Tehnici de Previziune

8/2/2019 Tehnici de Previziune

1/93

1

Tehnici de PREVIZIUNE


2/93

2

PREVIZIUNEATehnica prin care un

eveniment viitor esteprevizionat

St la baza majoritiideciziilor financiare,

privind:

- investiiile- finanarea- managementul

activelorntreprinderii;

Vnzrile anulviitor vor fi 1miliard RON!


3/93

3

apte pai ai previziuniiidentificarea utilizrii previziunii;selectarea indicatorilor ce vor fi previzionai;determinarea orizontului de timp de-a lungulcruia se face previziunea;

selectarea modelului de previziune;obinerea datelor istorice necesare;

realizarea previziunii;validarea rezultatelor obinute;


4/934

Punctele slabe ale oricrui modelde previziune

Previziunea este ntotdeauna greiti caurmare ntotdeauna trebuie avut n vedereatt valoarea estimat ct i eroarea deestimare;

Majoritatea modelelor de previziune presupunexistena unei stabiliti a evoluiei viitoare a

indicatorilor previzionai;

Previziunile pe termen lung sunt mai puin

precise dect cele pe termen scurt.


5/93

5

METODE DE PREVIZIUNEFolosite atunci cnd situaia

analizat este stabiliexist data istorice;

- cazul produselor deja

existente pe pia;- cazul punerii n aplicare a

tehnologiilor deja folosite

de ctre ali competitori;Implic utilizarea unor tehnici

matematice (de ex:

previziunea aparaturiielectrocasnice)

Metode Cantitative

Folosite atunci cnd evoluiaviitoare este neclar,respectiv sunt disponibile

puine informaii;

- Cazul produselor noiintroduse pe pia;

- Cazul noilor tehnologii puse

n aplicare;

Implic mult intuiie,experien (de ex:previziunea vnzrilor prinintermediul internetului)

Metode Calitative


6/93

6

Abordrile CalitativeAbord

rile Calitative

Bazate pe judeci privind factorii determinai

ai cererii pentru un anumit bun sau serviciu;Nu sunt necesare informaii istorice privindevoluia cererii pentru bunul sau serviciul

studiat;Presupun realizarea de studii prin intermediulunor chestionare ce ncearc s surprind

direcia de evoluie a evenimentelor, aa cumeste vzut de ctre cei implicai n domeniulanalizat.


7/93

Abordri CalitativeAbordri CalitativeSupoziii educate

Consensul unui grup de top manageri

Metoda Delphi

Studiu la nivelul departamentului de vnzriStudiu la nivelul clienilor

Analogia cu evenimente istorice

Studiu de pia

Construirea de scenarii


8/93

8

Implic organizarea unei ntlniri a top-managerilor din

acelai domeniu de activitate;Este combinat experiena managerial cu tehnicile

statistice de analiz a datelor;Exist dezavantajulpolarizrii opiniilor;

1995 Corel Corp.

Abordri calitative

Consensul unui grup de top-manageri


9/93

Abordri calitative

Metoda Delphi

Judecata unui grup de experiSerii de ntrebri adresate grupului Rspunsuri individuale anonime;

Reconcilierea rspunsurilor primite, organizareade runde suplimentare de ntrebri pn cndconsensul este atins;

Rspunsurile primite de la experi pot fiponderate n funcie de experiena, expertizafiecruia n domeniul respectiv., etc.


10/93

10

Elimin efectele interaciunii dintremembrii grupului intervievat;Experii nu cunosc care sunt ceilali

membri ai grupului intervievat;Coordonatorul cere membrilor

grupului, prin intermediul unuichestionar, s-i exprime opinia nlegtur cu fenomenul analizat.

Abordri calitative

Metoda Delphi


11/93

11

Coordonatorul:Stabilete obiectivul previziunii;

Stabilete numrul de participani;Selecteazi contacteaz participanii;Creeaz un chestionar pe care l propune spre

analiz;Analizeaz rspunsurile primite;Creeaz un al doilea chestionar, n funcie de

informaiile primite n cadrul primului chestionar;Analizeaz rspunsurile primite;Chestionarea experilor continu pn cnd se ajunge

la un consens sau prerile acestora nu se mai

modific.

Abordri calitative

Metoda Delphi


12/93

12

Fiecare agent de vnzri faceo previziune a vnzrilorsale probabile;

Agenii de vnzare cunoscmai bine cererea pieei

ns tind sa fie preaoptimiti;

SalesSales

1995 Corel Corp.

Abordri calitative

Studiul la nivelul departamentului

de vnzri


13/93

13

Intervieveaz clienii

privind opiunileacestora de

cumprare;Ceea ce spun clienii iceea ce ntreprind n

realitate este demulte ori diferit;

Ct navighezin

medie pe zi peinternet?

Ct navighezin

medie pe zi peinternet?

1995 CorelCorp.

Abordri calitative

Studiul la nivelul clienilor


14/93

Sunt identificai factorii determinai ai

variabilei analizate;Sunt luate n considerare diferite ipoteze deevoluie a acestor factori;

Sunt identificate scenariile de evoluie aacestor factori, i implicit a variabileianalizate;Sunt analizate implicaiile i probabilitile derealizare a fiecrui scenariu;Sunt identificare deciziile/aciunile aferentefiecruia dintre scenariile respective;

Abordri calitative

Construirea de scenarii


15/93

15

Tehnica de previziune PERT(Program Evaluation and Review Technique)

sunt obinute estimri ale indicatoruluianalizat de la experi n domeniu pentrutrei scenarii posibile: pesimist (a), cel

mai probabil (m), optimist (b)valoarea ateptat a indicatorului:

EV = (a+4m+b)/6nivelul abaterii medii ptratice:

=(b-a)/6


16/93

16

Tehnica de previziune PERT(Program Evaluation and Review Technique)

exemplu: Sa presupunem ca n situaia unei economii n

recesiune, managementul unei companii estimeaz cvnzrile vor fi de 3 mil euro, iar dac economia va fii

n cretere vnzrile vor fi de 3,3 mil euro. Valoareacea mai probabil a vnzrilor este de 3,1 mil.

In aceste condiii, valoarea ateptat a vnzriloreste: EV = (3+4*3,1+3,3)/6 = 3,12 mil. euro

Abaterea medie ptratic = (3,3-3)/6 = 0,05 mil. euro

Ab d i tit ti


17/93

17

Abordri cantitative n

previziune


previziuneSunt bazate pe ipoteza conform creia factorii

forele ce au generat cererea n trecutpentru bunul analizat o vor determina i pecea din viitori ca urmare istoria se va

repeta;Se presupune c analiza cererii istoricereprezint o referin corect n ceea ce

privete evoluia cererii viitoare;Majoritatea modelor de analizi previziune

utilizate se ncadreaz n categoria modelelor

seriilor de timp.


18/93

18

Modele

Cauzale


previziune


previziuneAbordri

Cantitative

Modele

Serii de timp

RegresiaAjustare

Exponenial

ModeleTrend

MedieMobil


19/93

19

Orizontul planificat

Cererea

previzionat

acum

Cererea

istoric

Cerere

TIMP

Cererea actual?

Cererea actual?


previziune


previziune

Ab d i tit ti


20/93

20

Selectarea de diverse modele depreviziunePreviziunea trecutului

Evaluarea previziuniiSelectarea celei mai bune metode

Previziunea viitoruluiMonitorizarea acurateei previziunii


previziune


previziune


21/93

21

Previziunea pe termen scurtPreviziunea pe termen scurtIntervalul de timp este reprezentat decteva zile pn la cteva sptmni;

Ciclurile economice, sezonalitatea i

trendul pot avea efecte reduse;Fluctuaia nesistematic este

principala caracteristic a dateloranalizate;

M t d d i iMetode de previziune pe


22/93

22

Metode de previziune pe

termen scurt

Metode de previziune pe

termen scurtAbordarea naiv

Media mobila simpl

Media mobila ponderat

Ajustarea (netezirea) exponenial adatelor


23/93

23

Abordarea naivPresupune c cererea

viitoare este similar cu ceantlnit n perioada recent

(de ex: dac

vnz

rile n aprilie au

fost de 200 mil. RON, atunci i cele

din mai vor fi tot 200 mil. RON)

Este puin costisitoare iuneori eficient;

1995 Corel Corp.


24/93

24

Media Mobil SimplMedia Mobil Simpl

Se ia n considerare o perioad pentru

care se realizeaz media valorilorindicatorului;Previziunea pentru perioada urmtoare

este reprezentat de media aritmetic acelor mai recente valori ale indicatoruluipentru perioada luat ca referin;are denumirea de medie simpl pentru c

nu face apel la coeficieni de ponderare,valorile indicatorului pentru perioadeleanterioare au o importan egal;


25/93

25

Utilizat n cazul n care nu se remarcexistena unui trend sau acesta nu estepregnant;Utilizat adesea pentru netezirea datelor

Ecuaia utilizat

MAMAnn

== CereareaCerearea aferent celoraferent celornn perioade luateperioade luaten calculn calcul

Metoda mediei mobile


26/93

26

Media Mobil SimplMedia Mobil SimplAre denumirea de medie mobil pentruc odat ce noi informaii suntdisponibile cele vechi nu mai suntutilizate;Prin creterea perioadei de-a lungulcreia se face media, previziunea

reacioneaz mai greu la fluctuaiilenregistrate de cerere (aplatizareadatelor);


27/93

27

Compania analizat raporteaz urmtoarele vnzrinregistrate n perioadele anterioare.

Ani Vnzri (mii RON)

2001 20,0002002 24,0002003 22,000

2004 26,0002005 25,000



28/93

28

Ani Vnzri MA(3) n 1,000,000 RON2001 20,000 NA

2002 24,000 NA2003 22,000 NA

2004 26,000 (20+24+22)/3 = 222005 25,000 (24+22+26)/3 = 242006 (22+26+25)/3 = 24



29/93

29

Media Mobil PonderatMedia Mobil PonderatSunt utilizate ponderi pentru a acorda

astfel o importan mai ridicat datelor mairecente incluse n calcul;

Permite informaiile mai recente s aib unimpact mai ridicat asupra previziunii;

Ponderile aplicate au la baz intuiia

analistului; Sunt cuprinse n intervalul 0 i 1;


30/93

30

Suma ponderilor este egal cu 1 i

descresc ca mrime pe msur ce datelesunt mai ndeprtate n timp;

Ecuaie

( )

( )Ni

itD

itw

it

it

,,2,1perioadeiaferentedatele

perioadadindatelorasociataponderea

K==

=

NtNtttttt DwDwDwF +++=L2211

Media Mobil PonderatMedia Mobil Ponderat

Metoda ajustrii netezirii


31/93

31

Este o form a mediei mobile ponderate Pondere aplicate descresc exponenial; Datele mai recente au ponderile cele mai ridicate;

Se apeleaz la o constant de netezire () Intervalul de mrime al acesteia este ntre 0 i 1 Este aleas n mod subiectiv;

Implic apelarea la un numr redus de dateistorice;


exponeniale a datelor



32/93

32

Valoarea previzionat estereprezentat de suma dintre valoareaanterior previzionati o parte () din

eroarea de previziune (D t-1 - Ft-1).Ft = Ft-1 + (D t-1 - Ft-1)

= D t-1 + (1- ) Ft-1





33/93

33

Previziunea ce ia n calcul datele unei singure perioadeanterioare

Previziunea ce ia n calcul datele mai multor perioadeanterioare

( ) 11 1 += ttt FDF

( ) ( )( )

( ) ( )

( ) ( ) ( )( )

( ) ( ) ( )

K

3

3

3

2

21

33

2

21

2

2

21

221

111

111

11

11

+++=

+++=

++=

++=

tttt

tttt

ttt

tttt

FDDD

FDDD

FDD

FDDF




34/93

34

Ft = Dt- 1 + (1-)Dt- 2 + (1- )2Dt- 3+ (1- )3Dt- 4 + ... + (1- )t-1D0

Ft = Valoarea previzionat D

t= valoarea actual a cererii

= constanta de netezire

Ecuaia ajustrii exponeniale a datelor


35/93

35

Alegerea constantei de netezire atunci cnd nivelul lui se apropie de zero,

sunt luate n considerare un numr mare devalori anterioare ale indicatorului analizat; Previziunea este slab reactiv la valorile recente

nregistrate de indicatorul studiat;atunci cnd nivelul lui se apropie de 1,valorile recente ale indicatorului au impact

asupra nivelului su previzionat; Previziunea este foarte reactiv la valorile recentenregistrate de indicatorul studiat;


36/93

36


37/93

37


38/93

38

Regularizarea nivelului constantei


39/93

39

Regularizarea nivelului constantei

de netezire minimizarea sumei ptratului abaterilor

valorilor previzionate de cele efectiv realizate;

saltul accidental al valorii indicatorului de

previzionat poate fi diminuat n previziuneprin apelarea la valori mici ale lui ;

ruptura de tendin cu efecte durabile de-alungul perioadei viitoare poate fi luat nconsiderare prin majorarea nivelului lui ;


40/93

40

Metoda ajustrii ( netezirii )


41/93

41

Se dorete previzionarea vnzrilor pentru anul 2006 prinutilizarea metodei ajustrii exponeniale a datelor istorice

disponibile. Constanta aleas n acest sens este = 0.10;Previziunea realizat la momentul anului 2001 indicavnzri n valoare de 175 mil. RON..

Ani Vnzri2001 1802002 168

2003 1592004 1752005 190

j ( )


Metoda ajustrii ( netezirii )i l d t l


42/93

42

Ft= Ft-1 + (Dt-1 - Ft-1)

AnAn Vnzri

Previziuni, Ft

( == .10.10))

20012001 180 175.00 (dat)

20022002 16816820032003 159159

20042004 175175

20052005 190190

20062006 NANA

175.00 +175.00 +

j ( )exponeniale a datelor

Metoda ajustrii ( netezirii )i l d t l


43/93

43

AnAn VnzriVnzriPreviziuniPreviziuni,, FFtt

(( == .10.10))20012001 180180 175.00 (175.00 (datdat))

20022002

168168

175.00 +175.00 +

.10

.10(180(180

--

175.00175.00

))

= 175.50= 175.50

20032003 159159

20042004 175175

20052005 190190

20020066 NANA

Ft= Ft-1 + (Dt-1 - Ft-1)

j ( )exponeniale a datelor

Metoda ajustrii ( netezirii )exponeniale a datelor


44/93

44

An Vnzri

Previziuni, Ftt

( = .10)20012001 180180 175.00 (175.00 (datdat))

20022002 168168 175.00 + .10(180175.00 + .10(180 -- 175.00) = 175.50175.00) = 175.5020032003 159159 175.50 + .10(168175.50 + .10(168 -- 175.50) = 174.75175.50) = 174.75

20042004 175175 174.75 + .10(159174.75 + .10(159 -- 174.75) = 173.18174.75) = 173.18

20052005 190190 173.18 + .10(175173.18 + .10(175 -- 173.18) = 173.36173.18) = 173.36

20020066 NANA 173.36173.36 ++ .10.10(190(190 -- 173.36173.36) = 175.02) = 175.02

Ft= Ft-1 + (Dt-1 - Ft-1)exponeniale a datelor

Metoda ajustrii ( netezirii )exponeniale a datelor


45/93

45Ani

Vnzri

140

150

160

170

180190

01 02 03 04 05 06

Efective

Previzionate


Exemplu:Exemplu:P i i if i d f i


46/93

46

Se cunoate cifra de afaceri realizat de

ntreprindere n ultimele 12 trimestre deactivitate;

Trim CA Trim CA

1 159 7 2032 217 8 1953 186 9 188

4 161 10 1685 173 11 1986 157 12 159

Previzionarea cifrei de afaceritrimestriale

Previzionarea cifrei de afaceri

trimestriale

Exemplu:f d f

Exemplu:P i i if i d f i


47/93

47

Media Mobil Simpl

Prin utilizarea mediei mobile simplepentru o perioad de 3 trim este

estimat cifra de afaceri din trim 13.F13 = (168 + 198 + 159)/3 = 175.0



trimestriale


Exemplu:Previzionarea cifrei de afaceri


48/93

48

Media Mobil PonderatPrin utilizarea mediei mobile simplepentru o perioad de 3 trim i ponderile

0.1, 0.3, 0.6 valoarea previzionat pentrutrim 13:F

13= 0.1(168) + 0.3(198) + 0.6(159)= 171.6



trimestriale

Exemplu:Exemplu:


49/93

49

Ajustarea ExponenialDac este utilizat o constant de

netezire de 0.25 iar valoarea previzionat acifrei de afaceri pentru trim 11 a fost de180.76, care este valoarea previzionat pentrutrim 13?

F12 = 180.76 + .25(198 180.76) = 185.07

F13

= 185.07 + .25(159 185.07) = 178.55

Previzionarea cifrei de afaceritrimestrialePrevizionarea cifrei de afaceritrimestriale


Exemplu:Previzionarea cifrei de afaceri


50/93

50

Acurateea previziunii (Valoarea mediea abaterii absolute)

Care din urmtoarele metode depreviziune este mai adecvat, lund nconsiderare valoarea medie a abateriiabsolute?



trimestriale

Exemplu:Previzionarea cifrei de afaceri trimestriale

Exemplu:Previzionarea cifrei de afaceri trimestriale


51/93

51

perioada = 3 = .25Trim CA Previz. |Eroare| Previz. |Eroare|

4 161 187.3 26.3 186.0 25.05 173 188.0 15.0 179.8 6.86 157 173.3 16.3 178.1 21.17 203 163.7 39.3 172.8 30.28 195 177.7 17.3 180.4 14.69 188 185.0 3.0 184.0 4.0

10 168 195.3 27.3 185.0 17.0

11 198 183.7 14.3 180.8 17.212 159 184.7 25.7 185.1 26.1

valoarea medie 20.5 18.0a abaterii absolute

Previzionarea cifrei de afaceri trimestrialePrevizionarea cifrei de afaceri trimestriale

Dezavantajele Mediei Mobile


52/93

52

Creterea perioadei pentru care se

calculeaz media implic o maimic reactivitate la modificri a

previziunii;Trendul nu este previzionat corect;

Este necesar un volum ridicat dedate istorice.

j

ca metod de previziune

Analiza Seriilor de TimpAnaliza Seriilor de Timp


53/93

53

O serie de timp este un set de numere, date a

cror succesiune cronologic este important(de ex: cererea istoric pentru un anumitprodus, vnzrile anuale pentru un anumit

produs etc.);Analiza seriilor de timp este util pentruidentificarea modelului de evoluie a variabilei

analizate;Odat identificat modelul de evoluie, acestapoate fi utilizat pentru realizarea de previziuni;

Analiza Seriilor de TimpAnaliza Seriilor de Timp


54/93

54

Un set de date numerice disponibile laintervale egale de timp obinute prin

observarea variabilei analizate la intervaleegale de timp;

Previziunea este realizata numai pe seamadatelor istorice Se presupune c factorii care au influenat

valorile istorice vor continua s-i exerciteinfluena i n viitor;

Ce reprezint o serie de timp?


55/93

55

TrendTrend

SezonalitateSezonalitate

CCiclicitateiclicitate

HazardHazard

Componentele seriei de timp

Cererea pentru un produst t d l l 4 i


56/93

56

reprezentat de-a lungul a 4 ani

anul

1

anul

2

anul

3

anul

4

Vrf de sezon Componenta trend

Evoluiacererii

efective

Valoarea medie a

cererii de-a lungul

celor 4 aniCere

reapentru

un

bun

sau

serviciu

Variaie ne-sistematic

Componenta TREND


57/93

57

Tendina persistent, cresctoare saudescresctoare identificat pe perioada

analizat;Determinat de evoluia tehnologic,creterea populaiei etc.

Se remarc pe durata a mai multor ani

Luni, trim. ani

vnzri

1984-1994 T/Maker Co.


58/93

58

Fluctuaii n mrimea variabilei analizate

cu caracter regulat;Determinat de sezoane, anotimpuri,moda etc.Apare n cursul unui an;

Luni, trim.

VnzriVara

1984-1994 T/Maker Co.

Componenta sezonier

Componenta Ciclic


59/93

59

Modificri ale valorii variabilei studiaterepetate, determinate de interaciune

unor factori ce influeneaz economianaional, internaional;

n general au durata a 5 -10 ani;

aniani

VnzriVnzriCicluri

o po a


60/93

60

Reprezint fluctuaiile reziduale (fr

explicaii);Determinate de evenimenteimprevizibile: grev, tornade, incendii,inundaii etc.

1984-1994 T/Maker Co.

Componenta Nesistematic

Modelul linear de serii de timpModelul linear de serii de timp


61/93

61


Y

Time, X1

Y

Time, X1

bb11 > 0> 0

bb11

< 0< 0

iibXaY +=

ii

bXaY +=

Timp, X1



62/93

62

Ecuaia liniar a unei serii de timp

Y = a + bX

Y = variabila dependent

X = variabila independent

a = termenul liberb = panta dreptei de regresie




63/93

63

Constantele a i b sunt estimate

utiliznd urmtoarele formule:

2

2 2

x y- x xya =

n x -( x)

2 2

xy- x yb =

n x -( x)

n




64/93

64

Odat ce constantele a i b sunt

calculate, valoarea viitoare a variabileidependente Y poate fi estimat

cunoscnd valoarea variabileiindependente X.


Exemplu: Previziune curs bursier


65/93

65

Cunoscnd cursul bursier la care au fosttranzacionate aciunile unei societi de-a lungul a

6 zile, se poate estima mrimea cursului ce va fitranzacionat n cea de-a 7 zi:

Ziua curs bursier Ziua curs bursier 1 2.5 4 3.22 2.8 5 3.33 2.9 6 3.4

Exemplu: Previziune curs bursierExemplu: Previziune curs bursier


66/93

66

Serii de timp liniare

x y x2 xy1 2.5 1 2.5

2 2.8 4 5.63 2.9 9 8.74 3.2 16 12.8

5 3.3 25 16.56 3.4 36 20.4x=21 y=18.1 x2=91 xy=66.5



67/93

67


Y = 2.387 + 0.180X

2

91(18.1) 21(66.5)2.387

6(91) (21)a

= =

6(66.5) 21(18.1)0.180

105b

= =


Exemplu: Previziune curs bursier


68/93

68


Y7 = 2.387 + 0.180(7) = 3.65

Y8 = 2.387 + 0.180(8) = 3.83

Y9 = 2.387 + 0.180(9) = 4.01


Analiza seriilor timp de dateAnaliza seriilor timp de datecaracterizate de sezonalitate


69/93

69

caracterizate de sezonalitatecaracterizate de sezonalitate

Se selecteaz un set de date istoricereprezentative;Se estimeaz coeficientul de sezonalitate aferentfiecrui sezon analizat;Se desezonalizeaz datele istorice cu ajutorulcoeficienilor de sezonalitate;Se testeaz regresia liniar pentru identificareatrendului ce poate caracteriza evoluia datelor;

Se utilizeaz ecuaia de regresie liniar rezultatpentru realizarea previziunii datelordesezonalizate;

Se aplic coeficienii de sezonalitate la dateleprevizionate pentru luarea n considerare a

Exemplu: Computer ProductsExemplu: Computer ProductsCorp


70/93

70

Corp.Corp.

Analiza seriilor timp de date

caracterizate de sezonalitateUn analist financiar angajat de ctre

firma CPC are misiunea de a previzionavnzrile trimestriale ale companiei dinanul urmtor. Acesta consider c

datele privind vnzrile din ultimele 8trimestre sunt cele mai reprezentativepentru realizarea acestei previziuni.



71/93

71

Analiza seriilor timp de date caracterizate desezonalitate Setul de date istorice reprezentative

An Trim. (mil. lei) An Trim. (mil. lei)

1 1 7.4 2 1 8.31 2 6.5 2 2 7.4

1 3 4.9 2 3 5.41 4 16.1 2 4 18.0

Corp.Corp.



72/93

72

Analiza seriilor timp de date caracterizate desezonalitate

Calculul coeficientilor de sezonalitate

Vnzri trimestriale

An Trim1 Trim2 Trim3 Trim4 Total1 7.4 6.5 4.9 16.1 34.92 8.3 7.4 5.4 18.0 39.1

Total 15.7 13.9 10.3 34.1 74.0

Vz. med/trim 7.85 6.95 5.15 17.05 9.25Coef. sez. .849 .751 .557 1.843 4.000

Corp.Corp.

Exemplu: Computer ProductsExemplu: Computer Products


73/93

73

Analiza seriilor timp de date caracterizate de

sezonalitate Datele istorice desezonalizate

Vnzri trimestrialeAni Trim1 Trim2 Trim3 Trim41 8.72 8.66 8.80 8.74

2 9.78 9.85 9.69 9.77

Corp.Corp.

Exemplu: Computer ProductsExemplu: Computer ProductsCorp.


74/93

74


Identificarea trendului ce caracterizeazevoluia datelor desezonalizate

Ani. Trim. X (t) y x2

xy1 1 1 8.72 1 8.721 2 2 8.66 4 17.321 3 3 8.80 9 26.40

1 4 4 8.74 16 34.962 1 5 9.78 25 48.902 2 6 9.85 36 59.102 3 7 9.69 49 67.83

2 4 8 9.77 64 78.16Total 36 74.01 204 341.39

Corp.Corp.



75/93

75

Analiza seriilor timp de date caracterizate desezonalitate Calculul coeficienilor ecuaiei de regresie

Y = 8.357 + 0.199X

Corp.Corp.

2

204(74.01) 36(341.39)a 8.3578(204) (36)

= =

2

8(341.39) 36(74.01)

b 0.1998(204) (36)

= =



76/93

76

Corp.p

Analiza seriilor timp de date caracterizate de

sezonalitate Previziunea datelor desezonalizate

Y9 = 8.357 + 0.199(9) = 10.148

Y10 = 8.357 + 0.199(10) = 10.347Y11 = 8.357 + 0.199(11) = 10.546Y12 = 8.357 + 0.199(12) = 10.745

Not: Valoarea ateptat a vnzrilor trimestrialese va majora cu aproximativ 0,199 mil. lei(200.000 lei) pe trimestru.



77/93

77

Corp.p


Previziunea vnzrilor prin luarea n considerarea sezonalitii

Coef. Previziune. Previziune.

An Trim. Sez. Vz. Desez. Vz. Sez.3 1 .849 10.148 8.623 2 .751 10.347 7.77

3 3 .557 10.546 5.873 4 1.843 10.745 19.80

Regresia liniara


78/93

78

Regresia liniarag

Evideniaz relaia liniara existent

ntre variabila dependenti una saumai multe variabile independente(explicative);

Factorii determinanti ai vzrilor


79/93

79

Cteva exemple: Evoluia pieei i cotei de pia; Nivelul veniturilor nete pe familie i

ponderea consumului produsului analizatn bugetul acesteia; Ciclul de via al produsului; Factori de marketing (cheltuielile de

publicitate i promovare);

Impactul factorilor de marketing- Investiii n publicitate sau reduceri de preuri? -


80/93

80

p p

influena publicitii i elasticitatea

preurilor; sensibilitatea cererii la modificarea

preurilor este n medie de 8 ori mai maredect cea implicat de publicitate;

Investiiile n publicitate sunt eficiente n

ceea ce privete creterea volumului decumprturi ale clienilor deja fidelizai;

Impactul factorilor de marketing


81/93

81

Vnzrile promoionale (de ex: oferirea

de cupoane de reducere a preului devnzare)

Rolul lor esenial: schimbarea mrciiproduselor cumprate de ctreconsumatori;

84% din vnzrile promoionale suntrezultatul schimbrii de marc;

Regresia liniara


82/93

82

Exemplu:

Managerul firmei RPC dorete s fac opreviziune a vnzrilor companiei pentruurmtorii 3 ani. Din experiena sa, vnzrilede furgonete sunt direct corelate cunecesarul la nivel naional de aprovizionrimrfuri. n slide-ul urmtor sunt prezentatedatele istorice relevante de-a lungul a 7 ani.

S se realizeze previziuneavnzrilor de furgonete tiind ca necesarul deaprovizionare la nivel naional va fi de 250,

270, i 300 mld. RON.

Regresia liniarag

Regresia liniara


83/93

83

RPC vnzri Necesar aproviz.Ani (mld.RON) (mld. RON)1 9.5 1202 11.0 1353 12.0 1304 12.5 150

5 14.0 1706 16.0 1907 18.0 220

Regresia liniara

Regresia liniara


84/93

84

x y x2 xy

120 9.5 14,400 1,140135 11.0 18,225 1,485

130 12.0 16,900 1,560150 12.5 22,500 1,875170 14.0 28,900 2,380

190 16.0 36,100 3,040220 18.0 48,400 3,960

1,115 93.0 185,425 15,440

Regresia liniara

Regresia liniara


85/93

85

Y = 0.528 + 0.0801X

2

185,425(93) 1,115(15,440)a 0.528

7(185,425) (1,115)

= =

2

7(15,440) 1,115(93)b 0.0801

7(185,425) (1,115)

= =

Regresia liniara

rCoeficientul de corelatie (r)


86/93

86

Coeficientul de corelatie ( )Marimea coeficientului de corelatie, r, arata importantarelativa a relatiei existente intre variabilele X si Y;

Semnul acestuia indica directia relatiei existente intrecele doua variabile (directa sau inversa);Valoarea absoluta indica forta relatiei existente intre X

si Y;Semnul coeficientului de corelatie este intotdeaunaacelasi ca si cel al coeficientului regresie b;r poate lua orice valoare in intervalul -1 si 1;

rCoeficientul de corelatie (r)


87/93

87

r este estimat prin urmatoarea formula:

2 2 2 2( ) ( )

n xy x y

r n x x n y y

=

2 2 2 2( ) ( )

n xy x y

r n x x n y y

=

Coeficientul de corelatie ( )

2Coeficientul de determinare (R2)


88/93

88

Coeficientul de determinare (R )Este estimat prin ridicarea la puterea a

2-a a coeficientului de corelatie;Indica proportia in care varianta totala a

variabilei este explicata prin intermediulvariabilei independente:

2

22( )( )

Y yry y=

2

22( )( )

Y yry y

=

Exemplu: Previziunea vanzarilorExemplu: Previziunea vanzarilorfirmei RPC


89/93

89

firmei RPCEstimarea coeficientului de corelatiex y x2 xy y2

120 9.5 14,400 1,140 90.25135 11.0 18,225 1,485 121.00130 12.0 16,900 1,560 144.00150 12.5 22,500 1,875 156.25170 14.0 28,900 2,380 196.00190 16.0 36,100 3,040 256.00220 18.0 48,400 3,960 324.00

1,115 93.0 185,425 15,440 1,287.50



90/93

90

Estimarea coeficientului de corelatie

r = .9829

2 2

7(15,440) 1,115(93)

7(185,425) (1,115) 7(1,287.5) (93)r

=

firmei RPC



91/93

91

Coeficientul de determinare

r2 = (.9829)2 = .966

96.6% din variatia vanzarilor ale firmei

RPC este explicata de evolutianecesarului de aprovizionare la nivel

national;

firmei RPC

Monitorizarea acurateteipreviziuniiMonitorizarea acurateteipreviziunii


92/93

92

Monitorizarea acuratatei previziunii trebuie

realizata pentru a creste astfel gradul deincredere acordat previziunii;

Modificarile intervenite la nivelul pietei pot

implica modificari ale modelului de previziune;Acuratetea poate fi masurata prin diversiindicatori:

Media variantei absolute; Varianta (dispersia) termenilor reziduali;

Alte modalitati de analiza ipreviziune


93/93

93

Analiza scenariilor

Analiza de sensitivitate

Simulare Monte Carlo

Tehnici de Previziune

Documents

Transcript of Tehnici de Previziune