PREVIZIUNE ECONOMIC

1. Introducere ................................................................................................................................................... 2
1.1. Previziunea i planificarea .................................................................................................................. 2
1.2. Necesitatea previziunii i planificrii .................................................................................................. 3
1.3. Organizarea activitii de previziune .................................................................................................. 4
1.4. Etapele fundamentale ale elaborrii previziunilor .............................................................................. 5
1.5. Forme i categorii de previziune ........................................................................................................ 5
2. Metode bazate pe extrapolarea seriilor de timp .......................................................................................... 8
2.1. Metoda ultimei valori nregistate ........................................................................................................ 8
2.2. Metoda mediei aritmetice simple ...................................................................................................... 9
2.3. Media mobil de ordin k ..................................................................................................................... 9
2.4. Media mobil exponenial de ordin k .............................................................................................. 10
2.5. Metoda sporului mediu ...................................................................................................................... 10
2.6. Metoda indicelui mediu .................................................................................................................. 10
2.7. Metoda clasic de descompunere (Metoda de descompunere sezonier) ........................................ 11
2.8. Nivelare exponenial ........................................................................................................................ 12
2.9. Funcii de tendin ............................................................................................................................. 14
2.10. Modelele ARIMA (k,d,m) ............................................................................................................. 16
2.11. Prognoza structurii unor fenomene prin Lanuri Markov ............................................................... 17
3. Metode econometrice ............................................................................................................................... 20
3.1. Regresia simpl .................................................................................................................................. 20
3.2. Regresia multipl ............................................................................................................................... 21
3.3. Regresia dinamic .............................................................................................................................. 22
3.4. Regresia nonliniar ............................................................................................................................ 22
3.5. Modele autoregresive multivariate/vectoriale (VAR) ....................................................................... 22
3.6. Modele de corecie ............................................................................................................................. 23
4. Inteligen artificial ................................................................................................................................ 24
4.1. Reele neuronale ................................................................................................................................. 24
4.1.1. Tipuri de reele ............................................................................................................................ 25
4.1.2. Reele neuronale artificiale cu propagare inainte a semnalului ................................................. 25
4.2. Sisteme hibride (Reele neuronale i Algoritmi genetici) ................................................................. 28
5. Metode subiective ..................................................................................................................................... 29
5.1. Grupuri de interaciune ..................................................................................................................... 29
5.1.1. Metoda Brainstorming ................................................................................................................ 29
5.1.2. Metoda Delphi ............................................................................................................................ 30
5.2. Metoda scenariilor ............................................................................................................................ 31
5.3. Ancheta statistic privind opinia unor specialiti .............................................................................. 33
5.4. Interpretarea unor roluri n simularea situaiilor conflictuale (Role Playing) ............................... 34
5.5. Utilizarea burselor de pariuri (Prediction Markets) pentru previziuni la nivel de firm ............. 34
6. Previziunea ciclurilor de afaceri - Indicatori de anticipare ...................................................................... 35
6.1. Indici de dinamic i indici de ciclicitate ......................................................................................... 36
6.2. Indicatori de anticipare a cilurilor economice ................................................................................... 40
7. Previziuni pe piaa valorilor mobiliare ..................................................................................................... 41
7.1. Elemente de analiz fundamental .................................................................................................... 42
7.2. Metode de analiz tehnic ................................................................................................................. 44
7.2.1. Benzile Bollinger ........................................................................................................................ 45
7.2.2. Intersecia mediilor mobile ......................................................................................................... 47
7.2.3. Oscilatorul Stocastic ................................................................................................................... 48
8. Previziuni de marketing ............................................................................................................................ 49
8.1. Previziunea produselor noi introduse pe pia .................................................................................. 49
8.1.1. Modele pentru piee test ............................................................................................................ 49
8.1.2. Modele pentru piee pre-test ...................................................................................................... 52
8.2. Anchete privind inteniile consumatorilor ........................................................................................ 54
8.3. Previziuni privind cota de pia ......................................................................................................... 56
8.4. Analiza preferineleor consumatorilor (Conjoint Analysis) .......................................................... 57
9. Previzionarea situaiei financiare la nivel de ntreprindere ..................................................................... 57
9.1. Previziunea cifrei de afaceri ............................................................................................................. 57
9.2. Previzionarea elementelor contului de rezultate ............................................................................... 58
9.3. Previziunea elementelor de activ ...................................................................................................... 59
9.4. Previziunea elementelor de pasiv ...................................................................................................... 60
9.5. Previziunea fluxului de numerar ................................................................................................... 62
10. Indicatori ai erorilor de previziune ......................................................................................................... 63
1. Introducere
1.1. Previziunea i planificarea
Aa cum menioneaz John Naisbitt, omul supravieuiete numai prin capacitatea sa de a aciona
n prezent, pe baza experienei trecute, cu consecine n viitor. Asumndu-i viitorul, omul i face
prezentul suportabil i trecutul semnificativ. Trecutul, prezentul i alternativele viitoare sunt ntreptrunse
n anticipaia i previziunea aciunilor viitoare.
De regul exist o diferen temporal ntre producerea unui eveniment i semnalele ce prevestesc
i conduc ctre realizarea acelui eveniment. Acesta este principalul motiv care face ca previziunea i
planificarea sa fie dou activiti viabile pentru studierea i respectiv aciunea asupra viitorului
(Prezentul este nsrcinat cu viitorul, Voltaire)
Problema esenial este definirea corect a ceea ce nseamn previziune respectiv planificare,
pentru a putea integra corect cele dou concepte. Deoarece ambele concepte se preocup direct de viitor
este foarte important ca aceste dou funcii s fie corect integrate n cadrul firmei.
Previziunea (prognoza) economic, dei nu se poate da o definiie precis, datorit prerilor
diferite existente n rndul specialitilor, reprezint procesul prin care sunt anticipate evenimente i prin
care este realizat estimarea evoluiei viitoare a unor indicatori economici privind, n general, fenomene
care nu sunt direct controlate de entitatea implicat n procesul de previziune.
Planificarea este una din funciile de baz ale managementului i reprezint o activitate ce are n
vedere stabilirea modalitilor concrete de realizare a unor obiective prestabilite.
Previziunea precede planificarea i ofer informaii necesare pentru realizarea acesteia. Previziunea
reprezint un suport al procesului decizional n timp ce planificarea reprezint mai mult un rezultat sau o
component a procesului decizional. O delimitare clar ntre previziune, planificare i decizie este, de
cele mai multe ori, greu de trasat, ntre aceste procese existnd o interdependen strns. Previziunea se
2
ocup n general cu descrierea estimativ a mediului extern viitor al unei entiti, n timp ce planificarea
se orienteaz asupra aciunilor viitoare proprii unei entitii n contextul mediului n care aceasta
acioneaz. Prin urmare, este corect s spunem c o firm previzioneaz cererea pentru un anumit bun pe
pia i planific producia pe care urmeaz s o realizeaze n contextul cererii respective. Nu este corect
ns, s spunem c o firm planific evoluia cursului valutar pentru o anumit moned sau c o firm
previzioneaz preul pe care ea nsi l va aplica unui anumit produs. Totodat nu este mai puin
adevrat c propriile aciuni pot influena mediul extern. De exemplu, aciunile unei firme concurente fac
obiectul previziunii, ns este foarte probabil ca aceste aciuni s fie influenate de planificarea realizat
n propria firm, fie prematur, datorit unei scurgeri de informaii, fie odat ce planificarea realizat i
face simite efectele pe pia.

1.2. Necesitatea previziunii i planificrii
Ierarhia
procesului
decizional
Planificarea la un
anumit nivel decizional
Necesitatea
de a previziona
Orizontul de
previziune/planificare
Stabilirea
obiectivelor
strategice
Planificarea:
- unor investiii/dezinvestiii
- credite pe termen lung
- fuziuni sau aliane
- introducerea a noi
produse
- gsirea unor produse de
substituie
- ptrunderea pe noi spaii
geografice etc.
Previziuni privind:
- schimbri la nivel
politic (integrarea unor
state n anumite uniuni
internaionale, politica
fiscal, politica bncii
naionale, politica
privind protecia
mediului nconjurtor
etc.)
- ciclurile de afaceri
(recesiune etc.)
- puterea de cumprare a
consumatorilor (salariu
mediu etc.)
- disponibilitatea forei
de munc
- cererea la nivel de
industrie
- noi preferine ale
consumatorilor
- evoluia tehnologic
- descoperirea a noi
resurse de energie
- etc.
Pe termen lung sau foarte
lung (mai muli ani)
Stabilirea
obiectivelor
tactice
Planificarea:
- produciei/vnzrilor
- personalui (numr de ture etc.)
- angajrii de personal sezonier
Previziuni privind:
- cererea pentru un
anumit produs
- cererea sezonier
Termen mediu (cteva
luni sau trimestre, pn
la un an)
3
- elementelor mixului de
marketing (pre, distribuie,
promovare, caracteristici ale
produselor)
- cre
ditelor pe termen mediu
- mixul de
marketing al
concurenilor
- cotele de pia
- ratele dobnzii
- cursului valutar
- impactul unor
evenimente asupra
vnzrilor
(srbtori,
festivaluri, aciuni
promoionale etc.)
- etc.
Stabilirea
obiectivelor
operaionale
Planificarea:
- logistic (aprovizionare,
transport etc.)
- creditelor de trezorerie
- plii furnizorilor
- ncasrii creanelor etc
Previziuni privind
- impactul unor
evenimente
neprevzute
asupra vnzrilor
sau
aprovizionrii
- previziunea
cererii zilnice
(week-end, zile
lucrtoare)
- condiii meteo
nefavorabile (cu
impact n special
asupra activitii
de transport i
turistice) etc.
Termen scurt (zile,
sptmni)
1.3. Organizarea activitii de previziune
Deosebim dou situaii esenial diferite privind organizarea activitii de previziune i planifiare
n cadrul unei organizaii:
1. n primul caz (mai rar ntlnit), cei ce efectueaz previziunea vor fi i cei care vor ntocmi planul,
i/ sau vor lua decizia. Acest caz se aplic de regul n cazul firmelor de dimensiune mic i mijlocie. n
acest caz organizarea activitii de previziune i planificare este mai puin relevant iar personalul nu este
specializat.
2. Cazul cel mai frecvent este cel n care cel ce efectueaz previziunea i ntocmete planul difer
de decident. Acest caz se aplic de regul n cazul firmelor de dimensiune mare. n acest caz previziunea
i planificarea sunt atribuiile:
tuturor departamentelor funcionale, caz n care se impune o puternic colaborare ntre
departamente
unui singur departament funcional care centralizeaz datele de la restul
compartimentelor. n acest caz, activitatea de previziune i planificare este riguros organizat i derulat
de personal specializat.
4
activitatea de previziune este externalizat i lsat n seama unei firme specializate n
activitatea de previziune i planificare.
1.4. Etapele fundamentale ale elaborrii previziunilor
Se pot delimita etapele care trebuie parcurse pentru elaborarea previziunilor, indiferent de
domeniul unde se realizeaz acestea. Enumerndu-le, aceste etape sunt:
1) Stabilirea obiectului previziunii;
2) Fixarea perioadei de timp pentru care se elaboreaz previziunea (orizontul prognozei), precum i
al gradului de detaliere al acesteia (global sau pe fiecare produs n parte).
3) Colectarea i evaluarea fondului de date necesar elaborrii previziunii
4) Alegerea metodei de previziune (realizat n general n funcie de datele disponibile)
5) Elaborarea propriu-zis a previziunilor
6) Alegerea modalitii de prezentare a rezultatelor previziuni (alegerea din multitudinea de
alternative a variantei cele mai probabile; prezentarea rezultatelor sub forma unor scenarii - pesimist,
realist, optimist; sau prezentarea sub form de interval de ncredere etc.)
7) Evaluarea acurateei metodei utilizate prin compararea valorilor prognozate cu datele reale odat
ce acestea devin disponibile (etap foarte util n selectarea ulterioar a metodei celei mai potrivite).
1.5. Forme i categorii de previziune
n funcie de lungimea orizontului de previziune, pot exista:
previziuni pe termen foarte lung (poat fi pe 30 de ani sau chiar mai mult vezi compania Shell)
previziuni pe termen lung (de obicei ntre 3 i 10 ani)
previziuni pe temen mediu (cuantificat n luni sau trimestre dar poate s ajung i pn la 1 sau 2
ani)
previziuni pe termen scurt ( la nivel de zile sau sptmni)
previziuni pe termen foarte scurt ( 1 or, 10 minute, 5 minute etc. specifice tranzaciilor
bursiere)
Trebuie precizat faptul c nu se pot stabilii bariere ferme n delimitarea lungimii unui orizont de
previziune acestea depinznd foarte mult de domeniul de activitate (ceea ce pentru o companie cu
producie industrial reprezint un termen scurt pentru un fond de investiii financiare poate reprezenta
un termen lung)
n funcie de gradul de agregare a rezultatelor, putem avea:
previziuni sintetice (globale)
previziuni analitice (detaliate)
n funcie de natura informaiilor utilizate n procesul previzional sunt utilizate metode:
cantitative
o Extrapolarea seriilor de timp
o Metode econometrice
o Inteligena artificial (reele neuronale i algoritmi genetici)
5
Exist
interactiune
ntre
variabile?
Anchete
statistice

o Analiza tehnic (specific tranzaciilor bursiere)
o Indicatori de anticiparea a ciclurilor economice
o etc.
calitative (subiective/intuitive)
o Simulare prin roluri
o Grupuri de interaciune (Brainstorming, Delphi etc.)
o Anchete statistice
n funcie de aria lor de acoperire pe diverse domenii exist:
metode generale de previziune
o Extrapolarea seriilor de timp
o Metode econometrice
o Inteligena artificial (reele neuronale i algoritmi genetici)
o Simulare prin roluri
o Grupuri de interaciune
o Anchete statistice
metode speciale de previziune
o Analiza tehnic (specific tranzaciilor bursiere)
o Previziunea situaiei financiare la nivel de ntreprindere (bilan , cont de profit i pierdere,
flux de numerar)
o Indicatori de anticiparea a ciclurilor economice (la nivel macroeconomic)
o Previziuni de marketing (inteniile i preferinele consumatorilor, piee test etc.)
o etc.
6
Exist
interactiune
ntre
variabile?
Anchete
statistice









7
SELECTIA UNEI
METODE GENERALE DE
PREVIZIUNE
Exist
date
istorice?
Retele
neuronale
Exist
interactiune
ntre
variabile?
Metode de
extrapolare
a seriilor de
timp
Exist
situatii
conflictuale
?
Simulare
prin roluri
Exist
interactiune
ntre subiecti?
Grupuri de
interaciune
Anchete
statistice

Metode
econometrice
NU (metode
calitative/subiective/intuitive)
DA (metode cantitative)
DA
NU
NU
NU
DA
DA
2. Metode bazate pe extrapolarea seriilor de timp
Metodele bazate pe extrapolarea seriilor de timp pornesc de la premiza c evoluiile istorice se
vor pstra i n viitor i reprezint practic o prelungire n viitor a tendinelor i fluctuaiilor observate. De
obicei modelele care presupun o continuare a evoluiei trecute se mai numesc i modele cu memorie
sau procese cu inerie. De obicei fenomenele economice prezint o astfel de inerie (ex.: dac o
companie a avut mai muli ani la rnd o cifra de afaceri de ordinul a ctorva zeci de milioane nu ne
ateptm ca n anul urmtor cifra de afaceri s fie de ordinul miliardelor, ci n schimb ne ateptm la o
cifr de afaceri apropiat de cea din perioada istoric).
2.1. Metoda ultimei valori nregistate
Metoda ultimei valori nregistate se poate utiliza pentru evoluii de tip mers la ntmplare.
Datorit faptului c astfel de procese sunt rar ntlnite n practic precum i datorit simplitii ei aceast
metod este folosit mai mult n procesul de testare i selecie. O metod oarecare (mai complex) este
comparat cu metoda ultimei valori nregistrate (considerat ca fiind cea mai simpl) dac prin metoda
respectiv se obin erori mai mici se justific efortul de a folosi o metod mai complex.
Proces de tip mers la ntmplare este un process n care valoarea la momentul t +1 este egal
cu valoarea la momentul t plus o eroare:

t t t
e y y +
+1
, e
t
este o variabil aleatoare normal distribuit de medie 0
Exemplu de proces de tip mers la ntmplare:
70
75
80
85
90
95
100
105
110
115
1 101 201 301 401 501 601 701 801 901
8
n cazul n care seria de valori urmeaz un astfel de proces Previziunea cea mai potrivit
realizat n momentul t pentru momentul t+1 este chiar valoarea din momentul t:
t t
y y
+1

2.2. Metoda mediei aritmetice simple

Metoda mediei aritmetice simple este utilizat pentru serii de timp staionare (orizontale). Serii
de acest tip se ntlnesc n general pe perioade scurte de timp i pentru date nregistrate cu o frecven
ridicat (ex.: date zilnice, sptmnale etc.). Pe perioade mai lungi de tip fenomenele economice i pierd
n general caracterul staionar i manifest tendine de cretere, descretere i/sau fluctuaii ciclice
(alternana cretere-descretere).
Serie de timp staionar:
5
6
7
8
9
10
11
12
13
14
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47

+

n
t
t n
y
n
y
1
1
1

Media aritmetic simpl este o metod cu memorie lung n sensul c ine cont de ntreaga
perioad istoric disponibil de unde se degaj i avantajul su de stabilitate (rezultatele nu sunt
perturbate de fluctuaii ntmpltoare i temporare. Principalul su dezavantaj este capacitatea redus de
a se adapta la eventuale modificri care pot s apar n evoluia recent a datelor.
2.3. Media mobil de ordin k
Media mobil de ordin k. Se aplic tot pentru serii de timp staionare la fel ca i media simpl.
Previziunea pentru perioada urmtoare, n + 1, este media ultimelor k valori nregistrate.

+
+

n
k n t
t n
y
k
y
1
1
1

Media mobil este un proces cu memorie scurt, principalul avantaj al metodei fiind
capacitatea ridicat de adaptare la condiiile cele mai recente.
9
2.4. Media mobil exponenial de ordin k
Media mobil exponenial de ordin k este o metod foarte asemntoare mediei mobile (are
aceleai avantaje principale i se aplic n aceleai condiii), cu diferena c ponderile valorilor cuprinse
n medie nu sunt egale, acestea descresc odat ce valorile devin mai ndeprtate n timp.

+
+

n
k n t
t
k
j
n
y
j
t n k
y
1
1
1

Medie mobil de ordin 4:

3 2 1 1
4
1
4
1
4
1
4
1

+
+ + +
t t t t t
y y y y y
Medie mobil exponenial de ordin 4:
3 2 1 1
10
1
10
2
10
3
10
4

+
+ + +
t t t t t
y y y y y
Avantajul unei medii mobile exponeniale este acordarea unei importane (ponderi) mai mari
valorilor celor mai recente.
2.5. Metoda sporului mediu
Metoda sporului mediu se folosete pentru a previziona evoluii non-staionare cu tendin
aproximativ liniar. Aceast metod poate fi vzut ca o aplicaie a metodei mediei aritmetice simple
ns nu pe valorile iniiale (care nu sunt staionare) ci pe diferenele de ordinul nti (sporurile). n cazul
tendinelor aproximativ liniare diferenele de ordinul nti sunt staionare i deci putem aplica oricare din
metodele specifice seriilor staionare. Previziunea final este realizt prin adunarea sporului mediu la
ultima valoare nregistrat:

S p y y
n p n
+
+

unde
( )
1
2
1

n
y y
S
n
t
t t
reprezint sporul mediu de cretere iar p este
orizontul de previziune.
2.6. Metoda indicelui mediu
Metoda indicelui mediu se folosete pentru a previziona evoluii non-staionare cu tendin
aproximativ exponenial. O serie de timp exponenial poate deveni staionar prin calcularea seriei
indicilor de dinamic.
Serie de timp exponenial:
10
0
20
40
60
80
100
120
140
160
1 3 5 7 9 11 13 15 17 19 21 23 25 27
Seria indicilor de dinamic:
0,4
0,6
0,8
1
1,2
1,4
1,6
1 3 5 7 9 11 13 15 17 19 21 23 25 27
Previziunea propriuzis este realizat prin nmulirea ultimei valori cu valoarea indicelui mediu.
p
n p n
I y y ) (
+

Unde

1
2
1

n
n
t
t
t
y
y
I
reprezint indicele mediu de dinamic calculat cu ajutorul mediei
geometrice.
2.7. Metoda clasic de descompunere (Metoda de descompunere sezonier)
Metoda clasic de descompunere (Metoda de descompunere sezonier) se folosete atunci cnd
pe lng tendina general a fenomenului urmrit se manifest fluctuaii cu periodicitate fix (lunar,
trimestrial etc.).
a. Modelul aditiv y
t
= T
t
+ S
t
+ E
t
Se folosete atunci cnd ntre fluctuaia periodic (sezonir) i trend nu exist relaie de
proporionalitate
11
b. Modelul multiplicativ y
t
= T
t
S
t
E
t
Se folosete atunci cnd ntre fluctuaia periodic (sezonir) i trend exist o relaie de
proporionalitate.
0
5
10
15
20
25
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
sezonalitate aditiva
sezonalitate multiplicativa
Etapele realizrii unei previziuni prin metoda clasic de descompunere:
i. Se calculeaz o medie mobil de ordin k. n general se utilizeaz: ordinul 4 pentru
date trimestriale, ordinul 12 pentru date lunare, 5 sau 7 pentru date zilnice etc.
Dac ordinul este par se aplic apoi o medie mobil de ordin 2 pentru centrarea
mediei mobile. Aceast medie are rolul de a nivela fluctuaiile sezoniere,
reprezentnd o estimare provizorie a componentei de trend.
ii. Se face diferena/raportul dintre valorile observate i valorile obinute prin media
mobil centrat
iii. Se calculeaz componenta sezonier, S
t ,
ca o medie aritmetic/geometric a
valorilor obinute n etapa anterioar pentru fiecare unitate de timp care formeaz
ciclul sezonier (dac datele sunt lunare este calculat o medie pentru fiecare lun)
iv. Prin diferena/raportul dintre valorile observate i componenta sezonier se obine
seria de timp desezonalizat.
v. Se estimeaz componenta de trend, T
t
, printr-o metod specific acestei
componente (funcii de tendin, spor mediu, etc.)
vi. Prin diferena/raportul dintre datele iniiale observate i suma/produsul
componentelor de sezonalitate i trend se obine componenta aleatoare, E
t
vii. Se extrapoleaz componenta de trend i cea sezonier pe perioada aferent
orizontului de previziune
viii. Se recompun valorile previzionate prin adunare/nmulire.
2.8. Nivelare exponenial
Nivelare exponenial este o metod care poate fi adaptat cu succes unor situaii diverse.
a. Nivelarea exponenial simpl (NES). Conform acestei metode valoarea previzionat se
calculeaz printr-o ecuaie recursiv care ajusteaz previziunea realizat anterior cu eroarea de
previziune:
12
) (
1 t t t t
y y y y +
+

Ecuaia anterioar este echivalent cu ecuaia:
( )
t t t
y y y 1
1
+
+
unde

este parametrul de nivelare pozitiv i subunitar.

Altfel spus, valoarea previzionat se calculeaz ca o medie ponderat ntre ultima valoare real
nregistrat i previziunea care a fost realizat pentru perioada anterioar. Aceast ultim variant este
cel mai frecvent utilizat n realizarea calculelor.
Dac dezvoltm ultima formul vom gsi explicaia pentru denumirea metodei.
1
1
2
2
1 1
) 1 ( .... ) 1 ( ) 1 ( y y y y y
t
t t t t

+
+ + + +
Se observ c previziunea pentru perioada t+1 este de fapt o medie ponderat a valorilor
observate pn n acel moment iar ponderile descresc exponenial pe msur ce valorile observate
devin din ce n ce mai ndeprtate.
Alte tipuri de nivelare exponenial sunt: NE dubl, NE adaptiv, metoda liniar a lui Holt,
metoda pentru trend i sezonalitate Holt-Winter etc.
b. Metoda liniarizat a lui Holt
Metoda liniar se folosete n situaia n care seria de date prezint un trend liniar (cresctor sau
descresctor). Prin aceast metod se realizeaz o nivelare att pentru nivelul nregistrat la un moment
dat ct i pentru sporurile de cretere. Cele dou componente sunt apoi agregate.
Formulele de calcul sunt:
Componenta de nivel (trendul estimat): ) )( 1 (
1 1
+ +
t t t t
b L y L
Sporul de cretere:
1 1
( ) (1 )
t t t t
b L L b

+
Valoarea previzionat:
p b L y
t t p t
+
+

c. Nivelare exponenial cu sezonalitate i trend (modelul Holt-Winters)

i) Modelul pentru sezonalitate multiplicativ
Acest model se aplic n cazul unor evoluii care prezint trend liniar i sezonalitate multiplicativ adic,
o component sezonier care se amplific (diminueaz) proporional cu evoluia trendului.
Componenta de nivel (trendul estimat):
) )( 1 (
1 1

+ +
t t
s t
t
t
b L
S
y
L
Sporul de cretere:
1 1
( ) (1 )
t t t t
b L L b

+
Componenta sezonier:
s t
t
t
t
S
L
y
S

+ ) 1 (
Valoarea previzionat:
( )
p s t t t p t
S p b L y
+ +
+
ii) Modelul pentru sezonalitate aditiv
13
Spre deosebire de modelul multiplicativ n acest caz componenta sezonier se calculeaz prin
diferen i se adun la componenta de nivel. Se aplic deci pentru seriile a cror component sezonier
nu este proporional fa de nivelul de baz. Formulele de calcul sunt:
Componenta de nivel (trendul estimat): ) )( 1 ( ) (
1 1
+ +
t t s t t t
b L S y L
Sporul:
1 1
( ) (1 )
t t t t
b L L b

+
Componenta sezonier:
s t t t t
S L y S

+ ) 1 ( ) (
Valoarea previzionat:
p s t t t p t
S p b L y
+ +
+ +
Mrimi economice care s prezinte n evoluia lor o sezonalitate aditiv sunt mai puin ntlnite
n realitatea economic. Din acest motiv modelul pentru sezonalitate aditiv este mai puin folosit.
2.9. Funcii de tendin
Funcii de tendin:
c. Funcia de tendin liniar, aa cum i spune i denumirea, se utilizeaz n cazul
tendinelor de tip liniar, la fel ca i metoda sporului mediu.
Funcia de tendin liniar are urmtorea form:
bt a y
t
+
Se presupune c procesul ,
t
y
, care urmeaz a fi previzionat este de forma:
t t
t t t
e bt a y
e y y
+ +
+

unde:
t - este variabila timp
b - este panta dreptei de tendin (aproximeaz sporul mediu de cretere)

t
e
-

este o variabil aleatoare normal distribuit de medie 0.
Dac ultima perioad pentru care exist date este n (t = n) previziunea pentru perioada n +
p va fi:
) ( p n b a y
p n
+ +
+

Intervalul de previziune:
Limita inferioar:
y y y
p n p n

+ +

inf
Limita superioar:
y y y
p n p n
+
+ +

sup
14
( )
( )
( )

+
+ +

n
t
n
t
t t
s
q
t t
t p n
n n
y y
t y
1
2
2
1
2
2 /
1
1
2

P q 1
Unde:
t variabila timp
t mijlocul perioadei de timp istorice
2
1 +

n
t
n numrul de observaii istorice
p perioad aferent orizontului de previziune
q
- nivel de semnificaie (de obicei 0,05)
P coeficientul de ncredere (probabilitatea cu care garantam ca valoarea real s
se afle n intervalul prognozat)
s
t
2 /
- valoarea statisticii t cu distribuie Student aferent unui nivel de semnificaie

/2
Pentru uurarea calculelor se poate ine cont de relaia:

+
n
t
n
t
n
t
n
t
t t t
1 1
2
1 2 2
) (
) (
d. Funcia de tendin exponenial
y
t
= ab
t
b parametru care aproximeaz indicele mediu de cretere
e. Logistic se folosete atunci cnd fenomenul studiat crete cu un spor din ce n ce mai
mic i se apropie de o limit superioar (prag de saturaie)
1.
) 1 (

bt
t
ae
c
y

+

2. y
t
= c - ae
- b t
c limita superioar a funciei i aproximeaz pragul de saturaie al vnzrilor
f. Logaritmic se folosete atunci cnd fenomenul studiat crete cu un spor aflat n scdere
fr s existe ns o limit superioar (prag de saturaie)
15

y
t
= a + b*ln(t)
2.10. Modelele ARIMA (k,d,m)
Modelele ARIMA (k,d,m) reprezint o clas mai larg de modele care pot fi utilizate cu succes
ntr-o varietate de situaii. Aceste modele au fost dezvoltate de George Box i Gwilym Jenkins n anii
1970 fiind cunoscute i sub denumirea de Metodologia Box-Jenkins.
a. Autoregresia de ordin k, AR(k) sau ARIMA (k,0,0), este o variant redus, adaptat pentru
serii de timp staionare:
Modelul are forma:
t k t k t t t
e y y y a y + + + +
+ + 1 1 2 1 1

, unde
1 0 < <
Previziunea pentru momenrul t + 1:
k t p t t t
y y y a y
+
+ + +
1 1 0 1

k reprezint numrul de valori anterioare nregistrate cuprinse n model (acelai rol ca i k de la

media mobil). Pentru 1 k , se obine un model de previziune AR( ) 1 :
t t t
e Y a Y + +
0

Diferena fa de media mobil i nivelarea exponenial este c nu se face apriori nici o
supoziie privind coeficienii (ponderile)

. Coeficienii nu sunt considerai egali i nici descresctori n

timp, n schimb acetia sunt estimai pe baza datelor istorice astfel nct eroarea de estimare s fie
minim. Ceea ce se fixeaz anterior est doar numrul de parametrii k. Ordinul k se fixeaz pe baza unor
teste anterioare dintre care cel mai cunoscut este corelograma.
b. Modelul ARMA (k, m) sau ARIMA (k,0,m) se poate aplica atunci cnd exist dependen nu
numai de valorile anterioare ci i fa de un numr q de erori anterior nregistrate. Valoarea previzionat
se poate determina astfel:
1 1 2 1 1 1 2 1 1
..
+ + +
+ + + + + + +
m t m t t k t k t t t
e e e y y y a y
c. Modelul extins ARIMA (k,d,m) este un model ARMA(k,m) adaptat pentru serii de timp non
staionare (cu trend). Dac o serie prezint un trend aproximativ liniar, prin calcularea diferenelor de
ordinul nti (calcularea sporurilor) se obine o serie staionar. Odat seria de timp staionarizat se
poate aplica un model ARMA(k,m). Un model care presupune mai nti calcularea diferenelor de
ordinul nti (d=1) i apoi aplicarea unui model ARMA(k,m) este un model ARIMA (k,1,m).
Previziunea pentru momentul t + 1 va arta astfel:
1 1 1 1 2 1 1
..
+ + +
+ + + + + +
m t m t t k t k t t t
y y y a y
1

t t t
y y y
- diferene de ordinul 1
O serie exponenial va deveni staionar dup calcularea diferenelor de ordinul 2:
16
1
2

t t t
y y y
Un model care implic diferene de ordinul 2 va fi notat: ARIMA (k,2,m). Cea mai frecvent
utilizat este ns prima diferen d=1.
d. Modele ARIMA pentru sezonalitate i trend, SARIMA (k,d,m) (K,D,M)
s
2.11. Prognoza structurii unor fenomene prin Lanuri Markov
Marelui matematician rus Andrei Markov i sunt datorate procesele care i poart numele i care
au deschis calea spre numeroase aplicaii ale teoriei probabilitilor i n special a proceselor aleatoare.
Proprietatea Markov care este aparent restrictiv, stipulnd c probabilitatea unui eveniment prezent
depinde numai de trecutul cel mai recent, permite ca n memoria recent s fie nglobat ntrega evoluie
istoric.
Elementele structurale pot fi reprezentate printr-un vector [ ]
m
t
i
t t t
s s s S ,... ,...
1 '
, care pentru fiecare
n t , 1 i pentru fiecare m i , 1 ,
i
t
s variaz ntre 0 i 1, iar suma elementelor structurale este 1, pentru
orice t.
Etape:
i. Se vor calcula diferenele de ordinul nti ale vectorului
t
S astfel:
1 1 /

t t t t
S S S .
Elementele structurale ale fiecrui vector diferen
1 /

t t
S
au proprietatea c suma valorilor pozitive este
egal cu suma absolut a valorilor negative.
ii. n etapa a doua, matricile de trecere pariale sunt construite pentru fiecare pereche de
perioade consecutive de timp, t/t-1. Matricele de trecere sunt matrice ptratice de forma
( ) m m MTP
t t

1 /
,
unde elementele de pe diagonala principal sunt date de relaia: ( )
i
t
i
t
ii
t t
s s mtp , min
1 1 /
, m i , 1 .
Celelalte elemente, care nu se afl pe diagonala principal, sunt obinute prin relaia:

m
i
t t
j
t t i
t t
ij
t t
s
s mtp
1
1 /
1 /
1 / 1 / , unde
i
t t
s
1 / +
este negativ, iar
j
t t
s
1 /
este pozitiv. n aceast formul

+
m
i
t t
1
1 /
este suma valorilor pozitive ale vectorului diferen
1 /

t t
S . Sintetic, elementele matricii
( ) m m MTP
t t

1 /
pot fi determinate astfel:
( )

'

> <
+

elemente celelalte pentru

s i s i j i dac
s
s
j i if s s
mtp
j
t t
i
t t
m
i
t t
j
t t i
t t
j
t
i
t
ij
t t
, 0
0 0 ,
, , min
1 / 1 /
2
1 /
1 /
1 /
1
1 /
m j i , 1 ,
17
iii. Matricea de trecere total ( ) m m MTT se determin prin nsumarea elementelor matricilor
pariale de trecere:

m
t
ij
t t
ij
mtp mtt
2
1 /
iv. Matricea probabilitilor de trecere ( ) m m MP se calculeaz prin raportarea fiecrui
element al matricii de trecere total la suma liniei pe care se afl respectivul element:

m
j
ij
ij
ij
mtt
mtt
mp
2

v. n ultima etap a algoritmului se obine prognoza elementelor structurale pentru p perioade
viitoare prin multiplicarea transpusei matricii ( ) m m MP , ridicat la puterea k, cu vectorul elementelor
structurale pentru ultima perioad:
n
p
p n
S MP S
+
) (

'
.
Exemplu:
Se d evoluia istoric a structurii pieei de telefonie mobil:
1998
S

1999
S
1998 1999 2000 2001 2002 2003
51.0 50.2 48.4 49.4 51.8 49.8
47.5 45.8 45.2 40.3 43.7 47.3
0.0 0.4 0.4 1.4 1.7 2.9
1.5 1.4 0.9 0.0 0.0 0.0
0.0 2.2 5.1 8.9 2.8 0.0
100.0 100.0 100.0 100.0 100.0 100.0
Cote de piata (% nr. utilizatori)
Cosmorom (M)
Total
Conex (C )
Orange (O)
Zapp (Z)
Suntel (S)
i. Abateri:
1998 1999 1998 / 1999
S S S

(C ) (O) (Z) (S) (M) suma
1999 50.2 45.8 0.4 1.4 2.2 100
1998 51 47.5 0 1.5 0 100
Abateri -0.8 -1.7 0.4 -0.1 2.2 0
Abateri + 0 0 0.4 0 2.2 2.6
Ponderi 0 0 0.153846 0 0.846154 1
(se continu cu fiecare pereche de ani consecutivi)
ii.
( ) m m TR
1998 / 1999
18
Matricea de trecere de la 1998 la 1999
(C ) (O) (Z) (S) (M)
(C ) 50.2 0 0.123077 0 0.676923
(O) 0 45.8 0.261538 0 1.438462
(Z) 0 0 0 0 0
(S) 0 0 0.015385 1.4 0.084615
(M) 0 0 0 0 0
( ) m m TR
1999 / 2000
(...)
iii.

6
2
1 /
t
ij
t t
ij
tr mtt
(C ) (O) (Z) (S) (M) TOTAL
(C ) 246.1684 2.015211 0.139497 0 2.476923 250.8
(O) 0.844828 215.25 1.106366 0 5.248806 222.45
(Z) 0 0 3.9 0 0 3.9
(S) 0.155172 0 0.170557 2.3 1.174271 3.8
(M) 2.419835 5.012652 0.315801 0 11.25171 19
iv. ( ) m m MP
Matricea probabilitatilor de trecere
(C ) (O) (Z) (S) (M) TOTAL
(C ) 98.15% 0.80% 0.06% 0.00% 0.99% 100.00%
(O) 0.38% 96.76% 0.50% 0.00% 2.36% 100.00%
(Z) 0.00% 0.00% 100.00% 0.00% 0.00% 100.00%
(S) 4.08% 0.00% 4.49% 60.53% 30.90% 100.00%
(M) 12.74% 26.38% 1.66% 0.00% 59.22% 100.00%
v.
2003
1 '
2004
) (

S MP S
Maricea MP transpus
49.0291 0.981533 0.003798 0 0.040835 0.12736 49.76837
46.21711 0.008035 0.967633 0 0 0.263824 47.34977
3.145036 = 0.000556 0.004974 1 0.044883 0.016621 x 2.881858
0 0 0 0 0.605263 0 0
1.608756 0.009876 0.023595 0 0.309019 0.592195 0
Programe de previziune care se bazeaz pe metode de extrapolare a seriilor de timp:
AUTOBOX, Automatic Forecasting Systems
ForecastPro, Business Forecast Systems, Inc.
PeerForecaster, Delphus, Inc.
CrystalBall, Decisioneering, Inc.
ForecastX Wizard, John Galt Solutions
RoadMap Global Planning System, RoadMap Technlogies
SAS Forecast Server, SAS
19
Smart Forecasts, Smart Software
SPSS, SPSS Inc.
Vanguard Studio, Vanguard Software Corporation
3. Metode econometrice
Metodele econometrice presupun estimarea cantitativ a relaiilor de cauzalitate ntre variabile
economice. Odat ce aceast relaie este estimat se poate realiza previziunea unei variabile, numit
variabil dependent, n funcie de variabilele care o determin, numite variabile independente. Pentru
prima dat un model econometric a fost utilizat n prognoz de Charles Sarle (1925) pentru a previziona
preul unor produse agroalimentare. De atunci i pn n prezent aceste metode au cunoscut o vast
expansiune.
3.1. Regresia simpl
Regresia simpl este o metod cu o istorie considerabil fiind aplicat, n primele ei forme nc
din 1877 de Francis Galton.
Se presupune c ntre dou variabile exit o relaie aproximativ de forma:
t t t
e bx a y + +
y variabil dependent care se dorete a fi previzioat
x variabil independent (variabil cauzal, factor de influne)
a arat un nivel de baz al variabilei dependente care nu depinde de variabila
independent (dac variabila dependent reprezint volumul vnzrilor iar variabila
independent reprezint cheltuielile de publicitate atunci a arat care este volumul
vnzrilor dac de publicitatea este inexistent)
b n acest caz parametrul b are semnificaia de spor marginal (modificarea variabilei
dependente y la modificarea cu o unitate a variabilei independente x). Semnul
parametrului arat sensul legturii: direct (o cretere a variabilei independente duce la o
cretere a variabilei dependente) dac semnul este pozitiv i invers (o cretere a variabilei
independente duce la o scdere a variabilei dependente) dac semnul este negativ.
Dac perioada curent este n (t = n) previziunea pentru perioada n + p va fi:
p n p n
x b a y
+ +
+
Intervalul de previziune:
Limita inferioar:
y y y
p n p n

+ +

inf
Limita superioar:
y y y
p n p n
+
+ +

sup
20
( ) ( )
( )

+ +

n
t
t
p n
n
t
t t
s
q
x x
x x
n n
y y
t y
1
2
2
1
2
2 /

1
1
2

n numrul de observaii istorice

x - variabila independent medie aferent perioadei istorice
p perioad aferent orizontului de previziune
q
- nivel de semnificaie (de obicei 0,05)
P coeficientul de ncredere (probabilitatea cu care garantam ca valoarea real s se afle
n intervalul prognozat)
s
t
2 /
- valoarea statisticii t cu distribuie Student aferent unui nivel de semnificaie

/2
3.2. Regresia multipl
Regresia multipl:
t kt k t t t
e x b x b x b a y + + + + + ..
2 2 1 1
Parametrii a, b
k
au o interpretare similar regresiei simple
Intervalul de previziune:
Limit superioar:
y y y
p n p n

+ +

inf
Limit inferioar:
y y y
p n p n
+
+ +

sup
( )
( )
'
1
' 1
2
2 /
1
) 1 (

C X X C
k n
y y
t y
n
t
t t
s
q

+
+

unde: C este un vector care conine valorile variabilelor explicative aferente
orizontului de previziune:
[ ]
p n k p n p n
x x x
+ + + , , 2 , 1
..., , , , 1
X este o matrice de ordin ( ) ( ) 1 + k n , care are pe prima coloan elemente de
valoare 1 , iar celelalte coloane sunt vectori formai din valorile istorice ale
variabilelor explicative. Fiecare coloan reprezint o variabil independent iar
fiecare linie o perioad de timp istoric.
21
1
1
1
1
]
1

n k n
k
k
x x
x x
x x
X
, , 1
2 , 2 , 1
1 , 1 , 1
... 1
...
... 1
... 1
3.3. Regresia dinamic
Regresia dinamic:
t k t k t t t
e x b x b x b a y + + + + +

..
1 1 0
care se mai poate scrie:
t t t
e x B a y + + ) (
unde
k
k o
B b B b b b + + + .. ) (
1
1

3.4. Regresia nonliniar

Regresia nonliniar:
k
kt t t t
x x x y

) ...( ) ( ) (
2 1
2 1

Un exemplu foarte cunoscut de regresie nonliniar este funcia de producie Cobb-Douglas.

Aceast funcie care face legtura dintre factorii de producie i rezultatele obinute (producie, venituri) a
fost propus de Knut Wicksell i testat pe date reale de Charles Cobb i Paul Douglas (1928). Funcia
presupune urmtoarea relaie:

T M AK Y
t

Unde:
Y veniturile (producia) nregistrate la momentul t
K factorul capiat (capital fix etc.)
M - factorul munc (nr. salariai, fondul de salarii etc.)
T- progresul tehnic
, , A
- parametrii
Un astfel de model poate fi estimat n forma sa liniar (obinut prin logaritmare):
T M K A Y
t
ln ln ln ln

ln + + +
3.5. Modele autoregresive multivariate/vectoriale (VAR)
Modele autoregresive multivariate/vectoriale (VAR) sunt datorate activitii lui Christopher Sims
(1980) , n prezent profesor de Economie i Finane bancare la Universitatea din Princeton.
22
t k t k k t k t t t t t
e y y y y y y y
, 1 , 2 12 , 1 11 2 , 2 122 2 , 1 112 1 , 2 121 1 , 1 111 1
... + + + + + + +


t k t k k t k t t t t t
e y y y y y y y
, 2 , 2 22 , 1 21 2 , 2 222 2 , 1 212 1 , 2 221 1 , 1 211 2
... + + + + + + +


Sistemul poate fi scris i sub form matricial:
t k t k t t t
E Y Y Y Y + + + +

...
2 2 1 1
1
]
1

t
t
t
y
y
Y
, 2
, 1
,
1
]
1

t
t
t
e
e
E
, 2
, 1
1
]
1

221 211
121 111
1


,
1
]
1

222 212
122 112
2


,...,
1
]
1

k k
k k
k
22 21
12 11


Modelul poate fi generalizat pentru mai multe variabile:
1
1
1
1
]
1

t m
t
t
t
Y
Y
Y
Y
,
, 2
, 1
...
Modelul VAR mai este numit i ateoretic.
3.6. Modele de corecie
Modelele de corecie i sunt atribuite lui John Denis Sargan n 1964.
t k t k t k t t t t
e x y y bx a y a y + + + + + + +
2 1 21 1 1 11 1 1
... .. ) (
Programe de previziune care se bazeaz pe metode econometrice:
AUTOBOX, Automatic Forecasting Systems
ForecastX Wizard, John Galt Solutions
RoadMap Global Planning System, RoadMap Technlogies
SAS Forecast Server, SAS
Smart Forecasts, Smart Software
SPSS, SPSS Inc.
Vanguard Studio, Vanguard Software Corporation

23
4. Inteligen artificial
Data de natere a Inteligenei Artificiale (IA) este considerat Iulie 1956 cnd a avut loc prima
conferin internaional pe acest tem la Colegiul Dartmouth din Hanover, New Hampshire, SUA.
IA conine dou ramuri sau curente de gndire:
IA convenional (numit i IA logic sau IA simbolic) bazat pe formalizare logic i
analiz statistic. Din acest categorie fac parte sistemele expert.
IA computaional implic sisteme iterative de nvare care urmresc n primul rnd
eficiena din punct de vedere empiric n rezolvarea diverselor probleme i mai puin
corectitudinea din punctul de vedere al formalismului logic. Acest lucru nu nsemn c aceste
sisteme sunt ilogice prin definiie ci c, pentru atingerea obiectivului propus, este permis
renunarea la logica sau teoria fundamnetal care st la baza unui fenomen. Din acest
categorie fac parte:
o Reelele neuronale
o Algoritmii genetici
o Logica fuzzy etc.
Sistemele hibride sunt combinaii a dou sau mai multe sisteme din clase diferite ale IA.
4.1. Reele neuronale
n 1943 neuropsihologul Warren McCulloch i matematicianul Walter Pitts au publicat lucrarea
A Logical Calculus of the Ideas Immanent in Nervous Activity punnd bazele reelelor neuronale.
Simularea unei reele a fost relizat cu ajutorul unor circuite electrice. n 1949 Donald Hebb a scris The
Organization of Behavior n care a artat c o conexiune neuronal devine tot mai putenic pe msur
ce este folosit, concept fundamental n procesul de nvare al unei reele.
n 1959, Bernard Widrow i Marcian Hoff au dezvoltat modelele ADALINE i MADALINE
(Multiple ADAptive LINear Elements). MADALINE a fost prima reea neuronal folosit pentru a
rezolva o problem real i este nc folosit pe scar larg n special n controlul traficului aerian.
Reelele neuronale au nceput s fie utilizate pe scar larg odat cu introducerea algoritmului de
propagare napoi a semnalului (backpropagation). Algoritmul a fos tdescris iniial de Paul Werbos n
1974, iar apoi dezvoltat de David E. Rumelhart, Geoffrey E. Hinton i Ronald J. Williams n 1986.
n 1982 John Hopfield propune legtura bidirecional n cadrul unei reele lund natere reelele
neuronale recurente. n acelai an a avut loc conferina Cooperative/Competitive Neural Networks
(SUA-Japonia) n care a fost lansat ideea unei noi generaii n domeniul calculatoarelor bazat pe
inteligena artificial (I generaie bazat pe comutatoare electrice, a II -a generaie - bazat pe
tranzistori, a III-a generaie bazat pe circuite integrate i limbaje de programare avansate, a IV-a
generaie generatori de coduri i a V-a generaie bazat pe inteligena artificial).
O reea neuronal artificial sau, simplu, reea neuronal reprezint un grup de neuroni artificili
interconectai, care utilizeaz un model matematic sau computaional pentru procesarea informaiei. n
cele mai multe cazuri, o reea neuronal artificial este un sistem adaptiv care i modific structura n
funcie de informaia extern sau intern care ptrunde n reea. n termeni mai practici, reelele neuronale
sunt instrumente de modelare a datelor statistice non-liniare. Pot fi utilizate pentru a modela relaiile
complexe existente ntre informaiile care ies i care intr n reea.
24
4.1.1. Tipuri de reele
Reea neuronal cu propagare nainte a semnalului (ex.: Perceptron simplu, Perceptron multistrat), Reele
radiale, Reele cu autoorganizare (ex.: Reea Kohonen), Reele recurente (ex.: Reea Hopfield), Reele
neuronale stocastice (ex.: Mecanismul Boltzmann), Reele neuronale modulare, Reele neuronale
asociative etc.
4.1.2. Reele neuronale artificiale cu propagare inainte a semnalului
Reele neuronale artificiale cu propagare inainte a semnalului . Reelele neuronale artificiale
cu propagare inainte a semnalului sunt primele i cele mai simple tipuri de reele neuronale descoperite.
n aceste reele, informaiile se mic doar nainte, prin intrri, neuroni ascuni i ieiri, nu exist cicluri
sau bucle.
Perceptron simplu. Primul tip de reea neuronal este un perceptron simplu, care const dintr-un
singur strat de neuroni de ieire; intrrile sunt conduse direct la ieiri prin intermediul unor ponderi.
Perceptron multistrat. Aceast clas de reele const din multiple straturi de neuroni, de obicei
interconectai, propagarea semnalului fcndu-se ntr-un singur sens. Fiecare neuron dintr-un strat este
direct conectat la neuronii din stratul urmtor. n cele mai multe siteme de acest tip neuronii acestor reele
aplic o funcie sigmoidal ca funcie de activare.
Teorema de aproximare universal pentru reele neuronale afirm c orice funcie continu
(care transform intervale de numere reale n intervale de numere reale) poate fi aproximat printr-un
perceptron multistrat cu doar un strat de neuroni ascuni. Acest rezultat se aplica numai pentru anumite
clase de funcii de activare, cum sunt funciile sigmoidale.
Etape n elaborarea unei previziuni prin intermediul unui perceptron multistrat:
1. Determinarea structurii unei reele se bazeaz ntr-o prim faz pe teoria
economic care ofer informaii privind factorii de influen pentru variabila care se
dorete a fi previziunat. Numrul factorilor de influen precum i modul de
manifestare temporal a influenei acestora (laguri: t-1, t-2, etc.) va determina numrul
de intrri n reea. Totodat se va determina numrul de straturi ascunse i numrul de
neuroni ai acestora precum i numrul ieirilor din reea. Ieirile din reea n general
au acelai numr ca i numrul de perioade pentru care se face previziunea (orizontul
de previziune).
2. Segmentarea bazei de date const n imprirea acesteia n dou pri: o parte din
baza de date pentru antrenarea (invarea) reelei i o parte pentru validarea acesteia.
3. Scalarea variabilelor de intrare este un procedeu aritmetic prin care datele de intrare
sunt transformate astfel nct s varieze n intervalul [0,1].
val.scalat = (val.iniial - val.minim)/(val. maxim - val.minim)
4. Alegerea ponderilor iniiale. Valorile iniiale sunt n general fie valori alese aleator
fie valori nule.
5. Ponderarea i nsumarea valorilor de intrare. Neuronii din primul strat ascuns vor
primi valorile de intrare n reea ponderate i nsumate. Fiecare neuron din starturile
ulterioare va primi, ca valori de intrare, valorile de ieire ale tuturor neuronilor din
straturile anterioare ponderate i nsumate.
25
i
k
i
ij j
O w I

j
I
valoarea de intrare a neuronului j
6. Transformarea non liniar a valorii de intrare n fiecare pentru obinerea valoarii de
ieire. La nivelul fiecrui neuron are loc transformarea valorii de intrare, obinute prin
ponderare i nsumare, prin intermediul unei funcii sigmoidale (logistice) care are de
regul are forma:

( )
ij
I
ij
e
O

+

1
1
7. Calcularea erorii de estimare. Procesul continu (etapele 5 i 6) pn n momentul
n care se obin valorile de ieire din reea adic valorile previzionaate. Aceste valori
sunt comparate cu valorile reale, din baza de date de antrenare, obinndu-se erorile de
estimare.
t t t
Y Y e

n
e
ES
n
t
t

1
2
8. Ajustarea ponderilor reelei pe baza erorilor de estimare. nainte ca reeaua s fie
alimentat cu noi date ponderile sunt ajustate n funcie de erorile obinute n etapa
anterioar.
) ( ) ( ) ( nou w vechi w nou w
ij ij ij
+
) ( ) ( vechi w nou w
ij ij ij
+
ij
ij
w
S

- coeficient de nvare (ntre 0 i 1)

- coeficient de moment (ntre 0 i 1)

j
O
- ieierea din neuronul j
9. Etapele 5-8 se repet pn n momentul n care se termin toate valorile din baza de
antrenare. n acest moment o prim epoc din procesul de nvare este ncheiat.
10. Pentru a obine o eroare de estimare ct mai mic procesul de nvare necesit mai
multe epoci, adic toate datele din baza de nvare sunt introduse n reea de mai
multe ori. Astfel se repet etapele 5-9 pn cnd se obine o valoare a ES dorit.
11. Cu ponderile optime obinute reeau este folosit pentru a previziona valorile din baza
de validare.
12. Dac rezultatele nu sunt mulumitoare se alege o nou arhitectur a reelei.
Reea multistratificat:
26
Neuronul N7:
27

NI2
NI3
NI4
NI5
NI1
N7
N8
N12
NI6
N14
NO16
W1,7
W7,12
N10
N15
N13
N9
N11
Intrrile n reea
Straturi de neuroni ascuni
NO17
Ieirile din reea
Ponderi
C
Constatnt

N7
( )
7
1
1
7 I
e
O

+

7
O

6 7 , 6 5 7 , 5
4 7 , 4 3 7 , 3 2 7 , 2 1 7 , 1 7
NI w NI w
NI w NI w NI w NI w I
+ +
+ + + +

I
7
4.2. Sisteme hibride (Reele neuronale i Algoritmi genetici)
Simulri privind procesele biologice evolutive au fost iniiate de Nils Aall Barricelli n 1954.
Dei Barricelli a folosit procesele evolutive ca metode de optimizare, algoritmii genetici au devenit
metode de optimizare unanim recunoscute n mediul academic abia la nceputul anilor 70 datorit
activitii lui John Holland. Prima conferin internaional inut pe tema Algoritmilor Genetici, la
Universitatea din Illinois, a avut rolul de a deschide porile aplicaiilor practice, care au devenit posibile
datorit expansiunii utilizrii calculatorarelor de birou n mijlocul anilor 80. Prima aplicaie comercial
bazat pe algoritmi genetici a fost Evolver(1989) realizat de compania Axcelis Inc. dar care se afl acum
n proprietatea companie Palisade. n prezent algoritmii genetici sunt folosii n foarte multe companii
pentru a rezolva diferite probleme de optimizare legate de logistic, bugetare, estimri de tendine etc.
Algoritmii genetici imit procesele evolutive biologice pentru a rezolva probleme complexe de
optimizare. Un exemplu de problem care poate fi soluinat n acest fel este gsirea unei arhitecturi
optime pentru o reea neuronal. Exit programe informatice care combin reelele neuronale cu
algoritmii genetici rezultnd sisteme hibride care au capacitatea de a crea reele i de a gsi cea mai bun
arhitectur de reea pentru previzionarea unui fenomen.
Populaia iniial de reele este reprezentat de reelele de la care se pornete ncruciarea.
Reelele sunt evaluate cu ajutorul unei funcii obiectiv, n acest caz ES. Doar un procent din reelele
iniiale vor fi pstrate pentru o ncruciare ulterior. Procentul care este pstrat pentru ncruciare
ulterioar se numete rat de ncruciare. Mutaia implic pe lng schimbul reciproc al unor gene i o
modificare a acestora cu o anumit cantitate sau anumit procent care se numete rata mutaiei. Prin
ncruciri sucesive se obin noi generaii pn cnd se ajunge la o reea cu o arhitectur optim.
Generaia 0. Populaia iniial de reele este reprezentat de reelele de la care se pornete ncruciarea.
n acest caz vor fi pstrate doar primele dou (rata de ncruciare = 50%) cu ES cea mai mic.
Nr.intrri Nr.neuroni
Startul 1
Nr. Neuroni
Startul 2
Nr.ieiri Constant ES
7 6 5 2 1 95
3 4 4 1 0 80
15 14 14 1 0 90
20 17 0 2 1 81
Generaia 1 Noile reele vor fi obinute prin ncruciarea reelelor selectate adic prin schimbarea unor
gene (proprieti) ale acestora.
a) Fr mutaie
Nr.intrri Nr.neuroni
Strat ascuns 1
Nr. Neuroni
Strat ascuns 2
Nr.iei
ri
Constan
t
ES
3 4 4 1 0 80 Reea
printe
20 17 0 2 1 81 Reea
printe
20 4 4 1 0 75 Reea
nou
3 17 0 2 1 85 Reea
nou
28
b) Mutaia implic pe lng schimbul reciproc al unor gene i o modificare a acestora cu o
anumit cantitate. De obicei mutaia se utilizeaz pentru a obine posibiliti mai numeroase i
pentru a nu se reajunge la populaia iniial.
Nr.intrri Nr.neuroni
Stratul 1
Nr. Neuroni
Stratul 2
Nr.ieiri Constant ES
3 4 4 1 0 80 Reea
printe
20 17 0 2 1 81 Reea
printe
21 4 4 1 0 78 Reea
nou
4 17 0 2 1 83 Reea
nou
Se continu cu ncruciarea celorlalte gene (nr.neuroni ai strartului ascuns 1 etc.) Trebuie
precizat c n aplicaiile reale se pornete de la populaii mult mai numeroase. Datorit numrului imens
de calcule i iteraii algoritmii specifici inteligenei artificiale nu pot fi utilizai n mod practic fr
calculatoare cu vitez mare de calcul i programe software adecvate.
Programe software comerciale bazate pe reele neuronale i algoritmi genetici:
GenetiCore i Synapse realizate de PELTARION (Suedia)
NeuroSolutions, TradingSolutions, Genetic Server realizate de NeuroDimension, Inc.
(Florida)
NeuralTools, Evolver, RISKOptimizer realizate de PALISADE (SUA)
NeuroIntelligence, Tradecision, Forcaster XL, Forecaster realizate de NeoDigital, Inc.
(ALYUDA California)
etc.
5. Metode subiective
5.1. Grupuri de interaciune
5.1.1. Metoda Brainstorming
Metoda Brainstorming const n organizarea unei edine sau reuniuni cu un numr restrns de
specialiti. n funcie de complexitatea problemelor abordate durata acestor edine poate s varieze,
desfurndu-se, de la caz la caz, n mai multe runde, sub conducerea competent a unui coordonator al
crui rol este s direcioneze i s stimuleze discuia pe o anumit tem.
29
5.1.2. Metoda Delphi
Aceast metod presupune utilizarea gndirii intuitive a unui grup de specialiti supui unor
interviuri repetate, n scopul obinerii unui consens. Principala diferena fa de metoda Brainstorming
este c specialitii nu se ntlnesc n mod direct. Se evita astfel posibile influene negative n cadrul
grupului (teama n faa unui superior etc.).
Metoda Delphi a fost dezvoltat de Corporaia RAND la nceputul razboiului rece pentru
previziunea impactului dezvoltrii tehnologice asupra produciei de armament. n anul 1944 generalul
Henry H. Arnold a ordonat realizarea unui raport pentru Forele Aeriene ale Statelor Unite asupra
capacitilor tehnologice viitoare care ar putea fi folosite de armat. Pentru realizarea raportului, doi ani
mai trziu, n 1946, a fost contractat compania Douglas Aircraft, care a nceput astfel proiectul RAND
dedicat studiului acestor capaciti. Dup nc doi ani proiectul RAND a fost separat de Douglas Aircraft
devenind organizaia non-profit RAND (Research And Development). n prezent organizaia i-a extins
aria de activitate i n alte domenii: educaie, justiie, securitate internaional etc.
Membri i colaboratori marcani ai organizaiei RAND:
Herry Markowitz (Premiul acordat de Banca Suediei n tiine economice n memoria lui
Alfred Nobel Premiul Nobel, 1990, Optimizarea portofoliului)
Kennet Joseph Arrow (Premiul Nobel, 1972, Teoria alegerii colective)
George Bernard Dantzig (printele programrii liniare, a introdus algoritmul Simplex).
Preocuparea pentru problemele de programarea liniar au aprut n timpul rzboiului acesta
deinnd funcia de Director al direciei Combat Analysis Branch din cadrul Forelor
Aeriene.
Herbert Alexander Simon (Premiul Nobel, 1978, pentru contribuii n domeniul proceselor
decizionale n cadrul organizaiilor eonomice)
John Von Neumannn (contribuii n analiz funcional, teoria mulimilor, analiz
numeric, Alegebre Von Neuman, participant n cadrul Proiectului Manhattan, consultant
pentru IBM, CIA, Standard Oil etc.)
John Forbes Nash (Premiul Nobel, 1994, Teoria jocurilor)
Samuel Cohen (participant n cadrul Proiectului Manhattan, inventatorul bombei cu
neutron)
Herman Kahn (iniiatorul utilizrii scenariilor n planificare)
Thomas C. Schelling (Premiul Nobel, 2005, Teoria jocurilor)
Pentru a-i atinge obiectivul de a realize predicii n domeniul dezvoltrii tehnologice n cadrul
RAND fost luate n considerare diferite metode tradiionale. Deficienele metodelor clasice (extrapolare
etc.) pentru a previziona evenimente noi, care urmau s aib loc n premier, au devenit repede evidente.
Pentru a combate aceste deficiene, a fost dezvoltat metoda Delphi ntre anii 1950-1960, de Olaf
Helmer i Nicholas Rescher. Metoda Delphi a fost folosit de experii RAND pentru a-i exprima opinia
cu privire la probabilitatea, frecvena i intensitatea posibilelor atacuri i a devzoltrii a noi tipuri de
arme.
Metoda Delphi a fost apoi popularizat i preluat de alte domenii, printre care i domeniul
economic. Metoda Delphi este recomandat pentru a prognoza evenimente majore, cu impact
semnificativ asupra strategiei pe termen lung a unei companii, mai ales n situaia n care nu exist date
istorice privind situaia respectiv. De obicei experilor li se cere s fac o estimare numeric pentru o
anumit variabil economic sau s aprecieze probabilitatea de apariie a unui eveniment.
30
Principalele etape ale acestei proceduri sunt:
1.) Definirea temei ce constitue obiectul studiului previzional
2.) Alctuirea grupului de conducere. Spre deosebire de metoda Brainstorming unde
specialitii comunic direct (coordonatorul avnd mai mult rolul de a stimula discuiile), n
cazul metodei Delphi legtura ntre participani se face prin intermediul unui grup de
conducere.
3.) ntocmirea listei participanilor . Alegerea specialitilor are un rol crucial n exactitatea
previziunii realizate. Specialitii participani trebuie s fie persoane cu nivel ridicat de
pregtire de preferin selectai att din mediul academic ct i practicani ai domeniului
respectiv.
4.) Informarea specialitilor privind problema supus ateniei
5.) Trimiterea specialitilor participani la anchet a primului chestionar i a instruciunilor
de completare a acestuia. Specialitii i exprim opinia prin completarea chestionarului care
apoi este remis grupului de conducere a anchetei. Acesta din urm, procedeaz la prelucrarea
chestionarelor. n aceast faz existe diferite metode de prelucrare a opiniei specialitilor cu
diferite grade de complexiatate:
Ponderarea rspunsului fiecrui specialist n funcie de competena acestuia
stabilit de grupul de conducere al anchetei
Ponderarea rspunsurilor din punctul de vederea al fiecrui specialist privind
competena proprie (self ratings)
Calcularea valorii medii, a valorii mediane precumdar i aplicarea unor metode
mai complexe.
6.) ntocmirea unui nou chestionar de ctre grupul de conducere a anchetei. Acest chestionar
va cuprinde att unele ntrebri suplimentare, necesare lmuririi n detaliu a unor aspecte ce
se impun a fi soluionate, ct i sinteza rspunsurilor la primul chestionar. Cunoscnd opinia
tuturor specialitilor, fiecare specialist, n funcie de caz, poate s-i reconstituie n contextul
acestei sinteze o parte din rspunsurile date sau s-i completeze rspunsurile la primul
chestionar. De asemenea, se solicit specialitilor a cror rspunsuri s-au abtut substanial de
la prerea majoritii, s-i argumenteze rspunsurile sau s le modifice (opinion feed-back),
exprimnd-i acordul sau dezacordul cu rspunsurile date de ceilali specialiti.
7.) Repetarea operaiunii de ntocmire, completare i prelucrare a chestionarului. Aceast
operaiune se repet de mai multe ori, fiecare nou chestionar cuprinznd ntrebri
suplimentare i sinteza rspunsurilor la chestionarul anterior. Consultarea specialitilor cu
ajutorul chestionarului se consider ncheiat atunci cnd rspunsurile arat o relativ
stabilitate, adic opinia specialitilor nu se mai modific dup o nou rund de completare a
chestionarelor. Previziunea final este o medie a opiniilor exprimate de participani.
5.2. Metoda scenariilor
Dei metoda a fost utilizat mai devreme, conceptul sub denumirea actual de scenarii a
fost introdus de Herman Kahn n 1965. La nceputul anilor 1980 metoda a fost dezvoltat
transformndu-se dintr-o simpl metod ntr-o cadru complex de abordare care permite integrarea mai
multor metode de natur subiectiv (inclusiv Delphi i Brainstorming). ntru-un studiu realizat la acea
vreme Metoda scenariilor ocupa locul trei n topul celor mai utilizate metode de previziune (J.
Diffenbach, 1983) n cadrul marilor corporaii. Datorit costurilor ridicate i dificultilor de
31
implementare n ultima perioad popularitatea acestei metode a sczut considerabil rmnnd un numr
redus de companii disponibile s dedice resurse necesare pentru utilizarea cu succes a acestei metode.
Printre companiile care folosesc n mod curent metoda scenariilor, contribuind totodat la dezvoltarea
acesteia prin resursele investite se numr grupul Royal Duch Shell. Motivaia utilizrii acestei metode a
aprut la nceputul anilor 1970 cnd datorit activitii puternice a diverselor grupri ecologice orientate
pe promovarea proteciei mediului nconjurtor dar i datorit apariiei i ntririi cartelului OPEC foarte
multe companii petroliere au suferit pierderi majore. ncepnd cu acea perioad i pn n prezent
compania Shell i-a bazat procesul de planificare strategic pe metoda scenariilor. Aceast abordare este
considerat de muli specialiti cheia succesului companiei cu toate c n acelai timp i sunt adresate i
multe critici.
Etape:
1) Identificarea factorilor de influen i a ipotezelor alternative de lucru. n alegerea factorilor de
influen este important impunerea unui orizont de previziune suficient de lung, de regul mai
mare de 10 ani. Atunci cnd orizontul de previziune este sub 10 ani exist tendina din partea
participanilor de a extrapola tendinele curente n loc de a gsi factori care s poat afecta n mod
semnificativ activitatea companiei pe termen lung. n acest stadiu se poate face apel la diferite
metode i tehnici cum ar fi de ex. Brainstorming pentru colectarea unui numr ct mai mare de
factori iar apoi utilizarea unor coeficieni de importan pentru a selecta factorii cu adevrat
importani etc.
2) Gruparea factorilor de influen pe categorii i analiza interaciunii dintre acetia. Foarte muli
factori sunt conectai ntre ei, de ex. o inovaie tehnologic poate cauza schimbri majore n
volumul vnzrilor ns pot exista constrngeri de natur legislativ care s limiteze
comercializarea respectivului produs. Se ncearc astfel gruparea factorilor n funcie de
interaciunea dintre acetia i alocarea unor probabiliti petru fiecare ir logic de interdependene.
3) Realizarea unui numr de 7-9 scenarii iniiale. O consecin fireasc a etapei precedente este ca
grupurile de factori de influen s genereze succesiuni de evenimente care vor lua forma unor
scenarii alternative.
4) Reducerea numrului de scenarii la 2-3. S-a constatat c este inutil realizarea unui numr prea
ridicat de scenarii datorit capacitii reduse de a operare i asimilarea din partea factorului de
decizie. n general, beneficiarul final al scenariilor, reprezentat de managementul companiei se
concentreaz n final asupra a 2-3 scenarii care par mai relevante indiferent de numrul scenariilor
care le este prezentat. Prin urmare este recomandat concentrarea situaiilor viitoare alternative pe
un numr redus de scenarii complementare. Scenariile sunt supuse dezbaterii n mai multe runde,
etapele 1-4 fiind parcurse de mai multe ori fiind posibil utilizarea unor metode iterative gen
Delphi.
5) Transpunerea scenariilor ntr-o form scris i uor accesibil unor persoane care nu sunt neaprat
de specialitate. S-a constatat c prezentarea scenariilor n formele binecunoscute: pesimist, realist
i optimist nu este cea mai fericit optiune. Exist riscul ca managerii s se concentreze asupra
unui singur scenariu care pare a fi cel mai preferat pentru compania n cauza. Pentru a evita
selectarea unui singur scenariu ca fiind pozitiv (ex. cel realist sau cel optimist) i respingerea
celorlalte scenarii ca fiind negative exist varianta prezentrii unor scenarii complementare la fel
de probabile. Scopul scenariilor, n cele din urm este acela de a asigura stabilitatea firmei n
orice fel de situaia i nu neaprat de a obine ctiguri uriae ntr-o situaie favorabil. Prin
urmare prin elaborarea unor scenarii complementare urmate de strategii adecvate o companie
trebuie s fac fa oricare ar fi schimbrile survenite n mediul extern. Prin urmare scenariile nu
vor fi concepute ca bune sau rele (pesimiste sau optimiste) i ca oportuniti alternative pentru
care compania are pregtiti un rspuns.
32
5.3. Ancheta statistic privind opinia unor specialiti
Sondajele sau anchetele de opinie presupun chestionarea unui eantion reprezentativ de indivizi
(grup statistic) asupra situaiei a crei evoluie se dorete a se estima. Spre deosebire de metodele
anterioare se dorete estimarea unei opinii/intenii generale i nu a unui grup restrns de specialiti. Este
esenial ca eantionul s fie extras n mod aleator fr ca s existe o legtur direct sau indirect ntre
indivizii care-l compun. Alegerea eantionului i extinderea rezultatelor asupra ntregii populaii statistice
se realizeaz prin tehnici specifice provenite din teoria sondajului statistic.
Anchetele de conjunctur realizate de Institutul naional de Statistic (INS) sunt realizate n
colaborare cu Comisia European i repreznt o estimarea a evoluiei viitorare (cretere, stabilitate,
scdere) pe un orizont de aprox. 3 luni privind principalele sectoare ale activitii economice (industrie,
construcii, comer cu amnuntul i servicii).
Rezultatele sunt obinute n urma estimrilor fcute de managerii ntreprinderilor referitor la
tendinele de evoluie ale activitii economice. Acestea sunt efectuate pe baza unor eantioane
reprezentative n domeniile mai sus amintite (n luna octombrie 2006 volumul eantioanelor arta astfel:
industrie prelucrtoare - 1533 ageni economici, construcii - 1108, comer cu amnuntul - 2296 i
servicii - 1967). Mrimea eantioanelor este stabilit astfel nct eroarea de estimare maxim s fie de
aprox. 5% la nivel de sector. S-a utilizat sondajul stratificat simplu aleator, iar variabilele de stratificare
sunt activitatea i mrimea ntreprinderii. Pentru obinerea rezultatelor agregate, rspunsurile
ntreprinderilor sunt ponderate cu variabila de selecie, respectiv numrul de salariai la industrie i
construcii i cifra de afaceri la comerul cu amnuntul i servicii. Proporia alternativelor de evoluie
(cretere, stabilitate, scdere) reprezint ponderea ntreprinderilor (care au ales alternativa respectiv) n
volumul de activitate al sectorului. Diferena procentual ntre alternativele extreme (% cretere - %
scdere) constituie soldul conjunctural, care exprim tendina de evoluie a indicatorilor fa de
perioada anterioar.
Estimri fcute n luna octombrie 2006 pentru perioada octombrie-decembrie 2006:
S presupunem c soldul conjunctural pentru contracte i comenzi n industrie pentru dou
perioade de timp succesive se prezint astfel:
Perioada I (cretere - 60%, scdere - 20%, stagnare- 20%) sold conjunctural 40%
Perioada II (cretere - 50%, scdere - 20%, stagnare- 30%) sold conjunctural 30%
Pentru ambele perioade de timp este prevzut o cretere ns pentru a doua perioad creterea
este probabil s fie mai puin intens soldul conjunctural fiind mai mic.
33
5.4. Interpretarea unor roluri n simularea situaiilor conflictuale (Role Playing)
Se utilizeaz atunci cnd exist situaii conflictuale ntre mai muli factori de decizie cu puteri
aproximativ egale (ex.: negocierile pentru ncheierea diferitelor contracte comerciale; fuziuni i aliane
strategice; negocierile dintre patronate i sindicate etc.) Aceasta tehnic const n asumarea unor roluri de
ctre cei implicai n procesul predictiv care s reprezinte n mod ct mai realist prile adverse nsoit de
simularea situaiei conflictuale i evaluarea rezultatelor. Aceast metod necesit o bun cunoatere a
profilului persoanelor implicate n confictul real i a obiectivelor urmrite de acestea.
Distribuirea persoanelor n diferite roluri trebuie s fie ct mai realist, n sensul c trebuie s
existe o anumit similitudine ntre personajele reale i cele care le interpretez rolul. Cei care
interpreteaz rolurile trebuie s primeasc informaiile necesare. Informaiile primite trebuie s fie
concise i trebuie s conin:
o descriere a fiecrui participant , a obiectivului urmrit de acesta i a poziiei ocupate n
cadrul firmei;
o istorie scurt a relaiilor dintre participani;
obiectivul ntlnirii i eventual rezultate alternative posibile sau moduri alternative de a
aciona.
Informaiile primite trebuie reinute uor de toi participanii i deci se recomand concentrarea
lor (n jur de o pagin).
Unii speciliti recomand realizarea simulrilor ntr-un mediu ambiant ct mai apropiat de cel
real, ns acest lucru poate fi destul de costisitor.
Datorit faptului c persoanele implicate pot percepe n mod diferit rezultatul unei confruntri
este recomandat scrierea rezultatelor/deciziilor de fiecare grup n parte dar i de tere persoane care au
rolul de observatori. n final acestea sunt confruntate.
Numrul sesiunilor de simulare joac un rol important n obinerea unei predicii finale (ex.: dac
au fost efectuate 5 simulri iar pentru 4 dintre acestea rezultatul final a fost declanarea unei greve
predicia este c o grev va avea loc cu o probabilitate de 80%). Mai multe sesiuni de simulare pot fi
obinute fie prin schimbarea rolurilor ntre participani, fie prin folosirea unor informaii sau premise
alternative.
Simulrile prin interpretarea unor roluri sunt recomandate atunci cnd:
exist o interaciune/conflict ntre grupuri de interese
numrul grupurilor de interese este mic (ideal 2 pri opozante)
situaia conflictual implic schimbri majore
nu exist situaii comparabile n trecut
5.5. Utilizarea burselor de pariuri (Prediction Markets) pentru previziuni la nivel de
firm
Bursele de pariuri sunt piee speculative utilizate pentru a previziona anumite evenimente sau
valorile anumitor parametri n care cei care dovedesc o putere ridicat de anticipare ctig iar ceilali
pierd. Exit burse internaionale de pariuri pentru aproape orice tip de evenimente: politice, sportive,
artistice (ex. nominalizri pentru Oscar), economice etc. Cteva dintre cele mai cunoscute burse, cu
faciliti de participare on-line sunt: TradeSports, Hollywood Stock Exchange, NewsFutures etc.
34
Utilizarea acestei metode n previziunile economice este relativ nou i a fost popularizat n
urma apariiei crii The Wisdom of Crowds: Why the Many Are Smarter Than the Few and How
Collective Wisdom Shapes Business, Economies, Societies and Nations (2004) scris de James
Surowiecki dar i datorit intensificrii cercetrilor n domeniul economiei experimentale (Vernon
Lomax Smith Premiul nobel n 2003). Conform crii amintite exist patru condiii eseniale pentru ca
un numr mare de persoan s realizeze predicii valide:
Diversitatea opiniilor - informaii i raiuni diversificate n rndul persoanelor
Independena persoanele s nu se influeneze reciproc
Descentralizarea - persoanele sunt libere s se specilizeze i s acioneze pe cont propriu
Agregare necesitatea existenei unui mecanism de extargere a unei opinii generale
Iniiative n ceea ce privete utilizarea burselor de pariuri pentru previzionarea unor variabile la
nivel microeconomic:
n cadrul companiei Hewlett-Packard au fost create mici burse n care angajaii sunt
ncurajai s parieze pentru un anumit nivel al vnzrilor sau al veniturilor companiei.
Compania InovateUs este specializat pe previzionarea succesului inovaiilor n
introducerea a noi produse pe pia bazndu-se pe opinia unui numr mare de angajai.
Are ca i clieni alte companii
Inkling este o companie specilizat pe asemenea predicii i ofer consulatan n acest
domeniu
Google folosete aceast metod n interes propriu pentru diverse predicii de importan
strategic pentru companie: data de lansare a unor produse, apariia a noi companii etc.
Etc.
La fel ca i acheta statistic bursele de pariuri se bazeaz pe un numr mare de participani
ns n acest caz acetia nu sunt neaprat specialiti iar concluziile finale nu se bazeaz pe inferena
statistic.

6. Previziunea ciclurilor de afaceri - Indicatori de anticipare
35
6.1. Indici de dinamic i indici de ciclicitate
Indicatori relativi de dinamic:
Indici de dinamic (indicele de cretere):
o Cu baz fix:
1
1 /
Y
Y
I
t
t

sau
100
1
1 /
Y
Y
I
t
t

o Cu baz n lan:
1
1 /

t
t
t t
Y
Y
I
sau
100
1
1 /

t
t
t t
Y
Y
I
PIB-ul Romniei n miliarde lei (preuri constante):
80
90
100
110
120
130
140
150
160
1
9
8
0
1
9
8
2
1
9
8
4
1
9
8
6
1
9
8
8
1
9
9
0
1
9
9
2
1
9
9
4
1
9
9
6
1
9
9
8
2
0
0
0
2
0
0
2
2
0
0
4
2
0
0
6
PIB-ul Romniei, indici cu baz fix:
0.6
0.7
0.8
0.9
1
1.1
1.2
1.3
1
9
8
0
1
9
8
2
1
9
8
4
1
9
8
6
1
9
8
8
1
9
9
0
1
9
9
2
1
9
9
4
1
9
9
6
1
9
9
8
2
0
0
0
2
0
0
2
2
0
0
4
2
0
0
6
Se observ c din punctul de vedere al dinamicii i deci al fluctuaiilor ciclice indicele cu
baz fix are o form identic cu seria iniial neexistnd dect o diferen de scal.
Indici cu baz fix i indici cu baz n lan pentru PIB-ul Romniei:
36
0.6
0.7
0.8
0.9
1
1.1
1.2
1.3
1
9
8
0
1
9
8
2
1
9
8
4
1
9
8
6
1
9
8
8
1
9
9
0
1
9
9
2
1
9
9
4
1
9
9
6
1
9
9
8
2
0
0
0
2
0
0
2
2
0
0
4
2
0
0
6
indicele cu baza fixa
indicele cu baza in lant
Se observ c indicele cu baz n lan anticipeaz punctele de ntoarcere (schimbare de
trend) din seria indicilor cu baz fix i deci i din seria iniial.
Ritmul de dinamic (ritmul modificrii relative, ritmul sporului, sporul relativ):
1
1
1 /

t
t t
t t
Y
Y Y
R

1
1
1 /

t
t
t t
Y
Y
R

1
1 / 1 /

t t t t
I R
sau n procente:
100
1
1
1 /

t
t t
t t
Y
Y Y
R 100
1 / 1 /

t t t t
I R
De obicei ritmul de dinamic se calculeaz cu baz n lan.
Ritm (baz n lan):
-0.3
-0.2
-0.1
0
0.1
0.2
1
9
8
0
1
9
8
2
1
9
8
4
1
9
8
6
1
9
8
8
1
9
9
0
1
9
9
2
1
9
9
4
1
9
9
6
1
9
9
8
2
0
0
0
2
0
0
2
2
0
0
4
2
0
0
6
Indici (baz n lan):
0.7
0.8
0.9
1
1.1
1.2
1
9
8
0
1
9
8
2
1
9
8
4
1
9
8
6
1
9
8
8
1
9
9
0
1
9
9
2
1
9
9
4
1
9
9
6
1
9
9
8
2
0
0
0
2
0
0
2
2
0
0
4
2
0
0
6
Se observ c ntre indicele i ritmul de dinamic (baz n lan) nu este dec o diferen de nivel (o
constant egal cu 1 sau 100) ambii avnd aceiai putere informativ. Indicele are ns avantajul c
37
valorile sale sunt pozitive (n acest context valorile iniiale ale variabilelor economice sunt pozitive) iar
fluctuaia este n jurul valorii 1 (100) l la fel i n cazul indicelui de ciclicitate.
Indicii de cilicitate se calculeaz ca raport dintre valorea iniial a variabilei observate i
conponenta de trend. Calcularea lui se justific atunci cnd fenomenul analizat prezint un trend general
cresctor.
Date obtinute prin simulare (seria observata nu reprezinta date reale ci reprezinta valorile unei
funcii de tip sinusoidal):
0
5
10
15
20
25
30
35
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45
serie observata
componenta de trend
Pornind de la exemplul anterior se calculeaz indicii de ciclicitate. Indicii de dinamic au
capacitatea de a anticipa punctele de ntoarecere n indicii de ciclicitate. De asemenea trebuie remarcat
faptul c indicii de cilicitate, la rndul lor, au capacitatea de a anticipa punctele de maxim din seria
observat atunci cnd exist un trend ascendent sau descendent.
0.6
0.7
0.8
0.9
1
1.1
1.2
1.3
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45
Indici de ciclicitate
Indici de dinamica
38
Considernd un exemplu real lucrurile nu mai sunt att de evidente. Datorit msurilor aticiclice
(temperare n periodele de boom i stimulare n periodele de recesiune) n cazul rilor dezvoltate (de ex.
Italia) ciclurile economice nu mai sunt att de pregnante i deci sunt mai puin evidente n urma unei
simple reprezentri grafice.
PIB-ul Italiei n miliarede euro (preuri constante):
500
600
700
800
900
1000
1100
1200
1300
1400
1
9
8
0
1
9
8
2
1
9
8
4
1
9
8
6
1
9
8
8
1
9
9
0
1
9
9
2
1
9
9
4
1
9
9
6
1
9
9
8
2
0
0
0
2
0
0
2
2
0
0
4
2
0
0
6
Se observ c indicii au un caracter destul de instabil (micri puternice de la o perioad la alta)
ceea ce face ca puterea de anticipaie s fie mult redus fa de modelul teoretic anterior. Practic putem
vorbi de dou situaii clare n care indicele de dinamic anticipeaz indicele de ciclicitate
0.92
0.94
0.96
0.98
1
1.02
1.04
1.06
1
9
8
0
1
9
8
2
1
9
8
4
1
9
8
6
1
9
8
8
1
9
9
0
1
9
9
2
1
9
9
4
1
9
9
6
1
9
9
8
2
0
0
0
2
0
0
2
2
0
0
4
2
0
0
6
Indici de ciclicitate
Indici de dinamica
1) Puctul de maxim atins de indicele de dinamic n 1988 este urmat de un punct de maxim n
seria indicilor de ciclicitate n 1990 care este urmat de un punct de maxim local n seria iniial n
anul1992. 2) Puctul de maxim atins de indicele de dinamic n 2000 este urmat de un punct de maxim n
seria indicilor de ciclicitate n anul 2001 care este urmat de un punct de maxim local n seria iniial n
39
anul 2002. Noiunea de maxim local semnific o valoare mai mare comparativ cu valorile aflate n
imediata ei vecintate i nu neaprat un maxim al ntregii perioade de nregistrare. Punctele de maxim
local marcheaz o schimbare de tendin i nceputul unor faze de recesiune.
6.2. Indicatori de anticipare a cilurilor economice
Indicatorii de anticipare a ciclurilor economice (Composite Leading Indicators) sunt
indicatori agregai care includ n componena lor diferite variabile economice care determin sau
anticipeaz fluctuaiile nregistrate de activitatea economic de ansamblu (exprimat printr-un indicator
al producie globale n general PIB sau Producia Industrial).
Componena unui indicator de anticipare difer att n plan teritorial (de la o ar la alta) ct i n
plan temporal (n cadrul aceleai ri variabilele incluse n indicator pot fi diferite de la o perioad la
alta). Exist cteva reguli pentru selectarea variabilelor economice care formeaz un indicator de
anticipare:
S existe o explicaie fundamentat din punct de vedere economic pentru relaia dintre
variabila de anticipare i activitatea economic de ansamblu a crei fluctuaii ciclice se
doresc a fi previzionate.
Relaia trebuie s aib loc cu un anumit decalaj temporal. Pentru a reprezenta un semnal
de anticipare este necesar ca modificrile variabilelor incluse n indice s aib loc naintea
modificrilor care apar n PIB sau Producia Industrial.
Trebuie s existe date statistice de calitate, de preferin nregistrate lunar, pe o perioad
suficient de lung. Aceast contrngere privind calitatea datelor este n special important
pentru realizarea unor predicii de calitate.
Variabile economice aflate n componena indicatorilor de anticipare:
Tendina viitoare estimat prin anchete statistice n mediu de afaceri
o Tendina viitoare n domeniul produciei de bunuri (un orizont de 3-6 luni - cretere,
meninere, descretere)
o Tendina de cretere a preurilor de vnzare a bunurilor
o Tendina de cretere a comenzilor primite pentru producia intern, export etc.
Anchete privind opinia consumatorilor:
o Indicatori de ncredere ai consumatorilor
o Tendina viitoare a preurilor de consum
o Tendina viitoare a situaiei economice de ansamblu
Creterea vnzrilor lunare n comerul cu amnuntul
Producia de crbune
Stocul de produse finite
Numrul de comenzi lunare primite n diferite ramuri ale economei: industrie, minerit etc.
Indicatori privind ocuparea forei de munc
o Numrul de omeri nregistrat lunar la Oficiul Forelor de Munc
o Numrul de locuri de munc vacante nregitrat la Oficiul Forelor de Munc
o Numrul mediu de ore lucrate pe lun de muncitorii n industrie colectat de institutele
naionle de statistic
40
Indicatori ai masei monetare. O mas monetar mai mare nseman n general o lichiditate mai
mare (mai muli bani n economie) care influeneaz pozitiv activitatea economic n sensul
creterii acesteia.
o Masa monetar M1 (reprezentat din bancnote, monezi i banii aflai n conturi curente)
o Masa monetar M2
Indicii bursieri
Rate ale dobnzii
o Rata medie a dobnzii (rata medie la 3 luni sau 6 luni pentru bonuri de trezorerie etc.). n
general o rat medie a dobnzii mai mic nsemn un cost al mprumutului mai mic i deci
o ncurajare a activitii economice viitoare.
o Diferena dintre rata dobnzii pe termen lung i rata dobnzii pe termen scurt
Rata real efectiv de schimb
Importuri totale (preuri c.i.f.). Dac o ar este preponderent importatoare de materie prim o
cretere a importurilor acesteia arat o cretere viitoare a produciei la nivel naional.
Indicele raportului de schimb net
Etape n construirea unui indicator de anticipare:
Se selecteaz variabilele care intr n componena indicatorului de anticipare (n general nr.
acestora variaz ntre 5 i 11)
Dac datele prezint fluctuaii sezoniere seriile de date sunt desezonalizate printr-o metod
adecvat
Se estimeaz trendul general al fenomenului (din nou se pot folosii diferite tehnici de genul celor
prezentate sau alte metode de ex: metoda PAT- Phase Average Trend etc.)
Se calculeaz indicii de ciclicitate ca raport dintre seria iniial i trend
Seriile de indici obinute pentru fiecare component sunt nivelate pentru a reduce fluctuaia
acestora (pentru nivelare se folosesc tehnici de genul mediei mobile, nivelrii exponeniale sau
alte metode specifice)
Pornind de la indicii de ciclicitate afereni seriilor componente, nivelai n etapa anterioar, se
calculeaz o medie a acestora (ponderi egale, n general) obinndu-se astfel un indice de
ciclicitate mediu care reprezint practic indicele de anticipaie compozit
Opional indicele de ciclicitate mediu se nmulete cu componenta de trend a fenomenului care se
dorete a se previziona (PIB, indicele produciei industriale etc.) cu scopul de a obine o
reprezentare grafic comparabil pentru cele dou variabile.
7. Previziuni pe piaa valorilor mobiliare
Valorile mobiliare (titlurile financiare) cunoscnd o foarte mare diversitate sunt tranzacionate
pe piee specilizate organizate sub forma burselor de valori. Dintre cele mai cunoscute piee de
valori mobiliare putem aminti:
Piaa aciunilor
Piaa obligaiunilor
Piaa valutar
Piaa de mrfuri
Piaa produselor derivate: contracte futures i opiuni
41
n ncercarea de a estima care va fi evoluia preului unui titlu n viitor exist disponibile dou
abordri alternative:
1) Analiz fundamental implic studiul impactului factorilor de natur economic
care pot influena evoluia unui titlu. De multe ori investitori sofisticai ncep cu
analiza indicatorilor macroeconomici naionali i internaionali (PIB, inflaie, curs
valutar, productivitate) continu apoi cu analiza de ramur sau industrie
(competitivitate etc.) pentru ca faza final s fie orientat pe analizat situaiei
fianciare la nivel de companie.
2) Analiza tehnic reprezint studiul evoluiei preului unui titlu de valoare, cu
scopul de a previziona ct mai exact oscilaiile i trendul acestuia. Analiza tehnic
se bazeaz n special pe analiza grafic i pe utilizarea unor indicatori de natur
statistic (tehnic) i nu include analiza relaiilor de cauzalitate dintre preul
respectivului titlu i diferii factori de influen. Premisa de la care pornete
analiza tehnic este c istoria tinde s se repete i c toate informaiile necesare
sunt incluse n evoluia preului. Factorul psiholog tinde s aib un rol important.
Se consider c participanii pe pia tind s aib o reacie similar la
fluctuaiile legate de pre, reacie care este observat statistic.
7.1. Elemente de analiz fundamental
n esen preul este guvernat de legea fundamantal a raportului dintre cererea i oferta
pentru un anumit bun sau titlu de valoare. Prin urmare factorii de influen ai preurilor sunt de fapt
semnale din mediul economic care nclin balana cereri sau ofertei ntr-un sens sau altul.
Evoluia preului unei companii este determinat n principal de urmtoarele elemente:
1. Creterea profiturilor/vnzrilor
2. Mrimea dividentelor acordate
3. Evenimente favorabile: un produs nou cu potenial pe pia, restructurare,
preluare de ctre o companie mai putenic etc.
4. Rata dobnzilor. Rata dobnzilor acioneaz asupra preurilor unei aciuni n
dubl direcie:
a. Pe de o parte se consider c o rat ridicat a dobnzii duce la ncetinirea
creterii economice (acces mai greu la credite) ceea ce se reflect n
vnzri i profituri mai sczute realizate de companii i deci preuri mai
mici pentru aciunile care nu mai pot oferii dividente att de atractive
b. Pe de alt parte o rat mare a dobnzii face ca randamentul unor investiii
alternative s creasc (obligaiuni, certificate de depozit etc.) n defavoarea
randamenutlui aciunilor care devin mai puin atractive. Prin urmare
investitorii i vor ndrepta lichiditile ctre alte titluri ceea ce conduce la
o cerere mai redus pentru aciuni i deci o diminuare de pre.
Uneori nu este nevoie ca rata dobnzii s creasc efectiv, este suficient o
anticiparea a acestei creteri pentru ca efectul s se fac resimit n pre
5. Evoluia pieei n ansamblu (vizibil n evoluia indicilor bursieri). Dac piaa n
ansamblul ei scade, spre exemplu, datorit unei perspective proaste a sntii
economiei n ansamblu sau datorit unui panici generale pe burs nici chiar cea
mai bun companie nu va face fa trendului general descendent al pieei. Este de
ateptat totui, cel puin din punct de vedere teoretic, ca o companie mai bun s
42
nregistreze scderi ma mici ale preurilor aciunilor sale dect scderea medie a
pieei.
Unul dintre indicatorii cei mai utilizai pentru evaluarea potenialului oferit de o anumit aciune
este raportul Pre/Profit (engl. PER Price/Earnigs Ratio):
actiune pe ofit
actiunii etul
PER
Pr
Pr

Profit pe aciune = profitul nregistrat / nr. de aciuni

Un alt indicator important este raportul: pre curent/ valoare contabil.
Cerera i oferta observate pe termen scurt:
cantitate
pret bid (pret
oferit)
pret ask (pret
cerut) cantitate
253,400 0.58 0.595 55,900
525,800 0.575 0.6 75,800
428,400 0.57 0.605 28,400
10,200 0.565 0.61 32,100
10,500 0.56 0.615 42,800
82,000 0.55 0.62 92,800
7,000 0.545 0.63 46,000
297,000 0.54 0.635 100
250,000 0.535 0.64 8,500
24,700 0.53 0.65 353,500
1,889,000 735,900 TOTAL CANTITATE
oferta de actiuni cerere de actiuni
Obligaiunile sunt instrumente financiare de credit, purttoare de dobanda sau cu discont, care
reprezinta o datorie pe termen lung, emisa de autoritatile publice sau de corporatii. Emitentul plateste
dobanda la intervale de timp specificate (de regula semestrial) i rascumpara obligatiunile atunci cand
imprumutul este programat sa fie rambursat, adica la data scadentei (maturity date) sau mai devreme, la
data rscumprrii (call date).
Obligaiunile sunt la rndul lor titluri financiare care pot fi tranzacionate. Rata dobnzii influeneaz
preurile acestor titluri. Relaia este invers (la fel ca i n cazul aciunilor):
Dac rata dobnzii crete preurile obligaiunile exisitente la tranzacionare vor nregistra o
scadere
Dac rata donnzii scade preurile obligaiunilor tranzacionate vor crete
Factori de influen fundamentali n evoluia cursului valutar:
Diferena dintre inflaia nregistrat de cele dou economii naionale
43
Diferena dintre ratele dobnzilor reale. O rat mare a dobnzii pentru o anumit moned este mai
atractiv i deci crete cererea pentru moneda respectiv iar moneda respectiv se apreciaz pe
termen scurt. Aceast cretere a ratei dobnzii poate s afecteze performana economic de
ansamblu
Deficitul de cont curent. Importuri mai mari dect exporturi fac ca oferata de valut s fie mai
mare ceea ce nseamn o depreciere a monedie naionale
Datoria public (deficitul bugetar)
Performana economic a respectivei ri
Factori de influen ai ratei dobnzii:
Cererea/Oferta de creditare. n perioade de expansiune
o cererea puternic de credite conduce la creterea ratei dobnzii
o randamentele mai atractive oferite de companiile private (dividente, obligaiuni) oblig
guvernul s ofere randamente mai ridicate la titlurile de stat
Politica monetar. Prin operaiunile de open market, faciliti acordate bncilor, manevrarea ratei
dobnzii de politic monetar i impunerea unor rezerve minime obligatorii Banca naional
influeneaz nivelul ratei dobnzii
Deficitul bugetar emiterea de titluri guvernamentale pe termen lung pentru acoperirea
deficitului cea ce nsemn o absorbie de moned din economie i o cretere a ratei dobnzilor la
titlurile pe termen lung
Inflaia presupune o cretere a ratei nominale a dobnzii
7.2. Metode de analiz tehnic
Analiza tehnic nu i propune s analizeze datele financiare ale unei companii, cum ar fi de
exemplu cashflow-ul (fluxul de numerar) sau estimarea dividendelor viitoare. Metodele analizei tehnice
sunt derivate din studierea pieei financiare de-a lungul a sute de ani. Poate c cea mai timpurie ramur a
analizei tehnice o reprezint tehnicile candlestick folosite de speculatorii japonezi din secolul al
XVIII-lea i populare nc n zilele noastre.
Teoria Dow, introdus de Charles Dow, cofondator al companiei Dow Jones & Company (n
1882, mpreun cu Edward Jones) i editor al Wall Street Journal, a inspirat la sfaritul secolului al XIX-
lea folosirea i dezvoltarea analizei tehnice.
Ca orice teorie, analiza tehnic a dat natere la numeroase discuii pro i contra. Una dintre
teoriile formulate de opozanii analizei tehnice este ipoteza de pia eficient, care susine c o pia
eficient are o evoluie de tip mers la ntmplare i c pe o astfel de pia activitile de tip speculativ,
prin utilizarea analizei tehnice, sunt practic imposibile.
44
Reprezentarea grafic ce mai comun este prin bare de pre. O bar de pre coincide unei anumite
frecvene temporale (1 min., 5 min., 10 min., 15 min., 30 min., 1 h, 1 zi, 1 sptmn, 1 lun) i conine
preul de deschidere (preul iniial), preul minim, preul maxim i preul de nchidere.
7.2.1. Benzile Bollinger
Benzile Bollinger reprezint un sistem de generare a semnalelor de tranzacionare
(vnzare/cumprare) bazate pe principiul reversibilitii evoluiei preurilor. Cu alte cuvinte se pornete
de la ipoteza c o cretere a preurilor peste valoarea real, fundamentat din punct de vedere economic,
va fi urmat de o scdere a acestora, adic de o revenire cre valoarea real. Principiul este simetric, fiind
valabil att n condiiile unei supraevaluri ct i al unei subevaluri, aceasta din urm fiind urmat de o
revenire n sensul creterii cotei respectivului activ.
45
Din punct de vedere tehnic Benzile Bollinger sunt formate dintr-o valoare medie central i dou
frontiere (benzi) care ncadreaz valoarea central.
Etape n construirea unui sistem de tranzacionare bazat pe Benzi Bollinger:
1. Valoarea medie central poate fi calculat prin diferite metode de nivelare:
Medie mobil

n
k n t
t n
y
k
y
1
1
Nivelare exponenial
( )
1
1

+
t t t
y y y
Medie mobil exponenial

n
k n t
t
k
j
n
y
j
t n k
y
1
1
Etc.
t
y
- preul de nchidere nregistrat la sfritul unei perioade de timp (zi, or, 30 min etc.)
ATENIE !!!
Spre deosebire de media mobil, nivelarea exponenial i media mobil exponenial folosite
direct n previziune (cap.2), valorile calculate n acest context corespund perioadei curente adic,
reprezint valori medii care nlocuiesc valoarea curent i nu reprezint previziuni pentru perioada
viitoare.
2. Se calculeaz deviaiile preului de nchidere fa de preul mediu:
t t t
y y D
3. Se aplic o metod de nivelare a deviaiilor la fel ca i n cazul calculrii tendinei centrale, de
regul pe acelai interval de timp, obinndu-se o deviaie medie aferent perioadei,
D
4. La valoare medie central se adaug/scade un numr de deviaii medii:
Frontiera superioar
D nr y y
s
* +
Frontiera inferioar
D nr y y
i
*
46
Distana dintre frontiere este direct proporional cu volatilitatea preului datorit unei deviaii
mai mari fa de medie.
16
16.5
17
17.5
18
18.5
19
9
0
0
9
0
4
9
0
8
9
1
2
9
1
6
9
2
0
9
2
4
9
2
8
9
3
2
9
3
6
9
4
0
9
4
4
9
4
8
9
5
2
9
5
6
9
6
0
9
6
4
9
6
8
9
7
2
9
7
6
9
8
0
9
8
4
9
8
8
9
9
2
9
9
6
1
0
0
0
Semnale de vnzare /cump rare:
Atunci cnd preul intersecteaz frontiera superioar se previzioneaz o scdere de pre i deci se d un
ordin de vnzare iar cnd preul de vnzare intersecteaz frontiera inferioar se d un ordin de cumprare
aticipndu-se o cretere a preurilor.
7.2.2. Intersecia mediilor mobile
Sistemele bazate pe mediile mobile pornesc de la premisa c o cretere semnificativ a preurilor
observat la un moment dat va continua i n viitor. A tranzaciona cu ajutorul unui astfel de sistem este
echivalent cu a tranzaciona conform principiului cumpr ceea crete i vinde ceea ce scade.
Cele mai utilizate medii mobile sunt calculate pe ferestre de 20, 30, 50, 100 sau 200 zile. Fiecare
medie mobil furnizeaz o interpretare diferit cu privire la evoluia preului unui tiltlu de valoare. Cu ct
perioada pe care se calculeaz media mobil este mai scurt, cu att sta va fi mai sensibil la modificrile
preului. Mediile sunt calculate n general cu ajutorul mediilor mobile sau al mediilor mobile
exponeniale, termenul fereastr de lungime k, n acest context, fiind echivalent cu cel de ordin k (cap.2),
nsemnnd numrul de valori cuprinse n medie.
47
40
45
50
55
60
65
70
75
80
1
8
0
0
1
8
1
7
1
8
3
4
1
8
5
1
1
8
6
8
1
8
8
5
1
9
0
2
1
9
1
9
1
9
3
6
1
9
5
3
1
9
7
0
1
9
8
7
2
0
0
4
2
0
2
1
2
0
3
8
2
0
5
5
2
0
7
2
2
0
8
9
2
1
0
6
2
1
2
3
2
1
4
0
2
1
5
7
2
1
7
4
2
1
9
1
2
2
0
8
2
2
2
5
C
V
MM exp. 100 zile
MM exp. 20 zile
Semnale de vnzare /cump rare:
Astfel, se consider a fi un moment optim de cumprare momentul n care media mobil calculat
pe o fereastr scurt (ex. 20 zile) devine mai mare dect media mobil calculat pe o fereastr mai lung
(ex. 100 zile), deoarece acest moment este considerat nceputul unui trend cresctor de durat. Momentul
este optim pentru vnzare atunci cnd media mobil calculat pe o fereastr mai scurt devine mai mic
dect media mobil calculat pe o fereastr mai lung, aceast situaie indicnd nceputul unui trend
descendent.
7.2.3. Oscilatorul Stocastic
Oscilatorul stocastic se calculeaz astfel:
:
1. Se decide asupra numrului de perioade, K, incluse n calcul (5 zile, 20 zile etc.) Aceste perioade
reprezentnd bare de pre cu preul de deschidere, preul minim, preul maxim i preul de
nchidere. nfiecare moment t se alege cel mai mic pre minim i cel mai mare pre maxim pe o
fereastr de k bare n urm.
2. Se calculeaz la fiecare moment (bar) t urmtoarele valori:
CL = Preul de nchidere [t] - Cel mai mic pre minim [pe fereastra de N bare]
HL = Cel mai mare pre maxim [pe fereastra deK bare] Cel mai mic preul minim [pe fereastra de K bare]
OS = CL / HL *100
48
3. Valoarea OS este nivelat printr-o medie mobil obinndu-se un oscilator stocastic mediu
OS

n partea de jos a graficului este reprezentat
OS
mpreun cu pragurile de 80% i 20%
Semnale de vnzare /cump rare:
Semnal de vnzare:
Atunci cnd
OS
depete un prag superior (de regul 80%)
Semnal de cumprare:
Atunci cnd
OS
coboar sub un prag inferior (de regul 20%)
8. Previziuni de marketing
8.1. Previziunea produselor noi introduse pe pia

Una dintre cele mai importante aplicaii comerciale ale previziunii poate fi gsite n ultimele
faze ale procesului de dezvoltare a noilor produse moment n care managerii au nevoie de estimri ct
mai exacte privind n special rate de penetrare a pieei, volumul vnzrilor i cota de pia. n cele ce
urmeaz va f tratat problematica bunurilor de larg consum.
8.1.1. Modele pentru piee test
49
Crearea unui nou produs (concept sau prototip) implic costuri ridicate ns lansarea unui produs
pe pia poate fi mult mai costisitoare (ex.: realizarea produsului Gillette Ultramax a costat 1,9 milioane
USD iar lansarea pe pia 19 milioane USD). Pentru a decide dac un produs merit sau nu s fie lansat
pe pia la scar larg, companiile productoare au nevoie de previziuni detaliate privind evoluia
vnzrilor ulterioar lansrii produslui.
n ultimele decenii productorii de bunuri de larg consum folosesc piee test nainte de lansarea
unui produs la scar naional sau internaional. Pieele test sunt piee restrnse care includ un numr
limitat de puncte de desfacere sau zone geografice i au rolul de a evalua performana unui produs n
condiii reale de pia precum i a unor planuri alternative de marketing. Utilizarea unor piee test
implic, la rndul lor, costuri care cresc odat cu durata perioadei de testare a produselor dar i odat cu
creterea costului de oportunitate de a nu lansa produsul pe scar naional mai devreme. Perioadele lungi
de testare dau competitorilor posibilitatea de a evalua produsele care sunt pe punctul de a fi lansate i de
lansa mai rapid produse similare care pot fi mai competitive. Pentru a veni n ntmpinarea acestei
probleme au fost create modele specifice pieelor test care au rolul de a face predicia volumului
vnzrilor pe baza primelor rezultate provenite din pieele de testare reducnd astfel, n mod
semnificativ, durata necesar testrii.
Unul dintre cele mai utilizate modele presupune descompunera vnzrilor observate n perioada
de testare n achiziii care reprezint ncercri ale produslui i achiziii repetate. Acest tip de modele (
depth of repeat models) la dezvoltarea crora au contribuit Fourt i Woodlock (1960), Eskin (1973),
Kalwani i Silk (1980) iar mai recent Fader i Hardie (1999) sunt utilizate n prezent de companii n
domeniul cercetrilor i previziunilor de marketing (ex. BASES
1
). De obicei datele observate reprezint
vnzri sptmnale. Astfel vnzrile cumulate (vnzrile care au fost relizate pn n sptmna t), S(t),
pentru un anumit produs pot fi descompuse n:
a. Numrul de achiziii care reprezint ncercarea produsului (prima achiziie realizat de un
cumprtor), T(t)
b. Numrul de achiziii care reprezint prima repetiie (achiziii realizate de cumprtori
care cumpr un produs a doua oar, dup ce l-au ncercat), FR(t)
c. Numrul de repetiii ulterioare, AR(t)
S(t) = T(t) + FR(t) + AR(t)
Descompunerea n aceste componente i realizarea previziunilor pentru fiecare component n
parte este deosebit de util pentru a cunoate natura i cauzele succesului/insuccesului unui produs i
pentru adoptarea unor msuri corespunztoare. De exemplu vnzri realizate sub nivelul ateptat pentru
un anumit produs pot fi explicate prin urmtoarele dou scenarii posibile:
a. Dei muli consumatori ncearc produsul foarte puini fac o nou achiziie pentru
c produsul nu corespunde preferinelor consumatorilor. Deci produsul trebuie mbuntit
pentru a atinge cel puin nivelul de satisfacie asteptat de consumatori.
b. Foarte puini consumatori ncearc produsul dar totui cei care o fac sunt ncntai
i achiziiile ulterioare sunt ridicate. Deci produsul trebuie mai bine promovat pentru a fi
ncercat de mai muli consumatori.
De asemenea descompunerea are i rolul realizrii unei previziuni mai exacte. Dac urmrim
figura de mai jos, unde se ncearc realizarea unei previziuni pornind doar de la vnzrile globale S(t)
observate pn n momentul t
0
utiliznd o funvie de tendin, evoluia viitoare poate fi una din variantele
(a), (b) sau (c). Alegerea uneia din cele 3 variante se face prin alegerea formei funciei de tendin
utilizat n previziune care reprezint o decizie fcut a priori momentului t
0
i deci presupune un risc.
Este adevrat faptul c alegerea funciei se face astfel nct aceast funcie s estimeze ct mai bine
1
BASES a fost fondat la mijlocul anilor 1970. n 1998 a fost cumprat de ACNielsen care la rndul ei a fost cumprat n
2001 de VNU.
50
vnzrile observate (pna la momentul t
0
) ns, aa cum a fost precizat anterior, se dorete ca perioada de
observare, adic perioada n care produsul s fie testat pe pia s fie ct mai mic. Alegerea unei funcii
potrivite pentru vnzrile totale reprezint deci un demers dificil n aceste condiii.
Dac vnzrile sunt descompuse n ncercri i repetiii atunci varianta (a) corespunde situaiei n
care nivelul de repetiii este ridicat, varianta (b) corespunde unui nivel al repetiiilor mai sczut iar
varianta (c) corespunde unui nivel nul al vnzrilor repetate. Dac vnzrile repetate ar fi observate
nainte de momentul t
0
nivelul acestora ar duce, fr ndoial, informaii importante pentru perioada de
previziune.
1. Model pentru numrul total cumulat al primei ncercri pentru un anumit produs pn n momentul
t:
) ( ) ( t P N t T
N numr de consumatori poteniali
P(t) probabilitatea ca un cumprtor s fac prima ncercare pn n momentul t.
) 1 ( ) (
0
t
T
e t P

t variabila timp, n general sptmni

(a)
(b)
(c)
Previziune
Perioad de
observare
t
Vnzri
PIA TEST
t
0
51
2. Model pentru prima achiziie repetat:
)]} 1 ( ) ( [ ) / ( { ) (
0 0 0
1
1
0

t T t T t t P t FR
t
t
) 1 ( ) / (
) (
1 0
0
t t
FR
e t t P

) / (
0
t t P
- probabilitatea de a face prima achiziie repetat n momentul t condiionat de ncercarea
produsului n momentul t
0
(probabilitatea de face prima achiziie repetat dup o period de
t-t
0
sptmni de la ncercarea produsului)
t - momentul primei repetiii
t
0
- momentul ncercrii produsului
T(t
0
)-T(t
0
-1) cu ct a crescut numrul de consumatori care au fcut prima ncercare fa de perioada
anterioar (numrul de consumatori care au fcut prima ncercare n sptmna t
0
)
3. Model pentru repetiiile ulterioare:

>

1
) ( ) (
j
j
t R t AR
)]} 1 ( ) ( [ ) / ( { ) (
1 1 1 1 1
1
1
0

j j j j j j
t
t
j
t R t R t t P t R
) 1 ( ) / (
) (
1
1

j AR
t t
j j j
e t t P

) 1 (
j
j
e

,
2 j
8.1.2. Modele pentru piee pre-test
Pentru c testarea unui produs pe o pia, aa cum a fot deja precizat, implic costuri
considerabile dar i un anumit risc din partea companiilor concurente au fost create modele care s
permit evaluarea succesului unui produs nainte ca acesta s fie testat pe o pia. Spre deosebire de
pieele test unde produsul, n volum limitat, este disponibil pentru a fi achiziionat n mod real, pieele
pre-test presupun o faz incipient n care produsul este n faz de prototip, nu a fost lansat n mod real pe
nici o pia i este posibil chiar ca produsul s nu aib nc o denumire i un ambalaj final n vederea
comercializrii.
Modelele care genereaz previziuni privind volumul vnzrilor sau cota de pia a unui produs
nainte ca acesta s fie testat pe pia se bazeaz n mare msur pe inteniile exprimate de potenialii
consumatori. Un eantion selectat din potenialii consumatori sunt confruntai cu produsul aflat n faz de
prototip ntr-un spaiu special amenajat. Consumatorii sunt chestionai cu privire la propriile lor intenii
de acumpra produsul respective dar i n ceea ce privete opinia acestora fa de aumite caracteristici ale
produslui. Consumatorii interesai sunt ncurajai s testeze produsul respective sau le este oferit produsul
pentru a fi testat ulterior, la domiciliu. Dup o anumit perioad de timp optim (timp mediu estimat
52
ntre achiziii successive) consumatorii chestionai sunt contactai din nou, de obicei telefonic, pentru a se
obine informaii privind gradul de satisfacie al acestora n urma utilizrii produsului dar i privind noile
intenii ale consumatorilor fa de produsul respectiv. Uneori produsul le este oferit consumatorilor de
mai multe ori.
O alt categorie de modele face apel la analogia dintre produse. Foarte multe companii
specializate pe cercetri de marketing (BASES, Novaction ets.) creaz baze de date cu informaii
referitoare la mii de produse lansate. Caracteristicile (reclam, poziionare, distribuie etc.) produsului
care urmeaz a fi lansat este comparat cu caracteristicile produselor lansate anterior din categoria
respectiv. Legtura dintre performana produsului i caracteristicile sale este formalizat prin funcii de
mai muli parametrii. Prametrii estimai pe diferite categorii de produse lansate anterior sunt utilizai
pentru a previziona performana noilor produse.
n cele ce urmeaz vor fi prezentate foarte succint etapele eseniale ale modelului ASSESSOR
1
(Urban, Slk 1977) aflat n prezent n proprietatea companiei M/A/R/C (Marketing and Research
Counselors)
2
. Etapele acestui model prin care se estimeaz cota de pia a unui nou produs ce urmeaz a
fi lansat pe pia sunt:
1) Poteniali consumatori (subieci) din segmentul de pia sunt interceptai n timp ce fac
cumprturi, cei disponibili sunt condui ntr-un spaiu special amenajat unde l-i se
administreaz un chestionar iniial n vederea identificrii setului de produse familiar
(setul de produse pe care o persoan le are n vedere atunci cnd face o alegere).
2) Subiecilor l-i se administreaz un al doilea chestionar (care este adaptat n funcie de
rspunsurile la primul chestionar adic n funcie de produsele cu care subiectul este
familiar). Produsele sunt grupate 2 cte 2 iar subiectul trebuie s aloce 11 ntre cele 2
produse ale fiecarei perechi. n funcie de numrul de puncte alocat fiecare produs va
primi un scor
) ( j V
.
3) ntr-un magazin fictiv subiecior l-i se ofer ocazia s fac cumprturi gratuit pn la o
anumit limit peste care trebuie s plteasc. Subiecilor care nu cumpr din proprie
iniiativ noul produs acesta le este oferit gratuit.
4) Probabilitatea ca un consumator s cumpere produsul j este exprimat n funcie de scorul
obinut pentru produsul j prin urmtoarea relaie:

m
j
j V
j V
j P
1
) (
) (
) (

m - numrul de produse aflat n setul de produse familiar fiecrui respondent

) ( j V
- scorul obinut de produsul j
P(j) probabilitatea ca un consumator s cumpere produsul j (procentul de
cumprtori care cumpr produsul j)
Rolul acestei etape este estimarea parametrului

. Preferinele consumatorilor sunt

cunoscute n etapa 2) iar procentul de cumprtori n etapa 3) problema care rmne fiind
n ce msur preferinele exprimate ale cumprtorilor reprezint un bun predictor pentru
procentul efectiv de achiziii. Parametrul

face legtura dintre preferinele

consumatorilor (exprimate prin punctele acordate de subieci fiecrui produs - scoruri) i
procentul de cumprtori (probabilitatea ca un anumit produs s fie cumprat) acionnd
1
Trebuie menionat faptul c procedura este prezentat doar parial i n mod simplificat estimrile reale
implicnd i calcule mai complexe
2
M/A/R/C a fost cumprat de compania Omnicom n 1999 fiind n prezent controlat de aceasta.
53
ca un corector pentru o posibil subevaluare sau o supraevaluare fcut de consumatori n
chestionar.
5) Dup o perioad de timp subiecii sunt contactai din nou iar cei care ntre timp au
ncercat noul produs sunt supui din nou unui interviu. Chestionarul este similar celui din
etapa 2) cu diferena c subiecii trebuie s acorde puncte i noului produs pe care au
avut deja ocazia s-l ncerce.
6) Cu ajutorul parametrului

estimat n etapa 4) se previzioneaz probabilitatea cu care un

cumprtor va achiziiona noul produs i.

m
j
j V i V
i V
i P
1
) (
~
) (
) (
~
) (
~

) (
~
i P - probabilitatea ca un consumator s cumpere noul produs i
) (
~
j V - scorul obinut de produsul j din setul de produse familiare dup ce a fost
ncercat i noul produs i

) (i V
- scorul obinut de noul produs i
n aceast etap se pornete de la ipoteza c parametrul

este aproximativ acelai i

pentru noul produs i
7) Cota de pia previzionat pentru noul produs i este calculat dup formula:
) (
~
) ( ) (

i P i E i M
) (

i M - cota de pia estimat pentru noul produs i care urmeaz a fi lansat

) (i E
- proporia consumatorilor care vor include bunul i n setul de produse
familiare
Se observ c probbailitatea ) (
~
i P a fost calculat pornind de la scoruri acordate unor
produse cu care cumprtorii poteniali sunt familiarizai adic fie au auzit de ele fie le-au
ncercat. Prin urmare probbailitatea ) (
~
i P este de fapt probabilitatea ca un consumator s
cumpere noul produs i dac cunote acest produs. Prin urmare este necesar estimarea lui
) (i E
care se realizeaz n principal n funcie de impactul promovrii produsului
(chestionare prin care se verific n ce msur consumatorii cunosc un produs, i
amintesc reclama produsului etc.).
n urma previziunilor fcute cu modele specifice fazei de pre-test se poate lua decizia de a
renuna la produs, de a introduce produsul ntr-o pia test sau de a lansa produsul la scar naional.
8.2. Anchete privind inteniile consumatorilor
Anchetele privind inteniile consumatorilor reprezint o metot specific activitii de
previzionare a vnzrilor. Din punct de vedere tehnic este orecum similar anchetei aupra opiniei
specialitilor cu diferena c respondenii sunt chestionai n legtur cu propriile lor intenii de a
cumpra sau nu un anumit produs ceea ce implic o seam de particulariti. Anchetele privind inteniile
consumatorilor sunt folosite n general pentru produse deja existente pe pia fiind n special eficiente n
cazul bunurilor de folosin ndelungat acestea implicnd un proces decizional mai complex din partea
cumprtorului (Ex: Este relevant ca o persoan s fie ntrebat n legtur cu achiziia unei maini n
anul urmtor ns dac este ntrebat n legtura cu achiziia unor obiecte de papetrie spre exemplu este
foarte probabil ca persoana respectiv s nu tie ce va face privind astfel de lucruri nesemnificative)
54
Exemplu de ntrebri posibile n cadrul unui chestionar privind inteniile consumatorilor:
Care din urmtorele alternative descrie cel mai bine probabilitatea achiziionrii produsului X n
urmtoarele 12 luni de ctre d-vs.?
1. Voi cumpra cu siguran (4)
2. Probabil c voi cumpra (3)
3. Sunt indecis (2)
4. Probabil c nu voi cumpra (1)
5. Nu voi cumpra cu siguran (0)
Acestor alternative l-i se pot atribui probabiliti :
1. 4/4 = 1
2. = 0,75
3. 2/4 = 0,5
4. = 0,25
5. 0
O previziune simpl a procentului de persoane care vor achiziiona produsul respectiv n perioada
precizat este probabilitatea medie obinut pentru eantionul de respondeni (dac probabilitatea medie
exprimat de respondeni este 0,30 n seman c 30% dintre respondeni vor cumpra produsul
respectiv). Valaorea medie poate fi calculat astfel:

Procentul celor care vor cumpra =
procentul celor care au spus c vor cumpra cu siguran* 1
+ procentul celor care au spus c probabil vor cumpra * 0,75
+ procentul celor indecii* 0,5
+ procentul celor care au spus c nu vor cumpra* 0
De obicei ns inteniile exprimate de cumprtori n cadrul unui sondaj difer n mod sistematic
de aciunile reale ale acestora. Printre cauze putem aminti:
consumatorul poate s fac o evaluare greit a propriilor intenii
tentaia de a da un rspuns care s-l mulumeasc pe operator (persoana care
administreaz chestionarul)
tentaia de a-i crea o imagine proprie favorabil (ex. imboldul de nu recunoate c nu va
cumpra un produs prea scump)
nelegerea greit a ntrebrii
chiar dac consumatorul i exprim n mod corect intenia, n intervalul dintre momentul
exprimrii inteniei i momentul achiziionrii propriu-zise pot interveni o serie de
evenimente care pot schimba inteniile reale ale consumatorului.
O previziune mai realist va ine cont ns i de abaterea aciunilor respondenilor de la propriile
intenii exprimate. O posibil modalitate de calcul ar fi urmtoarea:
55
Procentul celor care vor cumpra =
procentul celor care au spus c vor cumpra cu siguran* procentul celor care au spus c vor cumpra
cu siguran i au cumprat
+ procentul celor care au spus c probabil vor cumpra * procentul celor care au spus c probabil vor
cumpra i au cumprat
+ procentul celor indecii* procentul celor indecii care au cumprat
+ procentul celor care au spus c nu vor cumpra* procentul celor care au spus c nu vor cumpra i au
cumprat
Se remarc c aceast evaluare a abaterii de la inteniile afirmate poate fi evaluat numai printr-un
studiu derulat anterior care s compare achiziiile efective ale fiecrui grup de respondeni cu inteniile
exprimate de acetia.
Unele companii specilizate (ex. BASES) creaz baze de date cu coeficieni de corecie estimai
din studii anterioare privind diferite categorii de bunuri dar i diferite zone geografice. Se pornete de la
premisa c populaia anumitor ri denatureaz mai mult sau mai puin realitatea n rspunsurile
exprimate ntr-un mod specific. Prin urmare rspunsurile provenite dintr-un un studiu desfurat ntr-o
anumit ar (latin, asiatic, anglo-saxon etc.) vor fi corectate cu coeficienii corespunztori.
8.3. Previziuni privind cota de pia
ntr-un sistem competitiv de marketing pentru bunuri de consum existente pe pia companiile pot
desfura activiti de marketing orientate ctre consumator sau activiti de marketing orientate ctre
distribuie.
Acriviti le de marketing orientate ctre consumator sunt adresate direct acestuia i privesc
calitatea produsului, ambalarea, varietatea sortimentelor, nivelul preului, publicitate, promoii etc.
Marketingul orientat ctre consumator se folosete n cazul bunurilor cu un brand bine difereniat.
Activitile de marketing orientate ctre distribuie se refer la activitatea personalului direct
implicat n vnzri, poziionarea pe raft a bunurilor, reduceri de pre, reduceri de pre legate de cantitate,
negocierea altor condiii favorabile cu distribuitorii etc. Aceste tehnici de marketing se folosesc pentru
produse care nu au un brand bine difereniat (Ex. Un cumprtor nu va cuta o anumit marc de
erveele ci le va lua pe cele care sunt la ndemn, adic bine poziionate, sau eventual pe cele mai
ieftine)
Un al treilea set de factori care influeneaz vnzrile conine elemente legate de variaia
sezonier, modificrile demografice, veniturile populaiei, cultur i stil de via, dezvoltare tehnologic
etc. n timp ce variabilele implicate de activitile de marketing orientate ctre consumator sau distribuie
influeneaz cota de pia a unui produs, ultimul set de variabile influeneaz volumul vnzrilor n
ansamblu, expansiunea sau contracia acestora per global.
n domeniul previziunilor de marketing au fost folosite diferite metode de previziune a cotei de
pia pornind de la variabilele mai sus amintite care au un impact semnificativ asupra cotei de pia.
Frecvent utlizate sunt metode generale de previziune cum ar fi regresia multipl i reelele neuronale care
permit introducerea diferitelor variabille independente.
Pe lng metodelele generale de previziune un model specific previziunilor de marketing privind
cotele de pia este modelul de atracie:
56

m
j
n
k
u b
kjt
b
n
k
u b
kjt
b
jt
jt kj j
jt kj oj
e x e
e x e
c
1 1
1
) (
) (
0
jt
c
- cota de pia a produslui j la momentul t
hjt
x
- factorul de influen k al produsului j la momentul t
oj
b
- termen liber pentru bunul j
kj
b
- parametrul factorului de influen k al bunului j
jt
u
- eroarea de estimare a bunului j la momentul t
n numrul factorilor de influen
m numrul de bunuri
Acest model pornete de la premisa c cota de pia a unui produs se poate calcula ca raport
dintre efortul de marketing pentru acel produs i efortul de marketing al tuturor produselor de pe pia (
t o eroare de estimare).
Acest model are dezavantajul c efortul de marketing privind produsele concurente este mai greu
de estimat pentru perioada aferent orizontului de previziune, aciunile concurenilor pe pia pot fi dificil
de prognozat..
8.4. Analiza preferineleor consumatorilor (Conjoint Analysis)
9. Previzionarea situaiei financiare la nivel de ntreprindere
Metoda raportrii la cifra de afaceri (cunoscut sub denumirea procent din vnzri) este
metoda cea mai simpl de previziune financiar, care satisface eficient nevoile informaionale ale unei
organizaii (firme). Motivul pentru care aceast metod are o mare aplicabilitate n ghidarea managerilor
este faptul c pornete de la o ipotez viabil i anume c majoritatea posturilor bilaniere variaz o dat
cu vnzrile.
9.1. Previziunea cifrei de afaceri
Punctul de plecare a tuturor previziunilor financiare este previziunea vnzrilor. Pe baza estimrii
cifrei de afaceri pe perioada urmtoare se poate determina necesarul de active circulante i fixe, respectiv
fondurile permanente i curente necesare pentru acoperirea finanrii lor.
Previziunea cifrei de afaceri se poate realiza prin dou metode de abordare:
57
Abordarea global (sintetic) care presupune previzionarea direct a cifrei de afaceri totale
Abordarea analitic presupune mprirea vnzrilor firmei pe categorii principale de produse
previziunea realizndu-se pe fiecare categorie n parte dup care avnd loc reagregarea acestora.
Una din recomandrile specialitilor este realizarea previziunii cifrei de afaceri per global dup
care avnd loc compararea acesteia cu cifra de afaceri previzionat analitic i alegerea variantei cele
mai pesimiste (celei mai mici).
Dac previziunea cifrei de afaceri are o valoare nejustificat de ridicat consecinele pot fi deosebit
de grave, deoarece firma ar putea s ajung fie n situaia s produc pe stoc, fie s nu-i utilizeze
corespunztor capacitile de producie, ducnd la scderea vitezelor de rotaie, costuri mai mari i
deprecierea rentabilitii i a lichiditilor.
Previziunea cifrei de afaceri, att global ct i analitic, din punctul de vederea al metodelor de
realizare se poate face prin:
Metode de extrapolare a seriilor de timp caz n care se ine cont doar de tendina
fenomenului;
Funcii de regresie caz n care se ine cont de variabilele explicative cum ar fi: cheltuielei
de publicitate, pre, numr de concureni etc.
Metode combinate. Una dintre metodele recomandate de specialiti este previzionarea
produciei la nivel de industrie prin extrapolarea tendinei iar apoi previzionarea cotei de
pia deinute de firma n cauz. Previziunea final se face prin nmulirea cotei de pia
previzionate aferent unei firmei sau unui produs cu cifra de afaceri previzionat la
nivel de industrie.
9.2. Previzionarea elementelor contului de rezultate
n estimarea contului de rezultate se va ine cont de urmtoarele principii:
- separarea elementelor de venituri i cheltuieli pe categorii: din exploatare, financiare,
excepionale.
- separarea elementelor n funcie de variaia fa de cifra de afaceri: variabile i fixe.
- corelaii cu alte situaii pro-forma: bilanul, situaia fluxului de numerar.
Estimarea veniturilor din exploatare
Are la baz cifra de afaceri estimat n etapa anterioar. Structura acesteia pe producie vndut i
vnzri de mrfuri se va considera stabil. Restul veniturilor din exploatare, de natura produciei
exerciiului, se vor considera c variaz odat cu cifra de afaceri la un nivel mediu (calculat ca medie a
anilor anteriori). Veniturile din subvenii, provizioane i alte venituri se vor neglija, din motive de
pruden.
Estimarea cheltuielilor din exploatare
Cheltuielile de exploatare se consider c vor varia proporional cu cifra de afaceri. Excepie de la
aceast regul vor face cheltuielile cu amortizarea (n general planurile de afaceri utilizeaz metoda de
amortizare liniar), care se vor stabili innd cont de valoarea mijloacelor fixe i investiiile noi, respectiv
gradul mediu de amortizare. Nu toate cheltuielile de exploatare sunt variabile, ns atunci cnd se sporete cifra
de afaceri, tot din motive de pruden se crete i ansamblul lor. Alte cheltuieli din exploatare i din provizioane
se neglijeaz din motivele anterior menionate.
58
Estimarea veniturilor financiare
Veniturile financiare vor fi estimate pe categorii. Veniturile din dobnzi se vor obine prin aplicarea
dobnzilor pe cont curent asupra sumelor rezultate din situaia fluxului de numerar. Veniturile din diferene de
curs valutar se vor considera la un nivel minim al anilor precedeni. Alte venituri financiare, din provizioane se
vor ignora din motive de pruden.
Estimarea cheltuielilor financiare
Cheltuielile financiare se vor previziona pe categorii. Cheltuielile din dobnzi se obin prin aplicarea
dobnzilor la creditele bancare contractate. Realiazarea progrsmului de rambursare a creditului este deosebit de
util pentru calcularea bazei asupra creia se va plaica rata dobnzii, calculndu-se astfel nivelul cheltuielilor cu
dobnda.
n general rata dobnzii aferent mprumuturilor contractate de firmele mici esta mai mare dect cea a
creditelor contractate de firmele mari. n cadrul firmelor mici cu ct este mai nou firma cu att rata dobnzii
este mai mare. Acesta este un lucru normal ddatorit faptului c pentru afacerile mai mici i mai noi riscul de
nerambursare a creditului este mai mare dect n cazul firmelor mari.
Alte cheltuieli financiare, din motive de pruden se vor considera la raportul mediu fa de cifra de
afaceri.
Estimarea veniturilor i cheltuielilor excepionale
Aceste elemente de regul se vor neglija, avnd n vedere faptul c ele nu ar trebui s fac parte din
activitatea normal, curent a activitii organizaiei (firmei).
Estimarea impozitului pe profit
Se va face pe baza cotei de impunere n vigoare, aplicat asupra profitului brut, cumulat din etapele
anterioare. Dac este inevitabil existena unor cheltuieli nedeductibile, atunci se vor face corecii asupra
profitului brut n vederea obinerii profitului impozabil. Veniturile nedeductibile fiscal se vor ignora din
motive de pruden.
Estimarea profitului net
Se realizeaz prin deducerea impozitului din profitul impozabil i va fi preluat n pasivul
bilanului financiar la capitolul de capitaluri proprii.
9.3. Previziunea elementelor de activ
ntr-o prim faz se raporteaz elementele patrimoniale din bilan la cifra de afaceri. Se identific
elementele care variaz odat cu cifra de afaceri.
Nivelul estimat al lor va fi n general:
t
t
1 t 1 t
Ca
A(P)
Ca A(P)
+ +
Previziunea elementelor de active circulante
Exist dou cazuri:
a) cnd nivelul activelor curente (creane i stocuri) sunt considerate cel puin la un nivel normal dac
nu optim, ele vor crete odat cu cifra de afaceri. Aceast metod presupune previzionarea lor n
funcie de viteza de rotaie.
b) cnd n trecut au nregistrat valori anormale, ca durate de rotaie, atunci ele trebuie corectate pentru
a se nscrie n limite normale de eficien.
59
k
Ca
Ac
Ca Ac
t
t
1 t 1 t

,
_

+ +
unde: Act - active curente n momentul instoric t;
Act+1 - active curente estimate pentru momentul t + 1;
Cat
- cifra de afaceri realizat pe perioada istoric t;
Cat+1 - cifra de afaceri estimat pe perioada t + 1.
k - coeficient de corecie;
Not: Elementele de disponibiliti vor rezulta pe baza situaiei fluxului de numerar.
Previziunea disponibilitilor
Se procedeaz la determinarea nivelului de disponibiliti necesare, prin raportare la cifra de afaceri.
Acesta se va compara cu cel obinut prin corectarea soldului de disponibiliti cu fluxurile de numerar.
a) Dac soldul final rezultat prin luarea n considerare a fluxului de numerar va fi mai mare dect cel
obinut prin raportarea la cifra de afaceri, atunci se va cuta plasarea excedentului.
b) Dac soldul final va fi mai mic, atunci se va proceda la recalcularea necesarului suplimentar de
fonduri, iar restul rmas neacoperit se va acoperi din credite bancare pe termen scurt.
Previziunea elementelor de active imobilizate
Sunt dou situaii:
a) cnd nivelul activelor imobilizate sunt considerate cel puin la un nivel normal dac nu optim, nseamn
c firma a avut un grad maxim de utilizare a capacitii de producie. Un nou nivel se poate realiza doar cu o
investiie suplimentar. Investiiile se pot realiza n dou feluri:
- relativ constant n raport cu cifra de afaceri, cnd nu sunt necesare investiii considerabile pentru
extinderea capacitilor.
- n salturi, cnd din considerente de natur tehnologic, investiiile presupun valori mari ale activelor
fixe, deoarece este necesar o unitate complet de prelucrare. n acest caz i sporul doar cu 1% a cifrei de
afaceri poate determina un salt considerabil n valoarea investiiilor, fcnd ca pentru sporuri mici ale cifrei de
afaceri aceste investii s fie ineficiente, genernd grade reduse de utilizare a capacitilor i cheltuieli ridicate
cu amortizarea deci riscuri de exploatare sporite.
b) cnd n trecut capacitatea efectiv utilizat a fost mai mic, se poate determina sintetic nivelul cifrei de afaceri
pn la care firma nu este nevoit s realizeze investiii.
Peste acest nivel va trebui s realizeze investiii.
t
t
max
Guc
Ca
Ca
unde: Guct -grad de utilizare a capacitii de producie pe perioada istoric t;
Camax
- cifra de afaceri maxim posibil;
Cat
- cifra de afaceri realizat pe perioada istoric t.
9.4. Previziunea elementelor de pasiv
Creterea elementelor de activ trebuie s genereze, pe baza egalitii fundamentale ntre activ i pasiv, a
surselor de finanare. n cadrul sporului acestor surse trebuie ns s se aib n vedere urmtoarele principii
fundamentale:
- elemente de active imobilizate trebuie n principiu finanate din resurse permanente;
60
- trebuie pstrat un nivel normal de ndatorare fr a periclita considerabil riscul financiar i de
faliment;
- trebuie s existe un echilibru financiar ntre utilizri i resurse;
- costul capitalului trebuie s se ncadreze n limite normale.
Previziunea elementelor de pasive curente nonfinanciare
Se au n vedere dou situaii ce pot exista:
a) dac nivelul pasivelor curente (de regul din exploatare i nonfinanciare) sunt considerate cel puin la un
nivel normal dac nu optim, ele vor crete odat cu cifra de afaceri. Aceast metod presupune previzionarea
lor n funcie de viteza de rotaie, iar acest fenomen se numete cretere spontan, natural;
b) dac n trecut au nregistrat valori anormale, ca durate de rotaie, i sunt nefavorabile n raport cu
rotaia creanelor, atunci ele trebuie corectate pentru a se nscrie n limite normale de eficien.
Principala restricie de cretere a lor este legat de meninerea unei cote sntoase de lichiditate curent.
Lc
Ac
Pcmax

unde: Pcmax
- pasive curente maxim admisibile;
Lc

- lichiditate curent;
Ac - active curente.
Previziunea necesarului suplimentar de fonduri
Dup determinarea elementelor de active curente i imobilizate necesare, cu excepia
disponibilitilor, acestea se totalizeaz i se compar cu pasivul recalculat cu nivelul existent al
capitalurilor permanente i cel recalculat al datoriilor curente (nonfinanciare) diferena reprezentnd-o
necesarul suplimentar de fonduri.
Necesarul suplimentar de fonduri va fi acoperit pe seama a trei surse:
- capitaluri proprii;
- credite bancare pe termen mediu sau lung;
- credite bancare pe termen scurt.
Previziunea creditelor bancare pe termen scurt
Dup determinarea fondurilor suplimentare acoperite din resurse permanente, diferena se va
acoperi n principiu din credite bancare pe termen scurt, cu aceeai meniune de pstrare a unui nivel de
ndatorare rezonabil i de lichiditate acceptabil.
0,5
Pt
Pc Cbts Ibtml
Rig
+ +
i 2
Pc Cbts
Db Cr St
Lc
+
+ +

unde: Rig

- rata ndatorrii globale;
Cbts - credite bancare pe termen scurt;
Ibtml - mprumuturi bancare pe termen mediu i lung;
Pt - total pasiv;
St - stocuri totale;
Cr- creane curente;
Db - disponibiliti bneti i plasamente.
Dac aceste condiii nu sunt ndeplinite, se apeleaz n continuare la suplimentarea fondurilor din capitaluri
proprii, indiferent de costul acestora. Exist o strns dependen ntre nivelul estimat al cifrei de afaceri i
necesarul suplimentar de fonduri (NSF):
1 t
t
t
t
t
t
t t
Ca ) d 1 (
Ca
Rn
Ca
Ca
Pc
Ca
Ca
) Ain Ac (
NSF
+

+

61
unde: Rn - rezultatul net;
d - coeficient de distribuire a dividendelor.
Cnd NSF = 0, firma nu este nevoit s apeleze la surse externe de finanare. Valoarea ratei de cretere a
cifrei de afaceri care satisface aceast egalitate se numete rata de cretere intern (autonom, sustenabil prin
eforturi proprii). Peste acest nivel firma are nevoie de surse externe de finanare.
Previziunea surselor de finanare permanente
Capitalurile proprii i creditele bancare pe termen mediu i lung nu variaz n mod spontan cu cifra
de afaceri. Ele se achiziioneaz pe termene mai ndelungate i n valori mai mari.
Se apeleaz la aceste surse numai cnd are loc i o sporire a activelor imobilizate. Alegerea ntre resursele
permanente se face de regul pe baza urmtoarelor criterii:
costurile resurselor permanente:
- pentru capitaluri proprii: nivel minim de rentabilitate a aciunilor sau prin dividende actualizate;
- pentru mprumuturi: nivelul dobnzi, sau costul pe baza anuitilor actualizate;
meninerea unui raport sntos de ndatorare la termen:
Cp
2
1
Itml 5 , 0
Cp
Itml
Rit
max

meninerea unui echilibru dintre resursele i utilizrile permanente de cel puin 25%.
1,25
Ain
Cpm
fr R
unde: Rit

- rata ndatorrii la termen;
Rfr - rata fondului de rulment;
tml - mprumuturi pe termen mediu i lung;
Cp - capitaluri proprii;
Ain - active imobilizate la valoare net.
9.5. Previziunea fluxului de numerar
Previziunea fluxului de numerar se face n paralel cu estimrile din contul de rezultate i cele din bilan
fiind strict corelate. n estimarea fluxului de numerar trebuie inute cont de cel puin urmtoarele aspecte:
a) delimitarea ncasrilor i plilor, deoarece nu toate cheltuielile sunt pltibile i nici toate veniturile
ncasabile, respectiv existena unor decalaje ntre facturarea i efectiv ncasarea i plata lor;
b) delimitarea ncasrilor i plilor pe activiti generatoare:
- activiti de nvestiii;
- activiti de finanare;
- activiti de exploatare;
c) corelarea elementelor cu alte situaii pro-forma:
- cu contul de rezultate;
- cu bilanul contabil;
d) echilibrarea trezoreriei:
- prin plasarea excedentului de lichiditi;
- prin acoperirea deficitului pe seama creditelor de trezorerie.
Principiul de elaborare a acestora este prezentat n tabelul care urmeaz.
62
10. Indicatori ai erorilor de previziune
Rolul indicatorilor erorilor de previziune este acela de a cuantifica erorile de previziune devenind
astfel criterii de selecie n alegerea diferitelor metode. Considerm eroarea de previziune la momentul t
ca fiind diferena dintre valoarea previzionat pentru momentul t i valoarea real nregistrat n
momentul t:
t t t
e Y P
Principalii indicatori ai erorilor de previziune sunt:
1. Eroarea medie (EM):
1
1
n
t
t
EM e
n

Dac eroarea este cauzat de factori pur aleatori atunci erorile sunt simetric distribuite n jurul
valorii 0 iar prin adunare se anuleaz. Prin urmare o valoare negativ sau pozitiv mare a EM arat o
eroare sistematic de previziune, adic valorile previzionate fie supraestimeaz fie subestimeaz n mod
constant valorile observate.
2. Eroarea medie absolut (EMA):
1
1
n
t
t
EMA e
n

EMA arat care este abaterea medie a previziunilor n valoare absolut de la valorile observate.
Poate fi folosit pentru a compara diferite metode bazate pe aceiai serie de date ns nu poate fi folosit
pentru a compara previziuni bazate pe serii diferite. O eroare de cteva milioane poate fi considerat mic
dac este vorba de un indicator agregat la nivel de ar dar poate fi dezastruoas la nivel microeconomic.
Acest neajuns este valabil i pentru EMP i ES.
3. Eroarea medie ptratic (EMP):
2
1
1
n
t
t
EMP e
n

Acest indicator prezint avantaje care l fac mai ales utilizat n calculele matematice. Specific
EMP este c acord importan accentuat erorilor mari de previziune. Nu are o semnificaie real
accesibil.
4. Eroarea standard (ES):
2
1
1
n
t
t
ES EMP e
n



Se utilizeaz n determinarea intervalelor de ncredere atunci cnd erorile au o distribuie normal
de medie 0. n aceast situaie se tie de exemplu c valoarea real se afl, cu o probabilitate de 95%,
Valoarea previzionat: n intervalul 1,96 ES de la valoarea previzionat.
5. Eroarea procentual medie (EPM):
1
1
( 100)
n
t
t t
e
EPM
n Y

Arat ct la sut reprezint, n medie, eroarea fa de valoarea observat. La fel ca i n cazul EM

valorile de semn opus se anuleaz i prin urmare o valoare apropiat de 0 nu nseamn neaprat erori
mici de previziune ci doar simetria acestora.
6. Eroarea procentual medie absolut (EPMA):
1
1
100
n
t
t t
e
EPMA
n Y

Pentru c ia n calcul valori relative, la fel ca i EPM, poate fi folosit pentru a compara
aplicarea aceleiai metode la serii de date diferite sau a unor metode diferite la serii de date diferite. Spre
deosebire de EPM calculeaz care este n medie procentul absolut al erorii fa de valoarea observat. Cu
ct acest procent este mai mic cu att previziunea este mai exact.
63
7. Testul U al lui Theil :
2
1
1 1
1
2
1
1
1
'
n
t t
t t
n
t t
t t
P Y
Y
Theil s U
Y Y
Y

+ +

_

,

_

,

Acest indicator compar eroarea metodei de previziune care se utilizeaz cu eroarea care s-ar
obine dac s-ar folosi ultima valoare ca i valoare prognozat. Compar, practic o metod de previziune
cu metoda valorii anterioare. Dac:
- Theils U < 1 metoda utilizat este mai exact dect metoda valorii anterioare
- Theils U >1 metoda utilizat d erori mai mari dect metoda valorii anterioare
- Theils U =1 metoda utilizat este la fel de exact ca i metoda valorii anterioare deci nu se
justific a fi utilizat.
64