PREVIZIUNE

Marketing

 

Metode bazate pe extrapolarea seriilor de timp

Metodele bazate pe extrapolarea seriilor de timp pornesc de la premiza ca evolutiile istorice se vor pastra si în viitor si reprezinta practic o prelungire în viitor a tendintelor si fluctuatiilor observate. De obicei modelele care presupun o continuare în viitor a evolutiei trecute si prezente se mai numesc si modele "cu memorie" sau "cu inertie". Multe fenomene economice prezinta o astfel de inertie (ex.: daca o companie a avut mai multi ani la rând o cifra de afaceri de ordinul a câtorva zeci de milioane nu ne asteptam ca în anul urmator cifra de afaceri sa fie de ordinul miliardelor, ci în schimb ne asteptam la o cifra de afaceri apropiata de realizarile perioadei istorice).

Atunci când datele sunt exprimate în preturi curente, iar inflatia este semnificativa, înainte de a aplica o metoda oarecare de extrapolare se recurge la transformarea seriei de timp în preturi constante (comparabile) prin inflatare sau deflatare . Este recomandata inflatarea deoarece presupune utilizarea preturilor celor mai actuale.

Programe de previziune care se bazeaza 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

Metoda ultimei valori înregistate (metoda valorii anterioare)

Metoda ultimei valori înregistate se poate utiliza pentru evolutii de tip "mers la întâmplare". Datorita faptului ca astfel de procese sunt rar întâlnite în practica precum si datorita simplitatii ei aceasta metoda este folosita mai mult în procesul de testare si de selectie. O metoda oarecare (mai complexa) este comparata cu metoda ultimei valori înregistrate (considerata ca fiind cea mai simpla) daca prin metoda respectiva se obtin erori mai mici se justifica efortul de a folosi o metoda mai complexa. Cu alte cuvinte, o metoda de previziune poate fi considerata valida daca conduce la rezultate mai bune decât metoda ultimei valori înregistarte.

Proces de tip "mers la întâmplare" este un proces în care valoarea la momentul t +1 este egala

cu valoarea la momentul t plus o eroare:

,

e_t - este o variabila aleatoare normal distribuita de medie 0 si varianta constanta

Exemplu de proces de tip "mers la întâmplare":

În cazul în care seria de valori urmeaza un astfel de proces previziunea cea mai potrivita pentru momentul t+1, realizata în momentul t este chiar valoarea din momentul t:

Metoda mediei aritmetice simple

Metoda mediei aritmetice simple este utilizata pentru serii de timp stationare (orizontale). Serii de acest tip se întâlnesc în general pe perioade scurte de timp si pentru date înregistrate cu o frecventa ridicata (ex.: date zilnice, saptamânale etc.). Pe perioade mai lungi de timp fenomenele economice îsi pierd în general caracterul stationar si manifesta tendinte de crestere, descrestere si/sau fluctuatii ciclice (alternanta crestere-descrestere).

Serie de timp stationara:

T - momentul curent

t - variabila timp

Media aritmetica simpla este o metoda cu "memorie lunga" în sensul ca tine cont de întreaga perioada istorica disponibila de unde se degaja si avantajul sau în ceea ce priveste stabilitatea (rezultatele nu sunt perturbate de fluctuatii întâmplatoare si temporare). Principalul sau dezavantaj este capacitatea redusa de a se adapta la eventuale modificari care pot sa apara în evolutia recenta a datelor.

Media mobila de lungime k

Media mobila de lungime k se aplica tot pentru serii de timp stationare la fel ca si media simpla.

Previziunea pentru perioada urmatoare, T+1, este media ultimelor k valori înregistrate.

Media mobila este un proces cu "memorie scurta" (se tine cont doar de cele mai recente valori), principalul avantaj al metodei fiind capacitatea ridicata de adaptare la conditiile cele mai recente însa are ca dezavantaj o capacitate redusa de a surprinde tendinta pe termen lung a unui fenomen.

Media mobila exponentiala de lungime k

Media mobila exponentiala de lungime k este o metoda foarte asemanatoare mediei mobile (are aceleasi avantaje principale si se aplica în aceleasi conditii), cu diferenta ca ponderile valorilor cuprinse în medie nu sunt egale, acestea descresc odata ce valorile devin mai îndepartate în timp.

Medie mobila de lungime 4:

Medie mobila exponentiala de lungime 4:

Avantajul unei medii mobile exponentiale este acordarea unei importante (ponderi) mai mari valorilor celor mai recente.

Metoda sporului mediu

Metoda sporului mediu se foloseste pentru a previziona evolutii non-stationare cu tendinta aproximativ liniara.

Aceasta metoda poate fi vazuta ca find echivalenta cu aplicarea metodei mediei aritmetice simple însa nu pe valorile initiale (care nu sunt stationare) ci pe diferentele de ordinul întâi (sporurile - care sunt stationare). În cazul tendintelor aproximativ liniare diferentele de ordinul întâi sunt stationare si deci putem aplica oricare din metodele specifice seriilor stationare.

Previziunea finala este realizata prin adunarea sporului mediu la ultima valoare înregistrata:

unde :

reprezinta sporul mediu de crestere

(omega) - este orizontul de previziune (nr. de perioade pentru care se face previziunea)

Metoda indicelui mediu

Metoda indicelui mediu se foloseste pentru a previziona evolutii non-stationare cu tendinta aproximativ exponentiala. O serie de timp exponentiala poate deveni stationara prin calcularea seriei indicilor de dinamica.

Serie de timp exponentiala:

Seria indicilor de dinamica:

Previziunea propriuzisa este realizata prin înmultirea ultimei valori cu valoarea indicelui mediu.

Unde:

reprezinta indicele mediu de dinamica calculat cu ajutorul mediei

geometrice.

(omega) - este orizontul de previziune (nr. de perioade pentru care se face

previziunea)

Metoda clasica de descompunere (Metoda de descompunere sezoniera)

Metoda clasica de descompunere (Metoda de descompunere sezoniera) se foloseste atunci când pe lânga tendinta generala a fenomenului urmarit se manifesta fluctuatii cu periodicitate fixa (lunara, trimestriala etc.).

1. Modelul aditiv y_t = T_t + S_t + E_t

Se foloseste atunci când între componente nu exista o relatie de proportionalitate.

2. Modelul multiplicativ y_t = T_tS_t E_t

Se foloseste atunci când între componente exista o relatie de proportionalitate.

Etapele realizarii unei previziuni prin metoda clasica de descompunere:

i. Se calculeaza o medie mobila de ordin k. În general se utilizeaza: ordinul 4 pentru date trimestriale, ordinul 12 pentru date lunare, 5 sau 7 pentru date zilnice etc. Daca ordinul este par se aplica apoi o medie mobila de ordin 2 pentru centrarea mediei mobile. Aceasta medie are rolul de a nivela fluctuatiile sezoniere, reprezentând o estimare provizorie a componentei de trend.

ii. Se face diferenta/raportul dintre valorile observate si valorile obtinute prin media mobila centrata

iii. Se calculeaza componenta sezoniera, S_{t ,} ca o medie aritmetica/geometrica a valorilor obtinute în etapa anterioara pentru fiecare unitate de timp care formeaza ciclul sezonier (daca datele sunt lunare este calculata o medie pentru fiecare luna)

iv. Prin diferenta/raportul dintre valorile observate si componenta sezoniera se obtine seria de timp desezonalizata.

v. Se estimeaza componenta de trend, T_t , printr-o metoda specifica acestei componente (functii de tendinta, spor mediu, etc.)

vi. Prin diferenta/raportul dintre datele initiale observate si suma/produsul componentelor de sezonalitate si trend se obtine componenta aleatoare, E_t

vii. Se extrapoleaza componenta de trend si cea sezoniera pe perioada aferenta orizontului de previziune

viii. Se recompun valorile previzionate prin adunare/înmultire.

Nivelare exponentiala

Nivelarea exponentiala este o metoda care poate fi adaptata cu succes unor situatii diverse.

a. Nivelarea exponentiala simpla (NES). Conform acestei metode valoarea previzionata se calculeaza printr-o ecuatie recursiva care ajusteaza previziunea realizata anterior cu eroarea de previziune:

Ecuatia anterioara este echivalenta cu ecuatia:

unde este parametrul de nivelare pozitiv si subunitar.

Altfel spus, valoarea previzionata se calculeaza ca o medie ponderata între ultima valoare reala înregistrata si previziunea care a fost realizata pentru perioada anterioara. Aceasta ultima varianta este cel mai frecvent utilizata în realizarea calculelor.

Daca dezvoltam ultima formula vom gasi explicatia pentru denumirea metodei.

Se observa ca previziunea pentru perioada t+1 este de fapt o medie ponderata a valorilor observate pâna în acel moment iar ponderile descresc exponential pe masura ce valorile observate devin din ce în ce mai îndepartate.

Alte tipuri de nivelare exponentiala sunt: NE dubla, NE adaptiva, metoda liniara a lui Holt, metoda pentru trend si sezonalitate Holt-Winter etc.

b. Metoda liniarizata a lui Holt

Metoda liniara se foloseste în situatia în care seria de date prezinta un trend liniar (crescator sau descrescator). Prin aceasta metoda se realizeaza o nivelare atât pentru nivelul înregistrat la un moment dat cât si pentru sporurile de crestere. Cele doua componente sunt apoi agregate.

Formulele de calcul sunt:

Componenta de nivel (trendul estimat):

Sporul de crestere:

Valoarea previzionata:

c. Nivelare exponentiala cu sezonalitate si trend (modelul Holt-Winters)

i)        Modelul pentru sezonalitate multiplicativa

Acest model se aplica în cazul unor evolutii care prezinta trend liniar si sezonalitate multiplicativa adica, o componenta sezoniera care se amplifica (diminueaza) proportional cu evolutia trendului.

Componenta de nivel (trendul estimat):

Sporul de crestere:

Componenta sezoniera:

Valoarea previzionata:

Unde:

s - periodicitatea (ex.: 12 pentru date lunare, 4 pentru date trimestriale etc.)

n - numarul de cicluri sezoniere complete ale orizontului de previziune (ex.: daca orizontul de previziune este de 25 de luni, adica 2 ani si 1 luna atunci n

ii) Modelul pentru sezonalitate aditiva

Spre deosebire de modelul multiplicativ în acest caz componenta sezoniera se calculeaza prin

diferenta si se aduna la componenta de nivel. Se aplica deci pentru seriile a caror componenta sezoniera nu este proportionala fata de nivelul de baza. Formulele de calcul sunt:

Componenta de nivel (trendul estimat):

Sporul:

Componenta sezoniera:

Valoarea previzionata:

Marimi economice care sa prezinte în evolutia lor o sezonalitate aditiva sunt mai putin întâlnite în realitatea economica. Din acest motiv modelul pentru sezonalitate aditiva este mai putin folosit.

Functii de tendinta

Functii de tendinta:

3. Functia de tendinta liniara, asa cum îi spune si denumirea, se utilizeaza în cazul tendintelor de tip liniar, la fel ca si metoda sporului mediu.

Functia de tendinta liniara are urmatorea forma:

Se presupune ca procesul , , care urmeaza a fi previzionat este de forma:

unde:

t - este variabila timp

b - este panta dreptei de tendinta (aproximeaza sporul mediu de crestere)

- este o variabila aleatoare normal distribuita de medie 0.

Daca ultima perioada pentru care exista date este n (t = n) previziunea punctuala pentru perioada n + p va fi:

Intervalul de previziune se calculeaza pornind de la previziunea punctuala:

Limita inferioara:

Limita superioara:

Pentru usurarea calculelor se poate tine cont de relatia:

Unde:

t - variabila timp

mijlocul perioadei de timp istorice:

T - numarul de observatii istorice (momentul curent)

- perioada aferenta orizontului de previziune. Cu cât orizontul de previziune este mai îndepartat ( mai mare) cu atât intervalul de previziune devine mai larg

- nivel de semnificatie (riscul, probabilitatea ca valoarea reala sa fie în afara

Intervalului de previziune):

P - coeficientul de încredere (probabilitatea cu care garantam ca valoarea reala sa se afle în intervalul de previziune). Cu cât valoarea P este mai mare cu atât intervalul de previziune este mai larg . Valorile cele mai utilizate sunt: 0,90; 0,95; 0,99.

- valoarea statisticii t cu distributie Student aferenta unui nivel de semnificatie /2

Previziunea punctuala si previziunea în interval:

4. Functia de tendinta exponentiala

_t = ab^t

b - parametru care aproximeaza indicele mediu de crestere

5. Logistica se foloseste atunci când fenomenul studiat creste cu un spor din ce în ce mai mic si se apropie de o limita superioara (prag de saturatie)

1.

2. _t = c - ae^{- b t}

c - este limita superioara (asimptota) a functiei si poate primi interpretarea de

prag de saturatie al vânzarilor

6. Logaritmica se foloseste atunci când fenomenul studiat creste cu un spor aflat în scadere fara sa existe însa o limita superioara (prag de saturatie)

_t = a + b*ln(t)

Modelele ARIMA (k,d,m)

Modelele ARIMA (k,d,m) reprezinta o clasa mai larga de modele care pot fi utilizate cu succes într-o varietate de situatii. Aceste modele au fost dezvoltate de George Box si Gwilym Jenkins în anii 1970 fiind cunoscute si sub denumirea de Metodologia Box-Jenkins.

a. Autoregresia de ordin k, AR(k) sau ARIMA (k,0,0), este o varianta redusa, adaptata pentru serii de timp stationare:

Modelul are forma:

, unde

Previziunea pentru momenrul t + 1:

k reprezinta numarul de valori anterioare înregistrate cuprinse în model (acelasi rol ca si k de la media mobila). Pentru , se obtine un model de previziune AR:

Diferenta fata de media mobila si nivelarea exponentiala este ca nu se face apriori nici o supozitie privind coeficientii (ponderile) . Coeficientii nu sunt considerati egali si nici descrescatori în timp, în schimb acestia sunt estimati pe baza datelor istorice astfel încât eroarea de estimare sa fie minima. Ceea ce se fixeaza anterior este doar numarul de parametrii k. Ordinul k se fixeaza pe baza unor teste anterioare dintre care cel mai cunoscut este bazat pe functia de autocorelatie (corelograma).

b. Modelul ARMA (k, m) sau ARIMA (k,0,m) se poate aplica atunci când exista dependenta nu numai de valorile anterioare ci si fata de un numar q de erori anterior înregistrate. Valoarea previzionata se poate determina astfel:

c. Modelul extins ARIMA (k,d,m) este un model ARMA(k,m) adaptat pentru serii de timp non stationare (cu trend). Daca o serie prezinta un trend aproximativ liniar, prin calcularea diferentelor de ordinul întâi (calcularea sporurilor) se obtine o serie stationara. Odata seria de timp stationarizata se poate aplica un model ARMA(k,m). Un model care presupune mai întâi calcularea diferentelor de ordinul întâi (d=1) si apoi aplicarea unui model ARMA(k,m) este un model ARIMA (k,1,m). Previziunea pentru momentul t + 1 va arata astfel:

- diferente de ordinul 1

O serie exponentiala va deveni stationara dupa calcularea diferentelor de ordinul 2:

Un model care implica diferente de ordinul 2 va fi notat: ARIMA (k,2,m). Cea mai frecvent utilizata este însa prima diferenta d=1.

d. Modele ARIMA pot fi adaptate pentru sezonalitate si trend dând nastere modelelor SARIMA(k,d,m)(K,D,M)_s

Prognoza structurii unor fenomene prin Lanturi Markov

Marelui matematician rus Andrei Markov îi sunt datorate procesele care îi poarta numele si care au deschis calea spre numeroase aplicatii ale teoriei probabilitatilor si în special a proceselor aleatoare. Proprietatea Markov care este aparent restrictiva, stipulând ca probabilitatea unui eveniment prezent depinde numai de trecutul cel mai recent, permite ca în memoria recenta sa fie înglobata întrea ga evolutie istorica.

Elementele structurale pot fi reprezentate printr-un vector , care pentru fiecare si pentru fiecare _, variaza între 0 si 1, iar suma elementelor structurale este 1, pentru orice t.

Etape:

i. Se vor calcula diferentele de ordinul întâi ale vectorului astfel: . Elementele structurale ale fiecarui vector diferenta au proprietatea ca suma valorilor pozitive este egala cu suma absoluta a valorilor negative.

ii. În etapa a doua, matricile de trecere partiale sunt construite pentru fiecare pereche de perioade consecutive de timp, t/t-1. Matricele de trecere sunt matrice patratice de forma , unde elementele de pe diagonala principala sunt date de relatia: , . Celelalte elemente, care nu se afla pe diagonala principala, sunt obtinute prin relatia: , unde este negativa, iar este pozitiva. În aceasta formula este suma valorilor pozitive ale vectorului diferenta . Sintetic, elementele matricii pot fi determinate astfel:

iii. Matricea de trecere totala se determina prin însumarea elementelor matricilor partiale de trecere:

iv. Matricea probabilitatilor de trecere se calculeaza prin raportarea fiecarui element al matricii de trecere totala la suma liniei pe care se afla respectivul element:

v. În ultima etapa a algoritmului se obtine prognoza elementelor structurale pentru p perioade viitoare prin multiplicarea transpusei matricii , ridicata la puterea k, cu vectorul elementelor structurale pentru ultima perioada: .

Exemplu:

Se da evolutia istorica a structurii pietei de telefonie mobila:

i. Abateri:

(se continua cu fiecare pereche de ani consecutivi)

ii.

(...) Se realizeaza matricea de trecere pentru fiecare pereche de ani consecutivi

iii.

iv.

v.

Maricea MP transpusa

Metode econometrice

Metodele econometrice presupun estimarea cantitativa a relatiilor de cauzalitate între variabile economice. Odata ce aceasta relatie este estimata se poate realiza previziunea unei variabile, numita variabila dependenta, în functie de variabilele care o determina, numite variabile independente (factori de influenta . Pentru prima data un model econometric a fost utilizat în prognoza de Charles Sarle (1925) pentru a previziona pretul unor produse agroalimentare. De atunci si pâna în prezent aceste metode au cunoscut o vasta expansiune.

Programe de previziune care se bazeaza 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

Regresia simpla

Regresia simpla este o metoda cu o istorie considerabila fiind aplicata, în primele ei forme înca din 1877 de Francis Galton.

Se presupune ca între doua variabile exista o relatie aproximativ de forma:

y - variabila dependenta care se doreste a fi previzioata

x - variabila independenta (variabila cauzala, factor de influneta)

a - arata un nivel de baza al variabilei dependente care nu depinde de variabila independenta (daca variabila dependenta reprezinta volumul vânzarilor iar variabila independenta reprezinta cheltuielile de publicitate atunci "a" arata care este volumul vânzarilor daca publicitatea este inexistenta)

b - în acest caz parametrul b are semnificatia de spor marginal (modificarea variabilei dependente y la modificarea cu o unitate a variabilei independente x). Semnul parametrului arata sensul legaturii: directa (o crestere a variabilei independente duce la o crestere a variabilei dependente) daca semnul este pozitiv si inversa (o crestere a variabilei independente duce la o scadere a variabilei dependente) daca semnul este negativ.

Daca perioada curenta este n (t = n) previziunea pentru perioada n + p va fi:

Intervalul de previziune:

Limita inferioara:

Limita superioara:

T - numarul de observatii istorice

- variabila independenta medie aferenta perioadei istorice

- valoarea variabilei independente aferente orizontului de previziune

p - perioada aferenta orizontului de previziune.

- nivel de semnificatie (riscul, probabilitatea ca valoarea reala sa fie în afara

Intervalului de previziune):

P - coeficientul de încredere (probabilitatea cu care garantam ca valoarea reala sa se afle în intervalul de previziune). Cu cât valoarea P este mai mare cu atât intervalul de previziune este mai larg. Valorile cele mai utilizate sunt: 0,90; 0,95; 0,99.

- valoarea statisticii t cu distributie Student aferenta unui nivel de semnificatie /2

Regresia multipla

Regresia multipla:

Parametrii a, b_k au o interpretare similara regresiei simple

Intervalul de previziune:

Limita inferioara:  

Limita superioara:

unde: C - este un vector care contine valorile variabilelor explicative aferente

orizontului de previziune:

X - este o matrice de ordin , care are pe prima coloana elemente de valoare 1, iar celelalte coloane sunt vectori formati din valorile istorice ale variabilelor explicative. Fiecare coloana reprezinta o variabila independenta iar fiecare linie o perioada de timp istorica.

Regresia dinamica

Regresia dinamica estimeaza influenta variabilei independente care provine atât din perioada curenta cât si din perioade anterioare:

care se mai poate scrie:

unde

De exemplu: Vânzarile pentru un anumit produs sunt influentate atât de publicitatea din perioada respectiva cât si de publicitatea realizata în perioade anterioare care poate sa ramâna în memoria consumatorilor o perioada mai lunga de timp.

Regresia nonliniara

Regresia nonliniara:

Un exemplu foarte cunoscut de regresie nonliniara este functia de productie Cobb-Douglas. Aceasta functie care face legatura dintre factorii de productie si rezultatele obtinute (productie, venituri) a fost propusa de Knut Wicksell si testata pe date reale de Charles Cobb si Paul Douglas (1928). Functia presupune urmatoarea relatie:

Unde:

Y- veniturile (productia) înregistrate la momentul t

K - factorul capital (capital fix etc.)

M - factorul munca (nr. salariati, fondul de salarii etc.)

T- progresul tehnic

- parametrii

Un astfel de model poate fi estimat în forma sa liniara (obtinuta prin logaritmare):

Modele autoregresive multivariate/vectoriale (VAR)

Aparitia modelelor autoregresive multivariate/vectoriale (VAR) se datoreza activitatii lui Christopher Sims (1980), în prezent profesor de Economie si Finante bancare la Universitatea din Princeton.

Sistemul poate fi scris si sub forma matriciala:

,

,,...,

Modelul poate fi generalizat pentru mai multe variabile:

Se observa ca variabilele y₁ si y₂ sunt în acelasi timp variabile dependente si variabile independente (Ex.: deprecierea monedei nationale influenteaza în mod pozitiv exporturile iar o crestere a exporturilor conduce în general la aprecierea monedei nationale). Modelul poate fi estimat initial într-o forma generala de genul celei anterior prezentate iar apoi în urma testelor de semnificatie a parametrilor se poate decide care este adevarata natura a relatiei (variabillele cu parametrii nesemnificativi sunt eliminate). Datorita faptului ca natura relatiei nu este cunoscuta initial si nu este considerata o ipoteza de lucru modelul VAR mai este numit si "model ateoretic".

Modele de corectie

Modelele de corectie îi sunt atribuite lui John Denis Sargan în 1964.

Inteligenta artificiala

Data de nastere a Inteligentei Artificiale (IA) este considerata Iulie 1956 când a avut loc prima conferinta internationala pe acesta tema la Colegiul Dartmouth din Hanover, New Hampshire, SUA.

IA contine doua ramuri sau curente de gândire:

IA conventionala (numita si IA logica sau IA simbolica) bazata pe formalizare logica si analiza statistica. Din acesta categorie fac parte sistemele expert.

IA computationala implica sisteme iterative de învatare care urmaresc în primul rând eficienta din punct de vedere empiric în rezolvarea diverselor probleme si mai putin corectitudinea din punctul de vedere al formalismului logic. Acest lucru nu însemna ca aceste sisteme sunt ilogice prin definitie ci ca, pentru atingerea obiectivului propus, este permisa renuntarea la logica sau teoria fundamnetala care sta la baza unui fenomen. Din acesta categorie fac parte:

o       Retelele neuronale

o       Algoritmii genetici

o       Logica fuzzy etc.

Sistemele hibride sunt combinatii a doua sau mai multe sisteme din clase diferite ale IA.

Retele neuronale

În 1943 neuropsihologul Warren McCulloch si matematicianul Walter Pitts au publicat lucrarea "A Logical Calculus of the Ideas Immanent in Nervous Activity" punând bazele retelelor neuronale. Simularea unei retele a fost relizata cu ajutorul unor circuite electrice. În 1949 Donald Hebb a scris "The Organization of Behavior" în care a aratat ca o conexiune neuronala devine tot mai putenica pe masura ce este folosita, concept fundamental în procesul de învatare al unei retele.

În 1959, Bernard Widrow si Marcian Hoff au dezvoltat modelele ADALINE si MADALINE ("Multiple ADAptive LINear Elements"). MADALINE a fost prima retea neuronala folosita pentru a rezolva o problema reala si este înca folosita pe scara larga în special în controlul traficului aerian.

Retelele neuronale au început sa fie utilizate pe scara larga odata cu introducerea algoritmului de propagare înapoi a semnalului ("backpropagation"). Algoritmul a fost descris initial de Paul Werbos în 1974, iar apoi dezvoltat de David E. Rumelhart, Geoffrey E. Hinton si Ronald J. Williams în 1986.

În 1982 John Hopfield propune legatura bidirectionala în cadrul unei retele luând nastere retelele neuronale recurente. În acelasi an a avut loc conferinta "Cooperative/Competitive Neural Networks" (SUA-Japonia) în care a fost lansata ideea unei noi generatii în domeniul calculatoarelor bazata pe inteligenta artificiala (I generatie - bazata pe comutatoare electrice, a II -a generatie - bazata pe tranzistori, a III-a generatie bazata pe circuite integrate si limbaje de programare avansate, a IV-a generatie - generatori de coduri si a V-a generatie bazata pe inteligenta artificiala).

O retea neuronala artificiala sau, simplu, retea neuronala reprezinta un grup de neuroni artificiali interconectati, care utilizeaza un model matematic sau computational pentru procesarea informatiei. În cele mai multe cazuri, o retea neuronala artificiala este un sistem adaptiv care îsi modifica structura în functie de informatia externa sau interna care patrunde în retea. În termeni mai practici, retelele neuronale sunt instrumente de modelare a datelor statistice non-liniare. Pot fi utilizate pentru a modela relatiile complexe existente între informatiile care ies si care intra în retea.

Tipuri de retele

Retea neuronala cu propagare înainte a semnalului (ex.: Perceptron simplu, Perceptron multistrat), Retele radiale, Retele cu autoorganizare (ex.: Retea Kohonen), Retele recurente (ex.: Retea Hopfield), Retele neuronale stocastice (ex.: Mecanismul Boltzmann), Retele neuronale modulare, Retele neuronale asociative etc.

Retele neuronale artificiale cu propagare inainte a semnalului

Retele neuronale artificiale cu propagare inainte a semnalului . Retelele neuronale artificiale cu propagare inainte a semnalului sunt primele si cele mai simple tipuri de retele neuronale descoperite. În aceste retele, informatiile se misca doar înainte, prin intrari, neuroni ascunsi si iesiri, nu exista cicluri sau bucle.

Perceptron simplu. Primul tip de retea neuronala este un perceptron simplu, care consta dintr-un singur strat de neuroni de iesire; intrarile sunt conduse direct la iesiri prin intermediul unor ponderi.

Perceptron multistrat. Aceasta clasa de retele consta din multiple straturi de neuroni, de obicei interconectati, propagarea semnalului facându-se într-un singur sens. Fiecare neuron dintr-un strat este direct conectat la neuronii din stratul urmator. În cele mai multe sisteme de acest tip neuronii acestor retele aplica o functie sigmoidala ca functie de activare.

Teorema de aproximare universala pentru retele neuronale afirma ca orice functie continua (care transforma intervale de numere reale în intervale de numere reale) poate fi aproximata printr-un perceptron multistrat cu doar un singur strat de neuroni ascunsi. Acest rezultat este aplicabil numai pentru anumite clase de functii de activare, cum sunt functiile sigmoidale. Prin urmare o retea neuronala de acest tip poate înlocui cu succes orice tip de functie (liniara sau non liniara) de genul functiilor de tendinta sau de regresie prezentate.

Etape în elaborarea unei previziuni prin intermediul unui perceptron multistrat:

Determinarea structurii unei retele se bazeaza într-o prima faza pe teoria economica care ofera informatii privind factorii de influenta pentru variabila care se doreste a fi previzionata. Numarul factorilor de influenta precum si modul de manifestare temporala a influentei acestora (laguri: t-1, t-2, etc.) va determina numarul de intrari în retea. Totodata se va determina numarul de straturi ascunse si numarul de neuroni ai acestora precum si numarul iesirilor din retea. Iesirile din retea în general au acelasi numar ca si numarul de perioade pentru care se face previziunea (orizontul de previziune).

Segmentarea bazei de date consta în impartirea acesteia în doua parti: o parte din baza de date pentru antrenarea (invatarea) retelei si o parte pentru validarea acesteia.

Scalarea variabilelor de intrare este un procedeu aritmetic prin care datele de intrare sunt transformate astfel încât sa varieze în intervalul [0,1].

val.scalata = (val.initiala - val.minima)/(val. maxima - val.minima)

Alegerea ponderilor initiale. Valorile initiale sunt în general fie valori alese aleator fie valori nule.

Ponderarea si însumarea valorilor de intrare. Neuronii din primul strat ascuns vor primi valorile de intrare în retea ponderate si însumate. Fiecare neuron din starturile ulterioare va primi, ca valori de intrare, valorile de iesire ale tuturor neuronilor din straturile anterioare ponderate si însumate.

valoarea de intrare a neuronului j

Transformarea non liniara a valorii de intrare în fiecare neuron pentru obtinerea valorii de iesire. La nivelul fiecarui neuron are loc transformarea valorii de intrare, obtinute prin ponderare si însumare, prin intermediul unei functii sigmoidale (logistice) care are de regula are forma:

Calcularea erorii de estimare. Procesul continua (etapele 5 si 6) pana în momentul în care se obtin valorile de iesire din retea adica valorile previzionate. Aceste valori sunt comparate cu valorile reale, din baza de date de antrenare, obtinându-se erorile de estimare.

Ajustarea ponderilor retelei pe baza erorilor de estimare. Înainte ca reteaua sa fie alimentata cu noi date ponderile sunt ajustate în functie de erorile obtinute în etapa anterioara.

- coeficient de învatare (între 0 si 1)

- coeficient de moment (între 0 si 1)

- iesierea din neuronul j

Etapele 5-8 se repeta pâna în momentul în care se termina toate valorile din baza de antrenare. În acest moment o prima "epoca" din procesul de învatare este încheiata.

Pentru a obtine o eroare de estimare cât mai mica procesul de învatare necesita mai multe "epoci", adica toate datele din baza de învatare sunt introduse în retea de mai multe ori. Astfel se repeta etapele 5-9 pâna când se obtine o valoare a ES dorita.

Cu ponderile optime obtinute reteaua este folosita pentru a previziona valorile din baza de validare.

Daca rezultatele nu sunt multumitoare se alege o noua arhitectura a retelei.

Retea multistratificata:

Neuronul N7:

Sisteme hibride (Retele neuronale si Algoritmi genetici)

Simulari privind procesele biologice evolutive au fost initiate de Nils Aall Barricelli în 1954. Desi 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 datorita activitatii lui John Holland. Prima conferinta internationala tinuta pe tema Algoritmilor Genetici, la Universitatea din Illinois, a avut rolul de a deschide portile aplicatiilor practice, care au devenit posibile datorita expansiunii utilizarii calculatorarelor de birou în mijlocul anilor '80. Prima aplicatie comerciala bazata pe algoritmi genetici a fost Evolver(1989) realizat de compania Axcelis Inc. dar care se afla acum în proprietatea companie Palisade. În prezent algoritmii genetici sunt folositi în foarte multe companii pentru a rezolva diferite probleme de optimizare legate de logistica, bugetare, estimari de tendinte etc.

Algoritmii genetici imita procesele evolutive biologice pentru a rezolva probleme complexe de optimizare. Un exemplu de problema care poate fi solutionata în acest fel este gasirea unei arhitecturi optime pentru o retea neuronala. Exita programe informatice care combina retelele neuronale cu algoritmii genetici rezultând sisteme hibride care au capacitatea de a crea retele si de a gasi cea mai buna arhitectura de retea pentru previzionarea unui fenomen.

Populatia initiala de retele este reprezentata de retelele de la care se porneste încrucisarea. Retelele sunt evaluate cu ajutorul unei functii obiectiv, în acest caz ES. Doar un procent din retelele initiale vor fi pastrate pentru o încrucisare ulteriora. Procentul care este pastrat pentru încrucisare ulterioara se numeste rata de încrucisare. Mutatia implica pe lânga schimbul reciproc al unor gene si o modificare a acestora cu o anumita cantitate sau anumit procent care se numeste rata mutatiei. Prin încrucisari succesive se obtin noi generatii pâna când se ajunge la o retea cu o arhitectura optima.

Generatia 0. Populatia initiala de retele este reprezentata de retelele de la care se porneste încrucisarea. În acest caz vor fi pastrate doar primele doua (rata de încrucisare = 50%) cu ES cea mai mica.

Generatia 1 Noile retele vor fi obtinute prin încrucisarea retelelor selectate adica prin schimbarea unor gene (proprietati) ale acestora.

a) Fara mutatie

b) Mutatia implica pe lânga schimbul reciproc al unor gene si o modificare a acestora cu o anumita cantitate. De obicei mutatia se utilizeaza pentru a obtine posibilitati mai numeroase si pentru a nu se reajunge la populatia initiala.

Se continua cu încrucisarea celorlalte gene (nr.neuroni ai stratului ascuns 1 etc.) Trebuie precizat ca în aplicatiile reale se porneste de la populatii mult mai numeroase. Datorita numarului imens de calcule si iteratii algoritmii specifici inteligentei artificiale nu pot fi utilizati în mod practic fara calculatoare cu viteza mare de calcul si programe software adecvate.

Programe software comerciale bazate pe retele neuronale si algoritmi genetici:

GenetiCore si Synapse realizate de PELTARION (Suedia)

NeuroSolutions, TradingSolutions, Genetic Server realizate de NeuroDimension, Inc. (Florida)

NeuralTools, Evolver, RISKOptimizer realizate de PALISADE (SUA)

NeuroIntelligence, Tradecision, Forcaster XL, Forecaster realizate de NeoDigital, Inc. (ALYUDA - California)

etc.

Metode subiective

Grupuri de interactiune

Metoda Brainstorming

Metoda Brainstorming consta în organizarea unei sedinte sau reuniuni cu un numar restrâns de specialisti. În functie de complexitatea problemelor abordate durata acestor sedinte poate sa varieze, desfasurându-se, de la caz la caz, în mai multe runde, sub conducerea competenta a unui coordonator al carui rol este sa directioneze si sa stimuleze discutia pe o anumita tema.

Metoda Delphi

Aceasta metoda presupune utilizarea gândirii intuitive a unui grup de specialisti supusi unor interviuri repetate, în scopul obtinerii unui consens. Principala diferenta fata de metoda Brainstorming este ca specialistii nu se întâlnesc în mod direct. Se evita astfel posibile influente negative în cadrul grupului (teama în fata unui superior etc.).

Metoda Delphi a fost dezvoltata de Corporatia RAND la începutul razboiului rece pentru previziunea impactului dezvoltarii tehnologice asupra productiei de armament. În anul 1944 generalul Henry H. Arnold a ordonat realizarea unui raport pentru Fortele Aeriene ale Statelor Unite asupra capacitatilor tehnologice viitoare care ar putea fi folosite de armata. Pentru realizarea raportului, doi ani mai târziu, în 1946, a fost contractata compania Douglas Aircraft, care a început astfel proiectul RAND dedicat studiului acestor capacitati. Dupa înca doi ani proiectul RAND a fost separat de Douglas Aircraft devenind organizatia non-profit RAND (Research And Development). În prezent organizatia si-a extins aria de activitate si în alte domenii: educatie, justitie, securitate internationala etc.

Membri si colaboratori marcanti ai organizatiei RAND:

Herry Markowitz (Premiul acordat de Banca Suediei în stiinte economice în memoria lui Alfred Nobel - Premiul Nobel, 1990, Optimizarea portofoliului)

Kennet Joseph Arrow (Premiul Nobel, 1972, Teoria alegerii colective)

George Bernard Dantzig (parintele programarii liniare, a introdus algoritmul Simplex). Preocuparea pentru problemele de programarea liniara au aparut în timpul razboiului acesta detinând functia de Director al directiei "Combat Analysis Branch" din cadrul Fortelor Aeriene.

Herbert Alexander Simon (Premiul Nobel, 1978, pentru contributii în domeniul proceselor decizionale în cadrul organizatiilor eonomice)

John Von Neumannn (contributii în analiza functionala, teoria multimilor, analiza numerica, 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)

Herman Kahn (initiatorul utilizarii scenariilor în planificare)

Thomas C. Schelling (Premiul Nobel, 2005, Teoria jocurilor)

Pentru a-si atinge obiectivul de a realiza predictii în domeniul dezvoltarii tehnologice în cadrul RAND au fost luate în considerare diferite metode traditionale. Deficientele metodelor clasice (extrapolare etc.) pentru a previziona evenimente noi, care urmau sa aiba loc în premiera, au devenit repede evidente. Pentru a combate aceste deficiente, a fost dezvoltata metoda Delphi între anii 1950-1960, de Olaf Helmer si Nicholas Rescher. Metoda Delphi a fost folosita de expertii RAND pentru a-si exprima opinia cu privire la probabilitatea, frecventa si intensitatea posibilelor atacuri si a dezvoltarii a noi tipuri de arme.

Metoda Delphi a fost apoi popularizata si preluata de alte domenii, printre care si domeniul economic. Metoda Delphi este recomandata pentru a prognoza evenimente majore, cu impact semnificativ asupra strategiei pe termen lung a unei companii, mai ales în situatia în care nu exista date istorice privind situatia respectiva. De obicei expertilor li se cere sa faca o estimare numerica pentru o anumita variabila economica sau sa aprecieze probabilitatea de aparitie a unui eveniment.

Principalele etape ale acestei proceduri sunt:

Definirea temei ce constitue obiectul studiului previzional

Alcatuirea grupului de conducere. Spre deosebire de metoda Brainstorming unde specialistii comunica direct (coordonatorul având mai mult rolul de a stimula discutiile), în cazul metodei Delphi legatura între participanti se face prin intermediul unui grup de conducere.

Întocmirea listei participantilor . Alegerea specialistilor are un rol crucial în exactitatea previziunii realizate. Specialistii participanti trebuie sa fie persoane cu nivel ridicat de pregatire de preferinta selectati atât din mediul academic cât si practicanti ai domeniului respectiv.

Informarea specialistilor privind problema supusa atentiei

Trimiterea specialistilor participanti la ancheta a primului chestionar si a instructiunilor de completare a acestuia. Specialistii îsi exprima opinia prin completarea chestionarului care apoi este transmis grupului de conducere a anchetei. Acesta din urma, procedeaza la prelucrarea chestionarelor. În aceasta faza exista diferite metode de prelucrare a opiniei specialistilor cu diferite grade de complexiatate:

Ponderarea raspunsului fiecarui specialist în functie de competenta acestuia stabilita de grupul de conducere al anchetei

Ponderarea raspunsurilor din punctul de vederea al fiecarui specialist privind competenta proprie (self ratings)

Calcularea valorii medii, a valorii mediane dar si aplicarea unor metode mai complexe.

Întocmirea unui nou chestionar de catre grupul de conducere al anchetei. Acest chestionar va cuprinde atât unele întrebari suplimentare, necesare lamuririi în detaliu a unor aspecte ce se impun a fi solutionate, cât si sinteza raspunsurilor la primul chestionar. Cunoscând opinia tuturor specialistilor, fiecare specialist, în functie de caz, poate sa-si reconstituie în contextul acestei sinteze o parte din raspunsurile date sau sa-si completeze raspunsurile la primul chestionar. De asemenea, se solicita specialistilor a caror raspunsuri s-au abatut substantial de la parerea majoritatii, sa-si argumenteze raspunsurile sau sa le modifice (opinion feed-back), exprimând-si acordul sau dezacordul cu raspunsurile date de ceilalti specialisti.

Repetarea operatiunii de întocmire, completare si prelucrare a chestionarului. Aceasta operatiune se repeta de mai multe ori, fiecare nou chestionar cuprinzând întrebari suplimentare si sinteza raspunsurilor la chestionarul anterior. Consultarea specialistilor cu ajutorul chestionarului se considera încheiata atunci când raspunsurile arata o relativa stabilitate, adica opinia specialistilor nu se mai modifica dupa o noua runda de completare a chestionarelor. Previziunea finala este o medie a opiniilor exprimate de participanti.

Metoda scenariilor

Desi metoda a fost utilizata mai devreme, conceptul sub denumirea actuala de "scenarii" a

fost introdus de Herman Kahn în 1965. La începutul anilor 1980 metoda a fost dezvoltata transformându-se dintr-o simpla metoda într-o cadru complex de abordare care permite integrarea mai multor metode de natura subiectiva (inclusiv Delphi si Brainstorming). Într-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 corporatii. Datorita costurilor ridicate si dificultatilor de implementare în ultima perioada popularitatea acestei metode a scazut considerabil ramânând un numar redus de companii dispuse sa dedice resursele necesare pentru utilizarea cu succes a acestei metode. Printre companiile care folosesc în mod curent metoda scenariilor, contribuind totodata la dezvoltarea acesteia prin resursele investite se numara grupul Royal Duch Shell. Motivatia utilizarii acestei metode a aparut la începutul anilor 1970 când datorita activitatii puternice a diverselor grupari ecologice orientate pe promovarea protectiei mediului înconjurator dar si datorita aparitiei si întaririi cartelului OPEC foarte multe companii petroliere au suferit pierderi majore. Începând cu acea perioada si pâna în prezent compania Shell si-a bazat procesul de planificare strategica pe metoda scenariilor. Aceasta abordare este considerata de multi specialisti cheia succesului companiei cu toate ca în acelasi timp îi sunt adresate si multe critici.

Etape:

Identificarea factorilor de influenta si a ipotezelor alternative de lucru. În alegerea factorilor de influenta este importanta impunerea unui orizont de previziune suficient de lung, de regula mai mare de 10 ani. Atunci când orizontul de previziune este sub 10 ani exista tendinta din partea participantilor de a extrapola tendintele curente în loc de a gasi factori care sa poata afecta în mod semnificativ activitatea companiei pe termen lung. În acest stadiu se poate face apel la diferite metode si tehnici cum ar fi de ex. Brainstorming pentru colectarea unui numar cât mai mare de factori iar apoi utilizarea unor coeficienti de importanta pentru a selecta factorii cu adevarat importanti etc.

Gruparea factorilor de influenta pe categorii si analiza interactiunii dintre acestia. Foarte multi factori sunt conectati între ei, de ex. o inovatie tehnologica poate cauza schimbari majore în volumul vânzarilor însa pot exista constrângeri de natura legislativa care sa limiteze comercializarea respectivului produs. Se încearca astfel gruparea factorilor în functie de interactiunea dintre acestia si alocarea unor probabilitati petru fiecare sir logic de interdependente.

Realizarea unui numar de 7-9 scenarii initiale. O consecinta fireasca a etapei precedente este ca grupurile de factori de influenta sa genereze succesiuni de evenimente care vor lua forma unor scenarii alternative.

Reducerea numarului de scenarii la 2-3. S-a constatat ca este inutila realizarea unui numar prea ridicat de scenarii datorita capacitatii reduse de operare si asimilarea din partea factorului de decizie. În general, beneficiarul final al scenariilor, reprezentat de managementul companiei se concentreaza în final asupra a 2-3 scenarii care par mai relevante indiferent de numarul scenariilor care le este initial prezentat. Prin urmare este recomandata concentrarea situatiilor viitoare alternative pe un numar redus de scenarii complementare. Scenariile sunt supuse dezbaterii în mai multe runde, etapele 1-4 fiind parcurse de mai multe ori fiind posibila utilizarea unor metode iterative gen Delphi.

Transpunerea scenariilor într-o forma scrisa si usor accesibila unor persoane care nu sunt neaparat de specialitate. S-a constatat ca prezentarea scenariilor în formele binecunoscute: pesimist, realist si optimist nu este cea mai fericita optiune. Exista riscul ca managerii sa se concentreze asupra unui singur scenariu care pare a fi cel mai avantajos pentru compania în cauza. Pentru a evita selectarea unui singur scenariu ca fiind pozitiv (ex. cel realist sau cel optimist) si respingerea celorlalte scenarii ca fiind negative exista varianta prezentarii unor scenarii complementare la fel de probabile. Scopul scenariilor, în cele din urma este acela de a asigura stabilitatea firmei în orice fel de situatie si nu neaparat de a obtine câstiguri uriase într-o situatie favorabila. Prin urmare prin elaborarea unor scenarii complementare urmate de strategii adecvate o companie trebuie sa faca fata oricare ar fi schimbarile survenite în mediul extern. Prin urmare scenariile nu vor fi concepute ca bune sau rele (pesimiste sau optimiste) ci ca oportunitati alternative pentru care compania are pregatit un raspuns.

Ancheta statistica cu caracter predictiv

Sondajele sau anchetele de opinie presupun chestionarea unui esantion reprezentativ de indivizi (grup statistic) asupra situatiei a carei evolutie se doreste a se estima. Spre deosebire de metodele anterioare se doreste estimarea unei opinii/intentii generale si nu a unui grup restrâns de specialisti. Este esential ca esantionul sa fie extras în mod aleator fara ca sa existe o legatura directa sau indirecta între indivizii care-l compun. Alegerea esantionului si extinderea rezultatelor asupra întregii populatii statistice se realizeaza prin tehnici specifice provenite din teoria sondajului statistic.

5.3.1. Anchete realizate de INS

Anchetele de conjunctura realizate de Institutul national de Statistica (INS) sunt realizate în colaborare cu Comisia Europeana si repreznta o estimarea a evolutiei viitorare (crestere, stabilitate, scadere) pe un orizont de aprox. 3 luni privind principalele sectoare ale activitatii economice (industrie, constructii, comert cu amanuntul si servicii).

Rezultatele sunt obtinute în urma estimarilor facute de managerii întreprinderilor referitor la tendintele de evolutie ale activitatii economice. Acestea sunt efectuate pe baza unor esantioane reprezentative în domeniile mai sus amintite (în luna octombrie 2006 volumul esantioanelor arata astfel: industrie prelucratoare - 1533 agenti economici, constructii - 1108, comert cu amanuntul - 2296 si servicii - 1967). Marimea esantioanelor este stabilita astfel încât eroarea de estimare maxima sa fie de aprox. ±5% la nivel de sector. S-a utilizat sondajul stratificat simplu aleator, iar variabilele de stratificare sunt activitatea si marimea întreprinderii. Pentru obtinerea rezultatelor agregate, raspunsurile întreprinderilor sunt ponderate cu variabila de selectie, respectiv numarul de salariati la industrie si constructii si cifra de afaceri la comertul cu amanuntul si servicii. Proportia alternativelor de evolutie (crestere, stabilitate, scadere) reprezinta ponderea întreprinderilor (care au ales alternativa respectiva) în volumul de activitate al sectorului. Diferenta procentuala între alternativele extreme (% crestere - % scadere) constituie soldul conjunctural, care exprima tendinta de evolutie a indicatorilor fata de perioada anterioara.

Estimari facute la începutul lunii octombrie 2006 pentru perioada octombrie-decembrie 2006:

Sa presupunem ca soldul conjunctural pentru contracte si comenzi în industrie pentru doua perioade de timp succesive se prezinta astfel:

Perioada I (crestere - 60%, scadere - 20%, stagnare- 20%) sold conjunctural 40%

Perioada II (crestere - 50%, scadere - 20%, stagnare- 30%) sold conjunctural 30%

Pentru ambele perioade de timp este prevazuta o crestere însa pentru a doua perioada cresterea este probabil sa fie mai putin intensa soldul conjunctural fiind mai mic.

Anchete realizate la nivelul UE

Din punctul de vedere al acoperirii geografice aceste anchete se realizeaza atât la nivelul zonei euro, UE-12, cât si la nivelul UE-27 . Datele sunt colectate de catre institutiile publice abilitate la nivelul fiecarei tari membre. Indicatorii sunt calculati conform metodologiei prezentate în programul "The Joint Harmonised EU Programme of Business and Consumer Surveys" (program initiat în 1961 dar care este supus unui proces periodic de reviziure). Dintre indicatorii prezentati în acest document sunt în continuare enumerati doar cei considerati relevanti în ceea ce priveste procesul predictiv.

Ancheta în rândul agentilor economici desfasurata în diferite sectoare ale activitatii economice contine întrebari de tipul celor prezentate mai jos.

Industrie:

Evaluarea volumului de comenzi al firmelor :

Q2. Nivelul curent al comenzilor considerati ca este...?

+ Mai mult decât suficient (peste normal)

= Suficient (normal pentru acest sezon)

Insuficient (sub normal)

Evaluarea stocului de produse finite:

Q4. Considerati ca stocul de produse finite este ...?

Prea mare (peste normal)

= Adecvat (normal pentru acest sezon)

- Prea mic (sub normal)

Estimarea evolutiei productiei:

Q5. Care considerati ca va fi evolutia productiei în urmatoarele 3 luni

+ Va creste

= Va stagna

- Va descreste

Ancheta în rândul consumatorilor se bazeaza pe întrebari de tipul urmator:

Q2. Cum apreciati evolutia situatiei financiare a gospodariei d-vs. în urmatoarele 12 luni?

++ Mult mai buna

+ Putin mai buna

= La fel

- Putin mai rea

-- Mult mai rea

N Nu stiu

Q4. Cum credeti ca va evolua situatie economica a tarii în urmatoarele 12 luni

++ Mult mai buna

+ Putin mai buna

= La fel

- Putin mai rea

-- Mult mai rea

N Nu stiu

Q7. Cum credeti ca va evolua numarul de someri din tara d-vs.

++ Va creste puternic

+ Va creste usor

= Va ramâne neschimbat

- Va scadea usor

-- Va scadea puternic

N Nu stiu

Interpretarea unor roluri în simularea situatiilor conflictuale ("Role Playing")

Se utilizeaza atunci când exista situatii conflictuale între mai multi factori de decizie cu puteri aproximativ egale (ex.: negocierile pentru încheierea diferitelor contracte comerciale; fuziuni si aliante strategice; negocierile dintre patronate si sindicate etc.) Aceasta tehnica consta în asumarea unor roluri de catre cei implicati în procesul predictiv care sa reprezinte în mod cât mai realist partile adverse însotita de simularea situatiei conflictuale si evaluarea rezultatelor. Aceasta metoda necesita o buna cunoastere a profilului persoanelor implicate în confictul real si a obiectivelor urmarite de acestea.

Distribuirea persoanelor în diferite roluri trebuie sa fie cât mai realista, în sensul ca trebuie sa existe o anumita similitudine între personajele reale si cele care le interpreteza rolul. Cei care interpreteaza rolurile trebuie sa primeasca informatiile necesare. Informatiile primite trebuie sa fie concise si trebuie sa contina:

o descriere a fiecarui participant , a obiectivului urmarit de acesta si a pozitiei ocupate în

cadrul firmei;

o istorie scurta a relatiilor dintre participanti;

obiectivul întâlnirii si eventual rezultate alternative posibile sau moduri alternative de a

actiona.

Informatiile primite trebuie retinute usor de toti participantii si deci se recomanda concentrarea

lor (în jur de o pagina).

Unii specialisti recomanda realizarea simularilor într-un mediu ambiant cât mai apropiat de cel real, însa acest lucru poate fi destul de costisitor.

Datorita faptului ca persoanele implicate pot percepe în mod diferit rezultatul unei confruntari este recomandata scrierea rezultatelor/deciziilor de fiecare grup în parte dar si de terte persoane care au rolul de observatori. În final acestea sunt confruntate.

Numarul sesiunilor de simulare joaca un rol important în obtinerea unei predictii finale (ex.: daca au fost efectuate 5 simulari iar pentru 4 dintre acestea rezultatul final a fost declansarea unei greve predictia este ca o greva va avea loc cu o probabilitate de 80%). Mai multe sesiuni de simulare pot fi obtinute fie prin schimbarea rolurilor între participanti, fie prin folosirea unor informatii sau premise alternative.

Simularile prin interpretarea unor roluri sunt recomandate atunci când:

exista o interactiune/conflict între grupuri de interese

numarul grupurilor de interese este mic (ideal 2 parti opozante)

situatia conflictuala implica schimbari majore

nu exista situatii comparabile în trecut

Utilizarea burselor de pariuri ("Prediction Markets") pentru previziuni la nivel de firma

Bursele de pariuri sunt piete speculative utilizate pentru a previziona anumite evenimente sau

valorile anumitor parametri în care cei care dovedesc o putere ridicata de anticipare câstiga iar ceilalti pierd. Exita burse internationale de pariuri pentru aproape orice tip de evenimente: politice, sportive, artistice (ex. nominalizari pentru Oscar), economice etc. Câteva dintre cele mai cunoscute burse, cu facilitati de participare on-line sunt: TradeSports, Hollywood Stock Exchange, NewsFutures etc.

Utilizarea acestei metode în previziunile economice este relativ noua si a fost popularizata în urma aparitiei cartii "The Wisdom of Crowds: Why the Many Are Smarter Than the Few and How Collective Wisdom Shapes Business, Economies, Societies and Nations" (2004) scrisa de James Surowiecki dar si datorita intensificarii cercetarilor în domeniul economiei experimentale (Vernon Lomax Smith - Premiul nobel în 2003). Conform cartii amintite exista patru conditii esentiale pentru ca un numar mare de persoane sa realizeze predictii valide:

Diversitatea opiniilor - informatii si ratiuni diversificate în rândul persoanelor

Independenta - persoanele sa nu se influenteze reciproc

Descentralizarea - persoanele sunt libere sa se specializeze si sa actioneze pe cont propriu

Agregare - necesitatea existentei unui mecanism de extargere a unei opinii generale

Initiative în ceea ce priveste utilizarea burselor de pariuri pentru previzionarea unor variabile la nivel microeconomic:

În cadrul companiei Hewlett-Packard au fost create mici burse în care angajatii sunt încurajati sa parieze pentru un anumit nivel al vânzarilor sau al veniturilor companiei.

Compania InovateUs este specializata pe previzionarea succesului inovatiilor în introducerea a noi produse pe piata bazându-se pe opinia unui numar mare de angajati. Are ca si clienti alte companii

Inkling este o companie specializata pe asemenea predictii si ofera consultanta în acest domeniu

Google foloseste aceasta metoda în interes propriu pentru diverse predictii de importanta strategica pentru companie: data de lansare a unor produse, aparitia a noi companii etc.

Etc.

La fel ca si ancheta statistica bursele de pariuri se bazeaza pe un numar mare de participanti însa în acest caz acestia nu sunt neaparat specialisti iar concluziile finale nu se bazeaza pe inferenta statistica.

Previziunea ciclurilor de afaceri

Indici de dinamica si indici de ciclicitate

Indicatori relativi de dinamica:

Indici de dinamica (indici de crestere):

o       Cu baza fixa:

sau

o       Cu baza în lant:

sau

PIB-ul României în miliarde lei (preturi constante):

PIB-ul României, indici cu baza fixa:

Se observa ca din punctul de vedere al fluctuatiilor ciclice indicele cu baza fixa are o forma identica cu seria initiala neexistând decât o diferenta de scala.

Indicii cu baza fixa si indicii cu baza în lant pentru PIB-ul României:

Se observa ca indicele cu baza în lant anticipeaza punctele de întoarcere (schimbare de trend) din seria indicilor cu baza fixa si deci din seria initiala.

Ritmul de dinamica (ritmul modificarii relative, ritmul sporului, sporul relativ):

sau în procente:

De obicei ritmul de dinamica se calculeaza cu baza în lant.

Ritm (baza în lant):

Indici (baza în lant):

Se observa ca între indicele si ritmul de dinamica (baza în lant) nu este decât o diferenta de nivel (o constanta egala cu 1 sau 100) ambii având aceeasi putere informativa. Indicele are însa avantajul ca valorile sale sunt pozitive iar fluctuatia este în jurul valorii 1 (100) la fel si în cazul indicilor de ciclicitate.

Indicii de ciclicitate se calculeaza ca raport dintre valoarea initiala a variabilei observate si componenta de trend. Calcularea lui se justifica atunci când fenomenul analizat prezinta un trend general crescator sau descrescator.

Date obtinute prin simulare (seria observata nu reprezinta date reale ci reprezinta valorile unei

functii de tip sinusoidal):

Pornind de la exemplul anterior se calculeaza indicii de ciclicitate. Indicii de dinamica (baza în lant) au capacitatea de a anticipa punctele de întoarecere (schimbare de trend) în indicii de ciclicitate.

Considerând un exemplu real lucrurile nu mai sunt atât de evidente. Datorita masurilor anticiclice (temperare în periodele de boom si stimulare în periodele de recesiune) în cazul tarilor dezvoltate (de ex. Italia) ciclurile economice nu mai sunt atât de pregnante si deci sunt mai putin evidente în urma unei simple reprezentari grafice.

PIB-ul Italiei în miliarde euro (preturi constante):

Se observa ca indicii de ciclicitate au un caracter destul de instabil (miscari puternice de la o perioada la alta) ceea ce face ca puterea de anticipatie sa fie mult redusa fata de modelul teoretic anterior.

De asemenea trebuie remarcat faptul ca indicii de ciclicitate, la rândul lor, pot avea, în anumite situatii capacitatea de a anticipa punctele de maxim din seria observata. Practic putem vorbi de doua situatii clare în care indicele de dinamica anticipeaza indicele de ciclicitate care, la rândul sau, anticipeaza seria initiala în ceea ce priveste punctele de schimbare de trend: 1) Puctul de maxim atins de indicele de dinamica 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 initiala, în anul 1992 2) Puctul de maxim atins de indicele de dinamica 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 initiala în anul 2002.

Indicatori de anticipare a ciclurilor economice

Indicatorii de anticipare a ciclurilor economice (Composite Leading Indicators) sunt indicatori agregati care includ în componenta lor diferite variabile economice care determina sau anticipeaza fluctuatiile înregistrate de activitatea economica de ansamblu (exprimata printr-un indicator al productie globale, în general PIB sau Productia Industriala).

Componenta unui indicator de anticipare difera atât în plan teritorial (de la o tara la alta) cât si în plan temporal (în cadrul aceleasi tari variabilele incluse în indicator pot fi înlocuite dupa o anumita perioada daca se dovedeste faptul ca alte variabile au o putere anticipativa mai mare). Exista câteva reguli pentru selectarea variabilelor economice care intra în componenta unui indicator de anticipare:

Sa existe o explicatie fundamentata din punct de vedere economic pentru relatia dintre variabila de anticipare si activitatea economica de ansamblu a carei fluctuatii ciclice se doresc a fi previzionate.

Relatia trebuie sa aiba loc cu un anumit decalaj temporal. Pentru a reprezenta un semnal de anticipare este necesar ca modificarile variabilelor incluse în indice sa aiba loc înaintea modificarilor care apar în PIB sau Productia Industriala.

Trebuie sa existe date statistice de calitate, de preferinta înregistrate lunar, pe o perioada suficient de lunga. Aceasta constrângere privind calitatea datelor este în special importanta pentru realizarea unor predictii de calitate.

Variabilele economice aflate în componenta indicatorilor de anticipare difera, asa cum a fost deja amintit, de la o tara la alta. Dintre cele mai frecvent utilizate variabile în constructia indicatorilor de anticipare putem aminti:

• Tendinta viitoare estimata prin anchete statistice în mediul de afaceri
• Tendinta viitoare în domeniul productiei de bunuri (un orizont de 3-6 luni - crestere, mentinere, descrestere)
• Tendinta de crestere a preturilor de vânzare a bunurilor
• Tendinta de crestere a comenzilor primite pentru productia interna, export etc.
• etc.
• Anchete asupra opiniei consumatorilor privind:
• Situatia financiara proprie în urmatoarea perioada
• Tendinta viitoare a preturilor de consum
• Tendinta viitoare a situatiei economice de ansamblu
• etc.
• Cresterea vânzarilor lunare în comertul cu amanuntul. Cresterea acestora arata în general o crestere a puterii de cumparare care genereaza un raspuns din partea ofertei în sensul cresterii volumului de bunuiri si servicii.
• Productia de materii prime (carbune, otel etc.) si cosumul de combustibili, acestea aflându-se în prima faza a ciclului productiv, arata, într-o faza incipienta, directia de evolutie a volumului productiei finale
• Numarul de comenzi lunare primite în diferite ramuri ale economei: industrie, minerit etc.
• Indicatori privind ocuparea fortei de munca
• Numarul de someri înregistrat lunar la Oficiul Fortelor de Munca
• Numarul de locuri de munca vacante înregistrat la Oficiul Fortelor de Munca
• Numarul mediu de ore lucrate pe luna de muncitorii în industrie colectat de institutele nationale de statistica
• Indicatori ai masei monetare. O masa monetara mai mare înseamna în general o lichiditate mai mare (mai multi bani în economie) care influenteaza pozitiv activitatea economica în sensul cresterii acesteia.
• Masa monetara M1 (reprezentata din bancnote, monezi si banii   aflati în conturi curente)
• Masa monetara M2 (M1 + conturi de economii, certificate de depozit)
• Etc.
• Indicii bursieri. Indicii bursieri arata atitudinea generala a investitorilor. Indicii bursieri cresc atuncii când investitorii se asteapta la o crestere a profiturilor în mediul de afaceri ceea ce îi determina  sa investeasca. Pentru ca investitorii actioneaza pe baza anticipatiilor privind mediul de afaceri indicii bursieri au o valoare anticipativa pentru cresterea economica.
• Rate ale dobânzii
• Rata medie a dobânzii (rata medie la 3 luni sau 6 luni pentru bonuri de trezorerie etc.). În general o rata medie a dobânzii mai mica însemna un cost al împrumutului mai mic si deci o încurajare a activitatii economice viitoare.
• Diferenta dintre rata dobânzii pe termen lung si rata dobânzii pe termen scurt.   Daca cineva investeste un an cu 5% iar apoi înca un an cu 7% este echivalent cu a investi la termen de doi ani cu o dobânda de 6% (dobânda medie pe doi ani). Prin urmare dobânda la termen de 2 ani contine o anticipatie privind dobânda în anul al doilea. Daca se aseapta ca dobânzile pe termen scurt în viitor sa creasca si dobânzile la perioade de maturitate mai mare vor creste. Pe lânga aceasta anticipatie dobânda la o maturitate mai mare contine si o prima de risc asociata riscurilor inerente unei perioade mai lungi de timp.

De obicei pentru o economie în crestere curba randamentelor este crescatoare, cu cât banii sunt investiti o perioada mai lunga de timp cu atât randamentul este mai mare (crestere economica însemnând cerere mai mare de bani si deci dobânzi mai mari asteptate în viitor). Pe de alta parte dobânda pe termen scurt este mai mica încurajând dezvoltarea viitoare. Diferenta dintre rata dobânzii pe termen lung si rata dobânzii pe termen scurt este pozitiva.

Curba randamentelor pentru o economie "sanatoasa în crestere:

Curba randamentelor este inversata atunci când urmeaza o perioada de recesiue. Pentru perioade de recesiune sunt specifice dobânzi mai mici datorita cererii mici de bani si datorita politicii monetare de relansare economica (politica de reducere a ratei dobânzii). Pe de alta parte dobânda pe termen scurt (dobânda aferenta perioadei curente) este mare descurajând dezvoltarea viitoare. Daca este anticipata o perioada de recesiune diferenta dintre rata dobânzii pe termen lung si rata dobânzii pe termen scurt este negativa iar curba randamentelor poate sa arate astfel:

• Rata reala efectiva de schimb[4] . O crestere a acestei rate, o depreciere reala, arata ca bunurile produse în strainatate sunt mai scumpe iar produsele nationale sunt mai ieftine si deci mai cautate - încurajeaza exporturile.
• Importuri totale (preturi c.i.f.). Daca o tara este preponderent importatoare de materie prima o crestere a importurilor acesteia arata o crestere viitoare a productiei la nivel national.
• Indicele raportului de schimb net[5]. O crestere a acestui indicator arata o mai buna valorificare a exporturilor (bunurile în exterior au o valoare unitara mai mare decât în tara) comparativ cu importurile ceea ce reprezinta o motivatie de a exporta si deci de a produce mai mult.
• Etc.

Majoritatea datelor privind variabilele economice mai sus amintite provin de la institute nationale de statistica, banci nationale sau burse de valori.

Etape în construirea unui indicator de anticipare:

• Se selecteaza variabilele care intra în componenta indicatorului de anticipare (în general nr. acestora variaza între 5 si 11)
• Daca datele prezinta fluctuatii sezoniere seriile de date sunt desezonalizate printr-o metoda adecvata
• Se estimeaza 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 calculeaza indicii de ciclicitate ca raport dintre seria initiala si trend
• Seriile de indici obtinute  pentru fiecare componenta sunt nivelate pentru a reduce fluctuatia acestora (pentru nivelare se folosesc tehnici de genul mediei mobile, nivelarii exponentiale sau alte metode specifice)
• Pornind de la indicii de ciclicitate aferenti seriilor componente, nivelati în etapa anterioara, se calculeaza o medie a acestora (ponderi egale, în general) obtinându-se astfel un indice de ciclicitate  mediu care reprezinta practic indicele de anticipatie compozit
• Indicele de ciclicitate mediu se înmulteste cu componenta de trend a fenomenului care se doreste a se previziona (PIB, indicele productiei industriale etc.) cu scopul de a obtine o reprezentare grafica comparabila pentru cele doua variabile.

În graficul de mai jos se se poate observa indicatorul de anticipare (leading indicator) si indicele productiei industriale pentru Canada.

Indicatorii de anticipare a ciclurilor economice pot fi introdusi în modele econometrice ca variabile explicative sau pot fi folositi direct în prognoza ca în graficul de mai sus. Indicatori de anticipare a ciclurilor economice sunt în mod curent construiti de Conference Board (pentru SUA), OCDE (pentru tarile cele mai dezvoltate din punct de vedere economic) si Comisia Europeana prin intermediul Directiei pe probleme economice si financiare (pentru UE).

Previziuni pe piata valorilor mobiliare

Valorile mobiliare sunt tranzactionate pe piete specilizate organizate în general sub forma burselor de valori (actiuni, marfuri, derivate etc.) sau sub forma unor centre de tranzactionare interbancare (piata valutara sau piata forex). Dintre cele mai cunoscute piete de valori mobiliare putem aminti:

Piata actiunilor

Piata obligatiunilor

Piata valutara (piata forex)

Piata de marfuri

Piata produselor derivate: contracte futures, optiuni etc.

În încercarea de a estima care va fi evolutia pretului unui titlu în viitor exista disponibile doua abordari alternative:

Analiza fundamentala implica studiul impactului factorilor economici care pot influenta evolutia unui titlu. De multe ori investitori sofisticati încep cu analiza indicatorilor macroeconomici nationali si internationali (PIB, inflatie, curs valutar, productivitate) continua apoi cu analiza de ramura sau industrie (competitivitate etc.) pentru ca faza finala sa fie orientata pe analiza situatiei fianciare la nivel de companie.

Analiza tehnica reprezinta studiul evolutiei pretului unui titlu de valoare, cu scopul de a previziona cât mai exact oscilatiile si trendul acestuia. Analiza tehnica se bazeaza în special pe analiza grafica si pe utilizarea unor indicatori de natura statistica (tehnica) si nu include analiza relatiilor de cauzalitate dintre pretul respectivului titlu si diferiti factori de influenta. Premisa de la care porneste analiza tehnica este ca istoria tinde sa se repete si ca toate informatiile necesare sunt incluse în evolutia pretului. Factorul psihologic tinde sa aiba un rol important. Se considera ca participantii pe piata tind sa aiba o reactie similara la fluctuatiile legate de pret, reactie care este observata statistic.

Elemente de analiza fundamentala

În esenta pretul este guvernat de legea fundamantala a raportului dintre cererea si oferta

pentru un anumit bun sau titlu de valoare. Prin urmare factorii de influenta ai preturilor sunt de fapt factorii de influenta care înclina balanta cereri sau ofertei într-un sens sau altul.

Piata valorilor mobiliare este locul de întâlnire al cererii si ofertei pentru aceste titluri. Din punct de vedere tehnic un participant pe aceasta piata poate sa vada un tabel electronic, pentru o anumita actiune, de tipul tabelului urmator.

Cerera si oferta observate pe termen scurt:

În general o cerere mai mare este un imbold psihologic care determina cumparatorii sa accepte pretul ask (mai mare) ceea ce face ca pretul pietei sa creasca. Pretul pietei este pretul la care s-a fectuat ultima tranzactie (ask sau bid). În sens contrar, la o presiune a ofertei mai mare, când exista pericolul totalul cantitatii oferite sa nu fie acoperita de cererea aflata la un nivel inferior este de asteptat ca pretul de tranzactionare sa scada prin acceptarea de catre ofertant a unui pret mai mic.

Cei mai cunoscuti factori care influenteaza cererea si oferta pentru diferite valori mobiliare sunt prezentati în cele ce urmeaza.

Evolutia cererii si ofertei pentru actiunile unei companii este determinata în principal de urmatoarele elemente fundamentale:

Cresterea profiturilor/vânzarilor

Marimea dividentelor acordate

Evenimente favorabile: un produs nou cu potential pe piata, restructurare, preluare de catre o companie mai puternica etc.

Rata dobânzilor. Rata dobânzilor actioneaza asupra preturilor unei actiuni în dubla directie:

a.       Pe de o parte se considera ca o rata ridicata a dobânzii duce la încetinirea cresterii economice (acces mai greu la credite) ceea ce se reflecta în vânzari si profituri mai scazute realizate de companii si deci preturi mai mici pentru actiunile care nu mai pot oferi dividente atât de atractive

b. Pe de alta parte o rata mare a dobânzii face ca randamentul unor investitii alternative sa creasca (obligatiuni, certificate de depozit etc.) în defavoarea randamenutlui actiunilor care devin mai putin atractive. Prin urmare investitorii îsi vor îndrepta lichiditatile catre alte titluri ceea ce conduce la o cerere mai redusa pentru actiuni si deci o diminuare de pret.

Uneori nu este nevoie ca rata dobânzii sa creasca efectiv, este suficienta o anticiparea a acestei cresteri pentru ca efectul sa se faca resimtit în pret

Evolutia pietei în ansamblu (vizibila în evolutia indicilor bursieri). Daca piata în ansamblul ei scade, spre exemplu, datorita unei perspective proaste a sanatatii economiei în ansamblu sau datorita unei panici generale pe bursa nici chiar cea mai buna companie nu va face fata trendului general descendent al pietei. Este de asteptat totusi, cel putin din punct de vedere teoretic, ca o companie mai buna sa înregistreze scaderi ma mici ale preturilor actiunilor sale decât scaderea medie a pietei.

Unul dintre indicatorii cei mai utilizati pentru evaluarea potentialului oferit de o anumita actiune este raportul Pret/Profit (engl. PER - Price/Earnigs Ratio):

Profit pe actiune = profitul înregistrat / nr. de actiuni

Un alt indicator important este raportul pret curent/ valoare contabila.

Obligatiunile sunt instrumente financiare de credit, purtatoare de dobânda sau cu discont, care reprezinta o datorie pe termen lung, emisa de autoritatile publice sau de corporatii. Emitentul plateste dobânda la intervale de timp specificate (de regula semestrial) si rascumpara obligatiunile atunci când împrumutul este programat sa fie rambursat, adica la data scadentei (maturity date) sau mai devreme, la data rascumpararii (call date).

Obligatiunile sunt la rândul lor titluri financiare care pot fi tranzactionate. Rata dobânzii influenteaza preturile acestor titluri. Relatia este inversa (la fel ca si în cazul actiunilor):

• Daca rata dobânzii creste preturile obligatiunilor existente la tranzactionare vor înregistra o scadere
• Daca rata donânzii scade preturile obligatiunilor tranzactionate vor creste

Ex.: O obligatiune ofera un randament de 7% pe an, valoarea restituita la maturitate este de 1000 RON iar pretul de tranzactionare pe piata al obligatiunii este de 1010 RON. Daca rata dobânzii va creste noile obligatiuni emise vor avea un randament mai mare, peste 7%, prin urmare pretul unei obigatiuni la vechiul randament, mai mic, va scadea.

Factori de influenta fundamentali în evolutia cursului valutar:

• Diferenta dintre  inflatia înregistrata de cele doua economii nationale. Moneda cu inflatie mai mica este mai cautata si deci se apreciaza
• Diferenta dintre ratele dobânzilor reale[6]. O rata mare a dobânzii pentru o anumita moneda este mai atractiva si deci determina cresterea cererii pentru moneda respectiva si deci moneda respectiva se apreciaza pe termen scurt. Aceasta crestere a ratei dobânzii poate însa sa afecteze performanta de ansamblu a economiei respective si sa conduca, pe termen lung la deprecierea monedei nationale
• Deficitul de cont curent. Importuri mai mari decât exporturi fac ca cererea de valuta sa fie mai mare ceea ce înseamna o depreciere a monedei nationale
• Datoria publica (deficitul bugetar) poate fi acoperita prin resurse atrase din interior sau din exterior. Daca sursele atrase sunt straine atunci iesirea de valuta, per global, este mai mare decât intrarea de valuta si deci cererea de valuta mai mare.
• Performanta economica a respectivei tari. O economie putenica ofera o imagine mai buna si deci o atractivitate mai mare pentru respectiva moneda nationala

Factori de influenta ai ratei dobânzii:

• Cererea/Oferta de creditare. În perioade de expansiune:
• cererea puternica de credite   conduce la cresterea ratei dobânzii
• randamentele mai atractive oferite de companiile private (dividente, obligatiuni) obliga guvernul sa ofere randamente mai ridicate la titlurile de stat
• Politica monetara. Prin operatiunile de open market, facilitati acordate bancilor, manevrarea ratei dobânzii de politica monetara si impunerea unor rezerve minime obligatorii Banca nationala influenteaza nivelul ratei dobânzii
• Deficit bugetar înseamna emiterea de titluri guvernamentale pe termen lung pentru acoperirea deficitului  ceea ce înseamna o absorbtie de moneda din economie si o crestere a ratei dobânzilor la titlurile pe termen lung
• Inflatia - presupune o crestere a ratei nominale a dobânzii (dobânda oferita de banca trebuie, în general, sa acopere inflatia)

Metode de analiza tehnica

Analiza tehnica nu îsi propune sa analizeze datele financiare ale unei companii sau interdependentele dintre variabilele care caracterizeaza o economie nationala ci porneste de la premisa ca studierea evolutiei trecute a unui titlu fianciar este suficienta pentru a estima directia evolutiei viitoare a respectivului titlu. Metodele analizei tehnice sunt desprinse din studierea pietei financiare de-a lungul a sute de ani. Poate ca cea mai timpurie ramura a analizei tehnice o reprezinta tehnicile "candlestick" folosite de speculatorii japonezi din secolul al XVIII-lea si populare înca în zilele noastre.

Teoria Dow, introdusa de Charles Dow, cofondator al companiei Dow Jones & Company (în 1882, împreuna cu Edward Jones) si editor al Wall Street Journal, a inspirat la sfarsitul secolului al XIX-lea folosirea si dezvoltarea analizei tehnice.

Ca orice teorie, analiza tehnica a dat nastere la numeroase discutii pro si contra. Una dintre teoriile formulate de opozantii analizei tehnice este ipoteza de piata eficienta, care sustine ca o piata eficienta are o evolutie de tip "mers la întâmplare" si ca pe o astfel de piata activitatile de tip speculativ, prin utilizarea analizei tehnice, sunt practic imposibile.

Reprezentare grafica a unor bare de pret zilnice si a volumului de tranzactionare (nr.actiuni tranzactionate - în partea de jos a graficului).

Reprezentarea grafica cea mai frecvent întâlnita este prin bare de pret. O bara de pret coincide unei anumite frecvente temporale (1 min., 5 min., 10 min., 15 min., 30 min., 1 h, 1 zi, 1 saptamâna etc.) si contine pretul de deschidere (pretul initial), pretul minim, pretul maxim si pretul de închidere aferente respectivului interval.

Benzile Bollinger

Benzile Bollinger reprezinta un sistem de generare a semnalelor de tranzactionare (vânzare/cumparare) bazate pe principiul reversibilitatii evolutiei preturilor. Cu alte cuvinte se porneste de la ipoteza ca o crestere a preturilor peste valoarea reala, fundamentata din punct de vedere economic, va fi urmata de o scadere a acestora, adica de o revenire catre valoarea reala. Principiul este simetric, fiind valabil atât în conditiile unei supraevaluari cât si al unei subevaluari, aceasta din urma fiind urmata de o revenire în sensul cresterii cotei respectivului activ.

Din punct de vedere tehnic Benzile Bollinger sunt formate dintr-o valoare medie centrala si doua frontiere (benzi) care încadreaza valoarea centrala.

Etape în construirea unui sistem de tranzactionare bazat pe Benzi Bollinger:

1. Valoarea medie centrala poate fi calculata prin diferite metode de nivelare:

Medie mobila

Nivelare exponentiala

Medie mobila exponentiala

Etc.

- pretul de închidere înregistrat la sfîrsitul unei perioade de timp (zi, ora, 30 min etc.)

ATENŢIE !!!

Spre deosebire de media mobila, nivelarea exponentiala si media mobila exponentiala folosite direct în previziune (cap.2), valorile calculate în acest context corespund perioadei curente adica, reprezinta valori medii care înlocuiesc valoarea curenta si nu reprezinta previziuni pentru perioada viitoare.

2. Se calculeaza deviatiile pretului de închidere fata de pretul mediu:

3. Se aplica o metoda de nivelare a deviatiilor la fel ca si în cazul calcularii tendintei centrale, de regula pe acelasi interval de timp, obtinându-se o deviatie medie aferenta perioadei,

4. La valoare medie centrala se adauga/scade un numar de deviatii medii:

Frontiera superioara

Frontiera inferioara

Distanta dintre frontiere este direct proportionala cu volatilitatea pretului datorita unei deviatii mai mari fata de medie.

Semnale de vânzare/cumparare:

Atunci când pretul intersecteaza frontiera superioara se previzioneaza o scadere de pret si deci se da un ordin de vânzare iar când pretul de vânzare intersecteaza frontiera inferioara se da un ordin de cumparare, anticipându-se o crestere a preturilor.

Intersectia mediilor mobile

Sistemele bazate pe mediile mobile pornesc de la premisa ca o crestere semnificativa a preturilor observata la un moment dat va continua si în viitor. A tranzactiona cu ajutorul unui astfel de sistem este echivalent cu a tranzactiona conform principiului " cumpara ceea creste si vinde ceea ce scade".

Cele mai utilizate medii mobile sunt calculate pe ferestre de 20, 30, 50, 100 sau 200 zile. Fiecare medie mobila furnizeaza o interpretare diferita cu privire la evolutia pretului unui tiltlu de valoare. Cu cât perioada pe care se calculeaza media mobila este mai scurta, cu atât sta va fi mai sensibila la modificarile pretului. Mediile sunt calculate în general cu ajutorul mediilor mobile sau al mediilor mobile exponentiale, termenul fereastra de lungime k, în acest context, fiind echivalent cu cel de ordin k (cap.2), însemnând numarul de valori cuprinse în medie.

Semnale de vânzare/cumparare:

Astfel, se considera a fi un moment optim de cumparare momentul în care media mobila calculata pe o fereastra scurta (ex. 20 zile) devine mai mare decât media mobila calculata pe o fereastra mai lunga (ex. 100 zile), deoarece acest moment este considerat începutul unui trend crescator de durata. Momentul este optim pentru vânzare atunci când media mobila calculata pe o fereastra mai scurta devine mai mica decât media mobila calculata pe o fereastra mai lunga, aceasta situatie indicând începutul unui trend descendent.

Oscilatorul Stocastic

Oscilatorul stocastic se calculeaza astfel:

1. Se decide asupra numarului de perioade, K, incluse în calcul (5 zile, 20 zile etc.) Aceste perioade reprezentate prin bare de pret (cu pretul de deschidere, pretul minim, pretul maxim si pretul de închidere). În fiecare moment t se alege cel mai mic pret minim si cel mai mare pret maxim pe o fereastra de k bare în urma.
2. Se calculeaza la fiecare moment (bara) t urmatoarele valori:

CL = Pretul de închidere [t] - Cel mai mic pret minim [pe fereastra de N bare]
HL = Cel mai mare pret maxim [pe fereastra deK bare] - Cel mai mic pretul minim [pe fereastra de K bare]
 OS = CL / HL *100

3. Valoarea OS este nivelata printr-o medie mobila obtinându-se un oscilator stocastic mediu

În partea de jos a graficului este reprezentat împreuna cu pragurile de 80% si 20% reprezentate de cele doua linii paralele.

Semnale de vânzare/cumparare:

Semnal de vânzare:

Atunci când depaseste un prag superior (de regula 80%)

Semnal de cumparare:

Atunci când coboara sub un prag inferior (de regula 20%)

Previziuni de marketing

Previziunea produselor noi introduse pe piata

Una dintre cele mai importante aplicatii comerciale ale previziunii poate fi gasit în ultimele

faze ale procesului de dezvoltare a noilor produse moment în care managerii au nevoie de estimari cât mai exacte privind în special rate de penetrare a pietei, volumul vânzarilor si cota de piata. În cele ce urmeaza va fi tratata problematica bunurilor de larg consum.

Modele pentru piete test

Crearea unui nou produs (concept sau prototip) implica costuri ridicate însa lansarea unui produs pe piata poate fi mult mai costisitoare (ex.: realizarea produsului Gillette Ultramax a costat 1,9 milioane USD iar lansarea pe piata 19 milioane USD). Pentru a decide daca un produs merita sau nu sa fie lansat pe piata la scara larga, companiile producatoare au nevoie de previziuni detaliate privind evolutia vânzarilor ulterioara lansarii produslui.

În ultimele decenii producatorii de bunuri de larg consum folosesc piete test înainte de lansarea unui produs la scara nationala sau internationala. Pietele test sunt piete restrânse care includ un numar limitat de puncte de desfacere sau zone geografice si au rolul de a evalua performanta unui produs în conditii reale de piata precum si a unor planuri alternative de marketing. Utilizarea unor piete test implica, la rândul lor, costuri care cresc odata cu durata perioadei de testare a produselor dar si odata cu cresterea costului de oportunitate de a nu lansa produsul pe scara nationala mai devreme. Perioadele lungi de testare dau competitorilor posibilitatea de a evalua produsele care sunt pe punctul de a fi lansate si de lansa mai rapid produse similare care pot fi mai competitive. Pentru a veni în întâmpinarea acestei probleme au fost create modele specifice pietelor test care au rolul de a face predictia volumului vânzarilor pe baza primelor rezultate provenite din pietele de testare reducând astfel, în mod semnificativ, durata necesara testarii.

Unul dintre cele mai utilizate modele presupune descompunera vânzarilor observate în perioada de testare în achizitii care reprezinta încercari ale produslui si achizitii repetate. Acest tip de modele ( "depth of repeat models") la dezvoltarea carora au contribuit Fourt si Woodlock (1960), Eskin (1973), Kalwani si Silk (1980) iar mai recent Fader si Hardie (1999) sunt utilizate în prezent de companii în domeniul cercetarilor si previziunilor de marketing (ex. BASES ). De obicei datele observate reprezinta vânzari saptamânale. Astfel vânzarile cumulate (vânzarile care au fost relizate pâna în saptamâna t), S(t), pentru un anumit produs pot fi descompuse în:

1. Numarul de achizitii care reprezinta încercarea produsului (prima achizitie realizata de un cumparator), T(t)
2. Numarul de achizitii care reprezinta prima repetitie (achizitii realizate de cumparatori care cumpara un produs a doua oara, dupa ce l-au încercat), FR(t)
3. Numarul de repetitii ulterioare, AR(t)

S(t) = T(t) + FR(t) + AR(t)

Descompunerea în aceste componente si realizarea previziunilor pentru fiecare componenta în

parte este deosebit de utila pentru a cunoaste natura si cauzele succesului/insuccesului unui produs si pentru adoptarea unor masuri corespunzatoare. De exemplu vânzari realizate sub nivelul asteptat pentru un anumit produs pot fi explicate prin urmatoarele doua scenarii posibile:

a.       Desi multi consumatori încearca produsul foarte putini fac o noua achizitie pentru ca produsul nu corespunde preferintelor consumatorilor. Deci produsul trebuie îmbunatatit pentru a atinge cel putin nivelul de satisfactie asteptat de consumatori.

b. Foarte putini consumatori încearca produsul dar totusi cei care o fac sunt încântati si achizitiile ulterioare sunt ridicate. Deci produsul trebuie mai bine promovat pentru a fi încercat de mai multi consumatori.

De asemenea descompunerea are si rolul realizarii unei previziuni mai exacte. Daca urmarim

figura de mai jos, unde se încearca realizarea unei previziuni pornind doar de la vânzarile globale S(t) observate pâna în momentul t₀ utilizând o functie de tendinta, evolutia viitoare poate fi una din variantele (a), (b) sau (c). Alegerea uneia din cele 3 variante se face prin alegerea formei functiei de tendinta utilizata în previziune care reprezinta o decizie facuta a priori momentului t₀ si deci presupune un risc. Este adevarat faptul ca alegerea functiei se face astfel încât aceasta functie sa estimeze cât mai bine vânzarile observate (pâna la momentul t₀) însa, asa cum a fost precizat anterior, se doreste ca perioada de observare, adica perioada în care produsul sa fie testat pe piata sa fie cât mai mica. Alegerea unei functii potrivite pentru vânzarile totale reprezinta deci un demers dificil în aceste conditii.

Daca vânzarile sunt descompuse în încercari si repetitii atunci varianta (a) corespunde situatiei în care nivelul de repetitii este ridicat, varianta (b) corespunde unui nivel al repetitiilor mai scazut iar varianta (c) corespunde unui nivel nul al vânzarilor repetate. Daca vânzarile repetate ar fi observate înainte de momentul t₀ nivelul acestora ar oferi, fara îndoiala, informatii importante pentru perioada de previziune.

Numarul de achizitii observate al unui produs pe o perioada de 24 de saptamâni descompus în încercari si repetitii:

1. Model pentru numarul total cumulat al primei încercari pentru un anumit produs pâna în momentul t:

N - numar de consumatori potentiali

P(t) - probabilitatea ca un cumparator sa faca prima încercare pâna în momentul t.

t - variabila timp, în general saptamâni

Pornind de la primele 24 de saptamâni a fost realizata prognoza pana la sfârsitul anului pentru numarul de achizitii care reprezinta prima încercare a produsului:

2. Model pentru prima achizitie repetata:

- probabilitatea de a face prima achizitie repetata în momentul t conditionata de încercarea

produsului în momentul t₀ (probabilitatea de face prima achizitie repetata dupa o perioda de

t-t₀ saptamâni de la încercarea produsului)

t - momentul primei repetitii

t₀ - momentul încercarii produsului

T(t₀)-T(t₀-1) - cu cât a crescut numarul de consumatori care au facut prima încercare fata de perioada anterioara (numarul de consumatori care au facut prima încercare în saptamâna t₀)

3. Model pentru repetitiile ulterioare:

,

Modele pentru piete pre-test

Pentru ca testarea unui produs pe o piata, asa cum a fot deja precizat, implica costuri considerabile dar si un anumit risc din partea companiilor concurente au fost create modele care sa permita evaluarea succesului unui produs înainte ca acesta sa fie testat pe o piata. Spre deosebire de pietele test unde produsul, în volum limitat, este disponibil pentru a fi achizitionat în mod real, pietele pre-test presupun o faza incipienta în care produsul este în faza de prototip, nu a fost lansat în mod real pe nici o piata si este posibil chiar ca produsul sa nu aiba înca o denumire si un ambalaj final în vederea comercializarii.

Modelele care genereaza previziuni privind volumul vânzarilor sau cota de piata a unui produs înainte ca acesta sa fie testat pe piata se bazeaza în mare masura pe intentiile exprimate de potentialii consumatori. Un esantion selectat din potentialii consumatori sunt confruntati cu produsul aflat în faza de prototip într-un spatiu special amenajat. Consumatorii sunt chestionati cu privire la propriile lor intentii de a cumpara produsul respectiv dar si în ceea ce priveste opinia acestora fata de anumite caracteristici ale produslui. Consumatorii interesati sunt încurajati sa testeze produsul respectiv sau le este oferit produsul pentru a fi testat ulterior, la domiciliu. Dupa o anumita perioada de timp optima (timp mediu estimat între achizitii successive) consumatorii chestionati sunt contactati din nou, de obicei telefonic, pentru a se obtine informatii privind gradul de satisfactie al acestora în urma utilizarii produsului dar si privind noile intentii ale consumatorilor fata de produsul respectiv. Uneori produsul le este oferit consumatorilor de mai multe ori.

O alta categorie de modele face apel la analogia dintre produse. Foarte multe companii specializate pe cercetari de marketing (BASES, Novaction ets.) creaza baze de date cu informatii referitoare la mii de produse lansate. Caracteristicile (reclama, pozitionare, distributie etc.) produsului care urmeaza a fi lansat este comparat cu caracteristicile produselor lansate anterior din categoria respectiva. Legatura dintre performanta produsului si caracteristicile sale este formalizata prin functii de mai multi parametrii. Prametrii estimati pe diferite categorii de produse lansate anterior sunt utilizati pentru a previziona performanta noilor produse.

În cele ce urmeaza vor fi prezentate foarte succint etapele esentiale ale modelului ASSESSOR[8] (Urban, Slk 1977) aflat în prezent în proprietatea companiei M/A/R/C (Marketing and Research Counselors)[9]. Etapele acestui model prin care se estimeaza cota de piata a unui nou produs ce urmeaza a fi lansat pe piata sunt:

Potentiali consumatori (subiecti) din segmentul de piata sunt interceptati în timp ce fac cumparaturi, cei disponibili sunt condusi într-un spatiu special amenajat unde li se administreaza un chestionar initial în vederea identificarii setului de produse familiar (setul de produse pe care o persoana le are în vedere atunci când face o alegere).

Subiectilor li se administreaza un al doilea chestionar (care este adaptat în functie de raspunsurile la primul chestionar adica în functie de produsele cu care subiectul este familiar). Produsele sunt grupate în perechi de câte 2 iar subiectul trebuie sa aloce 11 puncte între cele 2 produse ale fiecarei perechi. În functie de numarul de puncte alocat fiecare produs va primi un scor .

Într-un magazin fictiv subiectior li se ofera ocazia sa faca cumparaturi gratuit pâna la o anumita limita peste care trebuie sa plateasca. Subiectilor care nu cumpara din proprie initiativa noul produs acesta le este oferit gratuit.

Probabilitatea ca un consumator sa cumpere produsul j este exprimata în functie de scorul obtinut pentru produsul j prin urmatoarea relatie:

m - numarul de produse aflat în setul de produse familiar fiecarui respondent

- scorul obtinut de produsul j

P(j) - probabilitatea ca un consumator sa cumpere produsul j (procentul de cumparatori care cumpara produsul j)

Rolul acestei etape este estimarea parametrului. Preferintele consumatorilor sunt cunoscute în etapa 2) iar procentul de cumparatori în etapa 3) problema care ramâne fiind în ce masura preferintele exprimate ale cumparatorilor reprezinta un bun predictor pentru procentul efectiv de achizitii. Parametrul face legatura dintre preferintele consumatorilor (exprimate prin punctele acordate de subiecti fiecarui produs - scoruri) si procentul de cumparatori (probabilitatea ca un anumit produs sa fie cumparat) actionând ca un corector pentru o posibila subevaluare sau o supraevaluare facuta de consumatori în chestionar.

Dupa o perioada de timp subiectii sunt contactati din nou iar cei care între timp au încercat noul produs sunt supusi din nou unui interviu. Chestionarul este similar celui din etapa 2) cu diferenta ca subiectii trebuie sa acorde puncte si noului produs pe care au avut deja ocazia sa-l încerce.

Cu ajutorul parametrului estimat în etapa 4) se previzioneaza probabilitatea cu care un cumparator va achizitiona noul produs i.

- probabilitatea ca un consumator sa cumpere noul produs i

- scorul obtinut de produsul j din setul de produse familiare dupa ce a fost

încercat si noul produs i

- scorul obtinut de noul produs i

În aceasta etapa se porneste de la ipoteza ca parametrul este aproximativ acelasi si

pentru noul produs i

Cota de piata previzionata pentru noul produs i este calculata dupa formula:

- cota de piata estimata pentru noul produs i care urmeaza a fi lansat

- proportia consumatorilor care vor include bunul i în setul de produse

familiare

Se observa ca probabilitatea a fost calculata pornind de la scoruri acordate unor produse cu care cumparatorii potentiali sunt familiarizati adica fie au auzit de ele fie le-au încercat. Prin urmare probabilitatea este de fapt probabilitatea ca un consumator sa cumpere noul produs i daca cunoaste acest produs. Prin urmare este necesara estimarea lui care se realizeaza în principal în functie de impactul promovarii produsului (chestionare prin care se verifica în ce masura consumatorii cunosc un produs, îsi amintesc reclama produsului etc.).

În urma previziunilor facute cu modele specifice fazei de pre-test se poate lua decizia de a renunta la produs, de a introduce produsul într-o piata test sau de a lansa produsul la scara nationala.

Anchete privind intentiile consumatorilor

Anchetele privind intentiile consumatorilor reprezinta o metoda specifica activitatii de previzionare a vânzarilor. Din punct de vedere tehnic este oarecum similara anchetei asupra opiniei specialistilor cu diferenta ca respondentii sunt chestionati în legatura cu propriile lor intentii de a cumpara sau nu un anumit produs ceea ce implica o seama de particularitati. Anchetele privind intentiile consumatorilor sunt folosite în general pentru produse deja existente pe piata fiind în special eficiente în cazul bunurilor de folosinta îndelungata acestea implicând un proces decizional mai complex din partea cumparatorului (Ex: Este relevant ca o persoana sa fie întrebata în legatura cu achizitia unei masini în anul urmator însa daca este întrebata în legatura cu achizitia unor obiecte de papetarie spre exemplu este foarte probabil ca persoana respectiva sa nu stie ce va face privind astfel de lucruri nesemnificative)

Exemplu de întrebari posibile în cadrul unui chestionar privind intentiile consumatorilor:

Care din urmatorele alternative descrie cel mai bine probabilitatea achizitionarii produsului X în urmatoarele 12 luni de catre d-vs.?

Voi cumpara cu siguranta (4)

Probabil ca voi cumpara  (3)

Sunt indecis (2)

Probabil ca nu voi cumpara (1)

Nu voi cumpara cu siguranta (0)

Acestor alternative li se pot atribui probabilitati :

O previziune simpla a procentului de persoane care vor achizitiona produsul respectiv în perioada precizata este probabilitatea medie obtinuta pentru esantionul de respondenti (daca probabilitatea medie exprimata de respondenti este 0,30 în semana ca 30% dintre respondenti vor cumpara produsul respectiv). Valoarea medie poate fi calculata astfel:

Procentul celor care vor cumpara

procentul celor care au spus ca vor cumpara cu siguranta

+ procentul celor care au spus ca probabil vor cumpara * 0,75

+ procentul celor indecisi* 0,5

+ procentul celor care au spus ca nu vor cumpara* 0

De obicei însa intentiile exprimate de cumparatori în cadrul unui sondaj difera în mod sistematic de actiunile reale ale acestora. Printre cauze putem aminti:

consumatorul poate sa faca o evaluare gresita a propriilor intentii

tentatia de a da un raspuns care sa-l multumeasca pe operator (persoana care administreaza chestionarul)

tentatia de a-si crea o imagine proprie favorabila (ex. imboldul de nu recunoaste ca nu va cumpara un produs prea scump)

întelegerea gresita a întrebarii

chiar daca consumatorul îsi exprima în mod corect intentia, în intervalul dintre momentul exprimarii intentiei si momentul achizitionarii propriu-zise pot interveni o serie de evenimente care pot schimba intentiile reale ale consumatorului.

O previziune mai realista va tine cont însa si de abaterea actiunilor respondentilor de la propriile intentii exprimate. O posibila modalitate de calcul ar fi urmatoarea:

Procentul celor care vor cumpara

procentul celor care au spus ca vor cumpara cu siguranta* procentul celor care au spus ca vor cumpara cu siguranta si au cumparat

+ procentul celor care au spus ca probabil vor cumpara * procentul celor care au spus ca probabil vor cumpara si au cumparat

+ procentul celor indecisi* procentul celor indecisi care au cumparat

+ procentul celor care au spus ca nu vor cumpara* procentul celor care au spus ca nu vor cumpara si au cumparat

Se remarca faptul ca aceasta evaluare a abaterii de la intentiile afirmate poate fi evaluata numai printr-un studiu derulat anterior care sa compare achizitiile efective ale fiecarui grup de respondenti cu intentiile exprimate de acestia.

Unele companii specilizate (ex. BASES) creaza baze de date cu coeficienti de corectie estimati din studii anterioare privind diferite categorii de bunuri dar si diferite zone geografice. Se porneste de la premisa ca populatia anumitor tari denatureaza mai mult sau mai putin realitatea în raspunsurile exprimate într-un mod specific. Prin urmare raspunsurile provenite dintr-un un studiu desfasurat într-o anumita tara (latina, asiatica, anglo-saxona etc.) vor fi corectate cu coeficientii corespunzatori.

Previziuni privind cota de piata

Într-un sistem competitiv de marketing pentru bunuri de consum existente pe piata companiile pot desfasura activitati de marketing orientate catre consumator sau activitati de marketing orientate catre distributie.

Acrivitati le de marketing orientate catre consumator sunt adresate direct acestuia si privesc calitatea produsului, ambalarea, varietatea sortimentelor, nivelul pretului, publicitate, promotii etc. Marketingul orientat catre consumator se foloseste în cazul bunurilor cu un brand bine diferentiat.

Activitatile de marketing orientate catre distributie se refera la activitatea personalului direct implicat în vânzari, pozitionarea pe raft a bunurilor, reduceri de pret, reduceri de pret legate de cantitate, negocierea altor conditii favorabile cu distribuitorii etc. Aceste tehnici de marketing se folosesc pentru produse care nu au un brand bine diferentiat (Ex. Un cumparator nu va cauta o anumita marca de servetele ci le va lua pe cele care sunt la îndemana, adica bine pozitionate, sau eventual pe cele mai ieftine)

Un al treilea set de factori care influenteaza vânzarile contine elemente legate de variatia sezoniera, modificarile demografice, veniturile populatiei, cultura si stil de viata, dezvoltare tehnologica etc. În timp ce variabilele specifice activitatilor de marketing orientate catre consumator sau distributie influenteaza cota de piata a unui produs, ultimul set de variabile influenteaza volumul vânzarilor în ansamblu, expansiunea sau contractia acestora per global.

În domeniul previziunilor de marketing au fost folosite diferite metode de previziune a cotei de piata pornind de la variabilele mai sus amintite care au un impact semnificativ asupra cotei de piata. Frecvent utlizate sunt metode generale de previziune cum ar fi regresia multipla si retelele neuronale care permit introducerea diferitelor variabille independente.

Pe lânga metodelele generale de previziune un model specific previziunilor de marketing privind cotele de piata este modelul de atractie:

- cota de piata a produslui j la momentul t

- factorul de influenta k al produsului j la momentul t

- termen liber pentru bunul j

- parametrul factorului de influenta k al bunului j

- eroarea de estimare a bunului j la momentul t

n - numarul factorilor de influenta

m - numarul de bunuri

Acest model porneste de la premisa ca cota de piata a unui produs se poate calcula ca raport dintre efortul de marketing pentru acel produs si efortul de marketing al tuturor produselor de pe piata ( o eroare de estimare).

Acest model are dezavantajul ca efortul de marketing privind produsele concurente este mai greu de estimat pentru perioada aferenta orizontului de previziune, actiunile concurentilor pe piata fiind mai dificil de prognozat.

Indicatori ai erorilor de previziune

Rolul indicatorilor erorilor de previziune este acela de a cuantifica erorile de previziune devenind astfel criterii de selectie în alegerea diferitelor metode. Consideram eroarea de previziune la momentul t ca fiind diferenta dintre valoarea previzionata pentru momentul t si valoarea reala înregistrata în momentul t:

Principalii indicatori ai erorilor de previziune sunt:

Eroarea medie (EM):

Daca eroarea este cauzata de factori pur aleatori atunci erorile sunt simetric distribuite în jurul valorii 0 iar prin adunare se anuleaza. Prin urmare o valoare negativa sau pozitiva mare a EM arata o eroare sistematica de previziune, adica valorile previzionate fie supraestimeaza fie subestimeaza în mod constant valorile observate.

Eroarea medie absoluta (EMA):

EMA arata care este abaterea medie a previziunilor în valoare absoluta de la valorile observate. Poate fi folosita pentru a compara diferite metode bazate pe aceeasi serie de date însa nu poate fi folosita pentru a compara previziuni bazate pe serii diferite. O eroare de câteva milioane poate fi considerata mica daca este vorba de un indicator agregat la nivel de tara dar poate fi dezastruoasa la nivel microeconomic. Acest neajuns este valabil si pentru EMP si ES.

Eroarea medie patratica (EMP):

Acest indicator prezinta avantaje care îl fac mai ales utilizat în calculele matematice. Specific EMP este ca acorda importanta accentuata erorilor mari de previziune. Nu are o semnificatie reala accesibila.

Eroarea standard (ES):

Se utilizeaza în determinarea intervalelor de încredere atunci când erorile au o distributie normala de medie 0. În aceasta situatie se stie de exemplu ca valoarea reala se afla, cu o probabilitate de 95% în intervalul dat de valoarea previzionata ±1,96 ES .

Eroarea procentuala medie (EPM):

Arata cât la suta reprezinta, în medie, eroarea fata de valoarea observata. La fel ca si în cazul EM valorile de semn opus se anuleaza si prin urmare o valoare apropiata de 0 nu înseamna neaparat erori mici de previziune ci doar simetria acestora.

Eroarea procentuala medie absoluta (EPMA):

Pentru ca ia în calcul valori relative, la fel ca si EPM, poate fi folosita pentru a compara aplicarea aceleiasi metode la serii de date diferite sau a unor metode diferite la serii de date diferite. Spre deosebire de EPM calculeaza care este în medie procentul absolut al erorii fata de valoarea observata. Cu cât acest procent este mai mic cu atât previziunea este mai exacta.

Testul U al lui Theil :

Acest indicator compara eroarea metodei de previziune care se utilizeaza cu eroarea care s-ar obtine daca s-ar folosi ultima valoare ca si valoare prognozata. Compara, practic o metoda de previziune cu metoda valorii anterioare. Daca:

- Theil's U < 1 metoda utilizata este mai exacta decât metoda ultimei valori înregistrate

- Theil's U >1 metoda utilizata da erori mai mari decât metoda ultimei valori înregistrate

- Theil's U =1 metoda utilizata este la fel de exacta ca si metoda ultimei valori înregistrate deci nu se justifica a fi utilizata.

---