fondul unei
tendinţe de scădere.
În cazul aditiv variaţiile sezoniere sunt independente de tendinţă. Pentru modelul
multiplicativ, valorile de pe tendinţa crescătoare/ descrescătoare sunt înmulţite cu variaţiile
sezoniere (constante de la un an la altul), prin urmare amplitudinea fluctuaţiilor este
determinată de valorile tendinţei. În practică s-a dovedit mai adecvat modelul multiplicativ.

Tabelul 5.2. Modele de descompunere a seriilor de timp

An Trim t Model aditiv Model multiplicativ
Tt St Yt = Tt + St Tt St Yt = Tt * St
2011 I 1 10 -3 7 10 0.75 7.5
II 2 12 4 16 20 1.25 25
III 3 14 6 20 30 1.5 45
 IV 4 16 -7 9 40 0.5 20
2012 I 5 18 -3 15 50 0.75 37.5
II 6 20 4 24 60 1.25 81
III 7 22 6 28 70 1.5 105
IV 8 24 -7 17 80 0.5 40
2013 I 9 26 -3 23 90 0.75 67.5
II 10 28 4 32 100 1.25 125
III 11 30 6 36 110 1.5 165
IV 12 32 -7 25 120 0.5 60

Figura 5.13. Modelul aditiv T + S

40

35

30

25

20

15

10

5
I II III IV I II III IV I II III IV
2011 2012 2013

Figura 5.14. Modelul multiplicativ TS

200

160

120

80

40

0
I II III IV I II III IV I II III IV
2011 2012 2013

Tabelul 5.3. Exemple de variabile cu componentă sezonieră

Durata unui Date Perioada p Exemple
ciclu
1 an trimestriale 4 - evoluţia numărului de turişti
lunare 12 - încasări din vânzarea băuturilor răcoritoare
- cifra de afaceri a unei societăţi din construcţii
- preţul unor produse agricole
- cifra de afaceri a societăţilor din transportul
de călători
- consum de gaz, energie electrică pentru uz
casnic
- evoluţia ratei şomajului
- variabile macroeconomice: PIB, export,
import, investiţii, masa monetară
o săptămână Zilnice 7 - vânzările unui magazin alimentar
- încasările unui cinematograf
o zi din oră în oră - numărul de călători ce folosesc mijloacele de
transport în comun
- volumul retragerile de numerar de la o bancă.

Perioada componentei sezoniere, notată cu p, reprezintă numărul unităţilor de timp din cadrul
unui ciclu sezonier. Cronograma seriei, respectiv natura variabilei analizate sugerează
perioada p.
Majoritatea seriilor sezoniere din domeniul economic au durata unui ciclu de un an, p
fiind egal cu 4 în cazul datelor trimestriale, respectiv 12 în cazul datelor lunare. Pot fi studiate
şi variabile sezoniere cu durata unui ciclu mai mică de un an. Câteva exemple de variabile cu
sezonalitate sunt prezentate în Tabelul 5.3.

Determinarea coeficienţilor sezonalităţii utilizând medii mobile

Aplicarea mediilor mobile pentru desezonalizare

Mediile mobile sunt filtre liniare utilizate în scopul atenuării amplitudinii fluctuaţiilor
aleatoare sau pentru eliminarea componentei sezoniere din seria de timp. Este de dorit ca
aceste filtre să lase neschimbată tendinţa. În paragraful 5.4.2 mediile mobile au fost propuse
pentru eliminarea componentei aleatoare. În cele ce urmează mediile mobile vor fi utile
pentru eliminarea componentei sezoniere. Procesul de izolare şi eliminare a efectelor
sezoniere se numeşte desezonalizare.
Pentru extragerea componentei sezoniere din serie se aplică datelor o medie mobilă
centrată de ordin p egal cu perioada componentei sezoniere. Mediile mobile de ordin p,
centrate, notate cu MM(p), utile aici sunt:
 daca p este impar p  2k  1

 daca p este par p  2k de regulă se consideră mediile mobile centrate definite prin:
0.5 yt k  yt k 1  ...  yt  ...  yt k 1  0.5 yt k
yt  ,
p

Prin utilizarea mediei centrate (centrate în yt - valoarea pe care o desezonalizăm) se realizează

o corespondenţă între valorile observate yt şi mediile mobile y t :

y1 y2 ... yk y k 1 ... yt ... yT k yT k 1 ... yT

- - ... - y k 1 ... yt ... y T k - ... -
Valorii observate y t îi corespunde o valoare medie yt calculată ca o medie aritmetică a
valorilor adiacente.

Dacă perioada componentei sezoniere este un număr impar atunci mediile mobile sunt
calculate ca şi medii aritmetice simple, similar cu paragraful 5.4.2. Spre exemplu, media
mobilă centrată de ordin 5 este:
y  yt 1  yt  yt 1  yt 2
yt  t 2 , t=3,4, ...,T-2
5
Această medie poate fi utilă atunci când datele sunt zilnice, de luni până vineri, un ciclu
sezonier acoperind 5 zile; perioada componentei sezoniere este p=5.
Dacă datele sunt cu frecvenţa trimestrială, perioada p=4, mediile mobile centrate
aplicate seriei vor fi mediile centrate de ordin patru MM(4):
0.5 y1  y 2  y3  y 4  0.5 y5
y3  ,
4

Pentru date lunare, se vor utiliza mediile centrate de ordin MM(12):

1
Yt  (0.5Yt 6  Yt 5  Yt 4  Yt 3  Yt 2  Yt 1 .  Yt 
12
Yt 1  Yt  2  Yt 3  Yt  4  Yt 5  0.5Yt 6 ), t  6, 7,..., T  6

Observaţii privind mediile mobile:

 Dacă seria este periodică: , atunci prin aplicarea unei medii mobile de
ordin p egal cu perioada, oscilaţiile se elimină din date, valorile netezite fiind
constante yt  yt 1 , t . Astfel, pentru eliminarea unei componente sezoniere cu
perioada p se va aplica seriei o medie mobilă de ordin p.
 Seria valorilor medii centrate are mai puţin cu p  1 , respectiv cu p termeni decât
seria iniţială, după cum p este impar sau par. Acest aspect constituie un dezavantaj al
mediilor mobile centrate.
 Mediile mobile de tipul mediilor aritmetice lasă nedeviată funcţia de gradul întâi
f (t )  a  bt . Astfel, tendinţa liniară se conservă prin aplicarea acestor filtre.

Seria mediilor mobile astfel obţinute y t nu mai conţine variaţii sezoniere.

Sezonalitatea se manifestă sub forma unor abateri, pe termen scurt, de la componenta de

tendinţă T. În funcţie de modul de estimare a tendinţei, întâlnim în literatură mai multe
variante de lucru. Vom expune aici modul de estimare a indicilor/coeficienţilor sezonalităţii
utilizând metoda raportării la mediile mobile, aceasta fiind implementată şi în softurile de
statistică.

Metoda comparării cu mediile mobile

În această secţiune vom utiliza următoarele notaţii:
i indice pentru ciclu sezonier, i=1, 2, ..., n
j indice pentru sezon, j=1, 2, ..., p.
Modelul de descompunere a seriei are forma:
aditivă sau multiplicativă .
Se consideră, în acest context, că seria prezintă componentă de tendinţă dar nu se emite o
ipoteză privind forma parametrică a acesteia. Tendinţă, este privită ca o medie curentă a seriei
, estimată prin seria mediilor mobile ̄ .

Raportul faţă de mediile mobile – model multiplicativ

Începem expunerea cu modelul multiplicativ:
,
acesta fiind mai frecvent întâlnit în practică. De asemenea, sezonalitatea se măsoară mai
sugestiv în acest caz, reprezentând abateri procentuale de la tendinţă.

Metoda raportării la mediile mobile implică parcurgerea următorilor paşi:

 calculul mediilor mobile y ij de ordin p egal cu perioada componentei sezoniere;
 calculul rapoartelor Sij  yij / yij ce cuantifică devierea datelor observate de la tendinţă
(estimată prin seria mediilor mobile yij ); rapoartele y / y  T  S  I / T  S  I conţin
doar sezonalitate şi componentă aleatoare. Dacă fixăm indicele j, aceste diferenţe
constituie estimaţii pentru sezonalitatea din sezonul j. Rapoartele S ij se numesc şi
indici specifici ai sezonalităţii;
 determinarea unui indice mediu pentru fiecare sezon, ca o medie a indicilor specifici:
1 n1
Ij   Sij ;
n  1 i1
j  1, 2,..., p .

Prin calculul mediei se elimină, în mare parte, variaţiile neregulate din indicii specifici
ai sezonalităţii;
 ajustarea/corecţia indicilor medii astfel încât media lor geometrică să fie 1:
 
S j  I j / p I1  I 2  ...  I p ) , j  1, 2,..., p .
Această cerinţă impusă indicilor sezonalităţii este adecvată, întrucât variaţiile
sezoniere se compensează în medie pe parcursul unui an.

Valorile rezultate S j , j=1, 2, ..., p se numesc indici ai sezonalităţii şi constituie

componenta sezonieră; se presupună aici că variaţiile sezoniere sunt constante de la un an la
altul. Indicii S j indică abaterile procentuale de la tendinţă (sau mediile mobile); valorile
rezultate S j se compară cu 1, respectiv cu 100 dacă în prealabil au fost înmulţite cu 100.
Urmare a efectelor sezoniere, în sezoanele pentru care S j 100 < 100, valorile observate sunt
mai mici decât valorile corespunzătoare de pe tendinţă, în medie cu (S j  1) 100 procente.
Atunci când S j  100 >100 valorile observate sunt mai mari decât cele de pe tendinţă, în
medie cu (S j  1) 100 procente (sau de S j ori).

Diferenţa faţă de mediile mobile – model aditiv

În cazul modelului aditiv
yij  Tij  Sij   ij
determinarea componentei sezoniere decurge analog, dar având în vedere forma aditivă de
descompunere, coeficienţii ce intervin se determină prin diferenţa ȋntre valorile observate şi
mediile mobile:
S ij  yij  y ij
Diferenţele y  y  T  S  I  T  S  I conţin variaţii sezoniere şi aleatoare. Coeficienţii
medii aferenţi fiecărui sezon sunt:
1 n1
Cj   S ij
n  1 i 1
iar ajustarea coeficienţilor medii C j , pentru a obţine componenta sezonieră S j , se realizează
astfel încât media lor să fie zero. Astfel:
p

C
1
Sj  Cj  j .
p j 1

În modelul aditiv, componenta sezonieră măsoară abaterea de la tendinţă în valori

absolute (în unitatea de măsură a valorilor observate). Valorile rezultate se compară cu 0. În
sezoanele cu S j  0 valorile observate sunt mai mici decât valorile corespunzătoare de pe
tendinţă, în medie cu S j unităţi de măsură. În sezoanele cu S j  0 valorile observate sunt
mai mari decât cele de pe tendinţă în medie cu S j unităţi de măsură.

Previziuni pentru variabile cu sezonalitate

Previziunile pentru variabila observată se obţin prin compunerea aditivă Tˆ  Sˆ sau

multiplicativă Tˆ  Sˆ a valorilor previzionate pentru tendinţă Tˆ respectiv pentru sezonalitate Ŝ .
În cazul seriilor sezoniere, de regulă se desezonalizează datele, iar apoi tendinţa seriei
iniţiale Tˆ se estimează pe valorile desezonalizate, spre exemplu prin funcţii netede de timp
f (t ) . Valorile previzionate prin extrapolarea tendinţei sunt ajustate, multiplicativ sau aditiv,
prin indicii respectiv coeficienţii sezonalităţii aferenţi sezonului în care se situează valoarea
previzionată. Vom consideră variaţiile sezoniere constante în timp, prin urmare valorile
previzionate pentru S sunt cele determinate pe datele istorice Sˆ  S .
 Seria desezonalizată, sau ajustată sezonier, notată cu SA, se obţine prin extragerea
componentei sezoniere din date, respectiv:
- model multiplicativ SA=Y/S
- model aditiv SA=Y-S.
Seria desezonalizată, sau ajustată sezonier, face posibilă vizualizarea mai clară a tendinţei din
seria de timp (SA conţine doar tendinţă şi variaţii aleatoare). Pe seria desezonalizată se
determină şi interpretează variaţiile variabilei Y pentru perioade succesive de timp. Spre
exemplu, atunci când se analizează creşterea economică a unei ţări, variaţiile trimestriale (de
la un trimestru la altul) ale PIB-ului se calculează pe seria PIB desezonalizată.
Pornind de la seria desezonalizată, vom estima tendinţa SAt  f (t )   t , utilizând o
funcţie de timp adecvată (sugerată de cronograma). Aceasta va estima şi tendinţa seriei
iniţiale yt .

Componenta aleatoare se deduce în consecinţă, ţinând seama de forma modelului:

 t  Yt /(Tt  St ) pentru forma multiplicativă, respectiv  t  Yt  (Tt  St ) în caz aditiv.

Paşii descrişi anterior permit descompunerea seriei Y pe cele trei componente: tendinţă
T, sezonalitate S, component aleatoare  t . În literatură s-au dezvoltat şi alte tehnici de
descompunere a seriei pe componente; amintim metoda Tramo/Seat implementată în softurile
de statistică, şi utilizată pe scară largă în practică.

Exemplu
Următorul tabel indică vânzările trimestriale (mil. lei) ale unui magazin de jucării, în perioada
2016-2018.

An Trim Vânzări (mil.

lei)
2016 I 7
II 11
III 8
IV 16
2017 I 10
II 14
III 9
IV 20
2018 I 12
II 17
III 10
IV 21
Se cere: a) Reprezentaţi grafic seria şi indicaţi componentele prezente în serie b)
Desezonalizaţi seria şi estimaţi compnenta sezonieră c) Modelaţi tendinţa printr-o dreaptă.
Previzionaţi vânzările pentru anul 2019. Ştiind că în 2019 s-au înregistrat vânzări de 12,5; 18;
12; 22,4, măsuraţi acurateţea previziunilor făcute.

a) Din Figura 5.15, ce redă evoluţia vânzărilor, se observă prezenţa sezonalităţii. Perioada
este p=4 (datele sunt trimestriale); un sezon=un trimestru; un ciclu sezonier=un an. De regulă
vânzările sunt mai mari în trimestrul II şi IV, respectiv mai mici în trimestrul I şi III. Este
prezentă şi o uşoară tendinţă de creştere.

Figura 5.15. Evoluţia trimestrială a vânzărilor de jucării

22

20

18

16

14

12

10

6
I II III IV I II III IV I II III IV I
2015 2016 2017 2018

b) Calculul indicilor sezonalităţii presupune parcurgerea mai multor paşi.

b1) Calculul mediilor mobile centrate de ordin p

Se aplică seriei un filtru de tipul mediilor mobile centrate de ordin p=4, egal cu perioada
componentei sezoniere. Numerotăm datele în ordine cronologică y1, y2, ..., y12. Mediile mobile
centrate de ordin patru MM(4) sunt:

0.5  y1  y2  y3  y4  0.5  y5 0.5  7  11  8  16  0.5 10

y3    10.88
4 4

0.5  y8  y9  y10  y11  0.5  y12 0.5  20  12  17  10  0.5  21

y10    14.88.
4 4
Mediile mobile obţinute sunt aranjate pe sezoanele aferente ȋn Tabelul 5.4.

Tabelul 5.4. Mediile mobile MM(4)

An/Trim. I II III IV
2016 - - 10.88 11.63
 2017 12.13 12.75 13.5 14.12
2018 14.62 14.88 - -

Cum amplitudinea oscilaţiilor creşte uşor în timp, vom considera un model multiplicativ:
yij  Tij  S j   ij ; i  1, 2,3 iar j  1, 2, 3, 4 .

b2) Calculul indicilor specifici sezonalităţii

Datele sunt disponibile pentru 3 ani, şi 4 sezoane. Ţinând seama de notaţiile specifice, yij
reprezintă vânzările în anul i trimestrul j. Rapoartele între valorile observate şi mediile mobile
corespunzătoare, numite şi indici specifici ai sezonalităţii:
yij
S ij 
yij
, , ,
, ,

sunt prezentate în Tabelul 5.5. Spre exemplu, prima valoare S13 arată faptul că în anul 2016
trimestrul III (anul 1 sezonul 3) valoarea observată este sub valoarea medie (media mobilă
aferentă) cu 26%. În 2018 trimestrul II (anul 3 sezonul 2) vânzările au fost peste medie cu
14%.
Aceşti indici sunt de regulă mai mari decât 1 în trimestrele II şi IV, când vânzările au
fost peste medie, respectiv subunitari în trimestrele I şi III (aici vânzările fiind sub medie).
Rezultatele sunt organizate, în Tabelul 5.4 (pentru a identifica mai uşor valorile aferente
aceluiaşi sezon).

b3) Calculul indicelui mediu pentru fiecare sezon

1 n1
Ij   Sij ;
n  1 i1
j  1, 2,..., p

Pentru fiecare trimestru se consideră media aritmetică a indicilor specifici:

Tabelul 5.5. Estimare componentă sezonieră

An/Trim. I II III IV
2016 - - 0.74 1.38
 2017 0.82 1.10 0.67 1.42
2018 0.82 1.14 - -
Ij (indice mediu) 0.82 1.12 0.70 1.40
Sj (indicii
sezonalităţii)

b4) Calculul indicilor sezonalităţii

Pentru indicii medii determinaţi la subpunctul precendent

,
calculăm media geometrică ̄ √ , valorile corectate astfel încât
media lor geometrică să fie 1 fiind:
I 0.82 1.12
SI  1   0.79; S II   1.08, S III  0.68, S IV  1.35
I 1.0344 1.0344
Componenta sezonieră este dată de vectorul indicilor sezonalităţii (0.79; 1.08; 0.68; 1.35), ce
se repetă în fiecare an.

b5) Seria desezonalizată

Seria desezonalizată, sau ajustată sezonier se obţine, ţinând seama de forma multiplicativă
a modelului:
Yt
SAt 
St

, ,

Seria desezonalizată
An/Trim. I II III IV
2016 8,86 10,18 11,76 11,85
2017 12,66 12,96 13,23 14,81
2018 15,19 15,74 14,71 15,56

c) Modelarea tendinţei printr-o dreaptă

Tendinţa seriei iniţiale se va estima pornind de la seria desezonalizată.

Pentru seria desezonalizată (ce are tendinţă şi componentă aleatoare SAt  Tt   t )
estimăm o tendinţă liniară:
SAt  a  bt   t , t=1, 2, ...,12
t 1 2 3 4 5 6 7 8 9 10 11 12
Z  SAt 8,86 10,18 11,76 11,85 12,66 12,96 13,23 14,81 15,19 15,74 14,71 15,56
 M (tZ )  M (t ) M ( Z ) 92,22  13,13  6,5
b   0,45
M (t 2 )  M (t ) 54.17  (6.5) 2
2

a  M ( Z )  bM (t )  13,13  0,45  6.5  10,21

Ecuaţia tendinţei:
Tt  T (t )  10,21  0,45t , t=1,2,...,12.

Ajustarea sezonieră în scopul obţinerii de previziuni:

Valoarea obţinută prin extrapolarea tendinţei se ajustează cu indicii sezonalităţii

corespunzători sezonului:

Măsurarea acurateţii previziunii:

a) eroarea medie pătratică de previziune

∑ ̂

b) eroarea medie absolută de previziune

∑| ̂ | | | | | | | | |