1 ANALIZA ŞI PREVIZIUNEA SERIILOR DE TIMP

Introducere

Orice activitate economică implică planificarea modului de desfăşurare a activităţii,

anticiparea resurselor necesare, a cheltuielilor, bugetului, iar apoi luarea unor decizii în
consecinţă. Agenţii economici sunt nevoiţi să previzioneze cifra de afaceri şi alţi indicatori
necesari întocmirii unui plan de afaceri, investitorii sunt interesaţi de profitul viitor degajat de
o investiţie dar şi de anticiparea riscului asociat acelei investiţii, respectiv guvernele de
previziunea consumului sau a încasărilor din taxe şi impozite, şi exemplele pot continua.
Obţinerea rapidă de previziuni utilizând metode statistice de previziune este acum la
îndemâna analiştilor, urmare a dezvoltării unor softuri de statistică accesibile şi uşor de
utilizat (metode statistice de previziune sunt implementate spre exemplu în Excel, Eviews,
Stata, SPSS, sau softul R).
Anticiparea, previziunea evoluţiei variabilelor din economie necesită în primul rând
cunoaşterea istoricului acestora, punerea în evidenţă a unor legităţi privind comportamentul
înregistrat în trecut. Datele pe care se fundamentează analiza şi previziunea evoluţiei
fenomenelor în timp este constituită din serii cronologice. În activitatea economică dispunem
frecvent de date colectate de-a lungul unei perioade de timp. Metodele statistice descrise în
acest capitol îi sunt utile analistului economic pentru a înţelege comportamentul trecut al unei
variabile (indicator) din economie, respectiv pentru a previziona evoluţia acesteia, în ipoteza
menţinerii, şi în viitor, a aceluiaşi comportament.
Seria de timp (sau seria cronologică) este o secvenţă de observaţii asupra unei
variabile ordonate cronologic, după parametrul timp. Frecvent, măsurătorile asupra variabilei
sunt efectuate la intervale egale de timp (de regulă anual, trimestrial, lunar, săptămânal,
zilnic), seria de timp formată cu valorile observate, fiind prezentată sub forma:
 1 2 ... t ... T 
Y :  
 y1 y2 ... yt ... yT 
unde t este momentul, iar yt valoarea observată la momentul t. Pentru timpul t vom utiliza
generic valorile 1, 2, ..., T. Într-o serie de timp, succesiunea observaţiilor este generată
secvenţial în timp, „extragerile” nefiind independente, ca şi în cazul unui eşantion tipic de
unităţi statistice. Nu poate fi schimbată ordinea termenilor seriei, întrucât fiecare observaţie
este de regulă dependentă de precedentele (există autocorelaţie – relaţie de dependenţă între
observaţiile succesive asupra lui Y).
Din punct de vedere statistic, în contextul modelării şi previziunii, seria cronologică cu
datele observate y1, y2 ,...., yT constituie o realizare a secvenţei de variabile aleatoare
Y1 , Y2 ,....,YT . Fiecărui moment t i se asociază o variabilă aleatoare Yt , iar secvenţa de variabile
(Yt )t 1, 2,...,T constituie un proces stochastic de tip discret. În economie, de regulă seriile
disponibile sunt de tip discret. Serii de timp continuu, când măsurătorile sunt efectuate în mod
continuu în decursul unui interval de timp, se întâlnesc mai degrabă în tehnică sau medicină
(exemple: evoluţia temperaturii aerului, viteza unui autovehicul, electrocardiograma).
Punerea în evidenţă a unor regularităţi în seria de timp necesită o perioadă de
observare suficient de lungă. Depinde de frecvenţa datelor, dar dacă datele sunt spre exemplu
anuale, pentru elaborarea unui model care să surprindă mecanismul real de generare al
datelor, respectiv să permită evidenţierea comportamentului variabilei pe termen lung, este de
dorit ca o seria să acopere cel puţin câteva decenii. Pentru observarea si estimarea
componentei sezoniere perioada observată este de dorit să acopere cel puţin patru cicluri
sezoniere. În exemplele din acest capitol vom considera serii cu număr mic de termeni, pentru
reducerea volumului calculelor, dar în practică seriile utilizate în prelucrari au o lungime
semnificativ mai mare; de regulă se foloseşte un soft statistic, inclusiv funcţii din Excel.
În acelaşi timp, datele trebuie să rămână omogene în timp. Condiţiile în care evoluează
indicatorul este necesar să rămână în esenţă aceleaşi. Astfel, metodele statistice clasice,
discutate în acest capitol, nu sunt adecvate atunci când seria de timp acoperă perioade de
schimbări economice sau politice majore, războaie, sau alte evenimente excepţionale; în
analiza evoluţiei majorităţii indicatorilor economici pentru ţara noastră este indicat ca datele
să înceapă după anul 1990. Modele de analiză ce ţin seama de anumite rupturi în seria de date
(rupturi de nivel sau de pantă) nu sunt abordate în acest capitol.
Uneori este indicat ca indicatorii economici să fie exprimaţi în preţuri comparabile,
sau să fie supuşi unor alte transformări prealabile. Dacă se analizează spre exemplu evoluţia
cifrei de afaceri sau a indicatorilor macroeconomici de rezultate şi ne interesează evoluţia
neafectată de schimbările de preţ (de inflaţie), este indicat a se exprima datele în preţurile unui
an bază de comparaţie. Evoluţia în preţuri comparabile (numite şi valori reale) se obţine prin
împărţirea datelor exprimate în preţuri curente (valori nominale) la un indice adecvat al
preţurilor cu bază fixă. De asemenea, creşterea în timp a unor variabile din economie se
datorează în principal creşterii populaţiei, astfel că în aceste situaţii este mai util a se analiza
evoluţia per cap de locuitor. Frecvent, în marketing, evoluţia cotei de piaţă a unei firme este
mai relevantă decât evoluţia volumului vânzărilor. De asemenea, pentru stabilizarea varianţei,
şi/sau interpretarea mai sugestivă a rezultatelor, uneori se logaritmează datele înaine de
modelare.
Frecvenţa măsurătorilor este condiţionată de modalitatea de calcul respectiv frecvenţa
de raportare a indicatorilor economici. Indicatori macroeconomici, precum produsul intern
brut, consumul, venitul disponibil, se raportează trimestrial sau anual. Pentru evoluţia ratei
inflaţiei, a ratelor dobânzii sau a ratei şomajului dispunem de date lunare sau anuale, iar cursul
valutar, indicii bursieri sau cursurile acţiunilor sunt comunicate zilnic. Pentru indicatorii
demografici sunt disponibile de regulă date anuale. În unele cazuri dispunem de înregistrări
zilnice, din oră în oră, sau chiar cu o frecvenţă mai mică (ex. trazacţiile „intra-day” pentru
acţiunile cotate la bursă).
Scopul final al tehnicilor de analiză a seriilor cronologice este de regulă previziunea.
La nivel microeconomic previziunile sunt utile în elaborarea unui plan de management al
companiilor şi luarea unor decizii pe termen mediu sau lung. De multe ori sunt necesare şi
previziuni pe termen scurt, atunci când se planifică activitatea pentru următoarea zi,
săptămână sau lună. La nivel macroeconomic apare spre exemplu necesitatea previziunii ratei
inflaţiei, ratei şomajului, a produsului intern brut, consumului, venitului disponibil,
investiţiilor, ratei dobânzii, cererii de masă monetară, sau a altor variabile utile în elaborarea
previziunilor bugetare.
Informaţiile obţinute, respectiv modelele statistice elaborate sunt adecvate, strict
vorbind, pentru perioada observată. Atunci când se generează previziuni, de regulă se
extrapolează comportamentul istoric, sub ipoteza că variabila va continua să aibă acelaşi
comportament şi în viitor. Este important ca analistul să se întrebe în ce măsură această
ipoteză este realistă, şi să încorporeze în previziunile generate prin metode statistice,
aşteptările privind posibile abateri de la comportamentul istoric, eventual prin elaborarea mai
multor scenarii.
Previziunea în economie este o sarcină dificilă, urmare a complexităţii mediului
economic. Se spune pe bună dreptate că „previziunea rămâne în acelaşi timp ştiinţă şi artă”.
Deseori, în practică se combină metode cantitative şi metode calitative. Metodele calitative
sunt bazate pe aşteptările practicienilor din domeniu privind posibile schimbări în mediul
economic, şi care ar putea influenţa previziunile rezultate prin metode cantitative.
Totuşi, odată familiarizaţi cu metodele statistice de previziune înţelegem că în
majoritatea cazurilor datele prezintă anumite regularităţi, caracteristici repetabile în timp,
iar acestea extrapolate pot conduce la previziuni adecvate.
Elaborarea previziunilor implica un anumit orizont de previziune; acurateţea acestora
scade odată cu creşterea orizontului de previziune. Întotdeauna previziunile sunt însoţite de
erori. Analistul trebuie să facă apel la cele mai adecvate metode, pentru datele sale. Este
indicat a se utiliza în paralel 2-3 metode, iar apoi să se comparare predicţiile. În practică este
necesară măsurarea erorilor de previziune, monitorizarea acurateţii previziunilor, şi
revizuirea previziunilor ori de câte ori apar informaţii noi. În funcţie de orizontul de
previziune, dacă datele disponibile permit, de regulă se disting: previziuni pe termen scurt
(până la un an), termen mediu (până la 5 ani), termen lung (peste 5 ani).
Tehnicile de analiză a seriilor de timp sunt foarte diverse, de la metode „naive” ce
utilizează cele mai recente observaţii ca şi previziuni, la metode statistice complexe.
Abordările tradiţionale sunt uneori subiective şi prea simplificatoare, în timp ce metodele
riguros fundamentate sunt complexe, necesitând experienţă şi o intervenţie activă a
analistului. Metodele univariate de previziune, precum cele discutate în acest capitol,
utilizeaza doar istoricul variabilei, în timp ce metodele explicative de tip modele econometrice
cuantifică şi previzionează modificările variabilei funcţie de evoluţia unor factori ce-i explică
comportamentul. Recomandăm cărţile autorilor Chatfield (2001), Newbold şi alţii (2013)
pentru o prezentare accesibila a celor mai cunoscute metode de previziune utilizate în
economie.

1. Componentele unei serii de timp

Analiza evoluţiei unei variabile în timp este întotdeauna precedată de reprezentarea sa grafică.
Graficul permite descrierea intuitivă a principalelor caracteristici ale seriei, detectarea unor:
- regularităţi, precum tendinţa sau sezonalitatea
- valori extreme, discontinuităţi
- schimbări bruşte în evoluţie, sau puncte de inflexiune.
Graficul este util pentru formularea adecvată a unui model ce descrie mecanismul de generare
al datelor, şi facilitează elaborarea de previziuni.

Cronograma

Cronograma, graficul specific seriilor de timp, se trasează într-un sistem de axe ortogonale,
coordonate carteziene uzuale (scară aritmetică, liniară) sau semilogaritmice (scară
semilogaritmică), respectiv în sistem de coordonate polare (pentru date cu sezonalitate). În
sistemul de axe ortogonale, pe axa OX se reprezintă timpul t iar pe OY valoarea
corespunzătoare a variabilei yt , rezultând cuplurile de valori (t , yt ) t  1, T . Cronograma se
obţine prin unirea punctelor corespunzătoare pentru două observaţii succesive.
În coordonate semilogaritmice, pe axa OY sunt reprezentate valorile logaritmate ale
variabilei: logaritm natural ln(Y) sau logaritm zecimal lg(Y). Se recurge la această
reprezentare de regulă atunci când variaţia datelor este mare, variabila are o tendinţă
exponenţială (prin logaritmare tendinţa devine liniară), sau prezintă interes modificarea
variabilei în cifre relative (cu câte procente %) mai degrabă decât în cifre absolute (cu câte
unităţi de măsură).
Atunci când lungimea seriei este scurtă, pentru redarea grafică a evoluţiei se
utilizează şi diagrama prin benzi sau coloane (prezentate în capitolul 1).
Graficului poate deforma însă, vizual, caracteristicile seriei.

Exemplu
Evoluţia lunară a câştigului salarial mediu net (lei) în România, perioada ianuarie 2008-iulie
2018 este redată în Figura 5.1.
Se cere: Indicaţi ce regularităţi sunt vizibile în grafic.
Figura 5.1. Evoluţia lunară a câştigului salarial mediu net
2,800

2,400

2,000

1,600

1,200

800
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Sursa datelor: Institutul Naţional de Statistică (http://www.insse.ro/)

Graficul sugerează fluctuaţii ale câştigului salarial în jurul unei tendinţe de creştere; observăm
o creşteră mai lentă ȋn prima parte a perioadei, iar începând cu anul 2015 ritmul de creştere
este mai rapid. O analiză mai atentă a graficului indică un punct de maxim local
corespunzător lunii decembrie, pentru majoritatea anilor. Fluctuaţiile câştigului salarial din
cursul anului, de la o lună la alta, au fost determinate, în principal, de acordarea unor premii,
alocări din profit sau prime acordate cu diverse ocazii, sărbători, de regulă în lunile decembrie
respectiv martie/aprilie.

Exemplu
Evoluţia zilnică a indicelui bursier BET, perioada 2.01.2002-29.01.2010, din figura 5.2, este
reprezentată grafic, atât în coordonate uzuale (aritmetice), cât şi în coordonte semilogaritmice
(pe axa OY fiind considerate valorile logaritmate ale indicelui ln(BET)).
Se cere: Analizaţi comparativ cele două grafice.

Intervalul de variaţie al indicelui este foarte larg, aproximativ între 750-10800 de puncte, ceea
ce face slab vizibilă evoluţia acestuia în perioada 2002-2004, unde indicele a crescut de la
aproximativ 750 la 4800 de puncte, (prin urmare de peste 6 ori); după cum se poate observa,
în coordonate semilogaritmice acest neajuns se elimină.

Figura 5.2. Evoluţia indicelui bursier, BET respectiv ln(BET)

BET ln(BET)
12,000 9.5

10,000 9.0

8,000 8.5

6,000 8.0

4,000 7.5

2,000 7.0

0 6.5
2002 2003 2004 2005 2006 2007 2008 2009 2002 2003 2004 2005 2006 2007 2008 2009

Sursa datelor: Bursa de valori Bucureşti (http://www.bvb.ro/)

În plus, pentru investitorii de pe piaţa de capital prezintă interes mai degrabă cu câte procente
a crescut/scăzut indicele bursier (modificarea în cifre relative) decât cu câte puncte
(modificarea în cifre absolute); pe o scară logaritmică, pe axa OY, o dublare a valorii indicelui
se reprezintă la fel, indiferent dacă este de la 50 la 100, sau de la 1000 la 2000 (deoarece
ln(2000)-ln(1000)=ln(100)-ln(50)).

Componentele unei serii de timp

Metodele tradiţionale de analiză consideră fluctuaţiile din seriile cronologice ca fiind

rezultatul suprapunerii următoarelor patru componente: tendinţa T, componenta ciclică C,
componenta sezonieră S respectiv componenta neregulată sau aleatoare I   (notată în
continuare cu I sau  ). Modelul clasic de descompunere a seriei de timp este de regulă
considerat ca fiind:
 - aditiv Yt  Tt C t St  It
- multiplicativ Yt  Tt  Ct  St  It sau
- o combinaţie mixtă a componentelor seriei (ex. Yt  Tt  Ct  St  It ).
Prin logaritmare, forma multiplicativă poate fi adusă la una aditivă
ln Yt  ln(Tt )  ln(Ct )  ln(St )  ln(It ) .
Pentru fiecare moment de timp t, valorile variabilei sunt o combinaţie a celor patru
componente. Tehnicile tradiţionale au ca scop izolarea fiecărei componente, şi prin urmare
descompunerea seriei pe componente. Componentele T, C, S se numesc şi componente
sistematice, şi pot fi prezente sau nu ȋntr-o serie de timp. Componentele C sau S pot fi
interpretate ca şi deviaţii de la tendinţă. În forma aditivă, toate cele 4 componente sunt
exprimate în aceeaşi unitate de măsură precum datele. Tendinţa şi componenta ciclică sunt
tratate uneori ca şi o singură componentă TC, ce redă evoluţia pe termen lung (spre exemplu
în contextul metodelor de desezonalizare). Componenta aleatoare este prezentă ȋn orice serie
de timp.
Definiţia dată compenentelor seriei, în cele ce urmează, este mai degrabă una intuitivă.

Tendinţa redă modificările persistente, pe termen lung, în nivelul variabilei. În cea

mai mare parte vom trata aici ceea ce în literatura de specialitate se numeşte tendinţă
deterministă; Y creşte sau scade relativ stabil în timp. În acest caz tendinţa este o funcţie
explicită de timp Yt  f (t )   t . Tendinţa se estimează utilizând o funcţie simplă Tt  f (t ) ,
liniară (Figura 5.3) sau neliniară (Figura 5.4), iar termenii seriei se îndepărtează doar temporar
de la aceasta (revin la tendinţă).
Valorie seriei de timp cu tendinţă deterministă fluctuează în jurul tendinţei; media
variabilei este variabilă funcţie de timp. Intuitiv, tendinţa poate fi observată din
cronograma seriei trasând media pentru „ferestre” formate dintr-un număr mic de observaţii
succesive (ex. 3 sau 5 observaţii), fereastră ce se deplasează de-a lungul seriei; dacă aceste
medii se modifică semnificativ în timp atunci seria are tendinţă.
Atunci când seria are tendinţă deterministă, aceasta are alura unei funcţii neperiodice,
lent variabile în timp (exemple: funcţie liniară, polinoame de grad mic, funcţie exponentială,
ş.a.), iar observaţiile fluctuează în jurul acestei funcţii. Factori cu acţiune permanentă asupra
variabilei imprimă, pentru un numar mare de perioade succesive de timp, o tendinţă
crescătoare/descrescătoare.
Figura 5.3 redă evoluţia trimestrială a PIB real (milioane lei; preţuri medii ale anului
2000), ȋn Romania, perioada trim I 2010- trim II 2018; este trasat, de asemenea, graficul
tendinţei liniare.
 Figura 5.3. Evoluţia trimestrială a PIB real, în România
44,000

40,000

36,000

32,000

28,000

24,000

20,000
2010 2011 2012 2013 2014 2015 2016 2017 2018

PIB real Tendinta liniara

In figura 5.4 este redată evoluţia anuală a ratei daunei ȋn asigurările generale, ȋn SUA,
perioada 1951-2011. Variabila prezintă o tendinţă neliniară.

Figura 5.4. Evoluţia ratei daunei în asigurările generale, în SUA

.90

.85

.80

.75

.70

.65

.60

.55
1960 1970 1980 1990 2000

Rata daunei Tendinta neliniara

Sursa datelor: Best’s Aggregates & Average (www.ambest.com/)

Menţionăm că majoritatea variabilelor din economie nu au tendintă deterministă, ȋnsă

uneori aceasta poate fi aproximată, pe termen scurt, printr-o tendintă deterministă. De regulă
variabilele au o tendinţă (nestaţionalitate) de natură stochastică. Observaţiile nu revin la o
funcţie netedă de timp f (t ) , ci au salturi, în timp, aparent nepredictibile.
Evoluţia indicelui BET din Figura 5.2 este un exemplu de serie cu tendinţă
stochastică. Exemplul tipic de variabilă cu tendinţă stochastică/aleatoare este modelul de tip
mers aleator, ce constă într-o succesiune de „paşi” aleatori Yt  Yt 1   t , unde  t este o
succesiune de variabile aleatoare independente; în acest caz variaţiile variabilei de o perioadă
la alta Yt  Yt  Yt 1   t se comportă ca o succesiune de variabile nepredictibile (variaţiile de
la o perioada la alta sunt nepredictibile). Tendinţă stochastică nu va fi studiată în prezentul
capitol, deoarece necesită noţiuni suplimentare.

Când datele fluctuează în jurul unei valori constante, variabila nu are tendinţă, şi
spunem că este staţionară relativ la medie (Figura 5.5).
 Figura 5.5. Evoluţia lunară a ratei inflaţiei, în Zona Euro EU15
3.0

2.8

2.6

2.4

2.2

2.0

1.8

1.6

1.4
2000 2001 2002 2003 2004 2005 2006 2007

Rata inflatiei Media

Sursa datelor: Eurostat (https://ec.europa.eu/eurostat)

Componenta ciclică este observabilă analizând, ca şi în cazul tendinţei, evoluţia

variabilei pe termen lung (câteva decenii), şi se manifestă sub forma unor oscilaţii, pe termen
lung, în jurul tendinţei. Un ciclu acoperă mai mulţi ani (cel puţin 2 ani), ciclurile sunt de
lungime diferită, şi cu amplitudine variabilă în timp, ceea ce le face dificil de previzionat.
Datele din economie sunt afectate, pe termen lung, de ciclurile de afaceri. Cicluri de afaceri
sunt observabile, la nivel macroeconomic, în evoluţia unor indicatori de rezultate (ex. PIB
real, producţia industrială) sau a gradului de ocupare (rata şomajului).
Ciclurile de afaceri constau în succesiunea unor perioade de prosperitate (expansiune),
recesiune (contracţie), relansare a activităţii economice, şi sunt determinate de modificări ale
mediului economic. În perioadele de recesiune valorile variabilei sunt situate sub tendinţa pe
termen lung, iar în cele de prosperitate peste tendinţă.
Există însă anumite specificităţi şi la nivelul sectoarele economiei; într-un sector
punctele de întoarcere (inflexiune) pot fi altele decât cele de la nivel agregat. Ciclicitatea este
prezentă în diverse alte serii de timp, un exemplu fiind evoluţia ratei daunei în asigurările
generale, din Figura 5.4, unde se observă cum componenta ciclică fluctuează în jurul
tendinţei.
Figura 5.6 indică evoluţia trimestrială a produsului intern brut (PIB) real (milioane lei;
preţuri medii ale anului 2000), pentru perioada 2000 trimestrul I - 2018 trimestrul II; datele au
fost desezonalizate.
Graficul sugerează prezenţa tendinţei şi a componentei neregulate. Observăm o
tendinţă de creştere până în trimestrul III din 2008, urmând apoi o scădere bruscă (ruptură în
tendinţă), urmare a crizei economico-financiare; în trimestrul I din 2009 valoarea PIB-ului a
scăzut cu 21.8% faţă de trimestrul III din 2008. Începând cu trimestrul I 2010 PIB-ul ȋşi reia
tendinţa de creştere. Evoluţia PIB conţine ȋnsă şi o componentă ciclică (ciclurile de afaceri din
economie sunt studiate pe evoluţia PIB-ului), aceasta nefiind însă clar vizibilă din grafic. La o
analiză mai atentă sunt vizibele abateri de la o formă netedă a trendului, ce sunt atribuite
componentei ciclice sau aleatoare. Pentru separarea şi vizualizarea componentei ciclice sunt
necesare instrumente statistice specifice (nefiind suficient doar graficul).
 Figura 5.6. Evoluţia trimestrială a PIB-ului, în România (date desezonalizate)
40,000

36,000

32,000

28,000

24,000

20,000

16,000
2000 2002 2004 2006 2008 2010 2012 2014 2016 2018

Sursa datelor: Institutul Naţional de Statistică (http://www.insse.ro/)

In Figura 5.7 redăm componenta ciclică separată din seria anterioară. Observam următoarele
cicluri mari din economia României: 2000-2005 (5 ani; recesiunea ȋncepe ȋn 2002 trim I),
2006-2010 (4 ani; recesiunea ȋncepe ȋn 2008 trim II), 2011-2016 (5 ani; recesiunea ȋncepe ȋn
2013 trim III).

Figura 5.7. Componenta ciclică din evoluţia PIB, în România

2,000

1,500

1,000

500

-500

-1,000

-1,500
2000 2002 2004 2006 2008 2010 2012 2014 2016 2018

Sursa datelor: Institutul Naţional de Statistică

Componenta sezonieră se manifestă sub forma unor oscilaţii cu aspect de

regularitate ce acoperă o perioadă mai mică sau egală cu un an. Apare în principal datorită
ritmului impus de schimbarea anotimpurilor dar şi de activităţi economice, respectiv sociale
(sărbători, vacanţe, obiceiuri, tradiţii, regularităţi în plata salariilor, etc.). Caracterul sezonier
este observabil pe serii de date cu frecvenţă subanuală, de regulă trimestrială, lunară,
săptămânală, zilnică.
În Figura 5.8 este redată evoluţia lunară, perioada ianuarie 2004-august 2018, a
sosirilor în unităţi de cazare turistică (număr de turişti), în România.
Variaţia din date este dominată de componenta sezonieră S, aceasta suprapunându-se
peste tendinţă T; componenta neregulată este prezentă ȋn orice serie de timp. Fluctuaţiile
sezoniere dau o alură de periodicitate graficului. Un ciclu sezonier acoperă cele 12 luni dintr-
un an, numărul turiştilor fiind sistematic mai mare în lunile de vară din fiecare an; valorile
maxime se ating de regulă în luna august, iar cele minime în decembrie sau ianuarie.
 Figura 5.8. Numărul de sosiri în unităţile de cazare turistică
350,000

300,000

250,000

200,000

150,000

100,000

50,000
2004 2006 2008 2010 2012 2014 2016 2018

Sursa datelor: Eurostat (https://ec.europa.eu/eurostat)

Printre multe alte exemple de variabile cu sezonalitate, amintim cifra de afaceri a unei
societăţi din construcţii, sau vânzările de îngheţată; acestea prezintă regularităţi, repetabile de
la un an la altul (sunt de regulă mai mari în lunile de vară respectiv mai mici în cele de iarnă).
Consumul de electricitate, vânzările de articole sportive specifice sezonului de iarnă sunt mai
mari în lunile de iarnă. Vânzările pentru majoritatea produselor alimentare sau nealimentare
(ex. jucării, îmbracăminte) sunt sistematic mai mari în preajma sărbătorilor. Magazinele de
papetărie au vânzări semnificativ mai mari odată cu începerea anului şcolar.
Spre deosebire de componenta ciclică, unde un ciclu acoperă o perioadă de câţiva ani,
în cazul componentei sezoniere un ciclu acoperă un an (ȋn cazul datelor lunare sau
trimestriale), sau o perioadă mai scurtă (spre exemplu o săptămână, dacă datele sunt zilnice).
Prezenţa acestei componente este vizibilă în graficul seriei, prin oscilaţii repetabile (graficul
are alura unei funcţii periodice). Sezonalitatea nu poate fi observată pe date cu frecvenţă
anuală.
Tehnicile de desezonalizare facilitează izolarea şi eliminarea componentei sezoniere
din serie.

Componenta neregulată este efectul acţiunii asupra lui Y a unei multitudini de

factori ce determină abateri, pe termen scurt, de la componentele sistematice; are
comportamentul unei variabile aleatoare. Aceste variaţii nu pot fi explicate prin T, C sau S.
Componenta neregulată descrie variaţiile din date după ce au fost extrase (dacă sunt prezente)
efectele sistematice manifestate prin tendintă, sezonalitate respectiv ciclicitate; prin urmare
I  Y  (T  C  S ) în cazul modelului aditiv, respectiv I  Y /(T  C  S ) la modelul
multiplicativ. Graficul acesteia va fluctua în jurul lui zero, în cazul modelului aditiv, respectiv
în jurul lui 1 pentru modelul multiplicativ.
Componenta neregulată se manifestă prin fluctuaţii aparent aleatoare, în jurul unei
valori constante; graficul ei este paralel cu axa OX. Această componentă este prezentă în toate
seriile cronologice, în timp ce o serie poate prezenta sau nu tendinţă, variaţie ciclică sau
sezonieră.
Componenta neregulată este rareori nepredictibilă, pe termen scurt, fiind prezente şi
aici anumite regularităţi sub forma corelaţiilor dintre valorile succesive. Chiar dacă seria nu
pare să aibă tendinţă sau alte componente sistematice, valorile din perioada curentă sunt
frecvent corelate cu valorile din perioadele anterioare (variabila Yt este corelată cu variabila
Yt k aferentă perioadei t  k ); aceste autocorelaţii pot fi exploatate pentru generarea de
previziuni. Inerţia se manifestă în evoluţia variabilelor din economie. Spre exemplu, rata
inflaţiei din Figura 5.5 este predictibilă chiar daca nu are tendinţă. Modelele de previziune
utile în acest caz, precum cele de tip autoregresiv-medie mobile (ARMA), necesită noţiuni
suplimentare celor discutate în prezentul capitol.

Exemplu
Componentele seriei nu sunt întotdeauna vizibile în corelogramă. Tehnicile statistice discutate
în paragrafele următoare facilitează descompunerea variaţiei din date pe cele trei componente:
componenta pe termen lung tendinţa-ciclu TC, S, I. Pentru seria ce redă evoluţia numărului de
sosiri în unităţile de cazare turistică, din Figura 5.8, cele trei componente TC, S, I sunt redate
în Figura 5.9; tendinţa şi componenta ciclică sunt considerate aici ca fiind o singură
componentă, numită componenta pe termen lung.
Se observă o relativă stagnare până ȋn 2008, urmată de o tendinţă locală de scădere pe
fondul crizei economice, respectiv o tendinţa de creştere ȋncepând cu anul 2010. Componenta
sezonieră măsoară deviaţiile de la trend (tendinţă) aferente fiecărei luni; spre exemplu în luna
august numărul turiştilor este peste trend cu aproximativ 50% (indicele ce măsoară abaterea
de la trend este 1.5), iar în ianuarie numărul turiştilor este sub trend cu 40% (indicele ce
măsoară abaterea de la trend este 0.6).

Figura 5.9. Numărul de sosiri în unităţile de cazare turistică– descompunerea seriei pe

componente

Numar turisti Tendinta si componenta ciclica (TC)

350,000 240,000

300,000
200,000
250,000

200,000 160,000

150,000
120,000
100,000

50,000 80,000
2004 2006 2008 2010 2012 2014 2016 2018 2004 2006 2008 2010 2012 2014 2016 2018

Componenta sezoniera (S) Componenta neregulata (I)

180 105

160
100
140

120 95

100 90
80
85
60

40 80
2004 2006 2008 2010 2012 2014 2016 2018 2004 2006 2008 2010 2012 2014 2016 2018
 Evidenţierea componentelor sistematice T, C, S este dependentă de perioada supusă
observării, respectiv de frecvenţa observaţiilor. De regulă în cronograma seriei sunt vizibile
tendinţa şi sezonalitatea. Componenta ciclică nu este vizibilă atunci când seria este dominată
de tendinţă, fiind necesară separarea acesteia utilizând metode statistice specifice (de tip
filtre).

2. Indicatori specifici seriilor de timp

Pentru analiza preliminară a evoluţiei unei variabile, se calculează variaţiile acesteia în timp.
Pot prezenta interes, spre exemplu, variaţiile faţă de o perioadă de referinţă sau faţă de
perioada anterioară. De asemenea, se determină variaţia medie de la perioadă la alta.

2.1. Indicatori absoluţi şi indicatori relativi

Considerăm o seria cronologică, ce redă evoluţia variabilei Y:

 1 2 ... t ... T 
Y :  .
 y1 y 2 ... yt ... yT 

In cele ce urmează, pentru a se evita utilizarea unor expresii ca şi indice, y t se va nota uneori
cu y(t ).

Diferenţa absolută: Y  yt  y j  y(t )  y( j )

t/ j

se calculează ca diferenţă dintre nivelul variabilei în perioada t şi cel din perioada de

comparaţie j. Se exprimă în aceeaşi unitate de măsură precum variabila, şi ne arată cu câte
unităţi de măsură s-a modificat variabila Y în perioada t faţa de perioada j. O valoare tY/ j  0
indică o creştere, iar tY/ j  0 o scădere a lui Y în perioada t faţă de perioada de referinţa (sau
perioada bază de comparaţie) j.
yt
Indicele: I Y 
t/ j
yj

yt
respectiv I Yt / j (%)  .100 dacă indicele se exprimă în procente
yj

se calculează ca raport dintre nivelul variabilei în perioada t şi cel din perioada de referinţă j.
Indicele indică de câte ori, respectiv în ce proporţie se modifică Y, în perioada t faţa de j;
dacă indicele este supraunitar I  1 atunci s-a înregistrat o creştere, iar I  1 indică o scădere,
în perioada t faţa de perioada de referinţă j.
yt  y j ty/ j
Diferenţa relativă (ritm): RYt / j    I Yt / j  1
yj yj
yt  y j
sau RYt / j (%)  .100  ( I Yt / j  1)  100 când aceasta se exprimă
yj
în procente. O valoare pentru R  0 indică o creştere, în timp ce R  0 o scădere. De regulă se
interpretează diferenţa relativă în forma procentuală RYt / j (%) , şi indică cu câte procente s-a
modificat Y în perioada t faţă de perioada de comparaţie j.

Variaţiile lui Y pot fi organizate sub forma unor serii de timp derivate, numite serii cu
bază fixă respectiv cu bază în lanţ:
- serii cu bază fixă când baza de comparaţie rămâne aceeaşi ( „1”):
 1 2 ... t ... T 
ty/ 1 :  
 0 2y/ 1 ... ty/ 1 ... Ty/ 1 

 1 2 ... t ... T 
I ty/ 1 :  
 1 I y2 / 1 ... I ty/ 1 ... I Ty / 1 

 1 2 ... t ... T 
R ty/ 1 :  
 0 R y2 / 1 ... R ty/ 1 ... R Ty / 1 
- serii cu bază în lanţ, atunci când baza de comparaţie constă în perioada
precedentă:
 1 2 ... t ... T 
ty/ t 1 :  
  2y/ 1 ... ty/ t 1 ... Ty/ T 1 

 1 2 ... t ... T 
I ty/ t 1 :  
  I y2 / 1 ... I ty/ t 1 ... I Ty / T 1 

 1 2 ... t ... T 
R ty/ t 1 :  
  R y2 / 1 ... R ty/ t 1 ... R Ty / T 1 

Între cele două tipuri de diferenţe absolute, cu baza fixă respectiv în lanţ, există relaţii
de legătură, ce ne permit exprimarea unora în funcţie de celelalte. Astfel, însumând
diferenţele absolute cu baza în lanţ se obţin diferenţele absolute cu baza fixă:
2y/ 1  3y/1  ...  ty/ t 1  ty/ 1
2y/1  2y/1  ...  ty/ t 1  y(2)  y(1)  y(3)  y(2)  ...  y(t )  y(t  1)  ty/1
respectiv scăzând diferenţele succesive cu bază fixă obţinem diferenţele cu bază în lanţ:
ty/1  ty1/1  ty/ t 1

ty/1  ty1/1  y(t )  y(1)  [ y(t  1)  y(1)]  y(t )  y(t  1)  ty/ t 1

Între cele două tipuri de indici există de asemenea relaţii de legătură. Produsul
indicilor cu bază în lanţ este egal cu indicele cu bază fixă:
.I y2 /1. I 3y / 2 ... .I ty/ t 1  I ty/1
 y(2) y(3) y(t ) y(t )
I y2 / 1 .I 3y / 2 ... .I ty/ t 1  . . ....   I ty/ 1
y (1) y(2) y(t  1) y(1)

respectiv prin raportul a doi indici succesivi cu bază fixă se obţine un indice cu bază în lanţ:
I ty/1 : I ty1/1  I ty/ t 1

y(t ) y (t  1) y (t )
I ty/ 1 : I ty1/ 1  :   I ty/ t 1
y(1) y (1) y(t  1) .
Exemplu
Fie seria de timp ce redă evoluţia anuală a numărului de locuinţe noi date în folosinţă (mii
locuinţe), în perioada 2005-2013:
 2005 2006 2007 2008 2009 2010 2011 2012 2013
Y :  
 32.9 39.6 47.3 67.3 62.5 48.9 45.4 44.0 43.6 
Sursa datelor: Institutul Naţional de Statistică
Se cere: Calculaţi şi interpretaţi: a) indicatorii absoluţi şi relativi, cu bază fixă, b) indicatorii
absoluţi şi relativi cu bază în lanţ

a) Indicatorii cu bază fixă măsoară variaţia faţă de nivelul înregistrat în anul 2005.

Diferenţele absolute cu bază fixă  y  y(t )  y(2005) :

t / 2005

 2005 2006 2007 2008 2009 2010 2011 2012 2013 

ty/ 1 :  
 0 6.7 14.4 34.4 29.6 16.0 12.5 11.1 10.7 

2008
y
/ 2005
 y(2008)  y(2005)  67.3- 32.9  34.4

2013
y
/ 2005
 y(2013)  y(2005)  43.6 - 32.9  10.7
În anul 2008 comparativ cu 2005 numărul de locuinţe date în folosinţă este mai mare
cu 34.4 mii locuinţe, în timp ce în 2013 s-au construit mai mult cu 10.7 mii locuinţe decât în
2005.
y(t )
Indicele cu bază fixă: I Yt / 2005 
y(2005)

 2005 2006 2007 2008 2009 2010 2011 2012 2013 

I yt / 1 :  
 1 1.20 1.44 2.04 1.90 1.49 1.39 1.34 1.32 
y(2008) 67.3
I Y2008 / 2005    2.04
y(2005) 32.9
y(2008) 67.3
IY2008/ 2005(%)  100  100  204%.
y(2005) 32.9
Numărul locuinţelor date în folosinţă este mai mare de 2.04 ori în 2008 faţă de 2005,
sau în 2008 comparativ cu 2005 numărul locuinţelor a crescut în proporţie de 204%.
 Diferenţa relativă cu bază fixă: RYt / 2005 (%)  ( I Yt / 2005  1)  100
 2005 2006 2007 2008 2009 2010 2011 2012 2013
R yt / 1 :  
 0 20% 44% 104% 90% 49% 39% 34% 32% 
RY2008 / 2005 (%)  ( I Y2008 / 2005  1)  100  (2.04  1)  100  104%

RY2013 / 2005 (%)  ( I Y2013 / 2005  1)  100  (1.32  1)  100  32%

În 2008 faţa de 2005 numărul locuinţelor terminate este cu 104% mai mare, iar în
2013 cu 32% mai mare decât în 2005.
Numărul locuinţelor noi este în fiecare an mai mare decât în 2005, dar ritmul de
creştere a încetinit semnificativ începând cu anul 2009.

b) Indicatorii cu bază în lanţ măsoară variaţia faţă de anul precent.

t / t 1
Diferenţele absolute cu bază în lanţ:  y  y(t )  y(t  1)

 2005 2006 2007 2008 2009 2010 2011 2012 2013 

ty/ t 1 :  
  6.7 7.7 20.0  4.8  13.6  3.5  1.4  0.4 

2008
y
/ 2007
 y(2008)  y(2007)  67.3- 47.3  20.0

2010
y
/ 2009
 y(2010)  y(2009)  48.9 - 62.5  13.6
În anul 2008 comparativ cu 2007 numărul de locuinţe terminate este mai mare cu 20
mii locuinţe, în timp ce în 2010 s-au construit mai puţine cu 13.6 mii locuinţe decât în 2009.

Indicii cu bază în lanţ: I ty/ t 1  y(t )

y (t  1)

 2005 2006 2007 2008 2009 2010 2011 2012 2013 

I ty/ t 1 :  
  1.20 1.19 1.42 0.93 0.78 0.93 0.97 0.99 
y(2008) 67.3
I Y2008 / 2007    1.42
y(2007) 47.3
y(2010) 48.9
I Y2010 / 2009 (%)   100   100  78%
y(2009) 62.5

Numărul locuinţelor date în folosinţă este mai mare de 1.42 ori în 2008 comparativ cu
2007. În 2010 faţă de 2009 numărul locuinţelor a scăzut la 78% .

Diferenţa relativă cu bază în lanţ: RYt / t 1 (%)  ( I Yt / t 1  1)  100

  2005 2006 2007 2008 2009 2010 2011 2012 2013 
R yt / t 1 :  
 0 20% 19% 42%  7%  22%  7%  3%  1% 
RY2008 / 2007 (%)  ( I Y2008 / 2007  1)  100  (1.42  1)  100  42%

RY2010 / 2009 (%)  ( I Y2010 / 2009  1)  100  (0.78  1)  100  22%

În 2008 faţă de 2007 numărul locuinţelor terminate este cu 42% mai mare, iar în 2010
comparativ cu 2009 numărul locuinţelor este mai mic cu 22%.
Începand cu anul 2009 numărul locuinţelor noi este mai mic decât în anul anterior.

2.2. Indicatori medii

Când datele au o tendinţă vizibilă de creştere/scădere, variaţia medie de la o perioadă la alta

se măsoară cu indicatori medii: indicele mediu, ritmul mediu respectiv diferenţa medie
absolută. Indicatorii medii pot fi utilizaţi pentru generarea de previziuni.

Indicele mediu
Indicele mediu indică de câte ori ( I y ) sau proporţia în care ( I y x100), s-a modificat în
medie variabila Y de la o perioadă de timp la alta.

Pentru calculul indicelui mediu se pot utiliza metoda autoregresivă sau metoda
exponenţială. De asemenea, menţionăm că baza exponentului din tendinţa exponenţială,
studiată în paragraful 5.4, poate fi interpretată ca o estimaţie a indicelui mediu.

a) Metoda autoregresivă
Presupunem a termenii seriei se obţin din valoarea precedentă, prin adăugarea unei
valori nepredictibile  t : yt  a  yt 1   t , t  2, 3,..., T . Indicele mediu, notat cu I y , este
coeficientul a din ecuaţia anterioară:
yt  I y  yt 1   t , t  2, 3,..., T .
Utilizând metoda celor mai mici pătrate pentru estimarea coficientului I y , din condiţia:
S
S ( I y )  min  0
I y
unde
T T
S ( I y )    t2   ( yt  I y  yt 1 ) 2
t 2 t 2
se obţine următoarea expresie de calcul a indicelui mediu:
 T
 yt 1  yt
t 2
Iy  T
.
 yt21
t 2
b) Metoda exponenţială
Presupunem că indicii cu bază în lanţ sunt aproximativ egali:
I y2 /1  I 3y / 2  ...  I Ty / T 1  I y , valoarea comună acestora fiind indicele mediu. Având în
vedere că I yk / k 1  y k / y k 1 se obţin următoarele relaţii:
y 2  y1  I y
y3  y 2  I y  y1  ( I y ) 2
………………………
yT  yT 1  I y  y1  ( I y )T 1
Din ultima relaţie rezultă următoarea relaţie de calcul a indicelui mediu:
yT
I y  T 1 .
y1
Indicii cu bază în lanţ sunt aproximativ egali atunci cănd seria are o tendinţă exponenţială,
prin urmare această relaţie de calcul este adecvată dacă seria are o tendinţă exponenţială.

Ritmul mediu R y se determină pornind de la indicele mediu:

R y  I y  1 sau R y (%)  ( I y  1) 100 .
Forma procentuală R y (%) , utilizată frecvent, indică cu câte % s-a modificat în medie Y de la
o perioadă de timp la alta.

Diferenţa absolută medie

Diferenţa absolută medie  y măsoară cu câte unităţi de măsură s-a modificat în medie Y de la
o unitate de timp la alta, de-a lungul perioadei analizate.
Pornim de la ipoteza conform căreia fiecare observaţie se obţine din precedentă, la
care se adaugă o valoare constantă, notată cu  y , şi o valoare nepredictibilă  t :
yt   y  yt 1   t , t  2, 3,...., T

T
Metoda celor mai mici pătrate, respectiv condiţia   t2  min, sau
t 1
T T S
S ( y )    t2   ( yt   yt 1   y ) 2  min conduce, din condiţia 0 la calcul
t 2 t 2  y
diferenţei medii absolute ca o medie a diferenţelor cu bază în lanţ:
T T
  yt  yt 1   ty/ t 1
t 2 t 2
y  
T 1 T 1
sau echivalent:
 yT  y1
y  .
T 1
Diferenţa medie absolută este o noţiune ce implică o evoluţie, a variabilei Y, aproximativ
liniară, pe parcursul perioadei considerate. Menţionăm căci panta dreptei de tendinţă,
discutată în paragraful următor, poate fi interpretată ca şi diferenţă medie absolută.

Previziuni utilizând indicatori medii

Notăm prin YˆT  h previziunea realizată la momentul T pentru orizontul de timp h. În ipoteza
menţinerii ritmului istoric de creştere/scădere şi în perspectivă, previziunea, efectuată la
momentul T, pentru nivelul înregistrat peste h unităţi de timp este:
yˆT  h  yT  ( I y )h , când utilizăm indicele mediu
respectiv
yˆT  h  yT  h   y , pe baza diferenţei medii absolute.
Valoarea anticipată pentru mărimea Y, la momentul T, şi pentru orizontul de timp h, este
adecvată în ipoteza menţinerii, şi în perspectivă, a comportamentului din perioada pentru care
s-au calculat indicatorii medii.

Exemplu
Se cunoaşte populaţia judeţului Cluj la ultimele două recensăminte:

Recensământ 2002 2011

Nr. populaţie (mii loc.) 702.7 691.1
Sursa datelor: Institutul Naţional de Statistică
Se cere: a) Cu câte procente s-a modificat în medie anual numărul populaţiei?
b) Previzionaţi numărul populaţiei pentru anul 2015, utilizând indicele mediu, dacă se
menţinere ritmului din perioada 2002-2011.

a) În ipoteza unei evoluţii exponenţiale a populaţiei pe parcursul perioadei 2002-2011,

indicele mediu anual determinat prin metoda exponenţială este:
y 2011 9 691.1
Iy  I y  9   0.99815
y 2002 702.7
Ritmul mediu:
R y (%)  ( I y  1) 100  0.185%
În perioada 2002-2011, populaţia judeţului Cluj a scăzut în medie anual cu 0.185%.

b) Dacă acest ritm de scădere a numărului populaţiei se menţine până în 2015,

populaţia judeţului Cluj ajunge la:
yˆ 2015  y2011  ( I y )4  691.1 ( I y )4  686.0 mii locuitori.
Exemplu
Cifra de afaceri a unei societăti comerciale a scăzut, începând cu anul 2012:

An 2012 2013 2014 2015 2016 2017

Cifra de afaceri 136 107 67 42 28 22
(mil. lei)
Se cere: a) Calculaţi şi interpretaţi indicele mediu anual şi ritmul mediu. Se va utiliza metoda
autoregresivă.
b) Previzionaţi cifra de afaceri pentru anul 2018, utilizând indicele mediu, dacă se menţine
comportamentul din perioada 2012-2017.

a) Indicele mediu anual:

6
 yt 1  yt 107  136  67  107  42  67  28  42  22  28
t 2
Iy    0.712
6
136 2  107 2  67 2  42 2  28 2
 yt21
t 2

Ritmul mediu:

R y (%)  ( I y  1) 100  28.8% .

Cifra de afaceri a scăzut în medie anual, în perioada 2012-2018, cu 28.8%.

b) Cifra de afaceri anticipată pentru anul 2018, utilizând indicele mediu:

̂ ̄ ̄ mii lei.

Exemplu
Numărulul locuinţelor noi date în folosinţă (mii locuinţe), în perioada 2000-2008 a înregistrat
o tendinţă de creştere rapidă:

An 2000 2001 2002 2003 2004 2005 2006 2007 2008

Număr locuinţe 26.4 27.0 27.7 29.1 30.1 32.9 39.6 47.3 67.3
(mii)
Sursa datelor: Institutul Naţional de Statistică.

Se cere: a) Cu câte mii (locuinţe) a crescut în medie anual numărul locuinţelor noi?
b) Previzionaţi numărul locuinţelor noi pentru anul 2010, utilizând diferenţa medie, dacă se
menţinere evoluţia crescătoare din perioada 2000-2008. Comparaţi cu valoarea reală
înregistrată în acest an, aceasta fiind 48.9 (mii locuinte).

Rezolvare:

a) Diferenţa medie anuală:

 y 2008  y 2000 67.3  26.7
y    5.11 mii
9 1 8
indică o creştere medie de la un an la altul cu 5.11 mii locuinţe.

b) În poteza menţinerii tendinţei de creştere din perioada 2000-2008, valoarea anticipată

pentru anul 2010 este:
yˆ 2010  y2008  2   y  67.3  2  5.11  77.52
Valoarea înregistrată în 2010 este de 48.9 mii, valoare mult mai mică decât cea previzionată.
Urmare a apariţiei unui eveniment neaşteptat, la sfărşitul anului 2008, cu impact semnificativ
asupra economiei, şi activitatea din domeniul construcţiilor a înregistrat o scădere
semnificativă.