Capitolul 4 – Modelarea şi simularea fenomenelor de piaţă

Capitolul 4
Modelarea fenomenelor de piaţă

4.1 Modelarea evoluţiei cererii pe piaţă

Cunoaşterea cerinţelor pieţei şi anticiparea acestora constituie

una din premisele care stau la baza întocmirii programului de
producţie într-o întreprindere, prospectarea pieţei reprezentând un
proces complex care se referă atât la aspecte cantitative cât şi
calitative. În cercetările specifice de prospectare a pieţei se folosesc,
atât date statistice privind evoluţia cererii şi ofertei de produse pe
diferitele pieţe, cât şi informaţii culese direct de pe piaţă, din
confruntarea cererii şi ofertei.
În cadrul acestor modele vom analiza raportul cerere-preţ şi
raportul cerere-venit.

4.1.1 Modelarea evoluţiei cererii pe piaţă în funcţie de

raportul cerere-preţ

Teoria cantitativă a cererii porneşte de la următoarele ipoteze:

(a) în cazul unui venit constant, cererea pentru o anumită
marfă scade odată cu creşterea preţului şi invers. Această ipoteză
permite formularea unor modele numerice cu care să se previzioneze
creşterea sau scăderea cererii, în cazul reducerii sau creşterii preţului,
într-o proporţie definită. Sensibilitatea cererii la modificările de preţ,
arată cu cât la sută se modifică, în sens invers, cererea unui bun dacă
preţul său se modifică cu 1%. Elasticitatea cererii funcţie de preţ se
determină cu ajutorul relaţiei 4.1. de mai jos.

Ec/p = ( ∆C / C0 ) / ( ∆P / P0 ) (4.1.)
unde:
∆C şi ∆P reprezintă sporul cererii respectiv al preţului în două
perioade de referinţă

(b) în cazul în care venitul este variabil, cererea unui bun

creşte odată cu creşterea venitului şi scade cu creşterea preţului. Dacă
31
Capitolul 4 – Modelarea şi simularea fenomenelor de piaţă

presupunem, pentru fiecare nivel al venitului, existenţa unei funcţii ƒv

a cererii, atunci cererea în funcţie de venit poate fi reprezentată cu
ajutorul relaţiei nr. 4.2.

C i = ƒv ( P j ) (4.2.)

Modificările posibile ale cererii vor putea fi reprezentate prin

mai multe curbe ale cererii succesive, în funcţie de nivelul preţului.

Figura nr. 4.1. - Raportul cerere - preţ

4.1.2 Modelarea evoluţiei cererii pe piaţă în funcţie de

raportul cerere-venit

Dacă preţul este menţinut constant, cererea pentru un anumit

bun poate fi descrisă ca o funcţie a venitului exprimată cu ajutorul
relaţiei nr. 4.3.
Coeficientul de elasticitate a cererii în funcţie de venit arată
creşterea procentuală a cererii, atunci când venitul creşte cu 1%.

Ec/v = ∆V / V0 (4.3.)

Modificările preţurilor, în două perioade de timp, determină

deplasarea curbei cererii. În literatura de specialitate curbele care
exprimă dependenţa dintre cerere şi venit sunt cunoscute sub
denumirea de curbe Engel. Dependenţa cererii de venit poate fi
exprimată, în principal, prin următoarele tipuri de funcţii:
(a) în cazul bunurilor de strictă necesitate, dependenţa
cererii în funcţie de venit (C1), arată că pe măsura creşterii veniturilor,

32
Capitolul 4 – Modelarea şi simularea fenomenelor de piaţă

cererea pentru aceste bunuri creşte într-o proporţie mai slabă, tinzând
să se plafoneze. Dependenţa dintre venit şi cerere, în acest caz, poate
fi exprimată sub forma unei curbe exponenţiale cu plafonare. Curba
cererii, folosind relaţia nr. 4.4.

C 1 = ( m 1 * b ) / ( V + n1 ) (4.4.)

Figura nr. 4.2. - Raportul cerere – venit în cazul bunurilor de

strictă necesitate

(b) în cazul bunurilor de consum curent, curba cererii (C2)

prezintă aproximativ aceeaşi dependenţă cerere / venit, ca şi în cazul
C1, deoarece are un prag de saturaţie (la nivelul lui m2), ceea ce
înseamnă că la creşteri din ce în ce mai mari ale veniturilor curba
cererii tinde către plafonul m2.

C2 = [ m2 ( V – P2 ) ] / ( V + n2 ) (4.5.)

Figura nr. 4.3. - Raportul cerere – preţ în cazul bunurilor de

consum curent

33
Capitolul 4 – Modelarea şi simularea fenomenelor de piaţă

(c) în cazul bunurilor de lux, cererea acestor produse,

creşte continuu pe măsura creşterii veniturilor. Curba cererii
(C3) se prezintă ca o asimptotă oblică spre +∞ la ramura Ox.

C3 = [ m3 * V ( V – P3 ) ] / ( V + n3 ) (4.6.)

Figura nr. 4.4. - Raportul cerere – preţ în cazul bunurilor de lux

(d) în cazul bunurilor, care pentru un anumit nivel al

veniturilor sunt scoase din uz, cererea prezintă la început o creştere,
atinge un maxim, după care începe să scadă către zero, ceea ce
înseamnă că pentru venituri din ce în ce mai mari, nu există cerere
pentru astfel de produse.

4.2 Modelarea structurii oferite întreprinderilor pe piaţă

4.2.1 Indicatorii ofertei de mărfuri

Principalii indicatori ai ofertei sunt: cantitatea de produse

existentă la un moment dat; valoarea produselor; structura pe categorii
de produse; durata de aşteptare a produselor pe piaţă pentru a fi
vândute; frecvenţa solicitării produselor de către consumatori; vârsta
produselor; şansa de supravieţuire a produselor pe piaţă;
competitivitatea.
Oferta de mărfuri trebuie tratată în profil static şi dinamic,
pentru a putea fi surprinsă atât la un moment dat cât şi în mişcare, cu
implicaţiile ce le atrage prezenţa sa asupra procesului economic în
complexitatea lui. Creşterea cantitativă, ridicarea calitativă,
diversificarea sortimentală, înnoirea produselor în timp, reprezintă
34
Capitolul 4 – Modelarea şi simularea fenomenelor de piaţă

principalii parametri ce caracterizează dinamica ofertei de mărfuri.

Fiecărui produs din masa globală a ofertei i se poate individualiza
relativ uşor vârsta, pornind de la momentul primei sale apariţii pe
piaţă. La un anumit moment dat (analizată static), oferta cuprinde
produse cu vârste foarte diferite, ea având vârsta medie ( simplă sau
ponderată ) a vârstei produselor care o compun.
Viaţa produselor pe piaţă cunoaşte etapele de: lansare, creştere,
maturitate şi declin. Curba vânzărilor arată caracterul progresiv al
penetraţiei produsului în consum, stabilitatea relativă din perioada de
maturitate, precum şi concurenţa pe care produsele noi o fac celor
vechi, sfârşind prin eliminarea acestora de pe piaţă.

4.2.2 Modelarea evoluţiei ponderii pe piaţă a unor produse

concurenţiale (lanţurile Markov)
4.2.2.1. Definiţie
Procesele Markov sunt procese stocastice care modelează
situaţiile în care tranziţia între diverse stări nu este deterministă ci
probabilistică, fiind caracterizată prin aceea că probabilitatea de
tranziţie la o stare succesivă, depinde exclusiv de starea actuala.
Fie doi jucători A şi B care decid sa joace cu o monedă,
probabilitatea sa iasă cap (p) şi pajură (1-p). Cu (a) şi (b) vom nota
capitalurile iniţiale a celor doi jucători A şi B.
Dorind să modelăm procesul de variaţie a capitalurilor între cei
doi jucători, decidem capitalul lui A, poate sa varieze între
următoarele limite: 0 în cazul în care pierde şi (a+b) cazul în care
câştigă. Situaţia poate fi reprezentată ca în figura 4.5.
P P P P

a+b
0 ... i i+1
...
1

1
1-p 1-p
1-p 1-p

Figura nr. 4.5.- Un proces Markov

35
Capitolul 4 – Modelarea şi simularea fenomenelor de piaţă

Capitalul jucătorului A variază între valoarea iniţială zero şi

(a+b), crescând succesiv în paşi de unu şi cu probabilitatea (p) sau
scăzând cu probabilitatea q=(1-p). Probabilitatea de creştere sau
descreştere a capitalului nu este dependentă de numărul de trageri (n).
Orice proces Markov se caracterizează prin următoarele
trăsături-caracteristici sau proprietăţi:
• lanţurile sunt treceri între diverse stadii şi se realizează în
mod probabilistic;
• probabilitatea de tranziţie nu depinde de numărul de
tranziţii efectuate;
• probabilităţile de trecere sau tranziţie depind doar de starea
actuală sau prezentă (proprietatea memoryless, sau de
lipsa a memoriei).
Orice lanţ Markov este definit complet prin matricea sa
stocastică (P) şi distribuţia iniţială (ai). Considerând un ansamblu de
rezultate posibile E1, E2, …, En în număr finit sau infinit, iar fiecărui
rezultat îi asociem o probabilitate de manifestare (Pk), probabilitatea
unei succesiuni de rezultate se defineşte printr-o proprietate
multiplicativă de forma celei prezentate în relaţia nr. 4.7.

P ( Ej0, Ej1, …, Ejn ) = Pj0* Pj1* …*Pjn (4.7.)

În teoria lanţurilor Markov se consideră că rezultatul oricăror

încercări depinde de rezultatul încercării care o precede direct şi
numai de acesta. Fiecărui rezultat Ejk i se asociază o probabilitate Pjk,
adică dacă se realizează Ej, probabilitatea de realizare a lui Ek este Pjk.
Probabilitatea rezultatului Ej al încercării iniţiale este aj. Probabilitatea
condiţionată este probabilitatea de trecere de la starea Ej la starea
(rezultatul) Ek. Probabilităţile de trecere sunt reprezentate sub forma
unor matrice pătratice cu toate elementele nenegative şi cu
proprietatea că suma elementelor unei aceleiaşi linii este egală cu 1.
4.2.2.2. Metodă de lucru
Pe piaţa televizoarelor color sunt prezente trei produse
concurenţiale: C1; C2 şi C3. Un sondaj de piaţă, care avea drept scop
testarea preferinţelor consumatorilor cu privire la cele 3 mărci, a scos
în evidenţă următoarele:

36
Capitolul 4 – Modelarea şi simularea fenomenelor de piaţă

- cota de participare a fiecărui produs în totalul pieţei este (la

momentul t0 – cel în care s-a efectuat sondajul) următoarea: C1
– 35%; C2 – 45%; C3 – 20%;
- coeficienţii de fidelitate ai consumatorilor faţă de cele 3 mărci
de televizoare s-au determinat plecând de la următoarele
atribute: calitatea imaginii; calitatea sunetului; design; preţ;
ambalaj;
Rezultatele obţinute se pot sintetiza în următorii coeficienţi
de fidelitate: 55% din cumpărători rămân fideli lui C1; 65% din
cumpărători rămân fideli lui C2; 75% din cumpărători rămân fideli lui
C3;
Ceilalţi cumpărători părăsesc produsul şi se orienteazã spre
celelalte dupã cum urmeazã:

Tabelul nr. 4.1.- Situaţia cotelor de piaţă

Produsul Reorientări (%)

părăsit C1 C2 C3
C1 --- 20 25
C2 15 --- 20
C3 10 15 ---

Considerând constante probabilităţile de tranziţie, se analizează

evoluţia ponderii pe piaţă a celor trei produse pentru un semestru. Se
stabileasc politicile manageriale pentru fiecare produs în parte, la
firma care-l produce.
La stabilirea modului în care se presupune să evolueze
ponderea pe piaţă a unor produse concurenţiale, se poate aplica
metoda “Lanţurile Markov”.
Pasul 1- se construieşte matricea probabilităţilor de tranziţie (P), în
funcţie de coeficientul de fidelitate şi de reorientările
cumpărătorilor în două perioade succesive. Probabilităţile de
tranziţie sunt reprezentate sub forma unor matrice pătratice, cu
toate elementele nenegative şi cu proprietatea că suma
elementelor unei aceleiaşi linii trebuie să fie egală cu 1;
Pasul 2 - se scrie distribuţia iniţială sub forma unui vector linie, cu
elemente formate din ponderile pe piaţă ale produselor la
momentul zero;

37
Capitolul 4 – Modelarea şi simularea fenomenelor de piaţă

Pasul 3 - se determină ponderea pe piaţă a produselor după prima

perioadă. Pentru a obţine ponderea pe piaţă a produselor pentru
perioada următoare, rezultatul anterior va fi înmulţit cu matricea
probabilităţilor de tranziţie de la o stare la alta.
1. Se construieşte matricea probabilităţilor de tranziţie:

 0.55 0.20 0.25 

 
P =  0.15 0.65 0.20 
 0.10 0.15 0.75 
 

2. Se construieşte vectorul linie cu ponderile de piaţă a celor

trei produse la momentul iniţial:

a j = (0.35 0.45 0.20 )

3. Se determină cotele de piaţă ale celor trei produse după

prima lună:

 0.55 0.20 0.25 

 
 0.15 0.65 0.20  ∗ (0.35 0.45 0.20 ) = (0.28 0.3925 0.3275)
 0.10 0.15 0.75 
 

4. Se determină cotele de piaţă ale celor trei produse după a

doua lună:

 0.55 0.20 0.25 

 
 0.15 0.65 0.20  * (0.28 0.3925 0.3275) = (0.245625 0.36025 0.394125)
 0.10 0.15 0.75 
 

5. Se determină cotele de piaţă ale celor trei produse dupa a

treia lună:

38
Capitolul 4 – Modelarea şi simularea fenomenelor de piaţă

 0.55 0.20 0.25 

 
 0.15 0.65 0.20  * (0.245625 0.36025 0.394125) = (0.2285 0.3424 0.4291)
 0.10 0.15 0.75 
 

6. Se determină cotele de piaţă ale celor trei produse după a

patra lună:

 0.55 0.20 0.25 

 
 0.15 0.65 0.20  * (0.2285 0.3424 0.4291) = (0.2199 0.3326 0.4475)
 0.10 0.15 0.75 
 

7. Se determină cotele de piaţă ale celor trei produse după a

cincea lună:

 0.55 0.20 0.25 

 
 0.15 0.65 0.20  * (0.2199 0.3326 0.4475) = (0.2156 0.3273 0.4571)
 0.10 0.15 0.75 
 

8. Se determină cotele de piaţă ale celor trei produse după a

sasea lună:
 0.55 0.20 0.25 
 
 0.15 0.65 0.20  * (0.2156 0.3273 0.4571) = (0.2134 0.3244 0.4622 )
 0.10 0.15 0.75 
 
9. Centralizând datele, vom obţine tabelul nr. 3.4. de mai jos.

Tabelul nr. 4.2.-Evolutia cotelor de piaţă

Produs
Luna C1 C2 C3

I 0.28 0.3925 0.3275

II 0.2456 0.3603 0.3941
III 0.2285 0.3424 0.4291
IV 0.2199 0.3326 0.4475
V 0.2156 0.3273 0.4571
VI 0.2134 0.3244 0.4622

39
Capitolul 4 – Modelarea şi simularea fenomenelor de piaţă

10. Grafic evoluţia ponderii produselor pe piaţă va arăta ca în

figura nr. 4.6.
0 .5
0 .4 5
0 .4
0 .3 5
0 .3
Cota de piata

C1
0 .2 5 C2
C3
0 .2
0 .1 5
0 .1
0 .0 5
0
1 2 3 4 5 6
Luna

Figura nr. 4.6.- Evoluţia cotelor de piaţă a produselor analizate

Atât din graficul de mai sus cât şi din datele cuprinse în situaţia
centralizată a ponderii pe piaţă a celor trei produse putem trage
următoarele concluzii:
- produsul C1 şi produsul C2 se află în faza de declin. Se
observă că produsul C1 are iniţial o cotă de piaţă de 35%, pentru ca în
final să ajungă la o cotă de piaţă de aproximativ 21%. Similar, cota de
piaţă a produsului C2 înregistrează o scădere de la 45% la aproximativ
32%.
Declinul este ultima fază din ciclul de viaţă a produsului.
Această etapă este caracterizată de reducerea volumului vânzărilor,
fenomen asociat cu reducerea cotei de piaţă pe care o deţine produsul,
datorită nu atât consumului specific, cât mai ales datorită renunţării
din clientelă în favoarea unor produse noi.
Când se produc aceste fenomene, vânzătorii consideră că
articolele din linia de producţie care nu aduc profit trebuie eliminate.
În aceste condiţii, vânzătorii pot reduce eforturile de promovare, pot
elimina distribuitorii marginali iar în final, să planifice scoaterea din
fabricaţie a produsului.
- produsul C3 se află în faza de creştere. Cota de piaţă a
produsului C3 creşte de la 20% la aproximativ 46%. În etapa de
creştere, produsul capătă cale liberă prin acceptarea sa de către

40
Capitolul 4 – Modelarea şi simularea fenomenelor de piaţă

consumatori, cunoaşte o ascensiune rapidă a vânzărilor, o reducere a

cheltuielilor şi o creştere a beneficiilor.
Strategiile de creştere au în vedere:
• îmbunătăţirea calităţii produselor şi adăugarea de noi
modele sau caracteristici;
• penetrarea pe noi segmente de piaţă;
• cucerirea unor noi spaţii pentru produsul propriu în
canalele de distribuţie;
• folosirea unei părţi din publicitate pentru realizarea
obiectivului ce urmăreşte convingerea cumpărătorilor în a
efectua actul cumpărării;
• diminuarea sensibilă a preţurilor în scopul atragerii unor
noi contingente de consumatori sensibili la aceste reduceri.
Preţul promoţional agresiv, ce include reduceri de preţuri,
este tipic acestei etape.

4.3 Metode şi modele de prognozare a vânzării produselor

4.3.1 Modelul de livrare a unor produse conform unui

spectru constant (metoda vectorilor spectrali)
4.3.1.1 Definiţie
Această metodă se poate utiliza pentru determinarea unor
previziuni pe o perioadă imediat următoare (câteva luni) şi se bazează
pe descompunerea spectrului succesiunii în timp a unei comenzi,
conform graficului de livrare, pe baza unor date din trecut privind
evoluţia sau structura acesteia. Un vector spectral este un vector de
 V1 
 
 V2 
 ... 
forma  
 Vj 
, unde Vj sunt componentele vectorului spectral în
 
 ... 
 Vn 
 
n
perioade succesive care îndeplinesc condiţia ∑V
i =1
j = 1.
Pe baza valorii comenzilor emise se întocmeşte matricea C(t-
r1;t+r2), componentele acestei matrice fiind reprezentate de comenzile
valorice emise în trecut. (t – r1) reprezintă comanda mai veche, iar (t +

41
Capitolul 4 – Modelarea şi simularea fenomenelor de piaţă

r2 ) comenzile viitoare. Vânzările de mărfuri pentru perioada (t , t+r2)

se determină conform relaţiei nr. 4.8.

C ( t ; t + r2 ) = C ( t - r1 ; t + r2 ) * Vj (4.8.)

Pentru determinarea previziunii vânzărilor pentru o perioadă

de câteva luni se va folosi metoda vectorilor spectrali. Metoda
“vectorilor spectrali” se bazează pe descompunerea spectrului
succesiunii în timp a unei comenzi, conform graficului de livrare, pe
baza unor date din trecut privind evoluţia sau structura acestora.
4.2.2.2 Metodă de lucru
Firma ISPAT SIDEX GALATI, urmează să livreze
partenerilor săi din străinătate, produse laminate pe bază de comandă,
într-o eşalonare pe patru luni succesive, comenzile livrate lunar, sunt
eşalonate astfel: 40% in prima lună, 25% în cea de a doua lună, 35%
în cea de a treia lună, din totalul comenzii.
Valoarea comenzii în luna de referinţă august (t) este de 88 mii
t., iar în lunile precedente, iulie (t-1) = 75 mii t., iunie (t-2) = 60 mii t.
În lunile următoare emiterii comenzii valorile comenzilor sunt:
septembrie (t+1) = 66 mii t., octombrie (t+2): 50 mii t., noiembrie
(t+3)= 90 mii t., decembrie (t+4)= 92 mii t.
Se cere sa se determine: valoarea livrărilor pe luni succesive,
începând cu prima lună până la lichidarea tuturor comenzilor emise.
Valoarea comenzilor încheiate cu acordul unor parteneri externi în
patru luni succesive. Eşalonarea procentuală a valorilor comenzilor în
timp conform înţelegerilor dintre parteneri.
Pentru determinarea previziunii vânzărilor pentru o perioadă
de câteva luni se va folosi metoda vectorilor spectrali. Metoda
“vectorilor spectrali” se bazează pe descompunerea spectrului
succesiunii în timp a unei comenzi, conform graficului de livrare, pe
baza unor date din trecut privind evoluţia sau structura acestora.
1. Se construieşte matricea extinsă a comenzilor ce formează în
primul pas astfel:

42
Capitolul 4 – Modelarea şi simularea fenomenelor de piaţă

 88 75 60 
 
 66 88 75 
 50 66 88 

M =  90 50 66 
 
 92 90 50 
 0 92 90 
 
 0 0 92 

2. Se construieşte vectorul spectral:

 0.40
 
V =  0.25
 0.35
 

3. Se înmulţeşte matricea extinsă a comenzilor cu vectorul

spectral şi se determină valoarea livrărilor de mărfuri în luni succesive

 88 75 60   74 . 950 
   
 66 88 75   74 . 650 
 50
 66 88   0 . 40   67 . 300 

 
I =  90 50 66  *  0 . 25  =  71 . 600 
   
 92 90 50   0 . 35   76 . 800 
 0 92 90   54 . 500 
   
 0 0 92   32 . 200 

Toate comenzile primite vor fi lichidate in luna (t+7), adică

luna februarie. Valoarea totală a comenzilor care s-au emis în perioada
(t; t+6) va fi de 452 mii t. (74.950 + 74.650 + 67.300 + 71.600 +
76.800 + 54.500 + 32.200) cu următoarea eşalonare lunară:
- 74.950 mii t în luna august;
- 74.650 mii t în luna septembrie;
- 67.600 mii t în luna octombrie;
- 71.600 mii t în luna noiembrie;
- 76.800 mii t în luna decembrie;
- 54.500 mii t în luna ianuarie;
- 32.200 mii t în luna februarie.

43
Capitolul 4 – Modelarea şi simularea fenomenelor de piaţă

În cantitatea totală comandată de 452 mii t sunt cuprinse

integral lunile august-decembrie şi cote părţi din comenzile emise în
lunile precedente.

4.3.2 Metoda ajustării exponenţiale a lui Brown

4.3.2.1 Definiţie
Ajustarea exponenţială reprezintă o sumă ponderată a tuturor
datelor din trecut ale unei serii dinamice cu ponderea cea mai mare,
plasată asupra celei mai recente informaţii. Datele sunt nivelate cu
ajutorul unei constante de nivelare α∈[0 ; 1].
Ideea de bază a metodei constă în proiectarea previziunii,
proporţional cu abaterea constantă între previziunile anterioare şi
realizarea lor, fiecare abatere fiind ponderată geometric, descrescând
pe măsură ce se îndepărtează de prezent (diminuarea progresivă a
influenţei informaţiilor mai îndepărtate).
În aceste condiţii, fiecărei valori din seria cronologică a unui
fenomen i se ataşează câte un coeficient de ponderare diferenţiat,
astfel încât să confere evenimentelor, începând cu cele mai recente, o
importanţă care scade exponenţial odată cu vechimea, astfel încât, de
la un moment dat, mergând spre trecut, evenimentele să nu mai aibă
nici o importanţă asupra previziunii.

Metoda ajustării exponenţiale presupune parcurgerea

următoarelor etape:
(a) se stabileşte apartenenţa fenomenelor la unul din cele 4
tipuri de evoluţii de mai jos:
• evoluţia liniară orizontală caracterizată de medie;
• evoluţia cu tendinţă liniară caracterizată de medie şi
panta dreptei;
• evoluţia orizontală cu sezonalitate caracterizată de
medie şi factor de sezonalitate;
• evoluţia cu tendinţă sezonieră caracterizată de medie şi
factor de sezonalitate;
(b) se descompune fenomenul în componentele sale
caracteristice, calculându-se mărimea lor;
(c) se recompune fenomenul din mărimile caracteristice, pentru
o perioadă viitoare realizând astfel previziunea propriu-zisă.
44
Capitolul 4 – Modelarea şi simularea fenomenelor de piaţă

Pentru a calcula previziunea pentru o anumită perioadă şi un

anumit fenomen sunt necesare trei tipuri de date:
• vânzările realizate în ultima perioadă a seriei de date ( St );
• previziunile realizate pentru vânzările din ultima perioadă a
seriei de date ( Rt-1 );
• valoarea factorului ponderator de nivelare ( α ).
Pe baza acestor date expresia previziunii vânzărilor făcute la
sfârşitul perioadei „t” pentru perioada următoare „t+1” poate fi scrisă
conform relaţiei nr. 4.9.

Rt = α * St + ( 1 - α ) Rt-1 (4.9.)

Această formulă ne arată că putem previziona, plecând de la

previziunea pentru ultimele desfaceri ale seriei vânzărilor lunare
efective, corectând-o cu o fracţiune de eroare (diferenţa dintre
vânzările realizate în ultima perioadă şi previziunile de vânzări făcute
în această perioadă).

Factorul Rt cuprinde şi sintetizează toate previziunile din

trecut, lucru foarte important în efectuarea calculelor numerice.
Pornind de la valorile pe care le poate lua α, în practică ne
întâlnim cu următoarele situaţii:
• dacă α=1, atunci valoarea previziunii este egală cu
valoarea previziunii efectuate ( Rt = St );
• dacă α→0, influenţa rezultatelor vânzărilor recente asupra
previziunii va fi mai mică ( previziunile de la o perioadă la
alta vor tinde să fie constante ) Rt = Rt-1 + St → 0;
• dacă α→1, influenţa vânzărilor din ultimele perioade,
asupra previziunii pentru perioada următoare va fi mare.

Rt = St↑ + Rt-1↓ (4.10)

4.3.2.2 Metodă de lucru

Firma OLFIL din Olteniţa, comercializează fire si fibre din
bumbac şi tip bumbac consumatorilor industriali de pe piaţa interna a
României. Compartimentul de vânzare înregistrează, evidenţiază si
analizează datele obţinute (cantitative si valorice) din vânzarea
produselor firmei. Volumul vânzărilor cantitativ înregistrate de către
45
Capitolul 4 – Modelarea şi simularea fenomenelor de piaţă

compartimentul de desfacere şi comercializare sunt prezentate în

tabelul următor:

Luna calendaristică Vânzări cantitative (t)

Ianuarie 2002 88
Februarie 2002 93
Martie 2002 83
Aprilie 2002 85
Mai 2002 79
Iunie 2002 74
Iulie 2002 78
August 2002 60

Lunar se efectuează prognoze asupra vânzărilor lunii viitoare,

pentru dimensionarea stocurilor şi orientarea cheltuielilor de transport
şi distribuţie.
Conducerea firmei este interesată în estimarea volumului
vânzărilor pentru luna septembrie 2002, cunoscând că previziunea
iniţială pentru luna ianuarie 2002 a fost de 72 unităţi monetare. Din
analiza datelor statistice anterioare se estimează că valoarea
coeficientului de nivelare este ∝=0,3.
a) se identifică momentele împreună cu vânzările cantitative
specifice fiecărui moment în parte, astfel:

Momentul Vânzări cantitative

t Yt
1 88
2 93
3 83
4 85
5 79
6 74
7 78
8 60

b) se calculeaza prognozele corespunzatoare momentelor t;

t+1 pentru un ∝ = 0.3:

F2= ∝Y1+(1-∝)F1 = 0.3*88 + 0.7*72 = 26.4 +50.4 = 76.8;

F3 = ∝Y2+(1-∝)F2 = 0.3*93 + 0.7*76.8 = 27.9 +53.76 = 81.66;
F 4= ∝Y3+(1-∝)F3 = 0.3*85 + 0.7*81.66 = 26.4 + 57.16 = 82.6;
46
Capitolul 4 – Modelarea şi simularea fenomenelor de piaţă

…………
…………
………..

Rezultatele care se obţin in urma calculelor, pot fi sintetizate

ca în tabelul de mai jos:

Perioada Luna a 1-a Vânzări Prognoze

to 1 0.3 0.7 88 72.00
to 2 0.3 0.7 93 76.80
to 3 0.3 0.7 83 81.66
to 4 0.3 0.7 85 82.06
to 5 0.3 0.7 79 82.94
to 6 0.3 0.7 74 81.76
to 7 0.3 0.7 78 79.43
to 8 0.3 0.7 60 79.00
t1 9 xx xx xx 73.30

Reprezentarea grafică a evoluţiei vânzărilor efective şi a

previziunilor, poate fi făcută, ca mai jos:

1 0 0 .0 0

8 0 .0 0

6 0 .0 0 P rog n oz e
4 0 .0 0 V a n z a ri

2 0 .0 0

0 .0 0

c) se calculează prognozele corespunzătoare momentelor t; t+1

pentru un ∝ = 0.8. Rezultatele care se obţin, după aceeaşi metodologie
de calcul, pot fi sintetizate ca in tabelul de mai jos:

Perioada Luna a 1-a Vânzări Prognoze

to 1 0.8 0.2 88 72.00
to 2 0.8 0.2 93 84.80
to 3 0.8 0.2 83 91.36

47
Capitolul 4 – Modelarea şi simularea fenomenelor de piaţă

to 4 0.8 0.2 85 84.67

to 5 0.8 0.2 79 84.93
to 6 0.8 0.2 74 80.19
to 7 0.8 0.2 78 75.24
to 8 0.8 0.2 60 77.45
t1 9 xx xx xx 63.49
d) se calculează prognozele corespunzătoare momentelor t; t+1
pentru un ∝ = 0.95. Rezultatele care se obţin, după aceeaşi
metodologie de calcul, pot fi sintetizate ca in tabelul de mai jos:

Perioada Luna a 1-a Vânzări Prognoze

to 1 0.95 0.05 88 72.00
to 2 0.95 0.05 93 87.20
to 3 0.95 0.05 83 92.71
to 4 0.95 0.05 85 83.49
to 5 0.95 0.05 79 84.92
to 6 0.95 0.05 74 79.30
to 7 0.95 0.05 78 74.26
to 8 0.95 0.05 60 77.81
t1 9 xx xx xx 60.89

e) se calculează prognozele corespunzătoare momentelor t; t+1

pentru un ∝ = 0.15. Rezultatele care se obţin, după aceeaşi
metodologie de calcul, pot fi sintetizate ca in tabelul de mai jos

Perioada Luna a 1-a Vânzări Prognoze

S R
to 1 0.15 0.85 88 72.00
to 2 0.15 0.85 93 74.40
to 3 0.15 0.85 83 77.19
to 4 0.15 0.85 85 78.06
to 5 0.15 0.85 79 79.10
to 6 0.15 0.85 74 79.09
to 7 0.15 0.85 78 78.32
to 8 0.15 0.85 60 78.28
t1 9 xx xx xx 75.53

Din exemplele de mai sus se constată că, valori a lui ∝

apropiate de 1 fac ca valoarea previziunii sa se apropie foarte mult de

48
Capitolul 4 – Modelarea şi simularea fenomenelor de piaţă

valoarea vânzărilor reale din ultima perioadă, din care se are la

dispoziţie înregistrări statistice. Daca ∝ se apropie de zero, valoarea
previziunii se îndepărtează mult de valoarea reală a ultimelor vânzări.

Luna Vânzări Previziuni Previziuni Previziuni Previziuni

efective a=0.15 a=0.3 a=0.8 a=0.95
1 88 72.00 72.00 72.00 72.00
2 93 74.40 76.80 84.80 87.20
3 83 77.19 81.66 91.36 92.71
4 85 78.06 82.06 84.67 83.49
5 79 79.10 82.94 84.93 84.92
6 74 79.09 81.76 80.19 79.30
7 78 78.32 79.43 75.24 74.26
8 60 78.28 79.00 77.45 77.81
9 xx 85.53 73.30 63.49 60.89

100.00
90.00 Previziuni
80.00 a=0.15
70.00 Previziuni
a=0.3
60.00
Previziuni
50.00
a=0.8
40.00
Previziuni
30.00 a=0.95
20.00
Vanzari
10.00 efective
0.00
1/1/1900 1/3/1900 1/5/1900 1/7/1900 1/9/1900

4.4 Extrapolarea fenomenologică

Activităţile comerciale, în general, nu se desfăşoară pe bază de

comenzi ferme. Cumpărătorii nu comandă dinainte o marfă pe care
apoi să o cumpere în mod sigur. De aceea cunoaşterea nivelului cererii
de mărfuri se face pe baza unor prognoze.
O tehnică de prognoză foarte des utilizată este extrapolarea
fenomenologică. Aceasta presupune cunoaşterea tipului de evoluţie a
fenomenului studiat, exprimat sub forma unei funcţii matematice,
numită funcţie de extrapolare.

49
Capitolul 4 – Modelarea şi simularea fenomenelor de piaţă

Proprietăţile funcţiilor matematice, cu ajutorul cărora se

extrapolează evoluţia proceselor economice trebuie să corespundă
particularităţilor acestora.
Problema centrală a acestui tip de prognoză este aceea a
stabilirii tipului funcţiei de extrapolare, adică a alegerii din mulţimea
funcţiilor matematice cunoscute a uneia, care să aibă un grad mare de
fidelitate cu fenomenul economic studiat.
Principalele funcţii matematice ce pot fi utilizate în
prognozarea fenomenelor economice sunt:
a) curba liniară cu plafonare;
b) curba exponenţială;
c) curba variaţiei sigmoide;
d) curba funcţiei logice;
e) curba gaussiană.
Aceste funcţii descriu legăturile care s-au format în perioada
trecută între două sau mai multe mărimi economice considerate ca
variabile matematice, şi permit aprecierea nivelelor probabile, în
perspectivă, pornind de la ideea menţinerii în continuare a acestor
legături.
Extrapolarea seriilor dinamice, ca metodă de prognoză,
prezintă şi o serie de dezavantaje, şi în primul rând pe acela că nu
poate să ţină seama de schimbările care pot modifica în viitor, legătura
dintre mărimile economice şi apariţia de noi factori de influenţă.
Cu toate acestea, extrapolarea fenomenologică are o largă
utilizare, deoarece permite aprecierea evoluţiilor viitoare a unui proces
economic, metodă care însă trebuie utilizată şi corelată cu rezultatele
obţinute cu ajutorul altor metode de previziune.
Utilizarea funcţiilor matematice capătă un sens economic
numai în condiţiile în care, mărimile luate în considerare, prezintă o
interdependenţă reală.
Complexitatea relaţiilor economice face necesară utilizarea
funcţiilor de corelaţie cu mai multe variabile independente şi mai
puţin a corelaţiei simple.
Obţinerea rezultatelor satisfăcătoare depinde în mod esenţial,
de alegerea acelor funcţii matematice care descriu cel mai bine
evoluţia procesului economic studiat.

50