previziune eco
TRANSCRIPT
PREVIZIUNE ECONOMICĂ
1. Introducere.........................................................................................................................................21.1. Previziunea şi planificarea.............................................................................................................21.2. Necesitatea previziunii şi planificării.............................................................................................31.3. Organizarea activităţii de previziune.............................................................................................41.4. Etapele fundamentale ale elaborării previziunilor.........................................................................51.5. Forme şi categorii de previziune...................................................................................................5
2. Metode bazate pe extrapolarea seriilor de timp.................................................................................82.1. Metoda ultimei valori înregistate...................................................................................................82.2. Metoda mediei aritmetice simple...................................................................................................92.3. Media mobilă de ordin k................................................................................................................92.4. Media mobilă exponenţială de ordin k...........................................................................................92.5. Metoda sporului mediu................................................................................................................102.6. Metoda indicelui mediu..............................................................................................................102.7. Metoda clasică de descompunere (Metoda de descompunere sezonieră)....................................112.8. Nivelare exponenţială..................................................................................................................122.9. Funcţii de tendinţă........................................................................................................................142.10. Modelele ARIMA (k,d,m)........................................................................................................162.11. Prognoza structurii unor fenomene prin Lanţuri Markov.........................................................17
3. Metode econometrice.......................................................................................................................203.1. Regresia simplă............................................................................................................................203.2. Regresia multiplă.........................................................................................................................213.3. Regresia dinamică........................................................................................................................223.4. Regresia nonliniară......................................................................................................................223.5. Modele autoregresive multivariate/vectoriale (VAR).................................................................223.6. Modele de corecţie.......................................................................................................................23
4. Inteligenţă artificială........................................................................................................................244.1. Reţele neuronale.....................................................................................24
4.1.1. Tipuri de reţele.......................................................................................................................254.1.2. Reţele neuronale artificiale cu propagare inainte a semnalului.............................................25
4.2. Sisteme hibride (Reţele neuronale şi Algoritmi genetici)............................................................285. Metode subiective............................................................................................................................29
5.1. Grupuri de interacţiune................................................................................................................295.1.1. Metoda Brainstorming...........................................................................................................295.1.2. Metoda Delphi.......................................................................................................................30
5.2. Metoda scenariilor.......................................................................................................................315.3. Ancheta statistică privind opinia unor specialişti........................................................................335.4. Interpretarea unor roluri în simularea situaţiilor conflictuale („Role Playing”)..........................345.5. Utilizarea burselor de pariuri (“Prediction Markets”) pentru previziuni la nivel de firmă.........34
6. Previziunea ciclurilor de afaceri - Indicatori de anticipare..............................................................366.1. Indici de dinamică şi indici de ciclicitate.....................................................................................366.2. Indicatori de anticipare a cilurilor economice.............................................................................40
7. Previziuni pe piaţa valorilor mobiliare............................................................................................417.1. Elemente de analiză fundamentală...............................................................................................42
7.2. Metode de analiză tehnică............................................................................................................447.2.1. Benzile Bollinger...................................................................................................................457.2.2. Intersecţia mediilor mobile....................................................................................................477.2.3. Oscilatorul Stocastic..............................................................................................................48
8. Previziuni de marketing...................................................................................................................498.1. Previziunea produselor noi introduse pe piaţă.............................................................................49
8.1.1. Modele pentru pieţe test.........................................................................................................498.1.2. Modele pentru pieţe pre-test.................................................................................................51
8.2. Anchete privind intenţiile consumatorilor...................................................................................528.3. Previziuni privind cota de piaţă...................................................................................................538.4. Analiza preferinţeleor consumatorilor (“Conjoint Analysis”).....................................................53
9. Previzionarea situaţiei financiare la nivel de întreprindere.............................................................539.1. Previziunea cifrei de afaceri........................................................................................................539.2. Previzionarea elementelor contului de rezultate..........................................................................549.3. Previziunea elementelor de activ.................................................................................................559.4. Previziunea elementelor de pasiv.................................................................................................569.5. Previziunea fluxului de numerar..................................................................................................58
10. Indicatori ai erorilor de previziune..............................................................................................58
1. Introducere
1.1.Previziunea şi planificarea
Aşa cum menţionează John Naisbitt, “omul supravieţuieşte numai prin capacitatea sa de a acţiona în prezent, pe baza experienţei trecute, cu consecinţe în viitor. Asumându-şi viitorul, omul îşi face prezentul suportabil şi trecutul semnificativ. Trecutul, prezentul şi alternativele viitoare sunt întrepătrunse în anticipaţia şi previziunea acţiunilor viitoare.”
De regulă există o diferenţă temporală între producerea unui eveniment şi semnalele ce prevestesc şi conduc către realizarea acelui eveniment. Acesta este principalul motiv care face ca previziunea şi planificarea sa fie două activităţi viabile pentru studierea şi respectiv acţiunea asupra viitorului (Prezentul este însărcinat cu viitorul, Voltaire)
Problema esenţială este definirea corectă a ceea ce înseamnă previziune respectiv planificare, pentru a putea integra corect cele două concepte. Deoarece ambele concepte se preocupă direct de viitor este foarte important ca aceste două funcţii să fie corect integrate în cadrul firmei.
Previziunea (prognoza) economică, deşi nu se poate da o definiţie precisă, datorită părerilor diferite existente în rândul specialiştilor, reprezintă procesul prin care sunt anticipate evenimente şi prin care este realizată estimarea evoluţiei viitoare a unor indicatori economici privind, în general, fenomene care nu sunt direct controlate de entitatea implicată în procesul de previziune.
Planificarea este una din funcţiile de bază ale managementului şi reprezintă o activitate ce are în vedere stabilirea modalităţilor concrete de realizare a unor obiective prestabilite.
Previziunea precede planificarea şi oferă informaţii necesare pentru realizarea acesteia. Previziunea reprezintă un suport al procesului decizional în timp ce planificarea reprezintă mai mult un rezultat sau o componentă a procesului decizional. O delimitare clară între previziune, planificare şi decizie este, de cele mai multe ori, greu de trasat, între aceste procese existând o interdependenţă strânsă. Previziunea se ocupă în general cu descrierea estimativă a mediului extern viitor al unei entităţi, în timp ce planificarea se orientează asupra acţiunilor viitoare proprii unei entităţii în contextul
2
mediului în care aceasta acţionează. Prin urmare, este corect să spunem că o firmă previzionează cererea pentru un anumit bun pe piaţă şi planifică producţia pe care urmează să o realizeaze în contextul cererii respective. Nu este corect însă, să spunem că o firmă planifică evoluţia cursului valutar pentru o anumită monedă sau că o firmă previzionează preţul pe care ea însăşi îl va aplica unui anumit produs. Totodată nu este mai puţin adevărat că propriile acţiuni pot influenţa mediul extern. De exemplu, acţiunile unei firme concurente fac obiectul previziunii, însă este foarte probabil ca aceste acţiuni să fie influenţate de planificarea realizată în propria firmă, fie prematur, datorită unei scurgeri de informaţii, fie odată ce planificarea realizată îşi face simţite efectele pe piaţă.
1.2.Necesitatea previziunii şi planificării
Ierarhia procesuluidecizional
Planificarea la un anumit nivel decizional
Necesitatea de a previziona
Orizontul de previziune/planificare
Stabilirea obiectivelorstrategice
Planificarea:- unor
investiţii/dezinvestiţii- credite pe termen lung- fuziuni sau alianţe- introducerea a noi
produse- găsirea unor produse de
substituţie- pătrunderea pe noi spaţii
geografice etc.
Previziuni privind:- schimbări la nivel politic (integrarea unor state în anumite uniuni internaţionale, politica fiscală, politica băncii naţionale, politica privind protecţia mediului înconjurător etc.)- ciclurile de afaceri (recesiune etc.)- puterea de cumpărare a consumatorilor (salariu mediu etc.) - disponibilitatea forţei de muncă- cererea la nivel de industrie- noi preferinţe ale consumatorilor- evoluţia tehnologică- descoperirea a noi resurse de energie- etc.
Pe termen lung sau foarte lung (mai mulţi ani)
Stabilirea obiectivelor tactice
Planificarea:- producţiei/vânzărilor- personalui (număr de ture etc.)- angajării de personal sezonier- elementelor mixului de marketing (preţ, distribuţie,
Previziuni privind: - cererea pentru un
anumit produs- cererea sezonieră- mixul de
marketing al
Termen mediu (câteva luni sau trimestre, până la un an)
3
promovare, caracteristici ale produselor)- creditelor pe termen mediu
concurenţilor- cotele de piaţă- ratele dobânzii- cursului valutar - impactul unor
evenimente asupra vânzărilor (sărbători, festivaluri, acţiuni promoţionale etc.)
- etc.Stabilirea obiectivelor operaţionale
Planificarea: - logistică (aprovizionare,
transport etc.)- creditelor de trezorerie- plăţii furnizorilor - încasării creanţelor etc
Previziuni privind - impactul unor
evenimente neprevăzute asupra vânzărilor sau aprovizionării
- previziunea cererii zilnice (week-end, zile lucrătoare)
- condiţii meteo nefavorabile (cu impact în special asupra activităţii de transport şi turistice) etc.
Termen scurt (zile, săptămâni)
1.3.Organizarea activităţii de previziune
Deosebim două situaţii esenţial diferite privind organizarea activităţii de previziune şi planifiare în cadrul unei organizaţii:
1. În primul caz (mai rar întâlnit), cei ce efectuează previziunea vor fi şi cei care vor întocmi planul, şi/ sau vor lua decizia. Acest caz se aplică de regulă în cazul firmelor de dimensiune mică şi mijlocie. În acest caz organizarea activităţii de previziune şi planificare este mai puţin relevantă iar personalul nu este specializat.
2. Cazul cel mai frecvent este cel în care cel ce efectuează previziunea şi întocmeşte planul diferă de decident. Acest caz se aplică de regulă în cazul firmelor de dimensiune mare. În acest caz previziunea şi planificarea sunt atribuţiile:
tuturor departamentelor funcţionale, caz în care se impune o puternică colaborare între departamente
unui singur departament funcţional care centralizează datele de la restul compartimentelor. În acest caz, activitatea de previziune şi planificare este riguros organizată şi derulată de personal specializat.
activitatea de previziune este externalizată şi lăsată în seama unei firme specializate în activitatea de previziune şi planificare.
4
1.4.Etapele fundamentale ale elaborării previziunilor
Se pot delimita etapele care trebuie parcurse pentru elaborarea previziunilor, indiferent de domeniul unde se realizează acestea. Enumerându-le, aceste etape sunt:
1) Stabilirea obiectului previziunii;2) Fixarea perioadei de timp pentru care se elaborează previziunea (orizontul prognozei), precum
şi al gradului de detaliere al acesteia (global sau pe fiecare produs în parte).3) Colectarea şi evaluarea fondului de date necesar elaborării previziunii 4) Alegerea metodei de previziune (realizată în general în funcţie de datele disponibile)5) Elaborarea propriu-zisă a previziunilor6) Alegerea modalităţii 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 formă de interval de încredere etc.)
7) Evaluarea acurateţei metodei utilizate prin compararea valorilor prognozate cu datele reale odată ce acestea devin disponibile (etapă foarte utilă în selectarea ulterioară a metodei celei mai potrivite).
1.5.Forme şi categorii de previziune
În funcţie 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 între 3 şi 10 ani) previziuni pe temen mediu (cuantificat în luni sau trimestre dar poate să ajungă şi până la 1 sau
2 ani) previziuni pe termen scurt ( la nivel de zile sau săptămâni) previziuni pe termen foarte scurt ( 1 oră, 10 minute, 5 minute etc. – specifice tranzacţiilor
bursiere)Trebuie precizat faptul că nu se pot stabilii bariere ferme în delimitarea lungimii unui orizont de
previziune acestea depinzând foarte mult de domeniul de activitate (ceea ce pentru o companie cu producţie industrială reprezintă un termen scurt pentru un fond de investiţii financiare poate reprezenta un termen lung)
În funcţie de gradul de agregare a rezultatelor, putem avea: previziuni sintetice (globale) previziuni analitice (detaliate)
În funcţie de natura informaţiilor utilizate în procesul previzional sunt utilizate metode: cantitative
o Extrapolarea seriilor de timpo Metode econometriceo Inteligenţa artificială (reţele neuronale şi algoritmi genetici)o Analiza tehnică (specifică tranzacţiilor bursiere)o Indicatori de anticiparea a ciclurilor economice
5
o etc. calitative (subiective/intuitive)
o Simulare prin rolurio Grupuri de interacţiune (Brainstorming, Delphi etc.)o Anchete statistice
În funcţie de aria lor de acoperire pe diverse domenii există: metode generale de previziune
o Extrapolarea seriilor de timpo Metode econometriceo Inteligenţa artificială (reţele neuronale şi algoritmi genetici)o Simulare prin rolurio Grupuri de interacţiuneo Anchete statistice
metode speciale de previziuneo Analiza tehnică (specifică tranzacţiilor bursiere)o Previziunea situaţiei financiare la nivel de întreprindere (bilanţ , cont de profit şi
pierdere, flux de numerar)o Indicatori de anticiparea a ciclurilor economice (la nivel macroeconomic)o Previziuni de marketing (intenţiile şi preferinţele consumatorilor, pieţe test etc.)o etc.
6
7
SELECTIA UNEI METODE GENERALE
DE PREVIZIUNE
Există date
istorice?
Retele neuronale
Există interactiune
între variabile?
Metode de extrapolare a seriilor de timp
Există situatii
conflictuale?
Simulare prin roluri
Există interactiune
între subiecti?
Grupuri de interacţiune
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 că evoluţiile istorice se vor păstra şi în viitor şi reprezintă practic o prelungire în viitor a tendinţelor şi fluctuaţiilor observate. De obicei modelele care presupun o continuare a evoluţiei trecute se mai numesc şi modele “cu memorie” sau procese “cu inerţie”. De obicei fenomenele economice prezintă o astfel de inerţie (ex.: dacă o companie a avut mai mulţi ani la rând o cifra de afaceri de ordinul a câtorva zeci de milioane nu ne aşteptăm ca în anul următor cifra de afaceri să fie de ordinul miliardelor, ci în schimb ne aşteptăm la o cifră de afaceri apropiată de cea din perioada istorică).
2.1. Metoda ultimei valori înregistate
Metoda ultimei valori înregistate se poate utiliza pentru evoluţii de tip “mers la întâmplare”. Datorită faptului că astfel de procese sunt rar întâlnite în practică precum şi datorită simplităţii ei această metodă este folosită mai mult în procesul de testare şi selecţie. O metodă oarecare (mai complexă) este comparată cu metoda ultimei valori înregistrate (considerată ca fiind cea mai simplă) dacă prin metoda respectivă se obţin erori mai mici se justifică efortul de a folosi o metodă mai complexă.
Proces de tip “mers la întâmplare” este un process în care valoarea la momentul t +1 este egală cu valoarea la momentul t plus o eroare:
, et este o variabilă aleatoare normal distribuită de medie 0
Exemplu de proces de tip “mers la întâmplare”:
70
75
80
85
90
95
100
105
110
115
1 101 201 301 401 501 601 701 801 901
În cazul în care seria de valori urmează un astfel de proces Previziunea cea mai potrivită realizată în momentul t pentru momentul t+1 este chiar valoarea din momentul t:
8
2.2.Metoda mediei aritmetice simple
Metoda mediei aritmetice simple este utilizată pentru serii de timp staţionare (orizontale). Serii de acest tip se întâlnesc în general pe perioade scurte de timp şi pentru date înregistrate cu o frecvenţă ridicată (ex.: date zilnice, săptămânale etc.). Pe perioade mai lungi de tip fenomenele economice îşi pierd în general caracterul staţionar şi manifestă tendinţe de creştere, descreştere şi/sau fluctuaţii ciclice (alternanţa creştere-descreştere).
Serie de timp staţionară:
5
67
8
910
11
1213
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
Media aritmetică simplă este o metodă cu “memorie lungă” în sensul că ţine cont de întreaga perioadă istorică disponibilă de unde se degajă şi avantajul său de stabilitate (rezultatele nu sunt perturbate de fluctuaţii întâmplătoare şi temporare. Principalul său dezavantaj este capacitatea redusă de a se adapta la eventuale modificări care pot să apară în evoluţia recentă a datelor.
2.3. Media mobilă de ordin k
Media mobilă de ordin k. Se aplică tot pentru serii de timp staţionare la fel ca şi media simplă. Previziunea pentru perioada următoare, n + 1, este media ultimelor k valori înregistrate.
Media mobilă este un proces cu “memorie scurtă”, principalul avantaj al metodei fiind capacitatea ridicată de adaptare la condiţiile cele mai recente.
2.4.Media mobilă exponenţială de ordin k
9
Media mobilă exponenţială de ordin k este o metodă foarte asemănătoare mediei mobile (are aceleaşi avantaje principale şi se aplică în aceleaşi condiţii), cu diferenţa că ponderile valorilor cuprinse în medie nu sunt egale, acestea descresc odată ce valorile devin mai îndepărtate în timp.
Medie mobilă de ordin 4:
Medie mobilă exponenţială de ordin 4:
Avantajul unei medii mobile exponenţiale este acordarea unei importanţe (ponderi) mai mari valorilor celor mai recente.
2.5.Metoda sporului mediu
Metoda sporului mediu se foloseşte pentru a previziona evoluţii non-staţionare cu tendinţă aproximativ liniară. Această metodă poate fi văzută ca o aplicaţie a metodei mediei aritmetice simple însă nu pe valorile iniţiale (care nu sunt staţionare) ci pe diferenţele de ordinul întâi (sporurile). În cazul tendinţelor aproximativ liniare diferenţele de ordinul întâi sunt staţionare şi deci putem aplica oricare din metodele specifice seriilor staţionare. Previziunea finală este realiztă prin adunarea sporului mediu la ultima valoare înregistrată:
unde reprezintă sporul mediu de creştere iar p este
orizontul de previziune.
2.6.Metoda indicelui mediu
Metoda indicelui mediu se foloseşte pentru a previziona evoluţii non-staţionare cu tendinţă aproximativ exponenţială. O serie de timp exponenţială poate deveni staţionară prin calcularea seriei indicilor de dinamică.
Serie de timp exponenţială:
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 dinamică:
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 propriuzisă este realizată prin înmulţirea ultimei valori cu valoarea indicelui mediu.
Unde
reprezintă indicele mediu de dinamică calculat cu ajutorul mediei
geometrice.
2.7.Metoda clasică de descompunere (Metoda de descompunere sezonieră)
Metoda clasică de descompunere (Metoda de descompunere sezonieră) se foloseşte atunci când pe lângă tendinţa generală a fenomenului urmărit se manifestă fluctuaţii cu periodicitate fixă (lunară, trimestrială etc.).
a. Modelul aditiv yt = Tt + St + Et
Se foloseşte atunci când între fluctuaţia periodică (sezoniră) şi trend nu există relaţie de proporţionalitate
11
b. Modelul multiplicativ yt = TtSt Et
Se foloseşte atunci când între fluctuaţia periodică (sezoniră) şi trend există o relaţie de proporţionalitate.
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 aditivasezonalitate multiplicativa
Etapele realizării unei previziuni prin metoda clasică de descompunere:
i. Se calculează o medie mobilă de ordin k. În general se utilizează: ordinul 4 pentru date trimestriale, ordinul 12 pentru date lunare, 5 sau 7 pentru date zilnice etc. Dacă ordinul este par se aplică apoi o medie mobilă de ordin 2 pentru centrarea mediei mobile. Această medie are rolul de a nivela fluctuaţiile sezoniere, reprezentând o estimare provizorie a componentei de trend.
ii. Se face diferenţa/raportul dintre valorile observate şi valorile obţinute prin media mobilă centrată
iii. Se calculează componenta sezonieră, St , ca o medie aritmetică/geometrică a valorilor obţinute în etapa anterioară pentru fiecare unitate de timp care formează ciclul sezonier (dacă datele sunt lunare este calculată o medie pentru fiecare lună)
iv. Prin diferenţa/raportul dintre valorile observate şi componenta sezonieră se obţine seria de timp desezonalizată.
v. Se estimează componenta de trend, Tt , printr-o metodă specifică acestei componente (funcţii de tendinţă, spor mediu, etc.)
vi. Prin diferenţa/raportul dintre datele iniţiale observate şi suma/produsul componentelor de sezonalitate şi trend se obţine componenta aleatoare, Et
vii. Se extrapolează componenta de trend şi cea sezonieră pe perioada aferentă orizontului de previziune
viii. Se recompun valorile previzionate prin adunare/înmulţire.
2.8.Nivelare exponenţială
Nivelare exponenţială este o metodă care poate fi adaptată cu succes unor situaţii diverse.
a. Nivelarea exponenţială simplă (NES). Conform acestei metode valoarea previzionată se calculează printr-o ecuaţie recursivă care ajustează previziunea realizată anterior cu eroarea de previziune:
12
Ecuaţia anterioară este echivalentă cu ecuaţia:
unde este parametrul de nivelare pozitiv şi subunitar.
Altfel spus, valoarea previzionată se calculează ca o medie ponderată între ultima valoare reală înregistrată şi previziunea care a fost realizată pentru perioada anterioară. Această ultimă variantă este cel mai frecvent utilizată în realizarea calculelor.
Dacă dezvoltăm ultima formulă vom găsi explicaţia pentru denumirea metodei.
Se observă că previziunea pentru perioada t+1 este de fapt o medie ponderată a valorilor observate până în acel moment iar ponderile descresc exponenţial pe măsură ce valorile observate devin din ce în ce mai îndepărtate.
Alte tipuri de nivelare exponenţială sunt: NE dublă, NE adaptivă, metoda liniară a lui Holt, metoda pentru trend şi sezonalitate Holt-Winter etc.
b. Metoda liniarizată a lui Holt
Metoda liniară se foloseşte în situaţia în care seria de date prezintă un trend liniar (crescător sau descrescător). Prin această metodă se realizează o nivelare atât pentru nivelul înregistrat la un moment dat cât şi pentru sporurile de creştere. Cele două componente sunt apoi agregate.
Formulele de calcul sunt:Componenta de nivel (trendul estimat):
Sporul de creştere:
Valoarea previzionată:
c. Nivelare exponenţială cu sezonalitate şi trend (modelul Holt-Winters)
i) Modelul pentru sezonalitate multiplicativă
Acest model se aplică în cazul unor evoluţii care prezintă trend liniar şi sezonalitate multiplicativă adică, o componentă sezonieră care se amplifică (diminuează) proporţional cu evoluţia trendului.
Componenta de nivel (trendul estimat):
Sporul de creştere:
Componenta sezonieră:
Valoarea previzionată:
ii) Modelul pentru sezonalitate aditivă
13
Spre deosebire de modelul multiplicativ în acest caz componenta sezonieră se calculează prin diferenţă şi se adună la componenta de nivel. Se aplică deci pentru seriile a căror componentă sezonieră nu este proporţională faţă de nivelul de bază. Formulele de calcul sunt:
Componenta de nivel (trendul estimat):
Sporul:
Componenta sezonieră:
Valoarea previzionată:
Mărimi economice care să prezinte în evoluţia lor o sezonalitate aditivă sunt mai puţin întâlnite în realitatea economică. Din acest motiv modelul pentru sezonalitate aditivă este mai puţin folosit.
2.9.Funcţii de tendinţă
Funcţii de tendinţă:
c. Funcţia de tendinţă liniară, aşa cum îi spune şi denumirea, se utilizează în cazul tendinţelor de tip liniar, la fel ca şi metoda sporului mediu.
Funcţia de tendinţă liniară are următorea formă:
Se presupune că procesul , , care urmează a fi previzionat este de forma:
unde:
t - este variabila timp b - este panta dreptei de tendinţă (aproximează sporul mediu de creştere)
- este o variabilă aleatoare normal distribuită de medie 0.
Dacă ultima perioadă pentru care există date este n (t = n) previziunea pentru perioada n + p va fi:
Intervalul de previziune:
Limita inferioară:
Limita superioară:
14
Unde:t – variabila timp
mijlocul perioadei de timp istorice
n – numărul de observaţii istorice p – perioadă aferentă orizontului de previziune
- nivel de semnificaţie (de obicei 0,05)P – coeficientul de încredere (probabilitatea cu care garantam ca valoarea reală să se afle în intervalul prognozat)
- valoarea statisticii t cu distribuţie Student aferentă unui nivel de semnificaţie /2
Pentru uşurarea calculelor se poate ţine cont de relaţia:
d. Funcţia de tendinţă exponenţială
t = abt
b – parametru care aproximează indicele mediu de creştere
e. Logistică se foloseşte atunci când fenomenul studiat creşte cu un spor din ce în ce mai mic şi se apropie de o limită superioară (prag de saturaţie)
1.
2. t = c - ae- b t
c – limita superioară a funcţiei şi aproximează pragul de saturaţie al vânzărilor
f. Logaritmică se foloseşte atunci când fenomenul studiat creşte cu un spor aflat în scădere fără să existe însă o limită superioară (prag de saturaţie)
t = a + b*ln(t)
2.10. Modelele ARIMA (k,d,m)
15
Modelele ARIMA (k,d,m) reprezintă o clasă mai largă de modele care pot fi utilizate cu succes într-o varietate de situaţii. Aceste modele au fost dezvoltate de George Box şi Gwilym Jenkins în anii 1970 fiind cunoscute şi sub denumirea de Metodologia Box-Jenkins.
a. Autoregresia de ordin k, AR(k) sau ARIMA (k,0,0), este o variantă redusă, adaptată pentru serii de timp staţionare:
Modelul are forma:, unde
Previziunea pentru momenrul t + 1:
k reprezintă numărul de valori anterioare înregistrate cuprinse în model (acelaşi rol ca şi k de la media mobilă). Pentru , se obţine un model de previziune AR :
Diferenţa faţă de media mobilă şi nivelarea exponenţială este că nu se face apriori nici o supoziţie privind coeficienţii (ponderile) . Coeficienţii nu sunt consideraţi egali şi nici descrescători în timp, în schimb aceştia sunt estimaţi pe baza datelor istorice astfel încât eroarea de estimare să fie minimă. Ceea ce se fixează anterior est doar numărul de parametrii k. Ordinul k se fixează 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 când există dependenţă nu numai de valorile anterioare ci şi faţă de un număr q de erori anterior înregistrate. Valoarea previzionată se poate determina astfel:
c. Modelul extins ARIMA (k,d,m) este un model ARMA(k,m) adaptat pentru serii de timp non staţionare (cu trend). Dacă o serie prezintă un trend aproximativ liniar, prin calcularea diferenţelor de ordinul întâi (calcularea sporurilor) se obţine o serie staţionară. Odată seria de timp staţionarizată se poate aplica un model ARMA(k,m). Un model care presupune mai întâi calcularea diferenţelor de ordinul întâi (d=1) şi apoi aplicarea unui model ARMA(k,m) este un model ARIMA (k,1,m). Previziunea pentru momentul t + 1 va arăta astfel:
- diferenţe de ordinul 1
O serie exponenţială va deveni staţionară după calcularea diferenţelor de ordinul 2:
Un model care implică diferenţe de ordinul 2 va fi notat: ARIMA (k,2,m). Cea mai frecvent utilizată este însă prima diferenţă d=1.
d. Modele ARIMA pentru sezonalitate şi trend, SARIMA (k,d,m) (K,D,M)s
16
2.11. Prognoza structurii unor fenomene prin Lanţuri Markov
Marelui matematician rus Andrei Markov îi sunt datorate procesele care îi poartă numele şi care au deschis calea spre numeroase aplicaţii ale teoriei probabilităţilor şi în special a proceselor aleatoare. Proprietatea Markov care este aparent restrictivă, stipulând că probabilitatea unui eveniment prezent depinde numai de trecutul cel mai recent, permite ca în memoria recentă să fie înglobată întrega evoluţie istorică.
Elementele structurale pot fi reprezentate printr-un vector , care pentru
fiecare şi pentru fiecare , variază între 0 şi 1, iar suma elementelor structurale este 1, pentru orice t.
Etape:
i. Se vor calcula diferenţele de ordinul întâi ale vectorului astfel: . Elementele structurale ale fiecărui vector diferenţă au proprietatea că suma valorilor pozitive este egală cu suma absolută a valorilor negative.
ii. În etapa a doua, matricile de trecere parţiale sunt construite pentru fiecare pereche de perioade consecutive de timp, t/t-1. Matricele de trecere sunt matrice pătratice de forma
, unde elementele de pe diagonala principală sunt date de relaţia:
, . Celelalte elemente, care nu se află pe diagonala principală, sunt
obţinute prin relaţia: , unde este negativă, iar este
pozitivă. În această formulă este suma valorilor pozitive ale vectorului diferenţă
. Sintetic, elementele matricii pot fi determinate astfel:
iii. Matricea de trecere totală se determină prin însumarea elementelor matricilor parţiale de trecere:
iv. Matricea probabilităţilor de trecere se calculează prin raportarea fiecărui element al matricii de trecere totală la suma liniei pe care se află respectivul element:
17
v. În ultima etapă a algoritmului se obţine prognoza elementelor structurale pentru p perioade viitoare prin multiplicarea transpusei matricii , ridicată la puterea k, cu vectorul elementelor structurale pentru ultima perioadă: .
Exemplu:
Se dă evoluţia istorică a structurii pieţei de telefonie mobilă:
1998 1999 2000 2001 2002 2003
51.0 50.2 48.4 49.4 51.8 49.847.5 45.8 45.2 40.3 43.7 47.3
0.0 0.4 0.4 1.4 1.7 2.91.5 1.4 0.9 0.0 0.0 0.00.0 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:
(C ) (O) (Z) (S) (M) suma1999 50.2 45.8 0.4 1.4 2.2 1001998 51 47.5 0 1.5 0 100
Abateri -0.8 -1.7 0.4 -0.1 2.2 0Abateri + 0 0 0.4 0 2.2 2.6Ponderi 0 0 0.153846 0 0.846154 1
(se continuă cu fiecare pereche de ani consecutivi)
ii.
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
(...)
iii.
(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
18
iv.
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.
Maricea MP transpusă49.0291 0.981533 0.003798 0 0.040835 0.12736 49.76837
46.21711 0.008035 0.967633 0 0 0.263824 47.349773.145036 = 0.000556 0.004974 1 0.044883 0.016621 x 2.881858
0 0 0 0 0.605263 0 01.608756 0.009876 0.023595 0 0.309019 0.592195 0
Programe de previziune care se bazează 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 Smart Forecasts, Smart Software SPSS, SPSS Inc. Vanguard Studio, Vanguard Software Corporation
3. Metode econometrice
Metodele econometrice presupun estimarea cantitativă a relaţiilor de cauzalitate între variabile economice. Odată ce această relaţie este estimată se poate realiza previziunea unei variabile, numită variabilă dependentă, în funcţie de variabilele care o determină, numite variabile independente. Pentru prima dată un model econometric a fost utilizat în prognoză de Charles Sarle (1925) pentru a previziona preţul unor produse agroalimentare. De atunci şi până în prezent aceste metode au cunoscut o vastă expansiune.
19
3.1.Regresia simplă
Regresia simplă este o metodă cu o istorie considerabilă fiind aplicată, în primele ei forme încă din 1877 de Francis Galton.
Se presupune că între două variabile exită o relaţie aproximativ de forma:
y – variabilă dependentă care se doreşte a fi previzioatăx – variabilă independentă (variabilă cauzală, factor de influneţă)a – arată un nivel de bază al variabilei dependente care nu depinde de variabila independentă (dacă variabila dependentă reprezintă volumul vânzărilor iar variabila independentă reprezintă cheltuielile de publicitate atunci “a” arată care este volumul vânzărilor dacă de publicitatea este inexistentă)b – în acest caz parametrul b are semnificaţia de spor marginal (modificarea variabilei dependente y la modificarea cu o unitate a variabilei independente x). Semnul parametrului arată sensul legăturii: directă (o creştere a variabilei independente duce la o creştere a variabilei dependente) dacă semnul este pozitiv şi inversă (o creştere a variabilei independente duce la o scădere a variabilei dependente) dacă semnul este negativ.
Dacă perioada curentă este n (t = n) previziunea pentru perioada n + p va fi:
Intervalul de previziune:
Limita inferioară:
Limita superioară:
n – numărul de observaţii istorice- variabila independentă medie aferentă perioadei istorice
p – perioadă aferentă orizontului de previziune- nivel de semnificaţie (de obicei 0,05)
P – coeficientul de încredere (probabilitatea cu care garantam ca valoarea reală să se afle în intervalul prognozat)
- valoarea statisticii t cu distribuţie Student aferentă unui nivel de semnificaţie /2
20
3.2.Regresia multiplă
Regresia multiplă:
Parametrii a, bk au o interpretare similară regresiei simple
Intervalul de previziune:
Limită superioară:
Limită inferioară:
unde: C – este un vector care conţine valorile variabilelor explicative aferente orizontului de previziune:
X – este o matrice de ordin , care are pe prima coloană elemente de valoare 1 , iar celelalte coloane sunt vectori formaţi din valorile istorice ale variabilelor explicative. Fiecare coloană reprezintă o variabilă independentă iar fiecare linie o perioadă de timp istorică.
3.3.Regresia dinamică
Regresia dinamică:
care se mai poate scrie:
unde
3.4.Regresia nonliniară
Regresia nonliniară:
21
Un exemplu foarte cunoscut de regresie nonliniară este funcţia de producţie Cobb-Douglas. Această funcţie care face legătura dintre factorii de producţie şi rezultatele obţinute (producţie, venituri) a fost propusă de Knut Wicksell şi testată pe date reale de Charles Cobb şi Paul Douglas (1928). Funcţia presupune următoarea relaţie:
Unde:Y– veniturile (producţia) înregistrate la momentul tK – factorul capiat (capital fix etc.)M - factorul muncă (nr. salariaţi, fondul de salarii etc.)T- progresul tehnic
- parametrii
Un astfel de model poate fi estimat în forma sa liniară (obţinută prin logaritmare):
3.5.Modele autoregresive multivariate/vectoriale (VAR)
Modele autoregresive multivariate/vectoriale (VAR) sunt datorate activităţii lui Christopher Sims (1980) , în prezent profesor de Economie şi Finanţe bancare la Universitatea din Princeton.
Sistemul poate fi scris şi sub formă matricială:
,
, ,...,
Modelul poate fi generalizat pentru mai multe variabile:
Modelul VAR mai este numit şi “ateoretic”.
22
3.6.Modele de corecţie
Modelele de corecţie îi sunt atribuite lui John Denis Sargan în 1964.
Programe de previziune care se bazează 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
4. Inteligenţă artificială
Data de naştere a Inteligenţei Artificiale (IA) este considerată Iulie 1956 când a avut loc prima conferinţă internaţională pe acestă temă la Colegiul Dartmouth din Hanover, New Hampshire, SUA.
IA conţine două ramuri sau curente de gândire: IA convenţională (numită şi IA logică sau IA simbolică) bazată pe formalizare logică şi
analiză statistică. Din acestă categorie fac parte sistemele expert. IA computaţională implică sisteme iterative de învăţare care urmăresc în primul rând
eficienţa din punct de vedere empiric în rezolvarea diverselor probleme şi mai puţin corectitudinea din punctul de vedere al formalismului logic. Acest lucru nu însemnă că aceste sisteme sunt ilogice prin definiţie ci că, pentru atingerea obiectivului propus, este permisă renunţarea la logica sau teoria fundamnetală care stă la baza unui fenomen. Din acestă categorie fac parte:
o Reţelele neuronaleo Algoritmii geneticio Logica fuzzy etc.
Sistemele hibride sunt combinaţii a două sau mai multe sisteme din clase diferite ale IA.
4.1. Reţele neuronale
În 1943 neuropsihologul Warren McCulloch şi matematicianul Walter Pitts au publicat lucrarea “A Logical Calculus of the Ideas Immanent in Nervous Activity” punând bazele reţelelor neuronale. Simularea unei reţele a fost relizată cu ajutorul unor circuite electrice. În 1949 Donald Hebb a scris
23
“The Organization of Behavior” în care a arătat că o conexiune neuronală devine tot mai putenică pe măsură ce este folosită, concept fundamental în procesul de învăţare al unei reţele.
În 1959, Bernard Widrow şi Marcian Hoff au dezvoltat modelele ADALINE şi MADALINE („Multiple ADAptive LINear Elements”). MADALINE a fost prima reţea neuronală folosită pentru a rezolva o problemă reală şi este încă folosită pe scară largă în special în controlul traficului aerian.
Reţelele neuronale au început să fie utilizate pe scară largă odată cu introducerea algoritmului de propagare înapoi a semnalului (“backpropagation”). Algoritmul a fos tdescris iniţial de Paul Werbos în 1974, iar apoi dezvoltat de David E. Rumelhart, Geoffrey E. Hinton şi Ronald J. Williams în 1986.
În 1982 John Hopfield propune legătura bidirecţională în cadrul unei reţele luând naştere reţelele neuronale recurente. În acelaşi an a avut loc conferinţa “Cooperative/Competitive Neural Networks” (SUA-Japonia) în care a fost lansată ideea unei noi generaţii în domeniul calculatoarelor bazată pe inteligenţa artificială (I generaţie – bazată pe comutatoare electrice, a II -a generaţie - bazată pe tranzistori, a III-a generaţie bazată pe circuite integrate şi limbaje de programare avansate, a IV-a generaţie – generatori de coduri şi a V-a generaţie bazată pe inteligenţa artificială).
O reţea neuronală artificială sau, simplu, reţea neuronală reprezintă un grup de neuroni artificili interconectaţi, care utilizează un model matematic sau computaţional pentru procesarea informaţiei. În cele mai multe cazuri, o reţea neuronală artificială este un sistem adaptiv care îşi modifică structura în funcţie de informaţia externă sau internă care pătrunde în reţea. În termeni mai practici, reţelele neuronale sunt instrumente de modelare a datelor statistice non-liniare. Pot fi utilizate pentru a modela relaţiile complexe existente între informaţiile care ies şi care intră în reţea.
1.1.1. Tipuri de reţele
Reţea neuronală cu propagare înainte a semnalului (ex.: Perceptron simplu, Perceptron multistrat), Reţele radiale, Reţele cu autoorganizare (ex.: Reţea Kohonen), Reţele recurente (ex.: Reţea Hopfield), Reţele neuronale stocastice (ex.: Mecanismul Boltzmann), Reţele neuronale modulare, Reţele neuronale asociative etc.
1.1.2. Reţele neuronale artificiale cu propagare inainte a semnalului
Reţele neuronale artificiale cu propagare inainte a semnalului . Reţelele neuronale artificiale cu propagare inainte a semnalului sunt primele şi cele mai simple tipuri de reţele neuronale descoperite. În aceste reţele, informaţiile se mişcă doar înainte, prin intrări, neuroni ascunşi şi ieşiri, nu există cicluri sau bucle.
Perceptron simplu. Primul tip de reţea neuronală este un perceptron simplu, care constă dintr-un singur strat de neuroni de ieşire; intrările sunt conduse direct la ieşiri prin intermediul unor ponderi.
Perceptron multistrat. Această clasă de reţele constă din multiple straturi de neuroni, de obicei interconectaţi, propagarea semnalului făcându-se într-un singur sens. Fiecare neuron dintr-un strat este direct conectat la neuronii din stratul următor. În cele mai multe siteme de acest tip neuronii acestor reţele aplică o funcţie sigmoidală ca funcţie de activare.
Teorema de aproximare universală pentru reţele neuronale afirmă că orice funcţie continuă (care transformă intervale de numere reale în intervale de numere reale) poate fi aproximată printr-un perceptron multistrat cu doar un strat de neuroni ascunşi. Acest rezultat se aplica numai pentru anumite clase de funcţii de activare, cum sunt funcţiile sigmoidale.
Etape în elaborarea unei previziuni prin intermediul unui perceptron multistrat:
24
1. Determinarea structurii unei reţele se bazează într-o primă fază pe teoria economică care oferă informaţii privind factorii de influenţă pentru variabila care se doreşte a fi previziunată. Numărul factorilor de influenţă precum şi modul de manifestare temporală a influenţei acestora (laguri: t-1, t-2, etc.) va determina numărul de intrări în reţea. Totodată se va determina numărul de straturi ascunse şi numărul de neuroni ai acestora precum şi numărul ieşirilor din reţea. Ieşirile din reţea în general au acelaşi număr ca şi numărul de perioade pentru care se face previziunea (orizontul de previziune).
2. Segmentarea bazei de date constă în impărţirea acesteia în două părţi: o parte din baza de date pentru antrenarea (invăţarea) reţelei şi o parte pentru validarea acesteia.
3. Scalarea variabilelor de intrare este un procedeu aritmetic prin care datele de intrare sunt transformate astfel încât să varieze în intervalul [0,1].
val.scalată = (val.iniţială - val.minimă)/(val. maximă - val.minimă)
4. Alegerea ponderilor iniţiale. Valorile iniţiale sunt în general fie valori alese aleator fie valori nule.
5. Ponderarea şi însumarea valorilor de intrare. Neuronii din primul strat ascuns vor primi valorile de intrare în reţea ponderate şi însumate. Fiecare neuron din starturile ulterioare va primi, ca valori de intrare, valorile de ieşire ale tuturor neuronilor din straturile anterioare ponderate şi însumate.
valoarea de intrare a neuronului j
6. Transformarea non liniară a valorii de intrare în fiecare pentru obţinerea valoarii de ieşire. La nivelul fiecărui neuron are loc transformarea valorii de intrare, obţinute prin ponderare şi însumare, prin intermediul unei funcţii sigmoidale (logistice) care are de regulă are forma:
7. Calcularea erorii de estimare. Procesul continuă (etapele 5 şi 6) pănă în momentul în care se obţin valorile de ieşire din reţea adică valorile previzionaate. Aceste valori sunt comparate cu valorile reale, din baza de date de antrenare, obţinându-se erorile de estimare.
8. Ajustarea ponderilor reţelei pe baza erorilor de estimare. Înainte ca reţeaua să fie alimentată cu noi date ponderile sunt ajustate în funcţie de erorile obţinute în etapa anterioară.
25
- coeficient de învăţare (între 0 şi 1)- coeficient de moment (între 0 şi 1)- ieşierea din neuronul j
9. Etapele 5-8 se repetă până în momentul în care se termină toate valorile din baza de antrenare. În acest moment o primă “epocă” din procesul de învăţare este încheiată.
10. Pentru a obţine o eroare de estimare cât mai mică procesul de învăţare necesită mai multe “epoci”, adică toate datele din baza de învăţare sunt introduse în reţea de mai multe ori. Astfel se repetă etapele 5-9 până când se obţine o valoare a ES dorită.
11. Cu ponderile optime obţinute reţeau este folosită pentru a previziona valorile din baza de validare.
12. Dacă rezultatele nu sunt mulţumitoare se alege o nouă arhitectură a reţelei.
Reţea multistratificată:
Neuronul N7:
26
NI2
NI3
NI4
NI5
NI1 N7
N8
N12
NI6
N14
NO16
W1,7
W7,12
N10
N15
N13
N9
N11
Intrările în reţea
Straturi de neuroni ascunşi
NO17
Ieşirile din reţea
Ponderi
C
Constatntă
4.2.Sisteme hibride (Reţele neuronale şi Algoritmi genetici)
Simulări privind procesele biologice evolutive au fost iniţiate de Nils Aall Barricelli în 1954. Deşi Barricelli a folosit procesele evolutive ca metode de optimizare, algoritmii genetici au devenit metode de optimizare unanim recunoscute în mediul academic abia la începutul anilor ’70 datorită activităţii lui John Holland. Prima conferinţă internaţională ţinută pe tema Algoritmilor Genetici, la Universitatea din Illinois, a avut rolul de a deschide porţile aplicaţiilor practice, care au devenit posibile datorită expansiunii utilizării calculatorarelor de birou în mijlocul anilor ‘80. Prima aplicaţie comercială bazată pe algoritmi genetici a fost Evolver(1989) realizat de compania Axcelis Inc. dar care se află acum în proprietatea companie Palisade. În prezent algoritmii genetici sunt folosiţi în foarte multe companii pentru a rezolva diferite probleme de optimizare legate de logistică, bugetare, estimări de tendinţe etc.
Algoritmii genetici imită procesele evolutive biologice pentru a rezolva probleme complexe de optimizare. Un exemplu de problemă care poate fi soluţinată în acest fel este găsirea unei arhitecturi optime pentru o reţea neuronală. Exită programe informatice care combină reţelele neuronale cu algoritmii genetici rezultând sisteme hibride care au capacitatea de a crea reţele şi de a găsi cea mai bună arhitectură de reţea pentru previzionarea unui fenomen.
Populaţia iniţială de reţele este reprezentată de reţelele de la care se porneşte încrucişarea. Reţelele sunt evaluate cu ajutorul unei funcţii obiectiv, în acest caz ES. Doar un procent din reţelele iniţiale vor fi păstrate pentru o încrucişare ulterioră. Procentul care este păstrat pentru încrucişare ulterioară se numeşte rată de încrucişare. Mutaţia implică pe lângă schimbul reciproc al unor gene şi o modificare a acestora cu o anumită cantitate sau anumit procent care se numeşte rata mutaţiei. Prin încrucişări sucesive se obţin noi generaţii până când se ajunge la o reţea cu o arhitectură optimă.
Generaţia 0. Populaţia iniţială de reţele este reprezentată de reţelele de la care se porneşte încrucişarea. În acest caz vor fi păstrate doar primele două (rata de încrucişare = 50%) cu ES cea mai mică.
27
N7
71
17 Ie
O
7O
67,657,5
47,437,327,217,17
NIwNIw
NIwNIwNIwNIwI
I7
Nr.intrări Nr.neuroniStartul 1
Nr. NeuroniStartul 2
Nr.ieşiri Constantă ES
7 6 5 2 1 953 4 4 1 0 8015 14 14 1 0 9020 17 0 2 1 81
Generaţia 1 Noile reţele vor fi obţinute prin încrucişarea reţelelor selectate adică prin schimbarea unor gene (proprietăţi) ale acestora.
a) Fără mutaţieNr.intrări Nr.neuroni
Strat ascuns 1Nr. NeuroniStrat ascuns 2
Nr.ieşiri
Constantă
ES
3 4 4 1 0 80 Reţea părinte
20 17 0 2 1 81 Reţea părinte
20 4 4 1 0 75 Reţea nouă
3 17 0 2 1 85 Reţea nouă
b) Mutaţia implică pe lângă schimbul reciproc al unor gene şi o modificare a acestora cu o anumită cantitate. De obicei mutaţia se utilizează pentru a obţine posibilităţi mai numeroase şi pentru a nu se reajunge la populaţia iniţială.
Nr.intrări Nr.neuroniStratul 1
Nr. NeuroniStratul 2
Nr.ieşiri Constantă ES
3 4 4 1 0 80 Reţea părinte
20 17 0 2 1 81 Reţea părinte
21 4 4 1 0 78 Reţea nouă
4 17 0 2 1 83 Reţea nouă
Se continuă cu încrucişarea celorlalte gene (nr.neuroni ai strartului ascuns 1 etc.) Trebuie precizat că în aplicaţiile reale se porneşte de la populaţii mult mai numeroase. Datorită numărului imens de calcule şi iteraţii algoritmii specifici inteligenţei artificiale nu pot fi utilizaţi în mod practic fără calculatoare cu viteză mare de calcul şi programe software adecvate.
Programe software comerciale bazate pe reţele neuronale şi algoritmi genetici: GenetiCore şi Synapse realizate de PELTARION (Suedia) NeuroSolutions, TradingSolutions, Genetic Server realizate de NeuroDimension, Inc.
(Florida) NeuralTools, Evolver, RISKOptimizer realizate de PALISADE (SUA)
28
NeuroIntelligence, Tradecision, Forcaster XL, Forecaster realizate de NeoDigital, Inc. (ALYUDA – California)
etc.
5. Metode subiective
5.1.Grupuri de interacţiune
1.1.3. Metoda Brainstorming
Metoda Brainstorming constă în organizarea unei şedinţe sau reuniuni cu un număr restrâns de specialişti. În funcţie de complexitatea problemelor abordate durata acestor şedinţe poate să varieze, desfăşurându-se, de la caz la caz, în mai multe runde, sub conducerea competentă a unui coordonator al cărui rol este să direcţioneze şi să stimuleze discuţia pe o anumită temă.
1.1.4. Metoda Delphi
Această metodă presupune utilizarea gândirii intuitive a unui grup de specialişti supuşi unor interviuri repetate, în scopul obţinerii unui consens. Principala diferenţa faţă de metoda Brainstorming este că specialiştii nu se întâlnesc în mod direct. Se evita astfel posibile influenţe negative în cadrul grupului (teama în faţa unui superior etc.).
Metoda Delphi a fost dezvoltată de Corporaţia RAND la începutul razboiului rece pentru previziunea impactului dezvoltării tehnologice asupra producţiei de armament. În anul 1944 generalul Henry H. Arnold a ordonat realizarea unui raport pentru Forţele Aeriene ale Statelor Unite asupra capacităţilor tehnologice viitoare care ar putea fi folosite de armată. Pentru realizarea raportului, doi ani mai târziu, în 1946, a fost contractată compania Douglas Aircraft, care a început astfel proiectul RAND dedicat studiului acestor capacităţi. După încă doi ani proiectul RAND a fost separat de Douglas Aircraft devenind organizaţia non-profit RAND (Research And Development). În prezent organizaţia şi-a extins aria de activitate şi în alte domenii: educaţie, justiţie, securitate internaţională etc.
Membri şi colaboratori marcanţi ai organizaţiei RAND: Herry Markowitz (Premiul acordat de Banca Suediei în ştiinţe economice în memoria lui
Alfred Nobel – Premiul Nobel, 1990, Optimizarea portofoliului) Kennet Joseph Arrow (Premiul Nobel, 1972, Teoria alegerii colective) George Bernard Dantzig (părintele programării liniare, a introdus algoritmul Simplex).
Preocuparea pentru problemele de programarea liniară au apărut în timpul războiului acesta deţinând funcţia de Director al direcţiei “Combat Analysis Branch” din cadrul Forţelor Aeriene.
Herbert Alexander Simon (Premiul Nobel, 1978, pentru contribuţii în domeniul proceselor decizionale în cadrul organizaţiilor eonomice)
John Von Neumannn (contribuţii în analiză funcţională, teoria mulţimilor, analiză numerică, Alegebre Von Neuman, participant în cadrul Proiectului Manhattan, consultant pentru IBM, CIA, Standard Oil etc.)
John Forbes Nash (Premiul Nobel, 1994, Teoria jocurilor) Samuel Cohen (participant în cadrul Proiectului Manhattan, inventatorul bombei cu
neutron)
29
Herman Kahn (iniţiatorul utilizării scenariilor în planificare) Thomas C. Schelling (Premiul Nobel, 2005, Teoria jocurilor)Pentru a-şi atinge obiectivul de a realize predicţii în domeniul dezvoltării tehnologice în cadrul
RAND fost luate în considerare diferite metode tradiţionale. Deficienţele metodelor clasice (extrapolare etc.) pentru a previziona evenimente noi, care urmau să aibă loc în premieră, au devenit repede evidente. Pentru a combate aceste deficienţe, a fost dezvoltată metoda Delphi între anii 1950-1960, de Olaf Helmer şi Nicholas Rescher. Metoda Delphi a fost folosită de experţii RAND pentru a-şi exprima opinia cu privire la probabilitatea, frecvenţa şi intensitatea posibilelor atacuri şi a devzoltării a noi tipuri de arme.
Metoda Delphi a fost apoi popularizată şi preluată de alte domenii, printre care şi domeniul economic. Metoda Delphi este recomandată pentru a prognoza evenimente majore, cu impact semnificativ asupra strategiei pe termen lung a unei companii, mai ales în situaţia în care nu există date istorice privind situaţia respectivă. De obicei experţilor li se cere să facă o estimare numerică pentru o anumită variabilă economică sau să aprecieze probabilitatea de apariţie a unui eveniment.
Principalele etape ale acestei proceduri sunt:
1.) Definirea temei ce constitue obiectul studiului previzional2.) Alcătuirea grupului de conducere. Spre deosebire de metoda Brainstorming unde
specialiştii comunică direct (coordonatorul având mai mult rolul de a stimula discuţiile), în cazul metodei Delphi legătura între participanţi se face prin intermediul unui grup de conducere.
3.) Întocmirea listei participanţilor . Alegerea specialiştilor are un rol crucial în exactitatea previziunii realizate. Specialiştii participanţi trebuie să fie persoane cu nivel ridicat de pregătire de preferinţă selectaţi atât din mediul academic cât şi practicanţi ai domeniului respectiv.
4.) Informarea specialiştilor privind problema supusă atenţiei
5.) Trimiterea specialiştilor participanţi la anchetă a primului chestionar şi a instrucţiunilor de completare a acestuia. Specialiştii îşi exprimă opinia prin completarea chestionarului care apoi este remis grupului de conducere a anchetei. Acesta din urmă, procedează la prelucrarea chestionarelor. În această fază existe diferite metode de prelucrare a opiniei specialiştilor cu diferite grade de complexiatate:
Ponderarea răspunsului fiecărui specialist în funcţie de competenţa acestuia stabilită de grupul de conducere al anchetei
Ponderarea răspunsurilor din punctul de vederea al fiecărui specialist privind competenţa proprie (self ratings)
Calcularea valorii medii, a valorii mediane precumdar şi aplicarea unor metode mai complexe.
6.) Întocmirea unui nou chestionar de către grupul de conducere a anchetei. Acest chestionar va cuprinde atât unele întrebări suplimentare, necesare lămuririi în detaliu a unor aspecte ce se impun a fi soluţionate, cât şi sinteza răspunsurilor la primul chestionar. Cunoscând opinia tuturor specialiştilor, fiecare specialist, în funcţie de caz, poate să-şi reconstituie în contextul acestei sinteze o parte din răspunsurile date sau să-şi completeze răspunsurile la primul chestionar. De asemenea, se solicită specialiştilor a căror răspunsuri
30
s-au abătut substanţial de la părerea majorităţii, să-şi argumenteze răspunsurile sau să le modifice (opinion feed-back), exprimând-şi acordul sau dezacordul cu răspunsurile date de ceilalţi specialişti.
7.) Repetarea operaţiunii de întocmire, completare şi prelucrare a chestionarului. Această operaţiune se repetă de mai multe ori, fiecare nou chestionar cuprinzând întrebări suplimentare şi sinteza răspunsurilor la chestionarul anterior. Consultarea specialiştilor cu ajutorul chestionarului se consideră încheiată atunci când răspunsurile arată o relativă stabilitate, adică opinia specialiştilor nu se mai modifică după o nouă rundă de completare a chestionarelor. Previziunea finală este o medie a opiniilor exprimate de participanţi.
5.2.Metoda scenariilor
Deşi metoda a fost utilizată mai devreme, conceptul sub denumirea actuală de „scenarii” a fost introdus de Herman Kahn în 1965. La începutul anilor 1980 metoda a fost dezvoltată transformându-se dintr-o simplă metodă într-o cadru complex de abordare care permite integrarea mai multor metode de natură subiectivă (inclusiv Delphi şi Brainstorming). Întru-un studiu realizat la acea vreme Metoda scenariilor ocupa locul trei în topul celor mai utilizate metode de previziune (J. Diffenbach, 1983) în cadrul marilor corporaţii. Datorită costurilor ridicate şi dificultăţilor de implementare în ultima perioadă popularitatea acestei metode a scăzut considerabil rămânând un număr redus de companii disponibile să dedice resurse necesare pentru utilizarea cu succes a acestei metode. Printre companiile care folosesc în mod curent metoda scenariilor, contribuind totodată la dezvoltarea acesteia prin resursele investite se numără grupul Royal Duch Shell. Motivaţia utilizării acestei metode a apărut la începutul anilor 1970 când datorită activităţii puternice a diverselor grupări ecologice orientate pe promovarea protecţiei mediului înconjurător dar şi datorită apariţiei şi întăririi cartelului OPEC foarte multe companii petroliere au suferit pierderi majore. Începând cu acea perioadă şi până în prezent compania Shell şi-a bazat procesul de planificare strategică pe metoda scenariilor. Această abordare este considerată de mulţi specialişti cheia succesului companiei cu toate că în acelaşi timp îi sunt adresate şi multe critici.
Etape:1) Identificarea factorilor de influenţă şi a ipotezelor alternative de lucru. În alegerea factorilor de
influenţă este importantă impunerea unui orizont de previziune suficient de lung, de regulă mai mare de 10 ani. Atunci când orizontul de previziune este sub 10 ani există tendinţa din partea participanţilor de a extrapola tendinţele curente în loc de a găsi factori care să poată afecta în mod semnificativ activitatea companiei pe termen lung. În acest stadiu se poate face apel la diferite metode şi tehnici cum ar fi de ex. Brainstorming pentru colectarea unui număr cât mai mare de factori iar apoi utilizarea unor coeficienţi de importanţă pentru a selecta factorii cu adevărat importanţi etc.
2) Gruparea factorilor de influenţă pe categorii şi analiza interacţiunii dintre aceştia. Foarte mulţi factori sunt conectaţi între ei, de ex. o inovaţie tehnologică poate cauza schimbări majore în volumul vânzărilor însă pot exista constrângeri de natură legislativă care să limiteze comercializarea respectivului produs. Se încearcă astfel gruparea factorilor în funcţie de interacţiunea dintre aceştia şi alocarea unor probabilităţi petru fiecare şir logic de interdependenţe.
31
3) Realizarea unui număr de 7-9 scenarii iniţiale. O consecinţă firească a etapei precedente este ca grupurile de factori de influenţă să genereze succesiuni de evenimente care vor lua forma unor scenarii alternative.
4) Reducerea numărului de scenarii la 2-3. S-a constatat că este inutilă realizarea unui număr prea ridicat de scenarii datorită capacităţii reduse de a operare şi asimilarea din partea factorului de decizie. În general, beneficiarul final al scenariilor, reprezentat de managementul companiei se concentrează în final asupra a 2-3 scenarii care par mai relevante indiferent de numărul scenariilor care le este prezentat. Prin urmare este recomandată concentrarea situaţiilor viitoare alternative pe un număr redus de scenarii complementare. Scenariile sunt supuse dezbaterii în mai multe runde, etapele 1-4 fiind parcurse de mai multe ori fiind posibilă utilizarea unor metode iterative gen Delphi.
5) Transpunerea scenariilor într-o formă scrisă şi uşor accesibilă unor persoane care nu sunt neapărat de specialitate. S-a constatat că prezentarea scenariilor în formele binecunoscute: pesimist, realist şi optimist nu este cea mai fericită optiune. Există riscul ca managerii să se concentreze asupra unui singur scenariu care pare a fi cel mai preferat pentru compania în cauza. Pentru a evita selectarea unui singur scenariu ca fiind pozitiv (ex. cel realist sau cel optimist) şi respingerea celorlalte scenarii ca fiind negative există varianta prezentării unor scenarii complementare la fel de probabile. Scopul scenariilor, în cele din urmă este acela de a asigura stabilitatea firmei în orice fel de situaţia şi nu neapărat de a obţine câştiguri uriaşe într-o situaţie favorabilă. Prin urmare prin elaborarea unor scenarii complementare urmate de strategii adecvate o companie trebuie să facă faţă oricare ar fi schimbările survenite în mediul extern. Prin urmare scenariile nu vor fi concepute ca bune sau rele (pesimiste sau optimiste) şi ca oportunităţi alternative pentru care compania are pregătiti un răspuns.
5.3.Ancheta statistică privind opinia unor specialişti
Sondajele sau anchetele de opinie presupun chestionarea unui eşantion reprezentativ de indivizi (grup statistic) asupra situaţiei a cărei evoluţie se doreşte a se estima. Spre deosebire de metodele anterioare se doreşte estimarea unei opinii/intenţii generale şi nu a unui grup restrâns de specialişti. Este esenţial ca eşantionul să fie extras în mod aleator fără ca să existe o legătură directă sau indirectă între indivizii care-l compun. Alegerea eşantionului şi extinderea rezultatelor asupra întregii populaţii statistice se realizează prin tehnici specifice provenite din teoria sondajului statistic.
Anchetele de conjunctură realizate de Institutul naţional de Statistică (INS) sunt realizate în colaborare cu Comisia Europeană şi reprezntă o estimarea a evoluţiei viitorare (creştere, stabilitate, scădere) pe un orizont de aprox. 3 luni privind principalele sectoare ale activităţii economice (industrie, construcţii, comerţ cu amănuntul şi servicii).
Rezultatele sunt obţinute în urma estimărilor făcute de managerii întreprinderilor referitor la tendinţele de evoluţie ale activităţii economice. Acestea sunt efectuate pe baza unor eşantioane reprezentative în domeniile mai sus amintite (în luna octombrie 2006 volumul eşantioanelor arăta astfel: industrie prelucrătoare - 1533 agenţi economici, construcţii - 1108, comerţ cu amănuntul - 2296 şi servicii - 1967). Mărimea eşantioanelor este stabilită astfel încât eroarea de estimare maximă să fie de aprox. ±5% la nivel de sector. S-a utilizat sondajul stratificat simplu aleator, iar variabilele de stratificare sunt activitatea şi mărimea întreprinderii. Pentru obţinerea rezultatelor agregate, răspunsurile întreprinderilor sunt ponderate cu variabila de selecţie, respectiv numărul de salariaţi la industrie şi construcţii şi cifra de afaceri la comerţul cu amănuntul şi servicii. Proporţia alternativelor de evoluţie (creştere, stabilitate, scădere) reprezintă ponderea întreprinderilor (care au ales alternativa respectivă) în volumul de activitate al sectorului. Diferenţa procentuală între alternativele extreme (%
32
creştere - % scădere) constituie soldul conjunctural, care exprimă tendinţa de evoluţie a indicatorilor faţă de perioada anterioară.
Estimări făcute în luna octombrie 2006 pentru perioada octombrie-decembrie 2006:
Să presupunem că soldul conjunctural pentru contracte şi comenzi în industrie pentru două perioade de timp succesive se prezintă astfel:
Perioada I (creştere - 60%, scădere - 20%, stagnare- 20%) → sold conjunctural 40%
Perioada II (creştere - 50%, scădere - 20%, stagnare- 30%) → sold conjunctural 30%
Pentru ambele perioade de timp este prevăzută o creştere însă pentru a doua perioadă creşterea este probabil să fie mai puţin intensă soldul conjunctural fiind mai mic.
5.4. Interpretarea unor roluri în simularea situaţiilor conflictuale („Role Playing”)
Se utilizează atunci când există situaţii conflictuale între mai mulţi factori de decizie cu puteri aproximativ egale (ex.: negocierile pentru încheierea diferitelor contracte comerciale; fuziuni şi alianţe strategice; negocierile dintre patronate şi sindicate etc.) Aceasta tehnică constă în asumarea unor roluri de către cei implicaţi în procesul predictiv care să reprezinte în mod cât mai realist părţile adverse însoţită de simularea situaţiei conflictuale şi evaluarea rezultatelor. Această metodă necesită o bună cunoaştere a profilului persoanelor implicate în confictul real şi a obiectivelor urmărite de acestea.
Distribuirea persoanelor în diferite roluri trebuie să fie cât mai realistă, în sensul că trebuie să existe o anumită similitudine între personajele reale şi cele care le interpreteză rolul. Cei care interpretează rolurile trebuie să primească informaţiile necesare. Informaţiile primite trebuie să fie concise şi trebuie să conţină:
o descriere a fiecărui participant , a obiectivului urmărit de acesta şi a poziţiei ocupate în cadrul firmei;
o istorie scurtă a relaţiilor dintre participanţi; obiectivul întâlnirii şi eventual rezultate alternative posibile sau moduri alternative de a
acţiona.Informaţiile primite trebuie reţinute uşor de toţi participanţii şi deci se recomandă concentrarea
lor (în jur de o pagină).Unii specilişti recomandă realizarea simulărilor într-un mediu ambiant cât mai apropiat de cel
real, însă acest lucru poate fi destul de costisitor.
33
Datorită faptului că persoanele implicate pot percepe în mod diferit rezultatul unei confruntări este recomandată scrierea rezultatelor/deciziilor de fiecare grup în parte dar şi de terţe persoane care au rolul de observatori. În final acestea sunt confruntate.
Numărul sesiunilor de simulare joacă un rol important în obţinerea unei predicţii finale (ex.: dacă au fost efectuate 5 simulări iar pentru 4 dintre acestea rezultatul final a fost declanşarea unei greve predicţia este că o grevă va avea loc cu o probabilitate de 80%). Mai multe sesiuni de simulare pot fi obţinute fie prin schimbarea rolurilor între participanţi, fie prin folosirea unor informaţii sau premise alternative.
Simulările prin interpretarea unor roluri sunt recomandate atunci când: există o interacţiune/conflict între grupuri de interese numărul grupurilor de interese este mic (ideal 2 părţi opozante) situaţia conflictuală implică schimbări majore nu există situaţii comparabile în trecut
5.5.Utilizarea burselor de pariuri (“Prediction Markets”) pentru previziuni la nivel de firmă
Bursele de pariuri sunt pieţe speculative utilizate pentru a previziona anumite evenimente sau valorile anumitor parametri în care cei care dovedesc o putere ridicată de anticipare câştigă iar ceilalţi pierd. Exită burse internaţionale de pariuri pentru aproape orice tip de evenimente: politice, sportive, artistice (ex. nominalizări pentru Oscar), economice etc. Câteva dintre cele mai cunoscute burse, cu facilităţi de participare on-line sunt: TradeSports, Hollywood Stock Exchange, NewsFutures etc.
Utilizarea acestei metode în previziunile economice este relativ nouă şi a fost popularizată în urma apariţiei cărţii “The Wisdom of Crowds: Why the Many Are Smarter Than the Few and How Collective Wisdom Shapes Business, Economies, Societies and Nations” (2004) scrisă de James Surowiecki dar şi datorită intensificării cercetărilor în domeniul economiei experimentale (Vernon Lomax Smith – Premiul nobel în 2003). Conform cărţii amintite există patru condiţii esenţiale pentru ca un număr mare de persoană să realizeze predicţii valide:
Diversitatea opiniilor - informaţii şi raţiuni diversificate în rândul persoanelor Independenţa – persoanele să nu se influenţeze reciproc Descentralizarea - persoanele sunt libere să se specilizeze şi să acţioneze pe cont propriu Agregare – necesitatea existenţei unui mecanism de extargere a unei opinii generale
Iniţiative în ceea ce priveşte utilizarea burselor de pariuri pentru previzionarea unor variabile la nivel microeconomic:
În cadrul companiei Hewlett-Packard au fost create mici burse în care angajaţii sunt încurajaţi să parieze pentru un anumit nivel al vânzărilor sau al veniturilor companiei.
Compania InovateUs este specializată pe previzionarea succesului inovaţiilor în introducerea a noi produse pe piaţă bazându-se pe opinia unui număr mare de angajaţi. Are ca şi clienţi alte companii
Inkling este o companie specilizată pe asemenea predicţii şi oferă consulatanţă în acest domeniu
Google foloseşte această metodă în interes propriu pentru diverse predicţii de importanţă strategică pentru companie: data de lansare a unor produse, apariţia a noi companii etc.
34
Etc.
La fel ca şi acheta statistică bursele de pariuri se bazează pe un număr mare de participanţi însă în acest caz aceştia nu sunt neapărat specialişti iar concluziile finale nu se bazează pe inferenţa statistică.
6. Previziunea ciclurilor de afaceri - Indicatori de anticipare
6.1. Indici de dinamică şi indici de ciclicitate
Indicatori relativi de dinamică:
Indici de dinamică (indicele de creştere):
o Cu bază fixă:
sau
o Cu bază în lanţ:
sau
PIB-ul României în miliarde lei (preţuri constante):
80
90
100
110
120
130
140
150
160
19
80
19
82
19
84
19
86
19
88
19
90
19
92
19
94
19
96
19
98
20
00
20
02
20
04
20
06
35
PIB-ul României, indici cu bază fixă:
0.6
0.7
0.8
0.9
1
1.1
1.2
1.3
19
80
19
82
19
84
19
86
19
88
19
90
19
92
19
94
19
96
19
98
20
00
20
02
20
04
20
06
Se observă că din punctul de vedere al dinamicii şi deci al fluctuaţiilor ciclice indicele cu bază fixă are o formă identică cu seria iniţială neexistând decât o diferenţă de scală.
Indici cu bază fixă şi indici cu bază în lanţ pentru PIB-ul României:
0.6
0.7
0.8
0.9
1
1.1
1.2
1.3
19
80
19
82
19
84
19
86
19
88
19
90
19
92
19
94
19
96
19
98
20
00
20
02
20
04
20
06
indicele cu baza f ixa
indicele cu baza in lant
Se observă că indicele cu bază în lanţ anticipează punctele de întoarcere (schimbare de trend) din seria indicilor cu bază fixă şi deci şi din seria iniţială.
Ritmul de dinamică (ritmul modificării relative, ritmul sporului, sporul relativ):
sau în procente:
De obicei ritmul de dinamică se calculează cu bază în lanţ.
Ritm (bază în lanţ):
36
-0.3-0.2-0.1
00.10.2
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
2002
2004
2006
Indici (bază în lanţ):
0.70.80.9
11.11.2
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
2002
2004
2006
Se observă că între indicele şi ritmul de dinamică (bază în lanţ) nu este decâ o diferenţă de nivel (o constantă egală cu 1 sau 100) ambii având aceiaşi putere informativă. Indicele are însă avantajul că valorile sale sunt pozitive (în acest context valorile iniţiale ale variabilelor economice sunt pozitive) iar fluctuaţia este în jurul valorii 1 (100) l la fel şi în cazul indicelui de ciclicitate.
Indicii de cilicitate se calculează ca raport dintre valorea iniţială a variabilei observate şi conponenta de trend. Calcularea lui se justifică atunci când fenomenul analizat prezintă un trend general crescător.
Date obtinute prin simulare (seria observata nu reprezinta date reale ci reprezinta valorile unei funcţii 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 calculează indicii de ciclicitate. Indicii de dinamică au capacitatea de a anticipa punctele de întoarecere în indicii de ciclicitate. De asemenea trebuie remarcat
37
faptul că indicii de cilicitate, la rândul lor, au capacitatea de a anticipa punctele de maxim din seria observată atunci când există 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 ciclicitateIndici de dinamica
Considerând un exemplu real lucrurile nu mai sunt atât de evidente. Datorită măsurilor aticiclice (temperare în periodele de boom şi stimulare în periodele de recesiune) în cazul ţărilor dezvoltate (de ex. Italia) ciclurile economice nu mai sunt atât de pregnante şi deci sunt mai puţin evidente în urma unei simple reprezentări grafice.
PIB-ul Italiei în miliarede euro (preţuri constante):
500
600
700
800
900
1000
1100
1200
1300
1400
19
80
19
82
19
84
19
86
19
88
19
90
19
92
19
94
19
96
19
98
20
00
20
02
20
04
20
06
38
Se observă că indicii au un caracter destul de instabil (mişcări puternice de la o perioadă la alta) ceea ce face ca puterea de anticipaţie să fie mult redusă faţă de modelul teoretic anterior. Practic putem vorbi de două situaţii clare în care indicele de dinamică anticipează indicele de ciclicitate
0.92
0.94
0.96
0.98
1
1.02
1.04
1.061
98
0
19
82
19
84
19
86
19
88
19
90
19
92
19
94
19
96
19
98
20
00
20
02
20
04
20
06
Indici de ciclicitate
Indici de dinamica
1) Puctul de maxim atins de indicele de dinamică în 1988 este urmat de un punct de maxim în seria indicilor de ciclicitate în 1990 care este urmat de un punct de maxim local în seria iniţială în anul1992. 2) Puctul de maxim atins de indicele de dinamică în 2000 este urmat de un punct de maxim în seria indicilor de ciclicitate în anul 2001 care este urmat de un punct de maxim local în seria iniţială în anul 2002. Noţiunea de maxim local semnifică o valoare mai mare comparativ cu valorile aflate în imediata ei vecinătate şi nu neapărat un maxim al întregii perioade de înregistrare. Punctele de maxim local marchează o schimbare de tendinţă şi începutul unor faze de recesiune.
6.2. Indicatori de anticipare a cilurilor economice
Indicatorii de anticipare a ciclurilor economice (Composite Leading Indicators) sunt indicatori agregaţi care includ în componenţa lor diferite variabile economice care determină sau anticipează fluctuaţiile înregistrate de activitatea economică de ansamblu (exprimată printr-un indicator al producţie globale în general PIB sau Producţia Industrială).
Componenţa unui indicator de anticipare diferă atât în plan teritorial (de la o ţară la alta) cât şi în plan temporal (în cadrul aceleaşi ţări variabilele incluse în indicator pot fi diferite de la o perioadă la alta). Există câteva reguli pentru selectarea variabilelor economice care formează un indicator de anticipare:
Să existe o explicaţie fundamentată din punct de vedere economic pentru relaţia dintre variabila de anticipare şi activitatea economică de ansamblu a cărei fluctuaţii ciclice se doresc a fi previzionate.
Relaţia trebuie să aibă loc cu un anumit decalaj temporal. Pentru a reprezenta un semnal de anticipare este necesar ca modificările variabilelor incluse în indice să aibă loc înaintea modificărilor care apar în PIB sau Producţia Industrială.
Trebuie să existe date statistice de calitate, de preferinţă înregistrate lunar, pe o perioadă suficient de lungă. Această contrângere privind calitatea datelor este în special importantă pentru realizarea unor predicţii de calitate.
39
Variabile economice aflate în componenţa indicatorilor de anticipare: Tendinţa viitoare estimată prin anchete statistice în mediu de afaceri
o Tendinţa viitoare în domeniul producţiei de bunuri (un orizont de 3-6 luni - creştere, menţinere, descreştere)
o Tendinţa de creştere a preţurilor de vânzare a bunurilor o Tendinţa de creştere a comenzilor primite pentru producţia internă, export etc.
Anchete privind opinia consumatorilor:o Indicatori de încredere ai consumatoriloro Tendinţa viitoare a preţurilor de consumo Tendinţa viitoare a situaţiei economice de ansamblu
Creşterea vânzărilor lunare în comerţul cu amănuntul Producţia de cărbune Stocul de produse finite Numărul de comenzi lunare primite în diferite ramuri ale economei: industrie, minerit etc. Indicatori privind ocuparea forţei de muncă
o Numărul de şomeri înregistrat lunar la Oficiul Forţelor de Muncă o Numărul de locuri de muncă vacante înregitrat la Oficiul Forţelor de Muncă o Numărul mediu de ore lucrate pe lună de muncitorii în industrie colectat de institutele
naţionle de statistică Indicatori ai masei monetare. O masă monetară mai mare însemană în general o lichiditate mai
mare (mai mulţi bani în economie) care influenţează pozitiv activitatea economică în sensul creşterii acesteia.
o Masa monetară M1 (reprezentată din bancnote, monezi şi banii aflaţi în conturi curente) o Masa monetară M2
Indicii bursieri Rate ale dobânzii
o Rata medie a dobânzii (rata medie la 3 luni sau 6 luni pentru bonuri de trezorerie etc.). În general o rată medie a dobânzii mai mică însemnă un cost al împrumutului mai mic şi deci o încurajare a activităţii economice viitoare.
o Diferenţa dintre rata dobânzii pe termen lung şi rata dobânzii pe termen scurt Rata reală efectivă de schimb Importuri totale (preţuri c.i.f.). Dacă o ţară este preponderent importatoare de materie primă o
creştere a importurilor acesteia arată o creştere viitoare a producţiei la nivel naţional. Indicele raportului de schimb net
Etape în construirea unui indicator de anticipare: Se selectează variabilele care intră în componenţa indicatorului de anticipare (în general nr.
acestora variază între 5 şi 11) Dacă datele prezintă fluctuaţii sezoniere seriile de date sunt desezonalizate printr-o metodă
adecvată Se estimează 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 calculează indicii de ciclicitate ca raport dintre seria iniţială şi trend Seriile de indici obţinute pentru fiecare componentă sunt nivelate pentru a reduce fluctuaţia
acestora (pentru nivelare se folosesc tehnici de genul mediei mobile, nivelării exponenţiale sau alte metode specifice)
40
Pornind de la indicii de ciclicitate aferenţi seriilor componente, nivelaţi în etapa anterioară, se calculează o medie a acestora (ponderi egale, în general) obţinându-se astfel un indice de ciclicitate mediu care reprezintă practic indicele de anticipaţie compozit
Opţional indicele de ciclicitate mediu se înmulţeşte cu componenta de trend a fenomenului care se doreşte a se previziona (PIB, indicele producţiei industriale etc.) cu scopul de a obţine o reprezentare grafică comparabilă pentru cele două variabile.
7. Previziuni pe piaţa valorilor mobiliare
Valorile mobiliare (titlurile financiare) cunoscând o foarte mare diversitate sunt tranzacţionate pe pieţe specilizate organizate sub forma burselor de valori. Dintre cele mai cunoscute pieţe de valori mobiliare putem aminti:
Piaţa acţiunilor Piaţa obligaţiunilor Piaţa valutară Piaţa de mărfuri Piaţa produselor derivate: contracte futures şi opţiuni
În încercarea de a estima care va fi evoluţia preţului unui titlu în viitor există disponibile două abordări alternative:
1) Analiză fundamentală implică studiul impactului factorilor de natură economică care pot influenţa evoluţia unui titlu. De multe ori investitori sofisticaţi încep cu analiza indicatorilor macroeconomici naţionali şi internaţionali (PIB, inflaţie, curs valutar, productivitate) continuă apoi cu analiza de ramură sau industrie (competitivitate etc.) pentru ca faza finală să fie orientată pe analizată situaţiei fianciare la nivel de companie.
2) Analiza tehnică reprezintă studiul evoluţiei preţului unui titlu de valoare, cu scopul de a previziona cât mai exact oscilaţiile şi trendul acestuia. Analiza tehnică se bazează în special pe analiza grafică şi pe utilizarea unor indicatori de natură statistică (tehnică) şi nu include analiza relaţiilor de cauzalitate dintre preţul respectivului titlu şi diferiţi factori de influenţă. Premisa de la care porneşte analiza tehnică este că istoria tinde să se repete şi că toate informaţiile necesare sunt incluse în evoluţia preţului. Factorul psiholog tinde să aibă un rol important. Se consideră că participanţii pe piaţă tind să aibă o reacţie similară la fluctuaţiile legate de preţ, reacţie care este observată statistic.
7.1.Elemente de analiză fundamentală
În esenţă preţul este guvernat de legea fundamantală a raportului dintre cererea şi oferta pentru un anumit bun sau titlu de valoare. Prin urmare factorii de influenţă ai preţurilor sunt de fapt semnale din mediul economic care înclină balanţa cereri sau ofertei într-un sens sau altul.
Evoluţia preţului unei companii este determinată în principal de următoarele elemente:1. Creşterea profiturilor/vânzărilor 2. Mărimea dividentelor acordate
41
3. Evenimente favorabile: un produs nou cu potenţial pe piaţă, restructurare, preluare de către o companie mai putenică etc.
4. Rata dobânzilor. Rata dobânzilor acţionează asupra preţurilor unei acţiuni în dublă direcţie:
a. Pe de o parte se consideră că o rată ridicată a dobânzii duce la încetinirea creşterii economice (acces mai greu la credite) ceea ce se reflectă în vânzări şi profituri mai scăzute realizate de companii şi deci preţuri mai mici pentru acţiunile care nu mai pot oferii dividente atât de atractive
b. Pe de altă parte o rată mare a dobânzii face ca randamentul unor investiţii alternative să crească (obligaţiuni, certificate de depozit etc.) în defavoarea randamenutlui acţiunilor care devin mai puţin atractive. Prin urmare investitorii îşi vor îndrepta lichidităţile către alte titluri ceea ce conduce la o cerere mai redusă pentru acţiuni şi deci o diminuare de preţ.
Uneori nu este nevoie ca rata dobânzii să crească efectiv, este suficientă o anticiparea a acestei creşteri pentru ca efectul să se facă resimţit în preţ
5. Evoluţia pieţei în ansamblu (vizibilă în evoluţia indicilor bursieri). Dacă piaţa în ansamblul ei scade, spre exemplu, datorită unei perspective proaste a sănătăţii economiei în ansamblu sau datorită unui panici generale pe bursă nici chiar cea mai bună companie nu va face faţă trendului general descendent al pieţei. Este de aşteptat totuşi, cel puţin din punct de vedere teoretic, ca o companie mai bună să înregistreze scăderi ma mici ale preţurilor acţiunilor sale decât scăderea medie a pieţei.
Unul dintre indicatorii cei mai utilizaţi pentru evaluarea potenţialului oferit de o anumită acţiune este raportul Preţ/Profit (engl. PER – Price/Earnigs Ratio):
Profit pe acţiune = profitul înregistrat / nr. de acţiuni
Un alt indicator important este raportul: preţ curent/ valoare contabilă.
Cerera şi oferta observate pe termen scurt:
42
cantitatepret 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
1,889,000 735,900TOTAL CANTITATE
oferta de actiunicerere de actiuni
Obligaţiunile sunt instrumente financiare de credit, purtătoare 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) şi rascumpara obligatiunile atunci cand imprumutul este programat sa fie rambursat, adica la data scadentei (maturity date) sau mai devreme, la data răscumpărării (call date).
Obligaţiunile sunt la rândul lor titluri financiare care pot fi tranzacţionate. Rata dobânzii influenţează preţurile acestor titluri. Relaţia este inversă (la fel ca şi în cazul acţiunilor):
Dacă rata dobânzii creşte preţurile obligaţiunile exisitente la tranzacţionare vor înregistra o scadere
Dacă rata donânzii scade preţurile obligaţiunilor tranzacţionate vor creşte
Factori de influenţă fundamentali în evoluţia cursului valutar: Diferenţa dintre inflaţia înregistrată de cele două economii naţionale Diferenţa dintre ratele dobânzilor reale. O rată mare a dobânzii pentru o anumită monedă este
mai atractivă şi deci creşte cererea pentru moneda respectivă iar moneda respectivă se apreciază pe termen scurt. Această creştere a ratei dobânzii poate să afecteze performanţa economică de ansamblu
Deficitul de cont curent. Importuri mai mari decţt exporturi fac ca oferata de valută să fie mai mare ceea ce înseamnă o depreciere a monedie naţionale
Datoria publică (deficitul bugetar) Performanţa economică a respectivei ţări
Factori de influenţă ai ratei dobânzii:
Cererea/Oferta de creditare. În perioade de expansiuneo cererea puternică de credite conduce la creşterea ratei dobânziio randamentele mai atractive oferite de companiile private (dividente, obligaţiuni) obligă
guvernul să ofere randamente mai ridicate la titlurile de stat Politica monetară. Prin operaţiunile de open market, facilităţi acordate băncilor, manevrarea
ratei dobânzii de politică monetară şi impunerea unor rezerve minime obligatorii Banca naţională influenţează nivelul ratei dobânzii
43
Deficitul bugetar – emiterea de titluri guvernamentale pe termen lung pentru acoperirea deficitului cea ce însemnă o absorbţie de monedă din economie şi o creştere a ratei dobânzilor la titlurile pe termen lung
Inflaţia – presupune o creştere a ratei nominale a dobânzii
7.2.Metode de analiză tehnică
Analiza tehnică nu îşi propune să 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 pieţei financiare de-a lungul a sute de ani. Poate că cea mai timpurie ramură a analizei tehnice o reprezintă tehnicile “candlestick” folosite de speculatorii japonezi din secolul al XVIII-lea şi populare încă în zilele noastre.
Teoria Dow, introdusă de Charles Dow, cofondator al companiei Dow Jones & Company (în 1882, împreună cu Edward Jones) şi editor al Wall Street Journal, a inspirat la sfarşitul secolului al XIX-lea folosirea şi dezvoltarea analizei tehnice.
Ca orice teorie, analiza tehnică a dat naştere la numeroase discuţii pro şi contra. Una dintre teoriile formulate de opozanţii analizei tehnice este ipoteza de piaţă eficientă, care susţine că o piaţă eficientă are o evoluţie de tip “mers la întâmplare” şi că pe o astfel de piaţă activităţile de tip speculativ, prin utilizarea analizei tehnice, sunt practic imposibile.
Reprezentarea grafică ce mai comună este prin bare de preţ. O bară de preţ coincide unei anumite frecvenţe temporale (1 min., 5 min., 10 min., 15 min., 30 min., 1 h, 1 zi, 1 săptămână, 1 lună) şi conţine preţul de deschidere (preţul iniţial), preţul minim, preţul maxim şi preţul de închidere.
44
1.1.5. Benzile Bollinger
Benzile Bollinger reprezintă un sistem de generare a semnalelor de tranzacţionare (vânzare/cumpărare) bazate pe principiul reversibilităţii evoluţiei preţurilor. Cu alte cuvinte se porneşte de la ipoteza că o creştere a preţurilor peste valoarea reală, fundamentată din punct de vedere economic, va fi urmată de o scădere a acestora, adică de o revenire căre valoarea reală. Principiul este simetric, fiind valabil atât în condiţiile unei supraevaluări cât şi al unei subevaluări, aceasta din urmă fiind urmată de o revenire în sensul creşterii cotei respectivului activ.
Din punct de vedere tehnic Benzile Bollinger sunt formate dintr-o valoare medie centrală şi două frontiere (benzi) care încadrează valoarea centrală.
Etape în construirea unui sistem de tranzacţionare bazat pe Benzi Bollinger:1. Valoarea medie centrală poate fi calculată prin diferite metode de nivelare:
Medie mobilă
Nivelare exponenţială
Medie mobilă exponenţială
45
Etc.
- preţul de închidere înregistrat la sfîrşitul unei perioade de timp (zi, oră, 30 min etc.)
ATENŢIE !!!
Spre deosebire de media mobilă, nivelarea exponenţială şi media mobilă exponenţială folosite direct în previziune (cap.2), valorile calculate în acest context corespund perioadei curente adică, reprezintă valori medii care înlocuiesc valoarea curentă şi nu reprezintă previziuni pentru perioada viitoare.
2. Se calculează deviaţiile preţului de închidere faţă de preţul mediu:
3. Se aplică o metodă de nivelare a deviaţiilor la fel ca şi în cazul calculării tendinţei centrale, de regulă pe acelaşi interval de timp, obţinându-se o deviaţie medie aferentă perioadei,
4. La valoare medie centrală se adaugă/scade un număr de deviaţii medii: Frontiera superioară
Frontiera inferioară
Distanţa dintre frontiere este direct proporţională cu volatilitatea preţului datorită unei deviaţii mai mari faţă de medie.
16
16.5
17
17.5
18
18.5
19
Semnale de vânzare /cump ărare:
46
Atunci când preţul intersectează frontiera superioară se previzionează o scădere de preţ şi deci se dă un ordin de vânzare iar când preţul de vânzare intersectează frontiera inferioară se dă un ordin de cumpărare aticipându-se o creştere a preţurilor.
1.1.6. Intersecţia mediilor mobile
Sistemele bazate pe mediile mobile pornesc de la premisa că o creştere semnificativă a preţurilor observată la un moment dat va continua şi în viitor. A tranzacţiona cu ajutorul unui astfel de sistem este echivalent cu a tranzacţiona conform principiului “ cumpără ceea creşte şi vinde ceea ce scade”.
Cele mai utilizate medii mobile sunt calculate pe ferestre de 20, 30, 50, 100 sau 200 zile. Fiecare medie mobilă furnizează o interpretare diferită cu privire la evoluţia preţului unui tiltlu de valoare. Cu cât perioada pe care se calculează media mobilă este mai scurtă, cu atât sta va fi mai sensibilă la modificările preţului. Mediile sunt calculate în general cu ajutorul mediilor mobile sau al mediilor mobile exponenţiale, termenul fereastră de lungime k, în acest context, fiind echivalent cu cel de ordin k (cap.2), însemnând numărul de valori cuprinse în medie.
40
45
50
55
60
65
70
75
80
18
00
18
17
18
34
18
51
18
68
18
85
19
02
19
19
19
36
19
53
19
70
19
87
20
04
20
21
20
38
20
55
20
72
20
89
21
06
21
23
21
40
21
57
21
74
21
91
22
08
22
25
C
V
MM exp. 100 zile
MM exp. 20 zile
Semnale de vânzare /cump ărare: Astfel, se consideră a fi un moment optim de cumpărare momentul în care media mobilă
calculată pe o fereastră scurtă (ex. 20 zile) devine mai mare decât media mobilă calculată pe o fereastră mai lungă (ex. 100 zile), deoarece acest moment este considerat începutul unui trend crescător de
47
durată. Momentul este optim pentru vânzare atunci când media mobilă calculată pe o fereastră mai scurtă devine mai mică decât media mobilă calculată pe o fereastră mai lungă, această situaţie indicând începutul unui trend descendent.
1.1.7. Oscilatorul Stocastic
Oscilatorul stocastic se calculează astfel::
1. Se decide asupra numărului de perioade, K, incluse în calcul (5 zile, 20 zile etc.) Aceste
perioade reprezentând bare de preţ cu preţul de deschidere, preţul minim, preţul maxim şi
preţul de închidere. Înfiecare moment t se alege cel mai mic preţ minim şi cel mai mare preţ
maxim pe o fereastră de k bare în urmă.
2. Se calculează la fiecare moment (bară) t următoarele valori:
CL = Preţul de închidere [t] - Cel mai mic preţ minim [pe fereastra de N bare]
HL = Cel mai mare preţ maxim [pe fereastra deK bare] – Cel mai mic preţul minim [pe fereastra de K bare]
OS = CL / HL *100
3. Valoarea OS este nivelată printr-o medie mobilă obţinându-se un oscilator stocastic mediu
În partea de jos a graficului este reprezentat împreună cu pragurile de 80% şi 20%
Semnale de vânzare /cump ărare: Semnal de vânzare:
48
Atunci când depăşeşte un prag superior (de regulă 80%)Semnal de cumpărare:Atunci când coboară sub un prag inferior (de regulă 20%)
8. Previziuni de marketing
8.1.Previziunea produselor noi introduse pe piaţă
Una dintre cele mai importante aplicaţii comerciale ale previziunii poate fi găsite în ultimele
faze ale procesului de dezvoltare a noilor produse moment în care managerii au nevoie de estimări cât mai exacte privind în special rate de penetrare a pieţei, volumul vânzărilor şi cota de piaţă. În cele ce urmează va f tratată problematica bunurilor de larg consum.
1.1.8. Modele pentru pieţe test
Crearea unui nou produs (concept sau prototip) implică costuri ridicate însă lansarea unui produs pe piaţă poate fi mult mai costisitoare (ex.: realizarea produsului Gillette Ultramax a costat 1,9 milioane USD iar lansarea pe piaţă 19 milioane USD). Pentru a decide dacă un produs merită sau nu să fie lansat pe piaţă la scară largă, companiile producătoare au nevoie de previziuni detaliate privind evoluţia vânzărilor ulterioară lansării produslui.
În ultimele decenii producătorii de bunuri de larg consum folosesc pieţe test înainte de lansarea unui produs la scară naţională sau internaţională. Pieţele test sunt pieţe restrânse care includ un număr limitat de puncte de desfacere sau zone geografice şi au rolul de a evalua performanţa unui produs în condiţii reale de piaţă precum şi a unor planuri alternative de marketing. Utilizarea unor pieţe test implică, la rândul lor, costuri care cresc odată cu durata perioadei de testare a produselor dar şi odată cu creşterea costului de oportunitate de a nu lansa produsul pe scară naţională mai devreme. Perioadele lungi de testare dau competitorilor posibilitatea de a evalua produsele care sunt pe punctul de a fi lansate şi de lansa mai rapid produse similare care pot fi mai competitive. Pentru a veni în întâmpinarea acestei probleme au fost create modele specifice pieţelor test care au rolul de a face predicţia volumului vânzărilor pe baza primelor rezultate provenite din pieţele de testare reducând astfel, în mod semnificativ, durata necesară testării.
Unul dintre cele mai utilizate modele presupune descompunera vînzărilor observate în perioada de testare în achiziţii care reprezintă încercări ale produslui şi achiziţii repetate. Acest tip de modele ( “depth of repeat models”) la dezvoltarea cărora au contribuit Fourt şi Woodlock (1960), Eskin (1973), Kalwani şi Silk (1980) iar mai recent Fader şi Hardie (1999) sunt utilizate în prezent de companii în domeniul cercetărilor şi previziunilor de marketing (ex. BASES1). De obicei datele observate reprezintă vânzări săptămânale. Astfel vânzările cumulate (vânzările care au fost relizate până în săptămâna t), S(t), pentru un anumit produs pot fi descompuse în:
a. Numărul de achiziţii care reprezintă încercarea produsului (prima achiziţie realizată de un cumpărător), T(t)
1 BASES a fost fondată la mijlocul anilor 1970. În 1998 a fost cumpărată de ACNielsen care la rândul ei a fost cumpărată în 2001 de VNU.
49
b. Numărul de achiziţii care reprezintă prima repetiţie (achiziţii realizate de cumpărători care cumpără un produs a doua oară, după ce l-au încercat), FR(t)
c. Numărul de repetiţii ulterioare, AR(t)
S(t) = T(t) + FR(t) + AR(t)
Descompunerea în aceste componente şi realizarea previziunilor pentru fiecare componentă în parte este deosebit de utilă pentru a cunoaşte natura şi cauzele succesului/insuccesului unui produs şi pentru adoptarea unor măsuri corespunzătoare. De exemplu vânzări realizate sub nivelul aşteptat pentru un anumit produs pot fi explicate prin următoarele două scenarii posibile:
a. Deşi mulţi consumatori încearcă produsul foarte puţini fac o nou achiziţie pentru că produsul nu corespunde preferinţelor consumatorilor. Deci produsul trebuie îmbunătăţit pentru a atinge cel puţin nivelul de satisfacţie asteptat de consumatori.
b. Foarte puţini consumatori încearcă produsul dar totuşi cei care o fac sunt încântaţi şi achiziţiile ulterioare sunt ridicate. Deci produsul trebuie mai bine promovat pentru a fi încercat de mai mulţi consumatori.
De asemenea descompunerea are şi rolul realizării unei previziuni mai exacte. Dacă urmărim figura de mai jos, unde se încearcă realizarea unei previziuni pornind doar de la vânzările globale S(t) observate până în momentul t0 utilizând o funvţie de tendinţă, evoluţia viitoare poate fi una din variantele (a), (b) sau (c). Alegerea uneia din cele 3 variante se face prin alegerea formei funcţiei de tendinţă utilizată în previziune care reprezintă o decizie făcută a priori momentului t0 şi deci presupune un risc. Este adevărat faptul că alegerea funcţiei se face astfel încât această funcţie să estimeze cât mai bine vânzările observate (pâna la momentul t0) însă, aşa cum a fost precizat anterior, se doreşte ca perioada de observare, adică perioada în care produsul să fie testat pe piaţă să fie cât mai mică. Alegerea unei funcţii potrivite pentru vânzările totale reprezintă deci un demers dificil în aceste condiţii.
Dacă vânzările sunt descompuse în încercări şi repetiţii atunci varianta (a) corespunde situaţiei în care nivelul de repetiţii este ridicat, varianta (b) corespunde unui nivel al repetiţiilor mai scăzut iar varianta (c) corespunde unui nivel nul al vânzărilor repetate. Dacă vânzările repetate ar fi observate înainte de momentul t0 nivelul acestora ar duce, fără îndoială, informaţii importante pentru perioada de previziune.
50
1. Model pentru numărul total cumulat al primei încercări pentru un anumit produs până în momentul t:
N – număr de consumatori potenţiali
P(t) – probabilitatea ca un cumpărător să facă prima încercare până în momentul t.
t – variabila timp, în general săptămâni 2. Model pentru prima achiziţie repetată:
- probabilitatea de a face prima achiziţie repetată în momentul t condiţionată de încercarea produsului în momentul t0 (probabilitatea de face prima achiziţie repetată după o periodă de t-t0 săptămâni de la încercarea produsului)
t - momentul primei repetiţii
(a)
(b)
(c)
PreviziunePerioadă de observare
t
Vânzări
PIAŢĂ TEST
t0
51
t0 - momentul încercării produsuluiT(t0)-T(t0-1) – cu cât a crescut numărul de consumatori care au făcut prima încercare faţă de perioada anterioară (numărul de consumatori care au făcut prima încercare în săptămâna t0)
3. Model pentru repetiţiile ulterioare:
,
1.1.9. Modele pentru pieţe pre-test
Pentru că testarea unui produs pe o piaţă, aşa cum a fot deja precizat, implică costuri considerabile dar şi un anumit risc din partea companiilor concurente au fost create modele care să permită evaluarea succesului unui produs înainte ca acesta să fie testat pe o piaţă. Spre deosebire de pieţele test unde produsul, în volum limitat, este disponibil pentru a fi achiziţionat în mod real, pieţele pre-test presupun o fază incipientă în care produsul este în fază de prototip, nu a fost lansat în mod real pe nici o piaţă şi este posibil chiar ca produsul să nu aibă încă o denumire şi un ambalaj final în vederea comercializării.
Modelele care generează previziuni privind volumul vânzărilor sau cota de piaţă a unui produs înainte ca acesta să fie testat pe piaţă se bazează în mare măsură pe intenţiile exprimate de potenţialii consumatori. Un eşantion selectat din potenţialii consumatori sunt confruntaţi cu produsul aflat în fază de prototip într-un spaţiu special amenajat. Consumatorii sunt chestionaţi cu privire la propriile lor intenţii de acumpăra produsul respective dar şi în ceea ce priveşte opinia acestora faţă de aumite caracteristici ale produslui. Consumatorii interesaţi sunt încurajaţi să testeze produsul respective sau le este oferit produsul pentru a fi testat ulterior, la domiciliu. După o anumită perioadă de timp optimă (timp mediu estimat între achiziţii successive) consumatorii chestionaţi sunt contactaţi din nou, de obicei telefonic, pentru a se obţine informaţii privind gradul de satisfacţie al acestora în urma utilizării produsului dar şi privind noile intenţii ale consumatorilor faţă de produsul respectiv. Uneori produsul le este oferit consumatorilor de mai multe ori.
O altă categorie de modele face apel la analogia dintre produse. Foarte multe companii specializate pe cercetări de marketing (BASES, Novaction ets.) crează baze de date cu informaţii referitoare la mii de produse lansate. Caracteristicile (reclamă, poziţionare, distribuţie etc.) produsului care urmează a fi lansat este comparat cu caracteristicile produselor lansate anterior din categoria respectivă. Legătura dintre performanţa produsului şi caracteristicile sale este formalizată prin funcţii de mai mulţi parametrii. Prametrii estimaţi pe diferite categorii de produse lansate anterior sunt utilizaţi pentru a previziona performanţa noilor produse.
52
În cele ce urmează vor fi prezentate foarte succint etapele esenţiale ale modelului ASSESSOR1
(Urban, Slk 1977) aflat în prezent în proprietatea companiei M/A/R/C (Marketing and Research Counselors)2. Etapele acestui model prin care se estimează cota de piaţă a unui nou produs ce urmează a fi lansat pe piaţă sunt:
1) Potenţiali consumatori (subiecţi) din segmentul de piaţă sunt interceptaţi în timp ce fac cumpărături, cei disponibili sunt conduşi într-un spaţiu special amenajat unde l-i se administrează un chestionar iniţial în vederea identificării setului de produse familiar (setul de produse pe care o persoană le are în vedere atunci când face o alegere).
2) Subiecţilor l-i se administrează un al doilea chestionar (care este adaptat în funcţie de răspunsurile la primul chestionar adică în funcţie de produsele cu care subiectul este familiar). Produsele sunt grupate 2 câte 2 iar subiectul trebuie să aloce 11 între cele 2 produse ale fiecarei perechi. În funcţie de numărul de puncte alocat fiecare produs va primi un scor .
3) Într-un magazin fictiv subiecţior l-i se oferă ocazia să facă cumpărături gratuit până la o anumită limită peste care trebuie să plătească. Subiecţilor care nu cumpără din proprie iniţiativă noul produs acesta le este oferit gratuit.
4) Probabilitatea ca un consumator să cumpere produsul j este exprimată în funcţie de scorul obţinut pentru produsul j prin următoarea relaţie:
m - numărul de produse aflat în setul de produse familiar fiecărui respondent - scorul obţinut de produsul j
P(j) – probabilitatea ca un consumator să cumpere produsul j (procentul de cumpărători care cumpără produsul j)
Rolul acestei etape este estimarea parametrului . Preferinţele consumatorilor sunt cunoscute în etapa 2) iar procentul de cumpărători în etapa 3) problema care rămâne fiind în ce măsură preferinţele exprimate ale cumpărătorilor reprezintă un bun predictor pentru procentul efectiv de achiziţii. Parametrul face legătura dintre preferinţele consumatorilor (exprimate prin punctele acordate de subiecţi fiecărui produs - scoruri) şi procentul de cumpărători (probabilitatea ca un anumit produs să fie cumpărat) acţionând ca un corector pentru o posibilă subevaluare sau o supraevaluare făcută de consumatori în chestionar.
5) După o perioadă de timp subiecţii sunt contactaţi din nou iar cei care între timp au încercat noul produs sunt supuşi din nou unui interviu. Chestionarul este similar celui din etapa 2) cu diferenţa că subiecţii trebuie să acorde puncte şi noului produs pe care au avut deja ocazia să-l încerce.
6) Cu ajutorul parametrului estimat în etapa 4) se previzionează probabilitatea cu care un cumpărător va achiziţiona noul produs i.
1 Trebuie menţionat faptul că procedura este prezentată doar parţial şi în mod simplificat estimările reale implicând şi calcule mai complexe2 M/A/R/C a fost cumpărată de compania Omnicom în 1999 fiind în prezent controlată de aceasta.
53
- probabilitatea ca un consumator să cumpere noul produs i - scorul obţinut de produsul j din setul de produse familiare după ce a fost
încercat şi noul produs i - scorul obţinut de noul produs i
În această etapă se porneşte de la ipoteza că parametrul este aproximativ acelaşi şi pentru noul produs i
7) Cota de piaţă previzionată pentru noul produs i este calculată după formula:
- cota de piaţă estimată pentru noul produs i care urmează a fi lansat- proporţia consumatorilor care vor include bunul i în setul de produse
familiareSe observă că probbailitatea a fost calculată pornind de la scoruri acordate unor produse cu care cumpărătorii potenţiali sunt familiarizaţi adică fie au auzit de ele fie le-au încercat. Prin urmare probbailitatea este de fapt probabilitatea ca un consumator să cumpere noul produs i dacă cunoşte acest produs. Prin urmare este necesară estimarea lui care se realizează în principal în funcţie de impactul promovării produsului (chestionare prin care se verifică în ce măsură consumatorii cunosc un produs, îşi amintesc reclama produsului etc.).
În urma previziunilor făcute cu modele specifice fazei de pre-test se poate lua decizia de a renunţa la produs, de a introduce produsul într-o piaţă test sau de a lansa produsul la scară naţională.
8.2.Anchete privind intenţiile consumatorilor
Anchetele privind intenţiile consumatorilor reprezintă o metotă specifică activităţii de previzionare a vânzărilor. Din punct de vedere tehnic este orecum similară anchetei aupra opiniei specialiştilor cu diferenţa că respondenţii sunt chestionaţi în legătură cu propriile lor intenţii de a cumpăra sau nu un anumit produs ceea ce implică o seamă de particularităţi. Anchetele privind intenţiile consumatorilor sunt folosite în general pentru produse deja existente pe piaţă fiind în special eficiente în cazul bunurilor de folosinţă îndelungată acestea implicând un proces decizional mai complex din partea cumpărătorului (Ex: Este relevant ca o persoană să fie întrebată în legătură cu achiziţia unei maşini în anul următor însă dacă este întrebată în legătura cu achiziţia unor obiecte de papetărie spre exemplu este foarte probabil ca persoana respectivă să nu ştie ce va face privind astfel de lucruri nesemnificative)
Exemplu de întrebări posibile în cadrul unui chestionar privind intenţiile consumatorilor:
Care din următorele alternative descrie cel mai bine probabilitatea achiziţionării produsului X în următoarele 12 luni de către d-vs.?
1. Voi cumpăra cu siguranţă (4)2. Probabil că voi cumpăra (3)
3. Sunt indecis (2)
4. Probabil că nu voi cumpăra (1)
5. Nu voi cumpăra cu siguranţă (0)
Acestor alternative l-i se pot atribui probabilităţi :
54
1. 4/4 = 12. ¾ = 0,75
3. 2/4 = 0,5
4. ¼= 0,25
5. 0
O previziune simplă a procentului de persoane care vor achiziţiona produsul respectiv în perioada precizată este probabilitatea medie obţinută pentru eşantionul de respondenţi (dacă probabilitatea medie exprimată de respondenţi este 0,30 în semană că 30% dintre respondenţi vor cumpăra produsul respectiv). Valaorea medie poate fi calculată astfel:
Procentul celor care vor cumpăra = procentul celor care au spus că vor cumpăra cu siguranţă* 1 + procentul celor care au spus că probabil vor cumpăra * 0,75 + procentul celor indecişi* 0,5+ procentul celor care au spus că nu vor cumpăra* 0
De obicei însă intenţiile exprimate de cumpărători în cadrul unui sondaj diferă în mod sistematic de acţiunile reale ale acestora. Printre cauze putem aminti:
consumatorul poate să facă o evaluare greşită a propriilor intenţii tentaţia de a da un răspuns care să-l mulţumească pe operator (persoana care
administrează chestionarul) tentaţia de a-şi crea o imagine proprie favorabilă (ex. imboldul de nu recunoaşte că nu
va cumpăra un produs prea scump)
înţelegerea greşită a întrebării
chiar dacă consumatorul îşi exprimă în mod corect intenţia, în intervalul dintre momentul exprimării intenţiei şi momentul achiziţionării propriu-zise pot interveni o serie de evenimente care pot schimba intenţiile reale ale consumatorului.
O previziune mai realistă va ţine cont însă şi de abaterea acţiunilor respondenţilor de la propriile intenţii exprimate. O posibilă modalitate de calcul ar fi următoarea:
Procentul celor care vor cumpăra = procentul celor care au spus că vor cumpăra cu siguranţă* procentul celor care au spus că vor
cumpăra cu siguranţă şi au cumpărat + procentul celor care au spus că probabil vor cumpăra * procentul celor care au spus că probabil vor
cumpăra şi au cumpărat + procentul celor indecişi* procentul celor indecişi care au cumpărat+ procentul celor care au spus că nu vor cumpăra* procentul celor care au spus că nu vor cumpăra şi au
cumpărat
Se remarcă că această evaluare a abaterii de la intenţiile afirmate poate fi evaluată numai printr-un studiu derulat anterior care să compare achiziţiile efective ale fiecărui grup de respondenţi cu intenţiile exprimate de aceştia.
55
Unele companii specilizate (ex. BASES) crează baze de date cu coeficienţi de corecţie estimaţi din studii anterioare privind diferite categorii de bunuri dar şi diferite zone geografice. Se porneşte de la premisa că populaţia anumitor ţări denaturează mai mult sau mai puţin realitatea în răspunsurile exprimate într-un mod specific. Prin urmare răspunsurile provenite dintr-un un studiu desfăşurat într-o anumită ţară (latină, asiatică, anglo-saxonă etc.) vor fi corectate cu coeficienţii corespunzători.
8.3.Previziuni privind cota de piaţă
Într-un sistem competitiv de marketing pentru bunuri de consum existente pe piaţă companiile pot desfăşura activităţi de marketing orientate către consumator sau activităţi de marketing orientate către distribuţie.
Acrivităţi le de marketing orientate către consumator sunt adresate direct acestuia şi privesc calitatea produsului, ambalarea, varietatea sortimentelor, nivelul preţului, publicitate, promoţii etc. Marketingul orientat către consumator se foloseşte în cazul bunurilor cu un brand bine diferenţiat.
Activităţile de marketing orientate către distribuţie se referă la activitatea personalului direct implicat în vânzări, poziţionarea pe raft a bunurilor, reduceri de preţ, reduceri de preţ legate de cantitate, negocierea altor condiţii favorabile cu distribuitorii etc. Aceste tehnici de marketing se folosesc pentru produse care nu au un brand bine diferenţiat (Ex. Un cumpărător nu va căuta o anumită marcă de şerveţele ci le va lua pe cele care sunt la îndemănă, adică bine poziţionate, sau eventual pe cele mai ieftine)
Un al treilea set de factori care influenţează vânzările conţine elemente legate de variaţia sezonieră, modificările demografice, veniturile populaţiei, cultură şi stil de viaţă, dezvoltare tehnologică etc. În timp ce variabilele implicate de activităţile de marketing orientate către consumator sau distribuţie influenţează cota de piaţă a unui produs, ultimul set de variabile influenţează volumul vânzărilor în ansamblu, expansiunea sau contracţia acestora per global.
În domeniul previziunilor de marketing au fost folosite diferite metode de previziune a cotei de piaţă pornind de la variabilele mai sus amintite care au un impact semnificativ asupra cotei de piaţă. Frecvent utlizate sunt metode generale de previziune cum ar fi regresia multiplă şi reţelele neuronale care permit introducerea diferitelor variabille independente.
Pe lângă metodelele generale de previziune un model specific previziunilor de marketing privind cotele de piaţă este modelul de atracţie:
- cota de piaţă a produslui j la momentul t - factorul de influenţă k al produsului j la momentul t- termen liber pentru bunul j- parametrul factorului de influenţă k al bunului j- eroarea de estimare a bunului j la momentul t
n – numărul factorilor de influenţăm – numărul de bunuri
56
Acest model porneşte de la premisa că cota de piaţă a unui produs se poate calcula ca raport dintre efortul de marketing pentru acel produs şi efortul de marketing al tuturor produselor de pe piaţă (
o eroare de estimare).Acest model are dezavantajul că efortul de marketing privind produsele concurente este mai
greu de estimat pentru perioada aferentă orizontului de previziune, acţiunile concurenţilor pe piaţă pot fi dificil de prognozat..
8.4.Analiza preferinţeleor consumatorilor (“Conjoint Analysis”)
9. Previzionarea situaţiei financiare la nivel de întreprindere
Metoda raportării la cifra de afaceri (cunoscută sub denumirea procent din vânzări) este metoda cea mai simplă de previziune financiară, care satisface eficient nevoile informaţionale ale unei organizaţii (firme). Motivul pentru care această metodă are o mare aplicabilitate în ghidarea managerilor este faptul că porneşte de la o ipoteză viabilă şi anume că majoritatea posturilor bilanţiere variază o dată cu vânzările.
9.1.Previziunea cifrei de afaceriPunctul de plecare a tuturor previziunilor financiare este previziunea vânzărilor. Pe baza estimării
cifrei de afaceri pe perioada următoare se poate determina necesarul de active circulante şi fixe, respectiv fondurile permanente şi curente necesare pentru acoperirea finanţării lor.
Previziunea cifrei de afaceri se poate realiza prin două metode de abordare: Abordarea globală (sintetică) care presupune previzionarea directă a cifrei de afaceri totale Abordarea analitică presupune împărţirea vânzărilor firmei pe categorii principale de produse
previziunea realizându-se pe fiecare categorie în parte după care având loc reagregarea acestora.Una din recomandările specialiştilor este realizarea previziunii cifrei de afaceri per global după
care având loc compararea acesteia cu cifra de afaceri previzionată analitic şi alegerea variantei cele mai pesimiste (celei mai mici).
Dacă previziunea cifrei de afaceri are o valoare nejustificat de ridicată consecinţele pot fi deosebit de grave, deoarece firma ar putea să ajungă fie în situaţia să producă pe stoc, fie să nu-şi utilizeze corespunzător capacităţile de producţie, ducând la scăderea vitezelor de rotaţie, costuri mai mari şi deprecierea rentabilităţii şi a lichidităţilor.
Previziunea cifrei de afaceri, atât global cât şi analitic, din punctul de vederea al metodelor de realizare se poate face prin:
Metode de extrapolare a seriilor de timp caz în care se ţine cont doar de tendinţa fenomenului;
Funcţii de regresie caz în care se ţine cont de variabilele explicative cum ar fi: cheltuielei de publicitate, preţ, număr de concurenţi etc.
57
Metode combinate. Una dintre metodele recomandate de specialişti este previzionarea producţiei la nivel de industrie prin extrapolarea tendinţei iar apoi previzionarea cotei de piaţă deţinute de firma în cauză. Previziunea finală se face prin înmulţirea cotei de piaţă previzionate aferentă unei firmei sau unui produs cu cifra de afaceri previzionată la nivel de industrie.
9.2.Previzionarea elementelor contului de rezultate
În estimarea contului de rezultate se va ţine cont de următoarele principii:- separarea elementelor de venituri şi cheltuieli pe categorii: din exploatare, financiare,
excepţionale.- separarea elementelor în funcţie de variaţia faţă de cifra de afaceri: variabile şi fixe.- corelaţii cu alte situaţii pro-forma: bilanţul, situaţia fluxului de numerar.
Estimarea veniturilor din exploatareAre la bază cifra de afaceri estimată în etapa anterioară. Structura acesteia pe producţie vândută
şi vânzări de mărfuri se va considera stabilă. Restul veniturilor din exploatare, de natura producţiei exerciţiului, se vor considera că variază odată cu cifra de afaceri la un nivel mediu (calculat ca medie a anilor anteriori). Veniturile din subvenţii, provizioane şi alte venituri se vor neglija, din motive de prudenţă.
Estimarea cheltuielilor din exploatareCheltuielile de exploatare se consideră că vor varia proporţional cu cifra de afaceri. Excepţie de la
această regulă vor face cheltuielile cu amortizarea (în general planurile de afaceri utilizează metoda de amortizare liniară), care se vor stabili ţinând cont de valoarea mijloacelor fixe şi investiţiile noi, respectiv gradul mediu de amortizare. Nu toate cheltuielile de exploatare sunt variabile, însă atunci când se sporeşte cifra de afaceri, tot din motive de prudenţă se creşte şi ansamblul lor. Alte cheltuieli din exploatare şi din provizioane se neglijează din motivele anterior menţionate.
Estimarea veniturilor financiareVeniturile financiare vor fi estimate pe categorii. Veniturile din dobânzi se vor obţine prin aplicarea
dobânzilor pe cont curent asupra sumelor rezultate din situaţia fluxului de numerar. Veniturile din diferenţe de curs valutar se vor considera la un nivel minim al anilor precedenţi. Alte venituri financiare, din provizioane se vor ignora din motive de prudenţă.
Estimarea cheltuielilor financiareCheltuielile financiare se vor previziona pe categorii. Cheltuielile din dobânzi se obţin prin aplicarea
dobânzilor la creditele bancare contractate. Realiazarea progrsmului de rambursare a creditului este deosebit de utilă pentru calcularea bazei asupra căreia se va plaica rata dobânzii, calculându-se astfel nivelul cheltuielilor cu dobânda.
În general rata dobânzii aferentă împrumuturilor contractate de firmele mici esta mai mare decât cea a creditelor contractate de firmele mari. În cadrul firmelor mici cu cât este mai nouă firma cu atât rata dobânzii este mai mare. Acesta este un lucru normal ddatorită faptului că pentru afacerile mai mici şi mai noi riscul de nerambursare a creditului este mai mare decît în cazul firmelor mari.
Alte cheltuieli financiare, din motive de prudenţă se vor considera la raportul mediu faţă de cifra de afaceri.
58
Estimarea veniturilor şi cheltuielilor excepţionaleAceste elemente de regulă se vor neglija, având în vedere faptul că ele nu ar trebui să facă parte
din activitatea normală, curentă a activităţii organizaţiei (firmei).
Estimarea impozitului pe profitSe va face pe baza cotei de impunere în vigoare, aplicat asupra profitului brut, cumulat din
etapele anterioare. Dacă este inevitabilă existenţa unor cheltuieli nedeductibile, atunci se vor face corecţii asupra profitului brut în vederea obţinerii profitului impozabil. Veniturile nedeductibile fiscal se vor ignora din motive de prudenţă.
Estimarea profitului netSe realizează prin deducerea impozitului din profitul impozabil şi va fi preluată în pasivul
bilanţului financiar la capitolul de capitaluri proprii.
9.3. Previziunea elementelor de activ
Într-o primă fază se raportează elementele patrimoniale din bilanţ la cifra de afaceri. Se identifică elementele care variază odată cu cifra de afaceri.
Nivelul estimat al lor va fi în general:
Previziunea elementelor de active circulanteExistă două cazuri:
a) când nivelul activelor curente (creanţe şi stocuri) sunt considerate cel puţin la un nivel normal dacă nu optim, ele vor creşte odată cu cifra de afaceri. Această metodă presupune previzionarea lor în funcţie de viteza de rotaţie.
b) când în trecut au înregistrat valori anormale, ca durate de rotaţie, atunci ele trebuie corectate pentru a se înscrie în limite normale de eficienţă.
unde: Act - active curente în momentul instoric t; Act+1 - active curente estimate pentru momentul t + 1; Cat - cifra de afaceri realizată pe perioada istorică t; Cat+1 - cifra de afaceri estimată pe perioada t + 1. k - coeficient de corecţie;Notă: Elementele de disponibilităţi vor rezulta pe baza situaţiei fluxului de numerar.
Previziunea disponibilităţilor
Se procedează la determinarea nivelului de disponibilităţi necesare, prin raportare la cifra de afaceri. Acesta se va compara cu cel obţinut prin corectarea soldului de disponibilităţi cu fluxurile de numerar.
a) Dacă soldul final rezultat prin luarea în considerare a fluxului de numerar va fi mai mare decât cel obţinut prin raportarea la cifra de afaceri, atunci se va căuta plasarea excedentului.
b) Dacă soldul final va fi mai mic, atunci se va proceda la recalcularea necesarului suplimentar de fonduri, iar restul rămas neacoperit se va acoperi din credite bancare pe termen scurt.
59
Previziunea elementelor de active imobilizate
Sunt două situaţii:a) când nivelul activelor imobilizate sunt considerate cel puţin la un nivel normal dacă nu optim, înseamnă că
firma a avut un grad maxim de utilizare a capacităţii de producţie. Un nou nivel se poate realiza doar cu o investiţie suplimentară. Investiţiile se pot realiza în două feluri:- relativ constant în raport cu cifra de afaceri, când nu sunt necesare investiţii considerabile pentru
extinderea capacităţilor.- în salturi, când din considerente de natură tehnologică, investiţiile presupun valori mari ale activelor
fixe, deoarece este necesară o unitate completă de prelucrare. În acest caz şi sporul doar cu 1% a cifrei de afaceri poate determina un salt considerabil în valoarea investiţiilor, făcând ca pentru sporuri mici ale cifrei de afaceri aceste investiţi să fie ineficiente, generând grade reduse de utilizare a capacităţilor şi cheltuieli ridicate cu amortizarea deci riscuri de exploatare sporite.
b) când în trecut capacitatea efectiv utilizată a fost mai mică, se poate determina sintetic nivelul cifrei de
afaceri până la care firma nu este nevoită să realizeze investiţii. Peste acest nivel va trebui să realizeze investiţii.
unde: Guct -grad de utilizare a capacităţii de producţie pe perioada istorică t; Camax - cifra de afaceri maxim posibilă; Cat - cifra de afaceri realizată pe perioada istorică t.
9.4.Previziunea elementelor de pasiv
Creşterea elementelor de activ trebuie să genereze, pe baza egalităţii fundamentale între activ şi pasiv, a surselor de finanţare. În cadrul sporului acestor surse trebuie însă să se aibă în vedere următoarele principii fundamentale:
- elemente de active imobilizate trebuie în principiu finanţate din resurse permanente;- trebuie păstrat un nivel normal de îndatorare fără a periclita considerabil riscul financiar şi de
faliment;- trebuie să existe un echilibru financiar între utilizări şi resurse;- costul capitalului trebuie să se încadreze în limite normale.
Previziunea elementelor de pasive curente nonfinanciareSe au în vedere două situaţii ce pot exista:a) dacă nivelul pasivelor curente (de regulă din exploatare şi nonfinanciare) sunt considerate cel puţin la un
nivel normal dacă nu optim, ele vor creşte odată cu cifra de afaceri. Această metodă presupune previzionarea lor în funcţie de viteza de rotaţie, iar acest fenomen se numeşte creştere spontană, naturală;
b) dacă în trecut au înregistrat valori anormale, ca durate de rotaţie, şi sunt nefavorabile în raport cu rotaţia creanţelor, atunci ele trebuie corectate pentru a se înscrie în limite normale de eficienţă.
Principala restricţie de creştere a lor este legată de menţinerea unei cote sănătoase de lichiditate curentă.
unde: Pcmax - pasive curente maxim admisibile; Lc - lichiditate curentă; Ac - active curente.
Previziunea necesarului suplimentar de fonduri
60
După determinarea elementelor de active curente şi imobilizate necesare, cu excepţia disponibilităţilor, acestea se totalizează şi se compară cu pasivul recalculat cu nivelul existent al capitalurilor permanente şi cel recalculat al datoriilor curente (nonfinanciare) diferenţa reprezentând-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
După determinarea fondurilor suplimentare acoperite din resurse permanente, diferenţa se va acoperi în principiu din credite bancare pe termen scurt, cu aceeaşi menţiune de păstrare a unui nivel de îndatorare rezonabil şi de lichiditate acceptabil.
şi
unde: Rig - rata îndatorării globale; Cbts - credite bancare pe termen scurt;Ibtml - împrumuturi bancare pe termen mediu şi lung; Pt - total pasiv; St - stocuri totale;Cr- creanţe curente;Db - disponibilităţi băneşti şi plasamente. Dacă aceste condiţii nu sunt îndeplinite, se apelează în continuare la suplimentarea fondurilor din capitaluri
proprii, indiferent de costul acestora. Există o strânsă dependenţă între nivelul estimat al cifrei de afaceri şi
necesarul suplimentar de fonduri (NSF):
unde: Rn - rezultatul net;d - coeficient de distribuire a dividendelor.
Când NSF = 0, firma nu este nevoită să apeleze la surse externe de finanţare. Valoarea ratei de creştere a cifrei de afaceri care satisface această egalitate se numeşte rata de creştere internă (autonomă, sustenabilă prin eforturi proprii). Peste acest nivel firma are nevoie de surse externe de finanţare.
Previziunea surselor de finanţare permanente
Capitalurile proprii şi creditele bancare pe termen mediu şi lung nu variază în mod spontan cu cifra de afaceri. Ele se achiziţionează pe termene mai îndelungate şi în valori mai mari.
Se apelează la aceste surse numai când are loc şi o sporire a activelor imobilizate. Alegerea între resursele permanente se face de regulă pe baza următoarelor criterii:
costurile resurselor permanente:- pentru capitaluri proprii: nivel minim de rentabilitate a acţiunilor sau prin dividende actualizate;- pentru împrumuturi: nivelul dobânzi, sau costul pe baza anuităţilor actualizate;
menţinerea unui raport sănătos de îndatorare la termen:
61
menţinerea unui echilibru dintre resursele şi utilizările permanente de cel puţin 25%.
unde: Rit - rata îndatorării la termen; Rfr - rata fondului de rulment;
Îtml - împrumuturi pe termen mediu şi lung; Cp - capitaluri proprii; Ain - active imobilizate la valoare netă.
9.5.Previziunea fluxului de numerar
Previziunea fluxului de numerar se face în paralel cu estimările din contul de rezultate şi cele din bilanţ fiind strict corelate. În estimarea fluxului de numerar trebuie ţinute cont de cel puţin următoarele aspecte:
a) delimitarea încasărilor şi plăţilor, deoarece nu toate cheltuielile sunt plătibile şi nici toate veniturile încasabile, respectiv existenţa unor decalaje între facturarea şi efectiv încasarea şi plata lor;
b) delimitarea încasărilor şi plăţilor pe activităţi generatoare:- activităţi de învestiţii;- activităţi de finanţare;- activităţi de exploatare;
c) corelarea elementelor cu alte situaţii pro-forma: - cu contul de rezultate;- cu bilanţul contabil;
d) echilibrarea trezoreriei:- prin plasarea excedentului de lichidităţi;- prin acoperirea deficitului pe seama creditelor de trezorerie.
Principiul de elaborare a acestora este prezentată în tabelul care urmează.
10. Indicatori ai erorilor de previziune
Rolul indicatorilor erorilor de previziune este acela de a cuantifica erorile de previziune devenind astfel criterii de selecţie în alegerea diferitelor metode. Considerăm eroarea de previziune la momentul t ca fiind diferenţa dintre valoarea previzionată pentru momentul t şi valoarea reală înregistrată în momentul t:
Principalii indicatori ai erorilor de previziune sunt:
1. Eroarea medie (EM):
Dacă eroarea este cauzată de factori pur aleatori atunci erorile sunt simetric distribuite în jurul valorii 0 iar prin adunare se anulează. Prin urmare o valoare negativă sau pozitivă mare a EM arată o eroare sistematică de previziune, adică valorile previzionate fie supraestimează fie subestimează în mod constant valorile observate.
62
2. Eroarea medie absolută (EMA):
EMA arată care este abaterea medie a previziunilor în valoare absolută de la valorile observate. Poate fi folosită pentru a compara diferite metode bazate pe aceiaşi serie de date însă nu poate fi folosită pentru a compara previziuni bazate pe serii diferite. O eroare de câteva milioane poate fi considerată mică dacă este vorba de un indicator agregat la nivel de ţară dar poate fi dezastruoasă la nivel microeconomic. Acest neajuns este valabil şi pentru EMP şi ES.
3. Eroarea medie pătratică (EMP):
Acest indicator prezintă avantaje care îl fac mai ales utilizat în calculele matematice. Specific EMP este că acordă importanţă accentuată erorilor mari de previziune. Nu are o semnificaţie reală accesibilă.
4. Eroarea standard (ES):
Se utilizează în determinarea intervalelor de încredere atunci când erorile au o distribuţie normală de medie 0. În această situaţie se ştie de exemplu că valoarea reală se află, cu o probabilitate de 95%, Valoarea previzionată: în intervalul ±1,96 ES de la valoarea previzionată.
5. Eroarea procentuală medie (EPM):
Arată cât la sută reprezintă, în medie, eroarea faţă de valoarea observată. La fel ca şi în cazul EM valorile de semn opus se anulează şi prin urmare o valoare apropiată de 0 nu înseamnă neapărat erori mici de previziune ci doar simetria acestora.
6. Eroarea procentuală medie absolută (EPMA):
Pentru că ia în calcul valori relative, la fel ca şi EPM, poate fi folosită pentru a compara aplicarea aceleiaşi metode la serii de date diferite sau a unor metode diferite la serii de date diferite. Spre deosebire de EPM calculează care este în medie procentul absolut al erorii faţă de valoarea observată. Cu cât acest procent este mai mic cu atât previziunea este mai exactă.
7. Testul U al lui Theil :
Acest indicator compară eroarea metodei de previziune care se utilizează cu eroarea care s-ar obţine dacă s-ar folosi ultima valoare ca şi valoare prognozată. Compară, practic o metodă de previziune cu metoda valorii anterioare. Dacă:
- Theil’s U < 1 metoda utilizată este mai exactă decât metoda valorii anterioare- Theil’s U >1 metoda utilizată dă erori mai mari decât metoda valorii anterioare- Theil’s U =1 metoda utilizată este la fel de exactă ca şi metoda valorii anterioare deci nu se
justifică a fi utilizată.
63