2
Corectura aparține autoarei
© Editura REVERS Craiova Toate drepturile asupra acestei ediţii sunt rezervate autoarei. Orice reproducere integrală sau parţială, prin orice procedeu, a unor pagini din această lucrare, efectuate fără autorizaţia editorului este ilicită şi constituie o contrafacere. Sunt acceptate reproduceri strict rezervate utilizării sau citării justificate de interes ştiinţific, cu specificarea respectivei citări.
© Editura REVERS Craiova All rights reserved. This book is protected by copyright. No part of this book may be reproduced in any form or by any means, including photocopying or utilised any information storage and retrieval system without written permision from the copyright
owner.
Descrierea CIP a Bibliotecii Naţionale a României LAURA GAVRILĂ (ȘTEFĂNESCU) Sisteme interactive de asistare a deciziei / LAURA GAVRILĂ (ȘTEFĂNESCU). - Craiova : Revers, 2015
Bibliogr.
ISBN 978-606-703-474-5
Editura Revers ISBN: 978-606-703-474-5
2
Corectura aparține autoarei
© Editura REVERS Craiova Toate drepturile asupra acestei ediţii sunt rezervate autoarei. Orice reproducere integrală sau parţială, prin orice procedeu, a unor pagini din această lucrare, efectuate fără autorizaţia editorului este ilicită şi constituie o contrafacere. Sunt acceptate reproduceri strict rezervate utilizării sau citării justificate de interes ştiinţific, cu specificarea respectivei citări.
© Editura REVERS Craiova All rights reserved. This book is protected by copyright. No part of this book may be reproduced in any form or by any means, including photocopying or utilised any information storage and retrieval system without written permision from the copyright
owner.
Descrierea CIP a Bibliotecii Naţionale a României LAURA GAVRILĂ (ȘTEFĂNESCU) Sisteme interactive de asistare a deciziei / LAURA GAVRILĂ (ȘTEFĂNESCU). - Craiova : Revers, 2015
Bibliogr.
ISBN 978-606-703-474-5
Editura Revers ISBN: 978-606-703-474-5
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 2 of 154 - Pages: 2, 2, 06/08/15 07:37 PM
3
CUPRINS
CAPITOLUL I
ASISTAREA DECIZIILOR ............................................................. 5
1.1. Decizii. Decidenţi. Procese decizionale ............................ 5
1.2. Modelarea proceselor decizionale. Principalele modele de fundamentare a deciziilor ................................................ 123
CAPITOLUL II
TEHNOLOGII INFORMAŢIONALE DESTINATE ASISTĂRII DECIZIILOR .............................................................. 33
2.1. Tehnologia Datawarehouse – centralizare, consolidare, reorganizare şi stocare volume mari de date .................... 33
2.1.1. Exploatarea datelor din depozitele de date ................. 36
2.1.2. Modelarea conceptuală a depozitelor de date ............ 42
2.2. Tehnologia On-Line Analytical Processing – agregarea
datelor stocate în depozite abordate multidimensional .......... 48
2.3. Tehnologia Datamining – mineritul datelor stocate......... 51
2.3.1. Extragerea informațiilor din depozitele de date. Instrumente de extragere şi transformare a datelor .... 53
2.3.2. Metode și tehnici de datamining.Clustering tehnică de grupare a datelor multi-dimensionale ..........................56
CAPITOLUL III
ASISTAREA DECIZIEI ÎN MANAGEMENTUL DE PORTOFOLIU.
STUDIU DE CAZ.......................................................................... 61
3.1. Definirea obiectivelor sistemului pentru asistarea managementului de portofoliu ........................................... 62
3.2. Specificarea ieşirilor şi identificarea intrărilor sistemului
suport ............................................................................. 66
3.3. Managementul datelor .................................................... 76
3.3.1. Baza de date pentru managementul datelor. Modelul obiectelor. ................................................................... 77
3
CUPRINS
CAPITOLUL I
ASISTAREA DECIZIILOR ............................................................. 5
1.1. Decizii. Decidenţi. Procese decizionale ............................ 5
1.2. Modelarea proceselor decizionale. Principalele modele de fundamentare a deciziilor ................................................ 123
CAPITOLUL II
TEHNOLOGII INFORMAŢIONALE DESTINATE ASISTĂRII DECIZIILOR .............................................................. 33
2.1. Tehnologia Datawarehouse – centralizare, consolidare, reorganizare şi stocare volume mari de date .................... 33
2.1.1. Exploatarea datelor din depozitele de date ................. 36
2.1.2. Modelarea conceptuală a depozitelor de date ............ 42
2.2. Tehnologia On-Line Analytical Processing – agregarea
datelor stocate în depozite abordate multidimensional .......... 48
2.3. Tehnologia Datamining – mineritul datelor stocate......... 51
2.3.1. Extragerea informațiilor din depozitele de date. Instrumente de extragere şi transformare a datelor .... 53
2.3.2. Metode și tehnici de datamining.Clustering tehnică de grupare a datelor multi-dimensionale ..........................56
CAPITOLUL III
ASISTAREA DECIZIEI ÎN MANAGEMENTUL DE PORTOFOLIU.
STUDIU DE CAZ.......................................................................... 61
3.1. Definirea obiectivelor sistemului pentru asistarea managementului de portofoliu ........................................... 62
3.2. Specificarea ieşirilor şi identificarea intrărilor sistemului
suport ............................................................................. 66
3.3. Managementul datelor .................................................... 76
3.3.1. Baza de date pentru managementul datelor. Modelul obiectelor. ................................................................... 77
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 3 of 154 - Pages: 3, 3, 06/08/15 07:37 PM
4
3.3.2. Facilități de interogare a datelor ......... ...................... 103
3.4. Managementul modelelor. Structura bazei de modele . 105
3.4.1. Modele de calcul a indicatorilor sintetici şi analitici .... 108
3.4.2. Modele de prognoză a trendului cotaţiilor ................. 115
3.4.3. Modele de analiză a deciziei ..................................... 122
3.5. Managementul interfeţelor şi dialogurilor ...................... 128
3.5.1. Interfața și dialogul .................................................... 129
3.5.2. Formate de ecran folosite ca interfață pentru sistemul suport ........................................................................ 130
3.5.3. Controale grafice Visual C++ folosite de sistem ca
interfaţă şi pentru dialogul cu utilizatorii .................... 131
3.6. Funcţionalităţile sistemului pentru managementul de portofoliu. Prezentarea generală a sesiunii de lucru ....... 134
3.7. Studiu de caz - prelucrarea și analiza datelor pentru managementul de portofoliu ........................................... 134
BIBLIOGRAFIE .............................................................................. 151
4
3.3.2. Facilități de interogare a datelor ......... ...................... 103
3.4. Managementul modelelor. Structura bazei de modele . 105
3.4.1. Modele de calcul a indicatorilor sintetici şi analitici .... 108
3.4.2. Modele de prognoză a trendului cotaţiilor ................. 115
3.4.3. Modele de analiză a deciziei ..................................... 122
3.5. Managementul interfeţelor şi dialogurilor ...................... 128
3.5.1. Interfața și dialogul .................................................... 129
3.5.2. Formate de ecran folosite ca interfață pentru sistemul suport ........................................................................ 130
3.5.3. Controale grafice Visual C++ folosite de sistem ca
interfaţă şi pentru dialogul cu utilizatorii .................... 131
3.6. Funcţionalităţile sistemului pentru managementul de portofoliu. Prezentarea generală a sesiunii de lucru ....... 134
3.7. Studiu de caz - prelucrarea și analiza datelor pentru managementul de portofoliu ........................................... 134
BIBLIOGRAFIE .............................................................................. 151
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 4 of 154 - Pages: 4, 4, 06/08/15 07:37 PM
5
CAPITOLUL I
ASISTAREA DECIZIILOR
În arhitectura, funcţionalitatea şi performanţele managementului,
componenta sa decizională deţine o poziţie privilegiată. Nici un alt element nu
are o specificitate managerială atât de pronunţată şi un impact atât de mare în
toate planurile activităţilor şi rezultatelor sale. Managerii iau decizii care privesc
grupuri de persoane sau chiar organizaţia în ansamblul său şi antrenează
resurse însemnate. Efectul acestor decizii poate fi resimţit în prezent sau pe
termen mai lung şi uneori se răsfrânge chiar şi asupra carierei celui care le
adoptă. În management, decizia are un rol extrem de important: permite
desfăşurarea eficientă a activităţii organizaţiei în concordanţă cu mediul în care
aceasta funcţionează, stabilirea şi realizarea obiectivelor prevăzute.
Acestea sunt principalele raţiuni care ne determină să începem prezenta
carte cu: tratarea conceptului de decizie, analiza procesului decizional, studiul
acelor abordări decizionale care permit elaborarea modelelor de decizie
frecvent utilizate în activitatea managerială.
1.1. Decizii. Decidenţi. Procese decizionale
În literatura de specialitate s-au publicat numeroase studii asupra deciziei
şi procesului decizional (Coates 1999; Constantinescu, Ungureanu 1998;
Maness, Zietlow 2001)abordate dintr-o varietate de puncte de vedere, unele
chiar contradictorii. Situaţia este pe deplin firească, reflectând diversitatea
condiţiilor în care activităţile se desfăşoară, diferenţele în pregătirea şi
experienţa managerilor, specificitatea obiectivelor urmărite.
Trăsăturile enunţate argumentează definiţia pe care o vom adopta în
această carte: Decizia reprezintă rezultatul unor activităţi conştiente, de
alegere a unei direcţii de acţiune, … fiind rezultatul unor prelucrări de informaţii
şi cunoştinţe1, formulare care îşi are rădăcinile în propunerile de definiţie ale
mai multor specialişti2, cum ar fi:
Alegerea unei direcţii de acţiune (Simon, 1960);
Alegerea unei strategii de acţiune (Fishburn, 1964);
1 Filip, F.Ghe. – Decizie asistată de calculator, Editura Tehnică, Bucureşti, 2002, p. 25 2 citaţi de Filip, F.Ghe. în „Decizie asistată de calculator”, Editura Tehnică, Bucureşti, 2002, pag. 25
5
CAPITOLUL I
ASISTAREA DECIZIILOR
În arhitectura, funcţionalitatea şi performanţele managementului,
componenta sa decizională deţine o poziţie privilegiată. Nici un alt element nu
are o specificitate managerială atât de pronunţată şi un impact atât de mare în
toate planurile activităţilor şi rezultatelor sale. Managerii iau decizii care privesc
grupuri de persoane sau chiar organizaţia în ansamblul său şi antrenează
resurse însemnate. Efectul acestor decizii poate fi resimţit în prezent sau pe
termen mai lung şi uneori se răsfrânge chiar şi asupra carierei celui care le
adoptă. În management, decizia are un rol extrem de important: permite
desfăşurarea eficientă a activităţii organizaţiei în concordanţă cu mediul în care
aceasta funcţionează, stabilirea şi realizarea obiectivelor prevăzute.
Acestea sunt principalele raţiuni care ne determină să începem prezenta
carte cu: tratarea conceptului de decizie, analiza procesului decizional, studiul
acelor abordări decizionale care permit elaborarea modelelor de decizie
frecvent utilizate în activitatea managerială.
1.1. Decizii. Decidenţi. Procese decizionale
În literatura de specialitate s-au publicat numeroase studii asupra deciziei
şi procesului decizional (Coates 1999; Constantinescu, Ungureanu 1998;
Maness, Zietlow 2001)abordate dintr-o varietate de puncte de vedere, unele
chiar contradictorii. Situaţia este pe deplin firească, reflectând diversitatea
condiţiilor în care activităţile se desfăşoară, diferenţele în pregătirea şi
experienţa managerilor, specificitatea obiectivelor urmărite.
Trăsăturile enunţate argumentează definiţia pe care o vom adopta în
această carte: Decizia reprezintă rezultatul unor activităţi conştiente, de
alegere a unei direcţii de acţiune, … fiind rezultatul unor prelucrări de informaţii
şi cunoştinţe1, formulare care îşi are rădăcinile în propunerile de definiţie ale
mai multor specialişti2, cum ar fi:
Alegerea unei direcţii de acţiune (Simon, 1960);
Alegerea unei strategii de acţiune (Fishburn, 1964);
1 Filip, F.Ghe. – Decizie asistată de calculator, Editura Tehnică, Bucureşti, 2002, p. 25 2 citaţi de Filip, F.Ghe. în „Decizie asistată de calculator”, Editura Tehnică, Bucureşti, 2002, pag. 25
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 5 of 154 - Pages: 5, 5, 06/08/15 07:37 PM
6
O alegere conducând la un anume obiectiv dorit (Churchman, 1968);
O formă specifică de angajare într-o acţiune - de obicei, este vorba de
angajarea unor resurse (Mintzberg, Raisinghani, Theoret, 1976;
Mintzberg, 1980);
Elaborarea ad-hoc a mai multe strategii alternative, analiza strategiilor
elaborate şi a celor deja formulate şi alegerea unora dintre ele (Popescu,
Găvănescu, Rădulescu, 1983);
Rezultatul unui tip particular de prelucrare a informaţiilor, care constă în
alegerea unui plan de acţiune (Holsapple, Whinston, 1993);
Alegerea uneia dintr-un număr de alternative; cunoştinţe – în sens de
elemente de cunoaştere, care indică o angajare într-o anumită direcţie de
acţiune (Holsapple, Whinston, 1996);
O alocare a resurselor (Spradlin, 1997);
Alegerea uneia dintre mai multe alternative; o afirmaţie care arată
angajarea într-o direcţie de acţiune (Power, 2000);
Indiferent cum este definită decizia, ea este o necesitate obiectivă care
transpusă la nivel managerial este rezultatul procesului de gândire al
managerului care a trasat-o. Ceea ce determină managerul să opteze pentru o
alternativă şi nu pentru alta este informaţia. Atunci când aceasta există,
alegerea este mai simplă, uneori chiar evidentă, alteori alegerea urmează
numai după o atentă prelucrare a noilor date. Ceea ce trebuie să conteze în
luarea unei decizii corecte sunt consecinţele pe care aceasta le va avea
asupra organizaţiei. De aceea, decizia este sarcina comună tuturor funcţiilor
manageriale şi se dezvoltă în sistem piramidal pe nivele de management şi pe
funcţiile acestuia. Aceasta înseamnă că decizia managerială trebuie să
îndeplinească următoarele caracteristici:
să fie fundamentată ştiinţific, adică să se bazeze pe o serie de informaţii
bine studiate şi analizate;
să fie împuternicită, adică să fie adoptată de persoana care are sarcini în
acest sens, care are cunoştinţele, calităţile şi aptitunile necesare
fundamentării respectivei decizii;
să fie clară, concisă, necontradictorie și realistă, ceea ce presupune
adoptarea deciziei cu o prealabilă evaluare a situaţiei de fapt şi o
cunoaştere exactă a problemei a cărei rezolvare este vizată de decizie;
să fie oportună, adică să fie adoptată în cel mai adecvat moment, din
punct de vedere al eficacităţii, executarea sa făcându-se cu cele mai
6
O alegere conducând la un anume obiectiv dorit (Churchman, 1968);
O formă specifică de angajare într-o acţiune - de obicei, este vorba de
angajarea unor resurse (Mintzberg, Raisinghani, Theoret, 1976;
Mintzberg, 1980);
Elaborarea ad-hoc a mai multe strategii alternative, analiza strategiilor
elaborate şi a celor deja formulate şi alegerea unora dintre ele (Popescu,
Găvănescu, Rădulescu, 1983);
Rezultatul unui tip particular de prelucrare a informaţiilor, care constă în
alegerea unui plan de acţiune (Holsapple, Whinston, 1993);
Alegerea uneia dintr-un număr de alternative; cunoştinţe – în sens de
elemente de cunoaştere, care indică o angajare într-o anumită direcţie de
acţiune (Holsapple, Whinston, 1996);
O alocare a resurselor (Spradlin, 1997);
Alegerea uneia dintre mai multe alternative; o afirmaţie care arată
angajarea într-o direcţie de acţiune (Power, 2000);
Indiferent cum este definită decizia, ea este o necesitate obiectivă care
transpusă la nivel managerial este rezultatul procesului de gândire al
managerului care a trasat-o. Ceea ce determină managerul să opteze pentru o
alternativă şi nu pentru alta este informaţia. Atunci când aceasta există,
alegerea este mai simplă, uneori chiar evidentă, alteori alegerea urmează
numai după o atentă prelucrare a noilor date. Ceea ce trebuie să conteze în
luarea unei decizii corecte sunt consecinţele pe care aceasta le va avea
asupra organizaţiei. De aceea, decizia este sarcina comună tuturor funcţiilor
manageriale şi se dezvoltă în sistem piramidal pe nivele de management şi pe
funcţiile acestuia. Aceasta înseamnă că decizia managerială trebuie să
îndeplinească următoarele caracteristici:
să fie fundamentată ştiinţific, adică să se bazeze pe o serie de informaţii
bine studiate şi analizate;
să fie împuternicită, adică să fie adoptată de persoana care are sarcini în
acest sens, care are cunoştinţele, calităţile şi aptitunile necesare
fundamentării respectivei decizii;
să fie clară, concisă, necontradictorie și realistă, ceea ce presupune
adoptarea deciziei cu o prealabilă evaluare a situaţiei de fapt şi o
cunoaştere exactă a problemei a cărei rezolvare este vizată de decizie;
să fie oportună, adică să fie adoptată în cel mai adecvat moment, din
punct de vedere al eficacităţii, executarea sa făcându-se cu cele mai
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 6 of 154 - Pages: 6, 6, 06/08/15 07:37 PM
7
potrivite mijloace şi cu cele mai reduse cheltuieli, dar obţinându-se
rezultate maxime. Oportunitatea se apreciază aşadar, în funcţie de
condiţiile concrete de timp şi de loc.
să fie eficientă, adică să coreleze raportul dintre efectul obţinut şi efortul
făcut;
să fie completă, adică să cuprindă toate elementele necesare înţelegerii
corecte şi, mai ales, implementării deciziei.
Abordările recente ale noțiunii de decizie3, ne îndreptățesc să avem în
vedere și aceste aspecte:
decizia luată la nivel superior este urmată de decizii la celelalte nivele
pentru realizarea ei, cu alte cuvinte o decizie luată devine scop sau
obiect pentru altele care o urmează;
decizia luată la nivelul funcţiei de previziune se realizează printr-o seamă
de decizii luate la nivelul realizării-coordonării, etc. Se poate spune că o
decizie implică un volum decizional ulterior şi o sumă de acţiuni pentru
materializarea ei.
Deşi în procesul decizional ignorarea oricărei funcţii manageriale poate
avea efecte negative, esenţiale ramân funcţiile de previziune şi control,
furnizoare de informaţii asupra stărilor şi stadiilor proceselor decizionale din
organizaţii. Figura de mai jos indică faptul că funcțiile managementului reflectă
dublul caracter al procesului managerial: ca ştiinţă şi ca artă. În acest sens,
funcţiile de previziune şi organizare necesită cunoştinţe teoretice de
management, pe când cele de antrenare, coordonare şi control-evaluare
necesită experienţă practică.
Figura 1.1. – Dublul caracter al funcţiilor managementului
3http://www.tutorialspoint.com/management_information_system/managerial_ decision_making.htm
Coordonare Antrenare
Organizare Previziune
informaţii Decizii strategice n = 1
7
potrivite mijloace şi cu cele mai reduse cheltuieli, dar obţinându-se
rezultate maxime. Oportunitatea se apreciază aşadar, în funcţie de
condiţiile concrete de timp şi de loc.
să fie eficientă, adică să coreleze raportul dintre efectul obţinut şi efortul
făcut;
să fie completă, adică să cuprindă toate elementele necesare înţelegerii
corecte şi, mai ales, implementării deciziei.
Abordările recente ale noțiunii de decizie3, ne îndreptățesc să avem în
vedere și aceste aspecte:
decizia luată la nivel superior este urmată de decizii la celelalte nivele
pentru realizarea ei, cu alte cuvinte o decizie luată devine scop sau
obiect pentru altele care o urmează;
decizia luată la nivelul funcţiei de previziune se realizează printr-o seamă
de decizii luate la nivelul realizării-coordonării, etc. Se poate spune că o
decizie implică un volum decizional ulterior şi o sumă de acţiuni pentru
materializarea ei.
Deşi în procesul decizional ignorarea oricărei funcţii manageriale poate
avea efecte negative, esenţiale ramân funcţiile de previziune şi control,
furnizoare de informaţii asupra stărilor şi stadiilor proceselor decizionale din
organizaţii. Figura de mai jos indică faptul că funcțiile managementului reflectă
dublul caracter al procesului managerial: ca ştiinţă şi ca artă. În acest sens,
funcţiile de previziune şi organizare necesită cunoştinţe teoretice de
management, pe când cele de antrenare, coordonare şi control-evaluare
necesită experienţă practică.
Figura 1.1. – Dublul caracter al funcţiilor managementului
3http://www.tutorialspoint.com/management_information_system/managerial_ decision_making.htm
Coordonare Antrenare
Organizare Previziune
informaţii Decizii strategice n = 1
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 7 of 154 - Pages: 7, 7, 06/08/15 07:37 PM
8
Indiferent de accentul pus pe conţinutul noţional, orice proces decizional
cuprinde următoarele elemente caracteristice:
un decident, care apare ca subiect al deciziei şi care poate fi individual
sau colectiv, şi, în mod obligatoriu, investit cu puterea de a decide;
Decidentul4 este persoana (sau grupul de persoane) care alege calea de
acţiune şi care angajează folosirea resurselor. Dacă în deciziile care
privesc viaţa personală, aceasta cerinţă nu ridică probleme, atunci când
este vorba de resursele unei organizaţii, lucrurile sunt, fără excepţie, mai
complexe: este nevoie de o împuternicire în acest sens, însoţită de
stabilirea răspunderii pentru folosirea eficace sau eficientă a resurselor.
mulţimea variantelor să fie formată din cel puţin două elemente;
condiţiile obiective specifice mediului în care se va decide şi acţiona;
o mulţime de consecinţe, care ar putea apărea adoptându-se o
alternativă de acţiune;
criteriul, cu ajutorul căruia se confirmă că alternativa adoptată asigură în
măsură maximă echilibrul dintre urmările pozitive şi negative.
Interesant este însă de analizat relaţia decizie - decident pentru a
evidenţia rolul acestora în procesul decizional şi a înţelege mecanismul pentru
asistarea deciziilor de management. Startul îl poate constitui realizarea unui
model de evaluare realist, obiectiv care să ofere răspunsuri la întrebări de
genul: "Când un manager este competent şi când este mai puţin competent?",
"Cum putem previziona o activitate managerială performantă?". Mergând pe
firul analizei, este nevoie să fie identificaţi factorii constituenţi ai unei decizii
bune si care sunt cei ai unei decizii foarte bune dar şi ce diferenţe pot fi
evidenţiate astfel încât acestea să fie evaluate cât mai bine. Putem considera
următorii factori cvasi-independenţi, ca factorii constituenţi ai deciziei
manageriale:
Coeficientul de inteligenţă cognitivă (Q.I.);
Coeficientul de inteligenţă emoţională (Q.E.);
Responsabilitate (grad de) a individului;
Motivaţia intrinsecă (sistemul motivaţional al individului);
Pregătirea profesională (teoretică şi practică) în domeniul pentru care
se emit decizii;
Experienţa în activitate;
Viteza de reacţie (promtitudinea);
Orizontul de cultură.
4 Filip, F.G. (2001). Decizie asistată de calculator; decizie şi decidenţi - o încercare de sistematizare, Revista Informatică Economică, 1 (17): 7-25.
8
Indiferent de accentul pus pe conţinutul noţional, orice proces decizional
cuprinde următoarele elemente caracteristice:
un decident, care apare ca subiect al deciziei şi care poate fi individual
sau colectiv, şi, în mod obligatoriu, investit cu puterea de a decide;
Decidentul4 este persoana (sau grupul de persoane) care alege calea de
acţiune şi care angajează folosirea resurselor. Dacă în deciziile care
privesc viaţa personală, aceasta cerinţă nu ridică probleme, atunci când
este vorba de resursele unei organizaţii, lucrurile sunt, fără excepţie, mai
complexe: este nevoie de o împuternicire în acest sens, însoţită de
stabilirea răspunderii pentru folosirea eficace sau eficientă a resurselor.
mulţimea variantelor să fie formată din cel puţin două elemente;
condiţiile obiective specifice mediului în care se va decide şi acţiona;
o mulţime de consecinţe, care ar putea apărea adoptându-se o
alternativă de acţiune;
criteriul, cu ajutorul căruia se confirmă că alternativa adoptată asigură în
măsură maximă echilibrul dintre urmările pozitive şi negative.
Interesant este însă de analizat relaţia decizie - decident pentru a
evidenţia rolul acestora în procesul decizional şi a înţelege mecanismul pentru
asistarea deciziilor de management. Startul îl poate constitui realizarea unui
model de evaluare realist, obiectiv care să ofere răspunsuri la întrebări de
genul: "Când un manager este competent şi când este mai puţin competent?",
"Cum putem previziona o activitate managerială performantă?". Mergând pe
firul analizei, este nevoie să fie identificaţi factorii constituenţi ai unei decizii
bune si care sunt cei ai unei decizii foarte bune dar şi ce diferenţe pot fi
evidenţiate astfel încât acestea să fie evaluate cât mai bine. Putem considera
următorii factori cvasi-independenţi, ca factorii constituenţi ai deciziei
manageriale:
Coeficientul de inteligenţă cognitivă (Q.I.);
Coeficientul de inteligenţă emoţională (Q.E.);
Responsabilitate (grad de) a individului;
Motivaţia intrinsecă (sistemul motivaţional al individului);
Pregătirea profesională (teoretică şi practică) în domeniul pentru care
se emit decizii;
Experienţa în activitate;
Viteza de reacţie (promtitudinea);
Orizontul de cultură.
4 Filip, F.G. (2001). Decizie asistată de calculator; decizie şi decidenţi - o încercare de sistematizare, Revista Informatică Economică, 1 (17): 7-25.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 8 of 154 - Pages: 8, 8, 06/08/15 07:37 PM
9
În stabilirea factorilor constituenţi ai deciziei manageriale a fost luată în
considerare definiţia deciziei manageriale adoptată anterior dar şi definiţia dată
de DEX: "act cu caracter obligatoriu, normativ al unui organ de conducere care
stabileşte direcţia unei acţiuni şi modul ei de realizare." O hartă grafică a
deciziei (vezi Figura 1.2.) este realizată din punct de vedere al evaluării
psihometrice (Radu, Pescaru 2006), astfel că toţi factorii amintiţi mai sus pot fi
evaluaţi şi cuantificaţi. Pe baza elaborării unui model aşteptat al "hărţii"
decidentului performant, se pot evidenţia apoi diferenţe şi face analize
predictive. Astfel urmărind şi analizând harta deciziei, observăm că:
decizia are viteza de reacţie maximă adică a fost luată la momentul
oportun;
are inteligenţă standard deoarece împleteşte optim cerinţele cu resursele;
are un grad ridicat de responsabilitate întrucât reduce atât cât este posibil
riscurile;
are un nivel optim de inteligenţă emoţională, ţinând cont de problemele
socio-umane existente sau viitoare;
are o motivaţe intrinsecă relativ scazută, are şanse să nu fie pusă în
aplicare prin non-implicare sau să nu fie urmărită realizarea ei;
integrează la maxim cunostinţe specifice profesionale;
nu are un nivel ridicat de strategie, îi lipseşte o mai mare experienţă în
activitate fiind, din această cauză, nevoie de ajutorul unui/unor consilieri;
are un orizont de cultură "mediu", comunicarea ei (a deciziei) putând să-i
compromită realizarea obiectivă.
Sursa: www.e-scoala.ro
Figura 1.2. - Harta grafică a deciziei
9
În stabilirea factorilor constituenţi ai deciziei manageriale a fost luată în
considerare definiţia deciziei manageriale adoptată anterior dar şi definiţia dată
de DEX: "act cu caracter obligatoriu, normativ al unui organ de conducere care
stabileşte direcţia unei acţiuni şi modul ei de realizare." O hartă grafică a
deciziei (vezi Figura 1.2.) este realizată din punct de vedere al evaluării
psihometrice (Radu, Pescaru 2006), astfel că toţi factorii amintiţi mai sus pot fi
evaluaţi şi cuantificaţi. Pe baza elaborării unui model aşteptat al "hărţii"
decidentului performant, se pot evidenţia apoi diferenţe şi face analize
predictive. Astfel urmărind şi analizând harta deciziei, observăm că:
decizia are viteza de reacţie maximă adică a fost luată la momentul
oportun;
are inteligenţă standard deoarece împleteşte optim cerinţele cu resursele;
are un grad ridicat de responsabilitate întrucât reduce atât cât este posibil
riscurile;
are un nivel optim de inteligenţă emoţională, ţinând cont de problemele
socio-umane existente sau viitoare;
are o motivaţe intrinsecă relativ scazută, are şanse să nu fie pusă în
aplicare prin non-implicare sau să nu fie urmărită realizarea ei;
integrează la maxim cunostinţe specifice profesionale;
nu are un nivel ridicat de strategie, îi lipseşte o mai mare experienţă în
activitate fiind, din această cauză, nevoie de ajutorul unui/unor consilieri;
are un orizont de cultură "mediu", comunicarea ei (a deciziei) putând să-i
compromită realizarea obiectivă.
Sursa: www.e-scoala.ro
Figura 1.2. - Harta grafică a deciziei
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 9 of 154 - Pages: 9, 9, 06/08/15 07:37 PM
10
O decizie îmbracă forma unui proces decizional în sensul desfăşurării
sale în mai multe faze, pe parcursul cărora:
- se culeg şi se analizează o anumită cantitate de informaţii;
- se stabilesc unul sau mai multe obiective;
- se identifică mai multe variante pentru atingerea obiectivelor;
- se aleg sau selectează una dintre posibilităţile de realizare conturate.
Abordările decizionale specifice managementului depăşesc faza
regulilor de decizie, concretizându-se în modele decizionale, care
preconizează un mod eficace de structurare a procesului decizional, prin
integrarea elementelor implicate şi a interrelaţiilor dintre ele într-o schemă
logică, ce reflectă funcţionalitatea voită a mecanismului decizional (vezi
Figura1.3.).
Figura 1.3 – Schema logică a mecanismului decizional
O evaluare de ansamblu a numeroaselor studii publicate (Oashott, 1998)
despre procesul decizional ne permit să structurăm procesul decizional în 6
etape:
1. Identificarea şi definirea problemei decizionale;
2. Precizarea obiectivului sau obiectivelor urmărite;
3. Stabilirea alternativelor sau variantelor decizionale;
4. Alegerea variantei optime, respectiv deciderea;
5. Aplicarea deciziei;
6. Evaluarea rezultatelor obţinute.
Situaţie stimul
Conceperea sau
modelul deciziei
Clasificarea obiectivelor şi evaluarea îmbunătăţirii lor
Adunarea datelor pentru prevederea
rezultatelor
Enunțarea soluțiilor alternative
Alegerea imediată
10
O decizie îmbracă forma unui proces decizional în sensul desfăşurării
sale în mai multe faze, pe parcursul cărora:
- se culeg şi se analizează o anumită cantitate de informaţii;
- se stabilesc unul sau mai multe obiective;
- se identifică mai multe variante pentru atingerea obiectivelor;
- se aleg sau selectează una dintre posibilităţile de realizare conturate.
Abordările decizionale specifice managementului depăşesc faza
regulilor de decizie, concretizându-se în modele decizionale, care
preconizează un mod eficace de structurare a procesului decizional, prin
integrarea elementelor implicate şi a interrelaţiilor dintre ele într-o schemă
logică, ce reflectă funcţionalitatea voită a mecanismului decizional (vezi
Figura1.3.).
Figura 1.3 – Schema logică a mecanismului decizional
O evaluare de ansamblu a numeroaselor studii publicate (Oashott, 1998)
despre procesul decizional ne permit să structurăm procesul decizional în 6
etape:
1. Identificarea şi definirea problemei decizionale;
2. Precizarea obiectivului sau obiectivelor urmărite;
3. Stabilirea alternativelor sau variantelor decizionale;
4. Alegerea variantei optime, respectiv deciderea;
5. Aplicarea deciziei;
6. Evaluarea rezultatelor obţinute.
Situaţie stimul
Conceperea sau
modelul deciziei
Clasificarea obiectivelor şi evaluarea îmbunătăţirii lor
Adunarea datelor pentru prevederea
rezultatelor
Enunțarea soluțiilor alternative
Alegerea imediată
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 10 of 154 - Pages: 10, 10, 06/08/15 07:37 PM
11
Pe parcursul desfăşurării procesului decizional, în funcţie de
constatarea necesităţii unor informaţii suplimentare, pot apărea reveniri de la
activităţile care compun fazele din aval la cele din amonte, ordinea lor nefiind
rigidă. Încadrarea în succesiunea raţională a operaţiilor decizionale nu trebuie
transformată într-un obiectiv în sine, care să fie urmărit cu orice preţ, lucru
evidenţiat prin Figura 1.4.
Figura 1.4. - Model de structurare a procesului decizional
Cunoscând foarte bine etapele procesului decizional, managerul poate
să conştientizeze mai bine propriile procese decizionale şi, astfel, să le poată
controla, să înţeleagă de ce anumite decizii luate în trecut nu au avut efectul
aşteptat.
În general, efectul aplicării unei decizii îl constituie obţinerea anumitor
obiective (scopuri), de claritatea formulării acestora depinzând eficienţa acţiunii
întreprinse, precum şi utilizarea raţională a informaţiilor disponibile. De aceea,
relaţii directe relaţii indirecte
Mediul deciziona
l
Mediul decizional
Sit
uaţ
ia s
tim
ul
Iden
tific
area
şi d
efin
irea
prob
lem
ei
Pre
ciza
rea
obie
ctiv
ului
Sta
bilir
ea a
ltern
ativ
elor
Dec
ider
ea
Apl
icar
ea d
eciz
iei
Eva
luar
ea r
ezul
tate
lor
Situaţii stimul
11
Pe parcursul desfăşurării procesului decizional, în funcţie de
constatarea necesităţii unor informaţii suplimentare, pot apărea reveniri de la
activităţile care compun fazele din aval la cele din amonte, ordinea lor nefiind
rigidă. Încadrarea în succesiunea raţională a operaţiilor decizionale nu trebuie
transformată într-un obiectiv în sine, care să fie urmărit cu orice preţ, lucru
evidenţiat prin Figura 1.4.
Figura 1.4. - Model de structurare a procesului decizional
Cunoscând foarte bine etapele procesului decizional, managerul poate
să conştientizeze mai bine propriile procese decizionale şi, astfel, să le poată
controla, să înţeleagă de ce anumite decizii luate în trecut nu au avut efectul
aşteptat.
În general, efectul aplicării unei decizii îl constituie obţinerea anumitor
obiective (scopuri), de claritatea formulării acestora depinzând eficienţa acţiunii
întreprinse, precum şi utilizarea raţională a informaţiilor disponibile. De aceea,
relaţii directe relaţii indirecte
Mediul deciziona
l
Mediul decizional
Sit
uaţ
ia s
tim
ul
Iden
tific
area
şi d
efin
irea
prob
lem
ei
Pre
ciza
rea
obie
ctiv
ului
Sta
bilir
ea a
ltern
ativ
elor
Dec
ider
ea
Apl
icar
ea d
eciz
iei
Eva
luar
ea r
ezul
tate
lor
Situaţii stimul
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 11 of 154 - Pages: 11, 11, 06/08/15 07:37 PM
12
la stabilirea obiectivelor se recomandă întocmirea unei liste a factorilor care
cuprind rezultatele urmărite şi resursele disponibile (Figura 1.5.a), elemente
care trebuie bine armonizate.
Întrucât de cele mai multe ori o decizie importantă are un caracter
complex, cu implicaţii tehnice, economice, sociale şi politice, este necesară o
anume clasificare a obiectivelor şi anume: obiective obligatorii (acele rezultate
sau resurse din care unul singur dacă nu este realizat, întreaga decizie se
poate solda cu un eşec), obiective deziderat (dacă unul din rezultate nu este
îndeplinit la valoarea preconizată, decizia nu se soldează cu eşec). În această
etapă, decidentul trebuie să efectueze, în afara operaţiei de împărţire a
obiectivelor în cele două categorii, şi o anume ierarhizare a obiectivelor
deziderat, în care scop se poate folosi o scară convenţională de valori,
cuprinsă între 0 şi 1 (Figura 1.5. b).
Figura 1.5. – Ierarhizarea obiectivelor de realizat
1.2. Modelarea proceselor decizionale. Principalele modele de
fundamentare a deciziilor
Modelul, ca instrument al cunoaşterii ştiinţifice, este folosit în foarte
numeroase discipline teoretice şi practice. Fără pretenţia de a face o clasificare
riguroasă a tipurilor de modele, vom arăta că ele pot fi: modele verbal-
descriptive – folosite în toate disciplinele matematizate, modele matematice,
Obiective
Rezultate Resurse
Obiective
1 2 3 4
Pondere
Număr de obiective
obligatorii
6 5 4 3 2 1
Pondere
Număr de obiective
deziderate
a b
0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
12
la stabilirea obiectivelor se recomandă întocmirea unei liste a factorilor care
cuprind rezultatele urmărite şi resursele disponibile (Figura 1.5.a), elemente
care trebuie bine armonizate.
Întrucât de cele mai multe ori o decizie importantă are un caracter
complex, cu implicaţii tehnice, economice, sociale şi politice, este necesară o
anume clasificare a obiectivelor şi anume: obiective obligatorii (acele rezultate
sau resurse din care unul singur dacă nu este realizat, întreaga decizie se
poate solda cu un eşec), obiective deziderat (dacă unul din rezultate nu este
îndeplinit la valoarea preconizată, decizia nu se soldează cu eşec). În această
etapă, decidentul trebuie să efectueze, în afara operaţiei de împărţire a
obiectivelor în cele două categorii, şi o anume ierarhizare a obiectivelor
deziderat, în care scop se poate folosi o scară convenţională de valori,
cuprinsă între 0 şi 1 (Figura 1.5. b).
Figura 1.5. – Ierarhizarea obiectivelor de realizat
1.2. Modelarea proceselor decizionale. Principalele modele de
fundamentare a deciziilor
Modelul, ca instrument al cunoaşterii ştiinţifice, este folosit în foarte
numeroase discipline teoretice şi practice. Fără pretenţia de a face o clasificare
riguroasă a tipurilor de modele, vom arăta că ele pot fi: modele verbal-
descriptive – folosite în toate disciplinele matematizate, modele matematice,
Obiective
Rezultate Resurse
Obiective
1 2 3 4
Pondere
Număr de obiective
obligatorii
6 5 4 3 2 1
Pondere
Număr de obiective
deziderate
a b
0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 12 of 154 - Pages: 12, 12, 06/08/15 07:37 PM
13
modele fizice analogice (de tipul machetelor statice sau dinamice), modele
grafice etc.
Folosirea modelelor necesită adesea formularea unor ipoteze
dubitabile, aplicarea unor costuri improbabile şi a altor date, ca şi predicţia
evenimentelor viitoare care nu sunt aşa uşor de anticipat. Chiar şi în acest caz,
cunoştinţele obţinute din lucrul cu modelele şi încercarea de a le aplica pot
descoperi concepte valoroase în legătură cu o anumită problemă şi cu tipurile
de decizii care sunt necesare. Simpla recunoaştere a zonelor de decizie poate
fi un progres major în multe situaţii. În plus, folosind modelele, decidenţii pot
recunoaşte variabilele care pot fi controlate pentru a influenţa performanţele
sistemului, costurile relevante şi magnitudinea lor precum şi corelaţia dintre
costuri şi variabile, inclusiv opţiunile de costuri importante.
O serie de reguli de bază trebuie cunoscute ca preambul al activităţii de
modelare (Ungureanu, 2012):
- Punctul de plecare îl constituie un model extrem de simplu care apoi este
continuu rafinat prin îmbunătăţiri. Acest proces de îmbogăţire succesivă se
materializezază în versiuni din ce în ce mai elaborate şi mai veridice ale
fenomenului analizat şi va permite în final obţinerea unor soluţii mai bune.
Gradualitatea construcţiei modelului permite reţinerea la fiecare nivel a acelei
„părţi " cunoscute şi verificate, iar în locul ei introducerea unor date şi informaţii
noi spre a fi procesate. Această manieră de abordare mai poartă denumirea de
greedy şi permite obţinerea în fiecare etapă a câştigului maxim pe linia funcţie
- scop.
Alegerea modelului de bază este fundamentală, aşadar se recomandă
asocieri şi analogii ale fenomenului de modelat, cu structuri şi scheme
logice complexe a căror valoare de adevăr este cunoscută.
Procesul de modelare are un caracter iterativ, la fiecare pas având de
făcut următoarea alegere:
Fie confruntarea fiecărei versiuni a modelului cu realitatea
reprezentată prin datele cuantificabile. Ca finalitate a seriei de teste,
rezultatul poate fi o versiune „acceptabilă" a modelului, care poate fi
exploatată o anumită perioadă de timp, sau concluzia că este
necesară o nouă versiune, care trebuie apoi şi ea testată.
Fie explorarea structutii deductive a modelului în contextul ipotezelor
făcute. Dacă obiectivele deductive la nivelul pasului respectiv sunt
13
modele fizice analogice (de tipul machetelor statice sau dinamice), modele
grafice etc.
Folosirea modelelor necesită adesea formularea unor ipoteze
dubitabile, aplicarea unor costuri improbabile şi a altor date, ca şi predicţia
evenimentelor viitoare care nu sunt aşa uşor de anticipat. Chiar şi în acest caz,
cunoştinţele obţinute din lucrul cu modelele şi încercarea de a le aplica pot
descoperi concepte valoroase în legătură cu o anumită problemă şi cu tipurile
de decizii care sunt necesare. Simpla recunoaştere a zonelor de decizie poate
fi un progres major în multe situaţii. În plus, folosind modelele, decidenţii pot
recunoaşte variabilele care pot fi controlate pentru a influenţa performanţele
sistemului, costurile relevante şi magnitudinea lor precum şi corelaţia dintre
costuri şi variabile, inclusiv opţiunile de costuri importante.
O serie de reguli de bază trebuie cunoscute ca preambul al activităţii de
modelare (Ungureanu, 2012):
- Punctul de plecare îl constituie un model extrem de simplu care apoi este
continuu rafinat prin îmbunătăţiri. Acest proces de îmbogăţire succesivă se
materializezază în versiuni din ce în ce mai elaborate şi mai veridice ale
fenomenului analizat şi va permite în final obţinerea unor soluţii mai bune.
Gradualitatea construcţiei modelului permite reţinerea la fiecare nivel a acelei
„părţi " cunoscute şi verificate, iar în locul ei introducerea unor date şi informaţii
noi spre a fi procesate. Această manieră de abordare mai poartă denumirea de
greedy şi permite obţinerea în fiecare etapă a câştigului maxim pe linia funcţie
- scop.
Alegerea modelului de bază este fundamentală, aşadar se recomandă
asocieri şi analogii ale fenomenului de modelat, cu structuri şi scheme
logice complexe a căror valoare de adevăr este cunoscută.
Procesul de modelare are un caracter iterativ, la fiecare pas având de
făcut următoarea alegere:
Fie confruntarea fiecărei versiuni a modelului cu realitatea
reprezentată prin datele cuantificabile. Ca finalitate a seriei de teste,
rezultatul poate fi o versiune „acceptabilă" a modelului, care poate fi
exploatată o anumită perioadă de timp, sau concluzia că este
necesară o nouă versiune, care trebuie apoi şi ea testată.
Fie explorarea structutii deductive a modelului în contextul ipotezelor
făcute. Dacă obiectivele deductive la nivelul pasului respectiv sunt
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 13 of 154 - Pages: 13, 13, 06/08/15 07:37 PM
14
uşor de atins, ipotezele pot fi rafinate (restricţii mai tari), dacă nu, ele
trebuie relaxate (condiţii mai slabe).
Utilizarea modelelor decizionale nu este simplă. Diferite studii au arătat
că multe proiecte ce erau destinate să ajute managerii în procesul decizional
prin dezvoltarea unor modele decizionale s-au dovedit eşecuri.
Înainte de a decide dacă merită să utilizăm un model decizional pentru
a ajuta procesul decizional, trebuie să avem în vedere patru întrebări:
1. Cât va costa? Dezvoltarea şi adaptarea modelelor poate fi costisitoare
pentru că experţii trebuie plătiţi bine. O excepţie o constituie pachetele
software pentru computere, mai ales în domeniul modelării financiare.
2. Cât de mult va dura? Timpul necesar construirii unui model este mai
lung decât timpul necesar gândirii unei decizii de către manageri.
Timpul luării unei decizii este deseori scurt. Deci, nu contează cât de
util poate fi un model, el nu este de nici un folos dacă decizia trebuie
luată înainte de terminarea modelului.
3. Până unde poate îmbunătăţii un model o judecată nesusţinută?
Dezvoltarea unui model nu este necesară atunci când costul său este
mai mare decât beneficiul maxim obţinut.
4. Influenţează modelarea luarea deciziei? Pentru a răspunde la această
întrebare, probabil cea mai importantă, trebuie să luăm în considerare
circumstanţele deciziei însăşi. McClelland diastinge trei trăsături ale
situaţiei decizionale care influenţează capacitatea de a ajuta pe
decident:
a. Resursele puse în joc. Cu cât sunt mai multe resurse în joc, cu
atât este mai importantă luarea unei decizii acceptabile, şi de
aceea trebuie folosite mai multe ajutoare. În opoziţie dacă
„miza” este mică, este mai puţin probabil că merită timpul,
efortul şi cheltuiala efectuată.
b. Complexitatea problemei. Este foarte cunoscută capacitatea
modelului matematic de a manevra un număr mare de factori
complexi interdependenţi. Totuşi, multe probleme manageriale
sunt aşa de complexe şi atât de multe soluţii posibile, încât nu
pot fi rezolvate nici de cel mai sofisticat model.
c. Relevanţa datelor. Dacă e dorit să se obţină un „răspuns” de la
un model, răspunsul va depinde de datele folosite pentru
modelul respectiv. De aceea, un model este suficient atunci
14
uşor de atins, ipotezele pot fi rafinate (restricţii mai tari), dacă nu, ele
trebuie relaxate (condiţii mai slabe).
Utilizarea modelelor decizionale nu este simplă. Diferite studii au arătat
că multe proiecte ce erau destinate să ajute managerii în procesul decizional
prin dezvoltarea unor modele decizionale s-au dovedit eşecuri.
Înainte de a decide dacă merită să utilizăm un model decizional pentru
a ajuta procesul decizional, trebuie să avem în vedere patru întrebări:
1. Cât va costa? Dezvoltarea şi adaptarea modelelor poate fi costisitoare
pentru că experţii trebuie plătiţi bine. O excepţie o constituie pachetele
software pentru computere, mai ales în domeniul modelării financiare.
2. Cât de mult va dura? Timpul necesar construirii unui model este mai
lung decât timpul necesar gândirii unei decizii de către manageri.
Timpul luării unei decizii este deseori scurt. Deci, nu contează cât de
util poate fi un model, el nu este de nici un folos dacă decizia trebuie
luată înainte de terminarea modelului.
3. Până unde poate îmbunătăţii un model o judecată nesusţinută?
Dezvoltarea unui model nu este necesară atunci când costul său este
mai mare decât beneficiul maxim obţinut.
4. Influenţează modelarea luarea deciziei? Pentru a răspunde la această
întrebare, probabil cea mai importantă, trebuie să luăm în considerare
circumstanţele deciziei însăşi. McClelland diastinge trei trăsături ale
situaţiei decizionale care influenţează capacitatea de a ajuta pe
decident:
a. Resursele puse în joc. Cu cât sunt mai multe resurse în joc, cu
atât este mai importantă luarea unei decizii acceptabile, şi de
aceea trebuie folosite mai multe ajutoare. În opoziţie dacă
„miza” este mică, este mai puţin probabil că merită timpul,
efortul şi cheltuiala efectuată.
b. Complexitatea problemei. Este foarte cunoscută capacitatea
modelului matematic de a manevra un număr mare de factori
complexi interdependenţi. Totuşi, multe probleme manageriale
sunt aşa de complexe şi atât de multe soluţii posibile, încât nu
pot fi rezolvate nici de cel mai sofisticat model.
c. Relevanţa datelor. Dacă e dorit să se obţină un „răspuns” de la
un model, răspunsul va depinde de datele folosite pentru
modelul respectiv. De aceea, un model este suficient atunci
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 14 of 154 - Pages: 14, 14, 06/08/15 07:37 PM
15
când datele pe care le prelucrează sunt precise şi
cuprinzătoare.
Principalele modele de fundamentare a deciziilor
Modele de programare liniară. Modelele de programare liniară tratează
clasele de decizii în care resursele trebuie alocate uneia sau mai multor
activităţi. În general, există reguli care guvernează posibilitatea unei alocări.
Aceste reguli fie limitează nivelul resurselor care pot fi alocate activităţilor, fie
afectează modul în care pot fi combinate resursele. Regulile sunt numite
restricţii. Combinarea resurselor este apoi legată de o măsură formală a
obiectivelor, numită funcţie obiectiv, care poate fi maximizată (dacă este
exprimată, de exemplu, în termeni de profil) sau minimizată (dacă este
exprimată în termeni de cost). Atunci când restricţiile şi funcţia obiectiv sunt
funcţii liniare, poate fi formulat un model de programare liniară.
În cadrul programării liniare, se iau în considerare mai multe metode:
grafică, simplex, metoda transporturilor. Prezentăm în continuare un model util
pentru vizualizarea conceptelor de bază ale acestei metode.
Exemplificare: O firmă realizează două produse A şi B. Fiecare din ele
necesită volume diferite din trei tipuri de muncă: subasamblare, asamblare şi
inspecţie. Luna viitoare vor fi disponibile 316 ore de muncă de subasamblare,
354 ore de muncă de asamblare şi 62 ore de muncă de inspecţie. Managerul
operaţiunilor cunoaşte faptul că fiecare produs de tip A necesită 0,4 ore de
muncă de subasamblare, 0,5 ore de muncă de asamblare şi 0,05 ore de
muncă de inspecţie, iar un produs de tip B necesită 0,5 ore de muncă de
subasamblare, 0,3 ore de muncă de asamblare şi 0,10 ore de muncă de
inspecţie. Managerul de marketing este sigur că tot ceea ce va fi produs în
viitorul apropiat poate fi vândut. Se mai ştie că fiecare produs de tip A vândut
contribuie cu 50 u.m. la profit şi cheltuieli de regie, pe când un produs de tip B
contribuie cu 40u.m. la profit şi cheltuieli de regie. Ce decizie va lua managerul
general privind atât capacitatea de producţie cât şi structura de producţie
pentru luna viitoare ?
1. Identificarea variabilelor de decizie. Atât produsele de tip A cât şi cele de
tip B pot fi produse de firma respectivă. Acestea sunt cele două variabile de
decizie. Problema constă în a decide câte produse de tip A şi câte de tip B
15
când datele pe care le prelucrează sunt precise şi
cuprinzătoare.
Principalele modele de fundamentare a deciziilor
Modele de programare liniară. Modelele de programare liniară tratează
clasele de decizii în care resursele trebuie alocate uneia sau mai multor
activităţi. În general, există reguli care guvernează posibilitatea unei alocări.
Aceste reguli fie limitează nivelul resurselor care pot fi alocate activităţilor, fie
afectează modul în care pot fi combinate resursele. Regulile sunt numite
restricţii. Combinarea resurselor este apoi legată de o măsură formală a
obiectivelor, numită funcţie obiectiv, care poate fi maximizată (dacă este
exprimată, de exemplu, în termeni de profil) sau minimizată (dacă este
exprimată în termeni de cost). Atunci când restricţiile şi funcţia obiectiv sunt
funcţii liniare, poate fi formulat un model de programare liniară.
În cadrul programării liniare, se iau în considerare mai multe metode:
grafică, simplex, metoda transporturilor. Prezentăm în continuare un model util
pentru vizualizarea conceptelor de bază ale acestei metode.
Exemplificare: O firmă realizează două produse A şi B. Fiecare din ele
necesită volume diferite din trei tipuri de muncă: subasamblare, asamblare şi
inspecţie. Luna viitoare vor fi disponibile 316 ore de muncă de subasamblare,
354 ore de muncă de asamblare şi 62 ore de muncă de inspecţie. Managerul
operaţiunilor cunoaşte faptul că fiecare produs de tip A necesită 0,4 ore de
muncă de subasamblare, 0,5 ore de muncă de asamblare şi 0,05 ore de
muncă de inspecţie, iar un produs de tip B necesită 0,5 ore de muncă de
subasamblare, 0,3 ore de muncă de asamblare şi 0,10 ore de muncă de
inspecţie. Managerul de marketing este sigur că tot ceea ce va fi produs în
viitorul apropiat poate fi vândut. Se mai ştie că fiecare produs de tip A vândut
contribuie cu 50 u.m. la profit şi cheltuieli de regie, pe când un produs de tip B
contribuie cu 40u.m. la profit şi cheltuieli de regie. Ce decizie va lua managerul
general privind atât capacitatea de producţie cât şi structura de producţie
pentru luna viitoare ?
1. Identificarea variabilelor de decizie. Atât produsele de tip A cât şi cele de
tip B pot fi produse de firma respectivă. Acestea sunt cele două variabile de
decizie. Problema constă în a decide câte produse de tip A şi câte de tip B
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 15 of 154 - Pages: 15, 15, 06/08/15 07:37 PM
16
pot fi produse de firma respectivă. Să notăm cu a numărul produselor de tip
A şi cu b numărul produselor de tip B.
2. Identificarea funcţiei obiectiv. Fiecare produs de tip A contribuie cu 50
u.m. la profit şi cheltuielile de regie, iar fiecare produs de tip B contribuie cu
40 u.m. Marja totală de contribuţie a firmei (profitul) este următoarea:
baP 4050 1.1.
Această funcţie liniară obiectiv prezintă faptul că profitul depinde de decizia
câte produse de tip A şi câte de tip B să fie produse. Firma doreşte ca marja
totală de contribuţii să fie cât mai mare; se doreşte deci maximizarea lui P.
3. Identificarea restricţiilor de resurse. Pentru producţia produselor este
nevoie de trei tipuri de muncă: subasamblare, asamblare şi inspecţie. Astfel,
cu ajutorul datelor putem identifica trei restricţii, câte una pentru fiecare
resursă de muncă. Aceste restricţii le putem exprima, modela, ca inegalităţi
liniare:
a) pentru subasamblare: 3165,04,0 ba
b) pentru asamblare: 3543,05,0 ba
c) pentru inspecţie: 621,005,0 ba
4. Identificarea spaţiului soluţie şi întocmirea diagramei tuturor restricţiilor
(Figura 1.6.) este cât se poate de edificatoare în acest sens. Spaţiu soluţie
reprezintă totalitatea valorilor posibile (cu semnificaţie) ale variabilelor într-o
problemă (aici, de programare liniară). Considerăm un sistem de axe de tipul
a0b. Spaţiul soluţie (partea graficului unde se poate găsi răspunsul la
problemă) constă în toate punctele de pe sau la dreapta axei verticale şi pe
sau deasupra axei orizontale (cadranul I), deoarece valorile negative ale lui a
sau b nu au nici o semnificaţie. Fiecare punct din acest spaţiu reprezintă o
combinaţie de a şi b.
Pentru reprezentarea dreptei pentru restricţia de muncă de subasamblare
se raţionează astfel: dacă toate cele 316 ore de subasamblare sunt alocate
producerii produselor de tip a, atunci pot fi produse 316 : 0,4 = 790 de astfel de
produse. Această combinaţie de producere a 0 produse de tip B şi 790
16
pot fi produse de firma respectivă. Să notăm cu a numărul produselor de tip
A şi cu b numărul produselor de tip B.
2. Identificarea funcţiei obiectiv. Fiecare produs de tip A contribuie cu 50
u.m. la profit şi cheltuielile de regie, iar fiecare produs de tip B contribuie cu
40 u.m. Marja totală de contribuţie a firmei (profitul) este următoarea:
baP 4050 1.1.
Această funcţie liniară obiectiv prezintă faptul că profitul depinde de decizia
câte produse de tip A şi câte de tip B să fie produse. Firma doreşte ca marja
totală de contribuţii să fie cât mai mare; se doreşte deci maximizarea lui P.
3. Identificarea restricţiilor de resurse. Pentru producţia produselor este
nevoie de trei tipuri de muncă: subasamblare, asamblare şi inspecţie. Astfel,
cu ajutorul datelor putem identifica trei restricţii, câte una pentru fiecare
resursă de muncă. Aceste restricţii le putem exprima, modela, ca inegalităţi
liniare:
a) pentru subasamblare: 3165,04,0 ba
b) pentru asamblare: 3543,05,0 ba
c) pentru inspecţie: 621,005,0 ba
4. Identificarea spaţiului soluţie şi întocmirea diagramei tuturor restricţiilor
(Figura 1.6.) este cât se poate de edificatoare în acest sens. Spaţiu soluţie
reprezintă totalitatea valorilor posibile (cu semnificaţie) ale variabilelor într-o
problemă (aici, de programare liniară). Considerăm un sistem de axe de tipul
a0b. Spaţiul soluţie (partea graficului unde se poate găsi răspunsul la
problemă) constă în toate punctele de pe sau la dreapta axei verticale şi pe
sau deasupra axei orizontale (cadranul I), deoarece valorile negative ale lui a
sau b nu au nici o semnificaţie. Fiecare punct din acest spaţiu reprezintă o
combinaţie de a şi b.
Pentru reprezentarea dreptei pentru restricţia de muncă de subasamblare
se raţionează astfel: dacă toate cele 316 ore de subasamblare sunt alocate
producerii produselor de tip a, atunci pot fi produse 316 : 0,4 = 790 de astfel de
produse. Această combinaţie de producere a 0 produse de tip B şi 790
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 16 of 154 - Pages: 16, 16, 06/08/15 07:37 PM
17
produse de tip A este reprezentată de punctul A de pe grafic. Altă alternativă ar
consta în a nu produce nici un produs de tip A. În această situaţie se dispune
de destulă muncă de subasamblare pentru a produce 316 : 0,5 = 632 de
produse de tip B. Această situaţie este reprezentată de punctul B de pe grafic.
Deoarece toate restricţiile sunt liniare poate fi trasată o dreaptă care leagă
punctele A şi B. Fiecare punct de pe dreapta AB, dreapta de ecuaţie
3165,04,0 ba , reprezintă o combinaţie de m produse de tip A sau B care
consumă tot timpul de muncă de subasamblare. Punctele din spaţiul soluţie
care se încadrează deasupra sau pe dreapta AB sunt denumite soluţii
nefezabile deoarece necesită mai mult de 316 ore de muncă de subasamblare.
Punctele din spaţiul soluţie care se încadrează pe sau sub dreapta AB sunt
denumite soluţii fezabile.
Aşadar, dreapta CD, de ecuaţie 3543,05,0 ba este dreapta de
restricţie a muncii de subasamblare, iar dreapta EF, de ecuaţie 621,005,0 ba .
Figura.1.6 – Diagrama restricţiilor
5. Identificarea zonei de decizie fezabilă (Figura 1.7.) este, de asemenea,
relevant pentru teoria deciziei. Când managerul decide câte produse de tip
A şi câte de tip B să producă, trebuie să adere simultan la toate cele trei
restricţii relevante. Soluţiile fezabile se încadrează în zona haşurată
0FGHC.
D
B
C A E
Asamblare
Inspecţie Subasamblare
17
produse de tip A este reprezentată de punctul A de pe grafic. Altă alternativă ar
consta în a nu produce nici un produs de tip A. În această situaţie se dispune
de destulă muncă de subasamblare pentru a produce 316 : 0,5 = 632 de
produse de tip B. Această situaţie este reprezentată de punctul B de pe grafic.
Deoarece toate restricţiile sunt liniare poate fi trasată o dreaptă care leagă
punctele A şi B. Fiecare punct de pe dreapta AB, dreapta de ecuaţie
3165,04,0 ba , reprezintă o combinaţie de m produse de tip A sau B care
consumă tot timpul de muncă de subasamblare. Punctele din spaţiul soluţie
care se încadrează deasupra sau pe dreapta AB sunt denumite soluţii
nefezabile deoarece necesită mai mult de 316 ore de muncă de subasamblare.
Punctele din spaţiul soluţie care se încadrează pe sau sub dreapta AB sunt
denumite soluţii fezabile.
Aşadar, dreapta CD, de ecuaţie 3543,05,0 ba este dreapta de
restricţie a muncii de subasamblare, iar dreapta EF, de ecuaţie 621,005,0 ba .
Figura.1.6 – Diagrama restricţiilor
5. Identificarea zonei de decizie fezabilă (Figura 1.7.) este, de asemenea,
relevant pentru teoria deciziei. Când managerul decide câte produse de tip
A şi câte de tip B să producă, trebuie să adere simultan la toate cele trei
restricţii relevante. Soluţiile fezabile se încadrează în zona haşurată
0FGHC.
D
B
C A E
Asamblare
Inspecţie Subasamblare
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 17 of 154 - Pages: 17, 17, 06/08/15 07:37 PM
18
6. Reprezentarea funcţiei obiectiv şi selectarea punctului optim. Deşi toate
punctele din zona haşurată sunt alternative fezabile, unele oferă o contribuţie
totală mai mare decât altele. În punctul C (708 de tip A şi 0 de tip B) de
exemplu, profitul este 3540004070850 u.m. Dar 300 produse de tip A şi 300
produse de tip B vor aduce un profit de doar 270003004030050 u.m.
Trebuie ales „cel mai bun” punct din numărul infinit de puncte din zona
fezabilă. Sarcina este destul de uşoară, ţinând cont că „cel mai bun” punct se
află în unul din colţurile zonei fezabile. Prin urmare, unul din punctele O, F, G,
H sau C este optim. Se poate calcula contribuţia totală a fiecăruia din aceste
cinci puncte şi selecta pe cel cu cea mai mare valoare.
Apelăm acum la procedura grafică pentru determinarea unui astfel de punct.
Această procedură necesită determinarea unei noi linii, linia de izo-profit sau
profit constant. Pe o astfel de linie toate punctele dau acelaşi profit. Dacă
dorim să determinăm linia de izo-profit care reprezintă o contribuţie de 25000
u.m., folosind datele problemei construim dreapta de ecuaţie:
250004050 ba (cu linie punctată) 1.2.
De exemplu, o combinaţie de 0 produse de tip A şi 625 produse de tip
B determină un profit de 25.000 u.m. Se pot obţine profituri şi mai mari. Dar, de
exemplu, unele puncte ale seriei de izoprofit de 30.000 u.m. se află în afara
zonei fezabile, nefiind alternative legitime. Deoarece alte puncte ale acestei
linii se încadrează în zona haşurată putem spune că este posibilă totuşi
obţinerea unui profit de 30.000 u.m.
A
B
C
D
E
F
G
H
Asamblare
Subasamblare
Inspecţie
Izoprofit 25000 u.m. Izoprofit 30000 u.m.
Figura.1.7. – Zona deciziei fezabile
18
6. Reprezentarea funcţiei obiectiv şi selectarea punctului optim. Deşi toate
punctele din zona haşurată sunt alternative fezabile, unele oferă o contribuţie
totală mai mare decât altele. În punctul C (708 de tip A şi 0 de tip B) de
exemplu, profitul este 3540004070850 u.m. Dar 300 produse de tip A şi 300
produse de tip B vor aduce un profit de doar 270003004030050 u.m.
Trebuie ales „cel mai bun” punct din numărul infinit de puncte din zona
fezabilă. Sarcina este destul de uşoară, ţinând cont că „cel mai bun” punct se
află în unul din colţurile zonei fezabile. Prin urmare, unul din punctele O, F, G,
H sau C este optim. Se poate calcula contribuţia totală a fiecăruia din aceste
cinci puncte şi selecta pe cel cu cea mai mare valoare.
Apelăm acum la procedura grafică pentru determinarea unui astfel de punct.
Această procedură necesită determinarea unei noi linii, linia de izo-profit sau
profit constant. Pe o astfel de linie toate punctele dau acelaşi profit. Dacă
dorim să determinăm linia de izo-profit care reprezintă o contribuţie de 25000
u.m., folosind datele problemei construim dreapta de ecuaţie:
250004050 ba (cu linie punctată) 1.2.
De exemplu, o combinaţie de 0 produse de tip A şi 625 produse de tip
B determină un profit de 25.000 u.m. Se pot obţine profituri şi mai mari. Dar, de
exemplu, unele puncte ale seriei de izoprofit de 30.000 u.m. se află în afara
zonei fezabile, nefiind alternative legitime. Deoarece alte puncte ale acestei
linii se încadrează în zona haşurată putem spune că este posibilă totuşi
obţinerea unui profit de 30.000 u.m.
A
B
C
D
E
F
G
H
Asamblare
Subasamblare
Inspecţie
Izoprofit 25000 u.m. Izoprofit 30000 u.m.
Figura.1.7. – Zona deciziei fezabile
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 18 of 154 - Pages: 18, 18, 06/08/15 07:37 PM
19
Se observă că liniile de izoprofit sunt paralele şi, cu cât sunt mai departe de
originea graficului, cu atât ele reprezintă un profit mai mare. Deoarece toate
liniile au aceeaşi pantă, etapa finală constă în continuarea trasării de astfel de
linii care sunt din ce în ce mai departe de origine. Această procedură se
opreşte când orice mutare mai departe de origine ar cauza plasarea liniei de
izoprofit complet în afara zonei fezabile. În exemplul dat o astfel de linie trece
prin punctul H. Acest punct aduce profitul maxim, găsind astfel decizia optimă.
Când problema constă în maximizarea funcţiei obiectiv, curba de izoprofit
trebuie să fie cel mai departe de origine, iar când problema constă în
minimizarea sa, curba izocost trebuie să fie cel mai aproape de origine.
Decizia optimă în punctul H, interpolată din origine, necesită o producţie
de 630 produse de tip A şi 125 produse de tip B. Valoarea aproximativă care
se obţine în urma acestei decizii este
3600012563050 P u.m. 1.3.
O evaluare mai precisă a soluţiei se obţine prin observarea faptului că
punctul optim H se află la intersecţia a două drepte de restricţii, restricţie de
muncă de subasamblare şi cea de muncă de asamblare.
Rezolvând sistemul format cu ecuaţiile celor două drepte se obţin
valorile a = 125,15 şi b = 632,31 valoarea profitului fiind
06,3666115,1264031,63250 P 1.4.
7. Interpretarea soluţiei. Numărul optim de produse de tip A şi B este acum
cunoscut. Câte dintre cele trei resurse vor fi folosite pentru producerea
acestora? Va rămâne nefolosită vreuna din resurse? La aceste întrebări se
poate răspunde atât grafic cât şi algebric observând din grafic că punctul optim
H se află la intersecţia dreptelor ce prezintă restricţiile pentru munca de
subasamblare şi pentru cea de asamblare, el reprezentând maximul acestor
resurse disponibile pentru folosire. Prin urmare, valorile maxime ale acestor
două resurse sunt folosite în cadrul soluţiei optime. Nu există muncă de
subasamblare sau de asamblare nefolosită. Să luăm acum în considerare
munca de inspecţie. Soluţia optimă se incadrează sub linia corespunzătoare
muncii de inspecţie, ceea ce înseamnă că nu toată munca de inspecţie
disponibilă este folosită în soluţia optimă. O parte din această muncă rămâne
nefolosită. Putem calcula algebric munca nefolosită, ca fiind diferenţa dintre
munca de inspecţie disponibilă şi munca de inspecţie folosită:
ore
Bore
AoreoreMMM ifidin
76,1762,1262,3162
15,12610,031,63205,062
1.5.
19
Se observă că liniile de izoprofit sunt paralele şi, cu cât sunt mai departe de
originea graficului, cu atât ele reprezintă un profit mai mare. Deoarece toate
liniile au aceeaşi pantă, etapa finală constă în continuarea trasării de astfel de
linii care sunt din ce în ce mai departe de origine. Această procedură se
opreşte când orice mutare mai departe de origine ar cauza plasarea liniei de
izoprofit complet în afara zonei fezabile. În exemplul dat o astfel de linie trece
prin punctul H. Acest punct aduce profitul maxim, găsind astfel decizia optimă.
Când problema constă în maximizarea funcţiei obiectiv, curba de izoprofit
trebuie să fie cel mai departe de origine, iar când problema constă în
minimizarea sa, curba izocost trebuie să fie cel mai aproape de origine.
Decizia optimă în punctul H, interpolată din origine, necesită o producţie
de 630 produse de tip A şi 125 produse de tip B. Valoarea aproximativă care
se obţine în urma acestei decizii este
3600012563050 P u.m. 1.3.
O evaluare mai precisă a soluţiei se obţine prin observarea faptului că
punctul optim H se află la intersecţia a două drepte de restricţii, restricţie de
muncă de subasamblare şi cea de muncă de asamblare.
Rezolvând sistemul format cu ecuaţiile celor două drepte se obţin
valorile a = 125,15 şi b = 632,31 valoarea profitului fiind
06,3666115,1264031,63250 P 1.4.
7. Interpretarea soluţiei. Numărul optim de produse de tip A şi B este acum
cunoscut. Câte dintre cele trei resurse vor fi folosite pentru producerea
acestora? Va rămâne nefolosită vreuna din resurse? La aceste întrebări se
poate răspunde atât grafic cât şi algebric observând din grafic că punctul optim
H se află la intersecţia dreptelor ce prezintă restricţiile pentru munca de
subasamblare şi pentru cea de asamblare, el reprezentând maximul acestor
resurse disponibile pentru folosire. Prin urmare, valorile maxime ale acestor
două resurse sunt folosite în cadrul soluţiei optime. Nu există muncă de
subasamblare sau de asamblare nefolosită. Să luăm acum în considerare
munca de inspecţie. Soluţia optimă se incadrează sub linia corespunzătoare
muncii de inspecţie, ceea ce înseamnă că nu toată munca de inspecţie
disponibilă este folosită în soluţia optimă. O parte din această muncă rămâne
nefolosită. Putem calcula algebric munca nefolosită, ca fiind diferenţa dintre
munca de inspecţie disponibilă şi munca de inspecţie folosită:
ore
Bore
AoreoreMMM ifidin
76,1762,1262,3162
15,12610,031,63205,062
1.5.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 19 of 154 - Pages: 19, 19, 06/08/15 07:37 PM
20
În mod similar se poate confirma că timpul de muncă de asamblare şi
subasamblare este pe deplin utilizat.
Modelele firului de aşteptare. Teoria cozilor constă în concepte şi
modele care descriu şi măsoară modelele sosirii sarcinilor şi modelele de
servire a consumatorilor, de evaluare a eficienţei servirii clienţilor care aşteaptă
la rând să fie serviţi. O abordare a matematicienilor a constat în aplicarea
aceste serii la sarcini pe măsură ce „aşteaptă la coadă” pentru a fi prelucrate.
Punctul forte al teoriei cozilor este acela că, potenţial, ea oferă relaţii optime.
Aplicarea este însă limitată sever deoarece complexitatea matematică devine
copleşitoare când ipotezele legate de timpii de servire şi de prelucrare diferă
de câteva distribuţii binecunoscute (exponenţială, Poisson) în distribuţii
empirice sau realiste.
Modelele firului de aşteptare nu rezolvă ca atare acest tip de probleme.
Ele sunt folosite în general pentru a prezice comportamentul sistemelor de
aşteptare, în aşa fel încât comportamentul şi costurile să poată fi combinate
pentru a evalua aranjamentele alternative. Din nefericire, există câteva limite
serioase ale capacităţii modelelor matematice ale firului de aşteptare de a trata
sistemele mai complexe întâlnite în practică. Restricţiile practice majore
privesc natura distribuţiilor sosirii clienţilor în firul de aşteptare şi mărimea
sistemului (numărul unităţilor de servire), în special în sistemele de serie.
Vom descrie acum modelul de bază al teoriei aşteptării, în care se
adptă, pentru claritatea exemplului, ipoteza exponenţială privind repartiţia
timpului între două sosiri, precum şi repartiţia duratei de „servire”. Fie, deci,
repartiţia timpului inter-sosiri:
tetF 1 1.6
cu funcţia de distribuţie:
tetf 1.7
şi, în mod analog, pentru durata de servire:
t
t
et
et
1 1.8
Se poate calcula imediat probabilitatea ca nici o sosire să nu aibă loc în
intervalul vT
vT
vT
t edtevTp
0 1.9
20
În mod similar se poate confirma că timpul de muncă de asamblare şi
subasamblare este pe deplin utilizat.
Modelele firului de aşteptare. Teoria cozilor constă în concepte şi
modele care descriu şi măsoară modelele sosirii sarcinilor şi modelele de
servire a consumatorilor, de evaluare a eficienţei servirii clienţilor care aşteaptă
la rând să fie serviţi. O abordare a matematicienilor a constat în aplicarea
aceste serii la sarcini pe măsură ce „aşteaptă la coadă” pentru a fi prelucrate.
Punctul forte al teoriei cozilor este acela că, potenţial, ea oferă relaţii optime.
Aplicarea este însă limitată sever deoarece complexitatea matematică devine
copleşitoare când ipotezele legate de timpii de servire şi de prelucrare diferă
de câteva distribuţii binecunoscute (exponenţială, Poisson) în distribuţii
empirice sau realiste.
Modelele firului de aşteptare nu rezolvă ca atare acest tip de probleme.
Ele sunt folosite în general pentru a prezice comportamentul sistemelor de
aşteptare, în aşa fel încât comportamentul şi costurile să poată fi combinate
pentru a evalua aranjamentele alternative. Din nefericire, există câteva limite
serioase ale capacităţii modelelor matematice ale firului de aşteptare de a trata
sistemele mai complexe întâlnite în practică. Restricţiile practice majore
privesc natura distribuţiilor sosirii clienţilor în firul de aşteptare şi mărimea
sistemului (numărul unităţilor de servire), în special în sistemele de serie.
Vom descrie acum modelul de bază al teoriei aşteptării, în care se
adptă, pentru claritatea exemplului, ipoteza exponenţială privind repartiţia
timpului între două sosiri, precum şi repartiţia duratei de „servire”. Fie, deci,
repartiţia timpului inter-sosiri:
tetF 1 1.6
cu funcţia de distribuţie:
tetf 1.7
şi, în mod analog, pentru durata de servire:
t
t
et
et
1 1.8
Se poate calcula imediat probabilitatea ca nici o sosire să nu aibă loc în
intervalul vT
vT
vT
t edtevTp
0 1.9
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 20 of 154 - Pages: 20, 20, 06/08/15 07:37 PM
21
şi probabilitatea unei sosiri în intervalul dvvv , :
dvevp v 1.10
Probabilitatea ca o sosire să aibă loc în intervalul dvvv , şi ca nici o
sosire să nu aibă loc în restul intervalului, vT , atunci când v variază de la 0
la T este:
TT
vTv TedveeTp 01 1.11
Probabilitatea a două sosiri în intervalul T se calculează ca
probabilitatea combinată a unei sosiri în intervalul [0, v] şi a altei sosiri în
intervalul vT :
tT
vTv eT
dvevTeTp 2
2
02 1.12
Continuând calculul se obţine:
t
n
n en
TTp
! 1.13
Este de notat că expresia probabilităţii de mai sus constituie legătura
dintre distribuţia exponenţială şi distribuţia Poisson. În cazul nostru, dacă
timpul dintre două sosiri consecutive este exponenţial distribuit, atunci
distribuţia numărului de evenimente într-un interval dat este de tip Poisson.
Ţinând cont de expresia de mai sus, distribuţia numărului de unităţi „servite”
într-un interval de timp este:
s
n
n en
st
!
1.14
Considerând un interval foarte mic de timp, t , putem defini după cum
urmează probabilitatea ca într-un sistem de servire să se afle n unităţi:
PttPtp nn 1 (o sosire şi nici o servire în t ) PttPn (nici o
sosire şi nici o servire în t ) PttPn (o sosire şi o servire în t )
PttPn 1 (nici o sosire şi o servire în t ).
Probabilităţile definite în relaţia de mai sus se pot calcula prin
probabilităţile elementare deja calculate:
P(o sosire şi nici o servire în t ) tte
P(nici o sosire şi nici o servire în t ) te
P(o sosire şi o servire în t ) tet 2
21
şi probabilitatea unei sosiri în intervalul dvvv , :
dvevp v 1.10
Probabilitatea ca o sosire să aibă loc în intervalul dvvv , şi ca nici o
sosire să nu aibă loc în restul intervalului, vT , atunci când v variază de la 0
la T este:
TT
vTv TedveeTp 01 1.11
Probabilitatea a două sosiri în intervalul T se calculează ca
probabilitatea combinată a unei sosiri în intervalul [0, v] şi a altei sosiri în
intervalul vT :
tT
vTv eT
dvevTeTp 2
2
02 1.12
Continuând calculul se obţine:
t
n
n en
TTp
! 1.13
Este de notat că expresia probabilităţii de mai sus constituie legătura
dintre distribuţia exponenţială şi distribuţia Poisson. În cazul nostru, dacă
timpul dintre două sosiri consecutive este exponenţial distribuit, atunci
distribuţia numărului de evenimente într-un interval dat este de tip Poisson.
Ţinând cont de expresia de mai sus, distribuţia numărului de unităţi „servite”
într-un interval de timp este:
s
n
n en
st
!
1.14
Considerând un interval foarte mic de timp, t , putem defini după cum
urmează probabilitatea ca într-un sistem de servire să se afle n unităţi:
PttPtp nn 1 (o sosire şi nici o servire în t ) PttPn (nici o
sosire şi nici o servire în t ) PttPn (o sosire şi o servire în t )
PttPn 1 (nici o sosire şi o servire în t ).
Probabilităţile definite în relaţia de mai sus se pot calcula prin
probabilităţile elementare deja calculate:
P(o sosire şi nici o servire în t ) tte
P(nici o sosire şi nici o servire în t ) te
P(o sosire şi o servire în t ) tet 2
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 21 of 154 - Pages: 21, 21, 06/08/15 07:37 PM
22
P(nici o sosire şi o servire în t ) tte
Se poate ţine seama de doi factori: a) apariţia lui 2t face ca respectiva
expresie să tindă către zero; b există relaţia P(nici o sosire şi nici o servire în
t ) = 1 – P(o sosire şi nici o servire în t ) – P(nici o sosire şi o servire în t ).
Cu aceste observaţii se obţine:
tn
tn
tnn
tnn
tettPtettP
tettPttPtettPtP
1
1 1.15
de unde se deduce:
t
nnnnn ettPttPttPt
ttPtP
11 1.16
care, prin trecere la limită când 0t , devine:
tPtPtPtP nnnn 11'
1.17
În cazul staţionar, pentru care t , rezultă anularea membrului stâng
al ecuaţiei de mai sus, deci:
tPtPtP nnn 11
1.18
de unde se va deduce prin recurenţă:
NntP
tP
N
n
n
N
,,2,1,
1
1
1
1
1
10
1.19
Dacă nu există restricţii asupra numărului maxim de unităţi în aşteptare, pentru
N , se obţine:
1
n
n tP 1.20
care are sens numai dacă , respectiv atunci când ritmul mediu al sosirilor
este mai mic sau egal decât ritmul mediu al servirii.
În mod analog cu probabilitatea ca n unităţi să se afle în sistem (în
aşteptare sau în curs de servire), se poate calcula probabilitatea ca m unităţi
să se afle în aşteptare, în timp ce n – m unităţi se află în curs de servire:
22
P(nici o sosire şi o servire în t ) tte
Se poate ţine seama de doi factori: a) apariţia lui 2t face ca respectiva
expresie să tindă către zero; b există relaţia P(nici o sosire şi nici o servire în
t ) = 1 – P(o sosire şi nici o servire în t ) – P(nici o sosire şi o servire în t ).
Cu aceste observaţii se obţine:
tn
tn
tnn
tnn
tettPtettP
tettPttPtettPtP
1
1 1.15
de unde se deduce:
t
nnnnn ettPttPttPt
ttPtP
11 1.16
care, prin trecere la limită când 0t , devine:
tPtPtPtP nnnn 11'
1.17
În cazul staţionar, pentru care t , rezultă anularea membrului stâng
al ecuaţiei de mai sus, deci:
tPtPtP nnn 11
1.18
de unde se va deduce prin recurenţă:
NntP
tP
N
n
n
N
,,2,1,
1
1
1
1
1
10
1.19
Dacă nu există restricţii asupra numărului maxim de unităţi în aşteptare, pentru
N , se obţine:
1
n
n tP 1.20
care are sens numai dacă , respectiv atunci când ritmul mediu al sosirilor
este mai mic sau egal decât ritmul mediu al servirii.
În mod analog cu probabilitatea ca n unităţi să se afle în sistem (în
aşteptare sau în curs de servire), se poate calcula probabilitatea ca m unităţi
să se afle în aşteptare, în timp ce n – m unităţi se află în curs de servire:
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 22 of 154 - Pages: 22, 22, 06/08/15 07:37 PM
23
1
m
m tQ 1.21
Dacă aşa cum s-a presupus iniţial, devine evident că:
nmtQtP mn , 1.22
după cum se deduce imediat din compararea ultimelor relaţii.
Concluzia pe care o fundamentează acest model general al teoriei
aşteptărilor, constă în faptul că singura modalitate a evitării creşterii nedefinite
a numărului de unităţi în aşteptare, este ca media timpului de servire să fie mai
mică decât media intervalului între două sosiri sau, altfel spus, servirea să se
efectueze mai rapid decât sosirea.
Jocul este definit ca situaţie în care două sau mai multe persoane
(grupuri etc) numite jucători iau separat decizii – determinate de obiectivele
proprii şi de datele prezumtive asupra strategiilor celorlalţi parteneri – iar
rezultatul final este dat de ansamblul deciziilor luate. Rezultatul final se
numeşte câştig şi este determinat de o funcţie de câştig care pune în legătură
configuraţia decizională (adică ansamblul deciziilor constituit într-o anume
situaţie) finală cu un anumit nivel şi mod de distribuţie al câştigului.
Vom considera, ca trăsătură generală şi esenţială a oricărui joc crearea
unei situaţii de competiţie. Noţiunea de competiţie poate implica atât conflictul
cât şi cooperarea.
Modele euristice. Managerii ar putea dori adesea optimul în deciziile lor,
dar acesta este un concept dificil de folosit în practică. Modelele matematice
de optimizare folosesc un set rigid de ipoteze privitoare la obiectivele
decidentului, orizontul de timp considerat şi natura deciziei însăşi. Descrierea
ipotezelor celor trei categorii de modele prezentate anterior (Tabelul 1.1),
reprezintă, în acest context, mai mult decât un deziderat sau o cerinţă, un
imperativ.
Tabel 1. – Ipoteze pentru modele matematice
Model
IPOTEZE
Obiective Orizont de timp Natura deciziei
Programare
liniară
Maximizează o
singură măsură a
utilităţii
Până când valorile
parametrului se
schimbă
Restricţii şi funcţii
obiectiv liniare
Fire de
aşteptare
Prevede
caracteristici de
utilitate
Până când valorile
parametrului se
schimbă
Timpii de servire şi
sosire distribuiţi
exponenţial.
23
1
m
m tQ 1.21
Dacă aşa cum s-a presupus iniţial, devine evident că:
nmtQtP mn , 1.22
după cum se deduce imediat din compararea ultimelor relaţii.
Concluzia pe care o fundamentează acest model general al teoriei
aşteptărilor, constă în faptul că singura modalitate a evitării creşterii nedefinite
a numărului de unităţi în aşteptare, este ca media timpului de servire să fie mai
mică decât media intervalului între două sosiri sau, altfel spus, servirea să se
efectueze mai rapid decât sosirea.
Jocul este definit ca situaţie în care două sau mai multe persoane
(grupuri etc) numite jucători iau separat decizii – determinate de obiectivele
proprii şi de datele prezumtive asupra strategiilor celorlalţi parteneri – iar
rezultatul final este dat de ansamblul deciziilor luate. Rezultatul final se
numeşte câştig şi este determinat de o funcţie de câştig care pune în legătură
configuraţia decizională (adică ansamblul deciziilor constituit într-o anume
situaţie) finală cu un anumit nivel şi mod de distribuţie al câştigului.
Vom considera, ca trăsătură generală şi esenţială a oricărui joc crearea
unei situaţii de competiţie. Noţiunea de competiţie poate implica atât conflictul
cât şi cooperarea.
Modele euristice. Managerii ar putea dori adesea optimul în deciziile lor,
dar acesta este un concept dificil de folosit în practică. Modelele matematice
de optimizare folosesc un set rigid de ipoteze privitoare la obiectivele
decidentului, orizontul de timp considerat şi natura deciziei însăşi. Descrierea
ipotezelor celor trei categorii de modele prezentate anterior (Tabelul 1.1),
reprezintă, în acest context, mai mult decât un deziderat sau o cerinţă, un
imperativ.
Tabel 1. – Ipoteze pentru modele matematice
Model
IPOTEZE
Obiective Orizont de timp Natura deciziei
Programare
liniară
Maximizează o
singură măsură a
utilităţii
Până când valorile
parametrului se
schimbă
Restricţii şi funcţii
obiectiv liniare
Fire de
aşteptare
Prevede
caracteristici de
utilitate
Până când valorile
parametrului se
schimbă
Timpii de servire şi
sosire distribuiţi
exponenţial.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 23 of 154 - Pages: 23, 23, 06/08/15 07:37 PM
24
Condiţii de operare
staţionare
Teoria
jocului
Maximizează o
singură măsură a
utilităţii
Până când valorile
parametrului se
schimbă
Stategii bine
definite.
Decizii simultane.
Adversar raţional
Modelele euristice nu încearcă să optimizeze, ci să deriveze soluţii
suboptimale. Modul de abordare euristică adoptă „scurtături” în raţionament şi
foloseşte metode empirice în căutarea unei soluţii satisfăcătoare. Asemănarea
cu comportamentul uman este chiar mai apropiată atunci când euristica este
adaptabilă: altfel spus „învaţă” adaptând unii parametri de decizie pe măsură
ce progresează. Există două modele în care modelele euristice s-au dovedit
folositoare în mod deosebit: acolo unde decizia este prost structurată şi nu se
potriveşte ipotezelor unui model matematic standard; acolo unde gama
soluţiilor realizabile este atât de mare, încât chiar metodele de calcul modern
nu permit enumerarea completă.
S-a sugerat că un manager ar trebui să examineze rezultatul unui
model euristic având în minte patru întrebări:
- Produce rezultate mai bune decât metodele existente?;
- Se pot realiza economii tot mai mari de resurse?;
- Se reduc cheltuielile şi efortul de calcul fără să se sacrifice calitatea
muncii?;
- Este produsă informaţia în timp util şi sunt luate mai repede deciziile
decât prin folosirea metodelor actuale?
Nivelul modelului euristic nu este un nivel inferior al fundamentării
deciziei, ci un nivel specific unor anumite contexte decizionale. Cu aceste
precizări, rămâne de făcut distincţia dintre „model procedural” şi „model
euristic”.
Modelul procedural reflectă, sub variate forme, rezultatul unor procese
de învăţare de tip „încercare şi eroare” care, în timp, se constituie sub forma
unor rutine decizionale. „În situaţia Xi şi în prezenţa tendinţei de evoluţie Yj se
adoptă decizia Zk” reprezintă un exemplu în acest sens. Foarte puţini dintre
posesorii de barometre sunt în posesia unei explicaţii complete asupra legăturii
dintre presiunea atmosferică, temperatură, regim de precipitaţii etc. Cu toate
acestea, oricare dintre ei va raţiona în modul următor: „Suntem în timpul verii,
presiunea atmosferică este ridicată, dar cu tendinţa de scădere rapidă. Este de
aşteptat în acest scurt timp o vreme mai rece cu ploi şi vânt puternic. Deci este
necesar: („să-mi iau haina de ploaie”, „să închid ferestrele pentru a nu fi trântite
24
Condiţii de operare
staţionare
Teoria
jocului
Maximizează o
singură măsură a
utilităţii
Până când valorile
parametrului se
schimbă
Stategii bine
definite.
Decizii simultane.
Adversar raţional
Modelele euristice nu încearcă să optimizeze, ci să deriveze soluţii
suboptimale. Modul de abordare euristică adoptă „scurtături” în raţionament şi
foloseşte metode empirice în căutarea unei soluţii satisfăcătoare. Asemănarea
cu comportamentul uman este chiar mai apropiată atunci când euristica este
adaptabilă: altfel spus „învaţă” adaptând unii parametri de decizie pe măsură
ce progresează. Există două modele în care modelele euristice s-au dovedit
folositoare în mod deosebit: acolo unde decizia este prost structurată şi nu se
potriveşte ipotezelor unui model matematic standard; acolo unde gama
soluţiilor realizabile este atât de mare, încât chiar metodele de calcul modern
nu permit enumerarea completă.
S-a sugerat că un manager ar trebui să examineze rezultatul unui
model euristic având în minte patru întrebări:
- Produce rezultate mai bune decât metodele existente?;
- Se pot realiza economii tot mai mari de resurse?;
- Se reduc cheltuielile şi efortul de calcul fără să se sacrifice calitatea
muncii?;
- Este produsă informaţia în timp util şi sunt luate mai repede deciziile
decât prin folosirea metodelor actuale?
Nivelul modelului euristic nu este un nivel inferior al fundamentării
deciziei, ci un nivel specific unor anumite contexte decizionale. Cu aceste
precizări, rămâne de făcut distincţia dintre „model procedural” şi „model
euristic”.
Modelul procedural reflectă, sub variate forme, rezultatul unor procese
de învăţare de tip „încercare şi eroare” care, în timp, se constituie sub forma
unor rutine decizionale. „În situaţia Xi şi în prezenţa tendinţei de evoluţie Yj se
adoptă decizia Zk” reprezintă un exemplu în acest sens. Foarte puţini dintre
posesorii de barometre sunt în posesia unei explicaţii complete asupra legăturii
dintre presiunea atmosferică, temperatură, regim de precipitaţii etc. Cu toate
acestea, oricare dintre ei va raţiona în modul următor: „Suntem în timpul verii,
presiunea atmosferică este ridicată, dar cu tendinţa de scădere rapidă. Este de
aşteptat în acest scurt timp o vreme mai rece cu ploi şi vânt puternic. Deci este
necesar: („să-mi iau haina de ploaie”, „să închid ferestrele pentru a nu fi trântite
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 24 of 154 - Pages: 24, 24, 06/08/15 07:37 PM
25
de vânt”, „să protejez florile mai sensibile din grădină”, „să amân picnicul
proiectat pentru mâine” etc.)”. Algoritmi de conducere şi decizie bazaţi pe astfel
de modele formează obiectul unor contribuţii recente.
Un alt exemplu: în general, nici un conducător auto nu poate cunoaşte
cu maximă precizie întreaga configuraţie geometrică (curbe, intersecţii, pante,
porţiuni în linie dreaptă, indicatoare de circulaţie) şi fizică (drum uscat sau
umed, pavat sau asfaltat etc) a itinerarului de parcurs. Este evident însă că
experienţa dobândită în alte împrejurări are un cuvânt hotărâtor şi nu poate
înlocui simpla cunoaştere şi aplicare a regulilor generale de circulaţie, în ceea
ce priveşte păstrarea unui regim de mers economic, rapid, şi cât mai scutit de
evenimente (accidente).
Modelul euristic este tot rezultatul unor procese de învăţare al intuiţiei şi
experienţei, dar se constituie nu ca o expresie a rutinei decidentului ci,
îndeosebi, ca măsură a abilităţii acestuia de a-şi utiliza capacitatea de analiză,
volumul experienţei acumulate şi acuitatea intuiţiei în situaţii (câmpuri
decizionale) cu pronunţate elemente de varietate. Procesul prin care
matematicianul, pus în faţa unei probleme noi, reuşeşte s-o descompună sau
să o reducă la o problemă anterior rezolvată (fireşte, când acest lucru este
posibil), este edificator ca exemplu în acest sens. Conducătorul de
întreprindere care reuşeşte să se adapteze la viteza schimbărilor tehnologice,
la fluctuaţiile pieţei de aprovizionare şi de desfacere sau la strategia
competiţională a partenerilor (sau concurenţilor) de tranzacţii, constituie un alt
exemplu major.
Modelele procedurale şi euristice sunt legate într-o măsură importantă
de persoana decidentului, întrucât sunt bazate majoriter pe calităţile personale
ale acestuia. Transferul lor în alt context se face cu pierderi importante de
informaţie deoarece, dacă experienţa se poate comunica integral în timp,
intuiţia şi inspiraţia sunt mult mai dificil de comunicat. Aceste circumstanţe au
generat tendinţa naturală de diseminare a competenţei decizionale prin
obiectivizarea, „algoritmizarea” modelelor decizionale dovedite ca fiind
performanţe. Calea principală a constituit-o adâncirea surselor de informaţie şi
perfecţionarea metodelor de a culege informaţii. Astfel, s-a trecut de la
culegerea neorganizată a informaţiilor de la „suprafaţa” sistemului, la
elaborarea şi organizarea de sisteme informaţionale (şi ulterior, informatice) cu
identitate proprie în cadrul sistemelor de producţie şi economico-sociale. În
urma acestui fapt, câştigul de precizie şi completitudine a informaţiilor a permis
organizarea acestora sub forma unor modele matematice, deci un mod cu
eficienţă sporită de a fundamenta deciziile.
25
de vânt”, „să protejez florile mai sensibile din grădină”, „să amân picnicul
proiectat pentru mâine” etc.)”. Algoritmi de conducere şi decizie bazaţi pe astfel
de modele formează obiectul unor contribuţii recente.
Un alt exemplu: în general, nici un conducător auto nu poate cunoaşte
cu maximă precizie întreaga configuraţie geometrică (curbe, intersecţii, pante,
porţiuni în linie dreaptă, indicatoare de circulaţie) şi fizică (drum uscat sau
umed, pavat sau asfaltat etc) a itinerarului de parcurs. Este evident însă că
experienţa dobândită în alte împrejurări are un cuvânt hotărâtor şi nu poate
înlocui simpla cunoaştere şi aplicare a regulilor generale de circulaţie, în ceea
ce priveşte păstrarea unui regim de mers economic, rapid, şi cât mai scutit de
evenimente (accidente).
Modelul euristic este tot rezultatul unor procese de învăţare al intuiţiei şi
experienţei, dar se constituie nu ca o expresie a rutinei decidentului ci,
îndeosebi, ca măsură a abilităţii acestuia de a-şi utiliza capacitatea de analiză,
volumul experienţei acumulate şi acuitatea intuiţiei în situaţii (câmpuri
decizionale) cu pronunţate elemente de varietate. Procesul prin care
matematicianul, pus în faţa unei probleme noi, reuşeşte s-o descompună sau
să o reducă la o problemă anterior rezolvată (fireşte, când acest lucru este
posibil), este edificator ca exemplu în acest sens. Conducătorul de
întreprindere care reuşeşte să se adapteze la viteza schimbărilor tehnologice,
la fluctuaţiile pieţei de aprovizionare şi de desfacere sau la strategia
competiţională a partenerilor (sau concurenţilor) de tranzacţii, constituie un alt
exemplu major.
Modelele procedurale şi euristice sunt legate într-o măsură importantă
de persoana decidentului, întrucât sunt bazate majoriter pe calităţile personale
ale acestuia. Transferul lor în alt context se face cu pierderi importante de
informaţie deoarece, dacă experienţa se poate comunica integral în timp,
intuiţia şi inspiraţia sunt mult mai dificil de comunicat. Aceste circumstanţe au
generat tendinţa naturală de diseminare a competenţei decizionale prin
obiectivizarea, „algoritmizarea” modelelor decizionale dovedite ca fiind
performanţe. Calea principală a constituit-o adâncirea surselor de informaţie şi
perfecţionarea metodelor de a culege informaţii. Astfel, s-a trecut de la
culegerea neorganizată a informaţiilor de la „suprafaţa” sistemului, la
elaborarea şi organizarea de sisteme informaţionale (şi ulterior, informatice) cu
identitate proprie în cadrul sistemelor de producţie şi economico-sociale. În
urma acestui fapt, câştigul de precizie şi completitudine a informaţiilor a permis
organizarea acestora sub forma unor modele matematice, deci un mod cu
eficienţă sporită de a fundamenta deciziile.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 25 of 154 - Pages: 25, 25, 06/08/15 07:37 PM
26
Procedeul analizei euristice constituie un cadru conceptual şi analitic de
măsurare a aspectelor necuantificabile. Într-o arborescenţă, de exemplu, pot fi
integrate cu uşurinţă informaţii obiective şi subiective. De aceea, acest tip de
modele este utilizat într-un număr important de situaţii decizionale privind
producţia, gândirea strategică, aspecte de marketing, finanţe, probleme de
personal.
Modele de simulare. Într-un fel, toate modelele reprezintă o „simulare”,
în măsura în care imită realitatea. Esenţa modelelor de simulare este aceea că
se bazează pe o formulare a procedurii care subliniază relaţiile logice între
variabile. De fapt, ceea ce sunt numite în general modele de simulare, ar trebui
să fie numite mai corect modele procedurale, deoarece modelul este o
procedură exprimată în simboluri precise. Termenul „simulare” se referă de
fapt la metoda prin care modelul este folosit pentru a face predicţii. Un model
de simulare ia de obicei forma unei diagrame de flux logice, care descrie
corelaţiile între variabile. Modelul este apoi utilizat pentru a executa procedura
descrisă în diagrama de flux, şi astfel, comportamentul oricărui sistem modelat
este simulat.
De exemplu, aceste modele pot fi utilizate în evaluarea unor reguli de
ordonare din unităţile de producţie. În această situaţie modelatorul trebuie să
poată specifica mai multe date pentru a putea simula problema de ordonare:
Centre de muncă (număr de centre de muncă din producţie);
Sosirea sarcinilor (modelul şi succesiunea sarcinilor care „sosesc” în
unitate);
Clasificarea posturilor (cerinţele de prelucrare şi traseul sarcinilor);
Durata de procesare (durata necesară procesării sarcinilor);
Parametri de performanţă (procentul timpilor morţi, numărul de
sarcini în aşteptare, valoarea stocurilor, fluxul mediu al posturilor
etc);
Regula de ordonare. Simularea este realizată în timp. Ea are loc
printr-un număr foarte mare de sarcini, generând altele noi care
sosesc în diverse momente, le determină traseul, le transferă la alte
centre de muncă, le ordonează în funcţie de regula de ordonare şi le
determină timpii de prelucrare.
26
Procedeul analizei euristice constituie un cadru conceptual şi analitic de
măsurare a aspectelor necuantificabile. Într-o arborescenţă, de exemplu, pot fi
integrate cu uşurinţă informaţii obiective şi subiective. De aceea, acest tip de
modele este utilizat într-un număr important de situaţii decizionale privind
producţia, gândirea strategică, aspecte de marketing, finanţe, probleme de
personal.
Modele de simulare. Într-un fel, toate modelele reprezintă o „simulare”,
în măsura în care imită realitatea. Esenţa modelelor de simulare este aceea că
se bazează pe o formulare a procedurii care subliniază relaţiile logice între
variabile. De fapt, ceea ce sunt numite în general modele de simulare, ar trebui
să fie numite mai corect modele procedurale, deoarece modelul este o
procedură exprimată în simboluri precise. Termenul „simulare” se referă de
fapt la metoda prin care modelul este folosit pentru a face predicţii. Un model
de simulare ia de obicei forma unei diagrame de flux logice, care descrie
corelaţiile între variabile. Modelul este apoi utilizat pentru a executa procedura
descrisă în diagrama de flux, şi astfel, comportamentul oricărui sistem modelat
este simulat.
De exemplu, aceste modele pot fi utilizate în evaluarea unor reguli de
ordonare din unităţile de producţie. În această situaţie modelatorul trebuie să
poată specifica mai multe date pentru a putea simula problema de ordonare:
Centre de muncă (număr de centre de muncă din producţie);
Sosirea sarcinilor (modelul şi succesiunea sarcinilor care „sosesc” în
unitate);
Clasificarea posturilor (cerinţele de prelucrare şi traseul sarcinilor);
Durata de procesare (durata necesară procesării sarcinilor);
Parametri de performanţă (procentul timpilor morţi, numărul de
sarcini în aşteptare, valoarea stocurilor, fluxul mediu al posturilor
etc);
Regula de ordonare. Simularea este realizată în timp. Ea are loc
printr-un număr foarte mare de sarcini, generând altele noi care
sosesc în diverse momente, le determină traseul, le transferă la alte
centre de muncă, le ordonează în funcţie de regula de ordonare şi le
determină timpii de prelucrare.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 26 of 154 - Pages: 26, 26, 06/08/15 07:37 PM
27
După ce toate datele au fost prelucrate, simularea evaluează
performanţele conform parametrilor specificaţi. Modelatorul poate acum să
efectueze o nouă simulare, plecând de la o altă regulă de ordonare pentru ca
în final, să se compare rezultatele simulărilor în funcţie de randamentul
preconizat.
Modelele de simulare sunt folositoare, în special, în predicţia
comportamentului dinamic al sistemului, în modelarea sistemelor în care o
parte a variabilele de intrare necontrolabile sunt descrise în termeni
probabilistici.
Complicate sau simple, aceste modele au câteva trăsături comune. În
primul rând, trebuie specificat orizontul planificării. În al doilea rând, trebuie
identificate explicit variabilele de decizie, care sunt, de obicei, factori ce pot fi
modificaţi pentru a genera planuri alternative: mărimea resurselor de muncă,
rata producţiei, timpul suplimentar, nivelul stocurilor etc. În sfârşit, în al treilea
rând, modelele necesită ca decidentul să estimeze costurile relevante, inclusiv
costurile salariilor, angajării/concedierii, timpul suplimentar ş.a.m.d.
În sinteză, după tipul problemei, pot fi identificate următoarele clase de
modele (bine susţinute şi de transpuneri profesionale în sisteme informatice):
Modele pentru aplicaţii financiar-contabile cum sunt: calculul punctului
de frângere, planificarea bugetului, analiza indicatorilor financiari;
Modele de analiză a deciziilor pentru recomandarea celei mai bune
alternative: arborii de decizie, analiza deciziilor multiatribut;
Modele de prognoză pentru a prezice valorile viitoare ale unei
variabile, analizând datele acumulate. Ele sunt bazate fie pe analiza
seriilor de timp (extrapolarea naivă, media alunecătoare, netezirea
exponenţială), fie pe determinarea relaţiilor cauzale (metode de
regresie);
Modele de tip reţea şi de optimizare, utilizate la rezolvarea unei
multitudini de probleme de planificare, alocare, distribuire, transport,
amplasament optimal;
Modele de simulare, care servesc în primul rând la evaluarea
consecinţelor produse de alternativele examinate în vederea alegerii
celei optime sau preferate.
27
După ce toate datele au fost prelucrate, simularea evaluează
performanţele conform parametrilor specificaţi. Modelatorul poate acum să
efectueze o nouă simulare, plecând de la o altă regulă de ordonare pentru ca
în final, să se compare rezultatele simulărilor în funcţie de randamentul
preconizat.
Modelele de simulare sunt folositoare, în special, în predicţia
comportamentului dinamic al sistemului, în modelarea sistemelor în care o
parte a variabilele de intrare necontrolabile sunt descrise în termeni
probabilistici.
Complicate sau simple, aceste modele au câteva trăsături comune. În
primul rând, trebuie specificat orizontul planificării. În al doilea rând, trebuie
identificate explicit variabilele de decizie, care sunt, de obicei, factori ce pot fi
modificaţi pentru a genera planuri alternative: mărimea resurselor de muncă,
rata producţiei, timpul suplimentar, nivelul stocurilor etc. În sfârşit, în al treilea
rând, modelele necesită ca decidentul să estimeze costurile relevante, inclusiv
costurile salariilor, angajării/concedierii, timpul suplimentar ş.a.m.d.
În sinteză, după tipul problemei, pot fi identificate următoarele clase de
modele (bine susţinute şi de transpuneri profesionale în sisteme informatice):
Modele pentru aplicaţii financiar-contabile cum sunt: calculul punctului
de frângere, planificarea bugetului, analiza indicatorilor financiari;
Modele de analiză a deciziilor pentru recomandarea celei mai bune
alternative: arborii de decizie, analiza deciziilor multiatribut;
Modele de prognoză pentru a prezice valorile viitoare ale unei
variabile, analizând datele acumulate. Ele sunt bazate fie pe analiza
seriilor de timp (extrapolarea naivă, media alunecătoare, netezirea
exponenţială), fie pe determinarea relaţiilor cauzale (metode de
regresie);
Modele de tip reţea şi de optimizare, utilizate la rezolvarea unei
multitudini de probleme de planificare, alocare, distribuire, transport,
amplasament optimal;
Modele de simulare, care servesc în primul rând la evaluarea
consecinţelor produse de alternativele examinate în vederea alegerii
celei optime sau preferate.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 27 of 154 - Pages: 27, 27, 06/08/15 07:37 PM
28
Utilizarea acestora însă, este de competenţa şi în responsabilitatea
compartimentului care se ocupă de fundamentarea deciziilor şi a strategiilor
sau politicilor dezvoltării, urmărind totodată realizarea setului de funcţiuni
principale al unui sistem informatic interactiv, ce se constituie într-un veritabil
suport pentru asistarea deciziilor, după cum urmează:
scanarea universului decidentului în vederea semnalării apariţiei unor
situaţii decizionale prin analiza datelor primare, furnizând răspunsuri
la posibile întrebări de tipul „Ce se întâmplă?”;
identificarea şi diagnosticarea cauzelor şi tipului de problemă
decizională prin furnizarea de informaţii la întrebări de tipul „De ce se
întâmplă?”;
rezolvarea problemei decizionale percepute de către decident prin
evaluarea variantelor furnizând răspunsuri la întrebări de tipul „Ce s-ar
întâmpla dacă ... ?” și/sau prin sugerarea unei soluţii prin furnizarea
de răspunsuri la întrebări de tipul „Care este soluţia cea mai
bună/suficient de bună?”;
semnalarea deciziilor umane care ar putea conduce la efecte
catastrofale furnizând răspunsuri la întrebările ipotetice ale unei terţe
părţi, cu puteri de cenzură, de tipul „Este aceasta o decizie corectă?”;
facilitarea propagării deciziei, urmărirea implementării şi evaluarea
efectelor ei (prin furnizarea de informaţii la întrebări de tipul „Unde am
ajuns?”.
1.3. Metode si tehnicii de bază pentru asistarea deciziilor
Utilizarea metodelor şi tehnicilor decizionale determină o sporire a
gradului de rigurozitate şi, implicit, de eficacitate a deciziilor adoptate,
diferenţiate însă, în funcţie de tipul situaţiilor decizionale implicate. Prin
intermediul deciziilor este influenţat comportamentul decizional şi acţional al
altor persoane şi se urmăreşte realizarea unor obiective individuale, integrate
şi obiective specifice, derivate şi fundamentale, de calitatea lor depinzând
bunul mers al activităţilor. Dar, o calitate superioară a deciziilor este asigurată
de fundamentarea lor superioară, complexă, prin prelucrarea de informaţii
relevante.
28
Utilizarea acestora însă, este de competenţa şi în responsabilitatea
compartimentului care se ocupă de fundamentarea deciziilor şi a strategiilor
sau politicilor dezvoltării, urmărind totodată realizarea setului de funcţiuni
principale al unui sistem informatic interactiv, ce se constituie într-un veritabil
suport pentru asistarea deciziilor, după cum urmează:
scanarea universului decidentului în vederea semnalării apariţiei unor
situaţii decizionale prin analiza datelor primare, furnizând răspunsuri
la posibile întrebări de tipul „Ce se întâmplă?”;
identificarea şi diagnosticarea cauzelor şi tipului de problemă
decizională prin furnizarea de informaţii la întrebări de tipul „De ce se
întâmplă?”;
rezolvarea problemei decizionale percepute de către decident prin
evaluarea variantelor furnizând răspunsuri la întrebări de tipul „Ce s-ar
întâmpla dacă ... ?” și/sau prin sugerarea unei soluţii prin furnizarea
de răspunsuri la întrebări de tipul „Care este soluţia cea mai
bună/suficient de bună?”;
semnalarea deciziilor umane care ar putea conduce la efecte
catastrofale furnizând răspunsuri la întrebările ipotetice ale unei terţe
părţi, cu puteri de cenzură, de tipul „Este aceasta o decizie corectă?”;
facilitarea propagării deciziei, urmărirea implementării şi evaluarea
efectelor ei (prin furnizarea de informaţii la întrebări de tipul „Unde am
ajuns?”.
1.3. Metode si tehnicii de bază pentru asistarea deciziilor
Utilizarea metodelor şi tehnicilor decizionale determină o sporire a
gradului de rigurozitate şi, implicit, de eficacitate a deciziilor adoptate,
diferenţiate însă, în funcţie de tipul situaţiilor decizionale implicate. Prin
intermediul deciziilor este influenţat comportamentul decizional şi acţional al
altor persoane şi se urmăreşte realizarea unor obiective individuale, integrate
şi obiective specifice, derivate şi fundamentale, de calitatea lor depinzând
bunul mers al activităţilor. Dar, o calitate superioară a deciziilor este asigurată
de fundamentarea lor superioară, complexă, prin prelucrarea de informaţii
relevante.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 28 of 154 - Pages: 28, 28, 06/08/15 07:37 PM
29
Având în vedere elementele care intervin în luarea unei decizii,
specialiştii au conceput mai multe metode şi tehnici cu suport matematic,
adaptate la specificul celor trei tipuri de situaţii decizionale: certitudine, risc,
incertitudine (Popescu, Ungureanu, Muscalu 2005):
1) După natura variabilelor implicate, respectiv starea condiţiilor obiective
ce marchează problema supusă rezolvării decizionale:
a) metode şi tehnici decizionale folosite în optimizarea deciziilor în
condiţii de certitudine: metoda utilităţii globale, metoda Electre,
metoda Onicescu, metoda coeficientului k;
b) metode şi tehnici decizionale folosite în optimizarea deciziilor în
condiţii de risc: tehnica arborilor decizionali, tehnica jocurilor
strategice, etc.;
c) metode şi tehnici decizionale folosite în optimizarea deciziilor în
condiţii de incertitudine: metoda speranţei matematice, tehnica
optimistă, tehnica minimizării regretelor, tehnica optimalităţii, etc.
2) După tipologia deciziilor pot fi delimitate metode şi tehnici decizionale
pe tipuri de decizii, precum:
a) amploarea decidentului duce la decizii individuale şi de grup (pentru
optimizarea deciziilor individuale: metodele şi tehnicile enumerate mai
sus; pentru optimizarea deciziilor de grup: metoda Electre
tridimensională, algoritmul Deutch – Martin);
b) în funcţie de orizontul de timp şi implicaţiile decizionale (strategice,
tactice şi curente) instrumentul decizional cuprinde: pentru deciziile
strategice şi tactice: metoda Electre bi şi tridimensională, algoritmul
Deutch – Martin, metoda arborelui decizional, iar pentru deciziile
curente: metoda tabelului decizional.
Oricare dintre metodele şi tehnicile, prezentate în continuare, poate fi
utilizată pentru alegerea celei mai bune decizii, din mai multele posibile.
Pentru alegerea deciziei, se poate realiza un model care stabileşte
legătura dintre diferiţi factori de influenţă şi criteriul de decizie şi care să
permită şi identificarea factorilor de risc, în care scop se face apel la diferite
metode şi tehnici specifice Figura 1.8.
29
Având în vedere elementele care intervin în luarea unei decizii,
specialiştii au conceput mai multe metode şi tehnici cu suport matematic,
adaptate la specificul celor trei tipuri de situaţii decizionale: certitudine, risc,
incertitudine (Popescu, Ungureanu, Muscalu 2005):
1) După natura variabilelor implicate, respectiv starea condiţiilor obiective
ce marchează problema supusă rezolvării decizionale:
a) metode şi tehnici decizionale folosite în optimizarea deciziilor în
condiţii de certitudine: metoda utilităţii globale, metoda Electre,
metoda Onicescu, metoda coeficientului k;
b) metode şi tehnici decizionale folosite în optimizarea deciziilor în
condiţii de risc: tehnica arborilor decizionali, tehnica jocurilor
strategice, etc.;
c) metode şi tehnici decizionale folosite în optimizarea deciziilor în
condiţii de incertitudine: metoda speranţei matematice, tehnica
optimistă, tehnica minimizării regretelor, tehnica optimalităţii, etc.
2) După tipologia deciziilor pot fi delimitate metode şi tehnici decizionale
pe tipuri de decizii, precum:
a) amploarea decidentului duce la decizii individuale şi de grup (pentru
optimizarea deciziilor individuale: metodele şi tehnicile enumerate mai
sus; pentru optimizarea deciziilor de grup: metoda Electre
tridimensională, algoritmul Deutch – Martin);
b) în funcţie de orizontul de timp şi implicaţiile decizionale (strategice,
tactice şi curente) instrumentul decizional cuprinde: pentru deciziile
strategice şi tactice: metoda Electre bi şi tridimensională, algoritmul
Deutch – Martin, metoda arborelui decizional, iar pentru deciziile
curente: metoda tabelului decizional.
Oricare dintre metodele şi tehnicile, prezentate în continuare, poate fi
utilizată pentru alegerea celei mai bune decizii, din mai multele posibile.
Pentru alegerea deciziei, se poate realiza un model care stabileşte
legătura dintre diferiţi factori de influenţă şi criteriul de decizie şi care să
permită şi identificarea factorilor de risc, în care scop se face apel la diferite
metode şi tehnici specifice Figura 1.8.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 29 of 154 - Pages: 29, 29, 06/08/15 07:37 PM
30
Figura 1.8. - Metode şi tehnici specifice de asistare a deciziilor
Procesul decizional implică o metodologie aparte, care cuprinde un sistem
de metode de selectare, alegere şi pregătire a deciziilor. Arsenalul
metodologic la care ne referim este deosebit de bogat şi include metode de
analiză, modelare, expertiză. Cu ajutorul metodelor se reuşeşte să se
aprecieze, cu o precizie mai mică sau mai mare, valoarea şi utilitatea
diferitelor alternative. Aceste metode au în vedere:
- perfecţionarea stabilirii criteriilor de apreciere a diferitelor aspecte ale
fiecărei alternative propuse;
- stabilirea valorii ponderii factorilor implicaţi pe diferite criterii;
- oferirea de soluţii pentru rezolvarea situaţiilor conflictuale şi eliminarea
unor erori;
- efectuarea de studii de comparare;
- predeterminarea avantajelor aplicării deciziei;
- stabilirea dependenţelor economico-sociale şi determinarea gradului de
acceptare a deciziei;
Identificarea factorilor de
risc
Definirea riscurilor
Analiza şi măsurarea efectelor
Administrarea propriu-
zisă a riscurilor
Integrarea în procesul de
decizie
Factorii din mediul fizic
Factorii din mediul
economic
Factorii sociali
Factorii interni sociali
Riscuri „pure”
Riscuri speculative
Defini-rea caracte-
rului mediului
Tehnici de gestiune
preventivă şi previzională
Tehnici de conservare a riscurilor
Tehnici de transformare
INCERT CERT RISC
INSTRUMENTE DE EVALUARE
Mediu incert: Mediu cert: Mediu de risc: - speranţa matematică; - metoda utilităţii globale; - teoria jocurilor strategice; - criteriul Hurwics (optimist); - metoda Onicescu; - arbori de decizie. - criteriul Laplace; - metoda Electra. - criteriul Ward (pesimist); - criteriul Savage (al regretului); - criteriul Bayes. - criteriul Jaynes.
30
Figura 1.8. - Metode şi tehnici specifice de asistare a deciziilor
Procesul decizional implică o metodologie aparte, care cuprinde un sistem
de metode de selectare, alegere şi pregătire a deciziilor. Arsenalul
metodologic la care ne referim este deosebit de bogat şi include metode de
analiză, modelare, expertiză. Cu ajutorul metodelor se reuşeşte să se
aprecieze, cu o precizie mai mică sau mai mare, valoarea şi utilitatea
diferitelor alternative. Aceste metode au în vedere:
- perfecţionarea stabilirii criteriilor de apreciere a diferitelor aspecte ale
fiecărei alternative propuse;
- stabilirea valorii ponderii factorilor implicaţi pe diferite criterii;
- oferirea de soluţii pentru rezolvarea situaţiilor conflictuale şi eliminarea
unor erori;
- efectuarea de studii de comparare;
- predeterminarea avantajelor aplicării deciziei;
- stabilirea dependenţelor economico-sociale şi determinarea gradului de
acceptare a deciziei;
Identificarea factorilor de
risc
Definirea riscurilor
Analiza şi măsurarea efectelor
Administrarea propriu-
zisă a riscurilor
Integrarea în procesul de
decizie
Factorii din mediul fizic
Factorii din mediul
economic
Factorii sociali
Factorii interni sociali
Riscuri „pure”
Riscuri speculative
Defini-rea caracte-
rului mediului
Tehnici de gestiune
preventivă şi previzională
Tehnici de conservare a riscurilor
Tehnici de transformare
INCERT CERT RISC
INSTRUMENTE DE EVALUARE
Mediu incert: Mediu cert: Mediu de risc: - speranţa matematică; - metoda utilităţii globale; - teoria jocurilor strategice; - criteriul Hurwics (optimist); - metoda Onicescu; - arbori de decizie. - criteriul Laplace; - metoda Electra. - criteriul Ward (pesimist); - criteriul Savage (al regretului); - criteriul Bayes. - criteriul Jaynes.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 30 of 154 - Pages: 30, 30, 06/08/15 07:37 PM
31
- sporirea raţionalităţii procesului decizional managerial în ansamblu sau a
diferitelor faze componente.
Utilizarea acestor metode si tehnici decizionale determiă o sporire a
gradului de rigurozitate şi implicit de eficacitate a deciziilor adoptate,
diferenţiate în raport de tipologia situatiilor decizionale implicate.
Metodele şi tehnicile decizionale se pot grupa, în funcţie de tipul
situaţiilor decizionale implicate, în trei categorii:
- metode şi tehnici de optimizare a deciziilor în conditţi de certitudine:
Electre, metoda utilităţii globale, metoda aditivă, algoritmul lui Deutch-
Martin, tabelul decizional, simulerea decizională;
- metode şi tehnici de optimizare a deciziilor în condiţii de incertitudine:
tehnica optimistă, tehnica pesimistă (A.Wald), tehnica optimalitatii
(C.Hurwicz), tehnica proporţionalităţii (Bayes-Laplace), tehnica
minimizării regretelor (L.Savage);
- metode si tehnici de optimizare a deciziilor în condiţii de risc: arborele
decizional, metoda speranţei matematice.
31
- sporirea raţionalităţii procesului decizional managerial în ansamblu sau a
diferitelor faze componente.
Utilizarea acestor metode si tehnici decizionale determiă o sporire a
gradului de rigurozitate şi implicit de eficacitate a deciziilor adoptate,
diferenţiate în raport de tipologia situatiilor decizionale implicate.
Metodele şi tehnicile decizionale se pot grupa, în funcţie de tipul
situaţiilor decizionale implicate, în trei categorii:
- metode şi tehnici de optimizare a deciziilor în conditţi de certitudine:
Electre, metoda utilităţii globale, metoda aditivă, algoritmul lui Deutch-
Martin, tabelul decizional, simulerea decizională;
- metode şi tehnici de optimizare a deciziilor în condiţii de incertitudine:
tehnica optimistă, tehnica pesimistă (A.Wald), tehnica optimalitatii
(C.Hurwicz), tehnica proporţionalităţii (Bayes-Laplace), tehnica
minimizării regretelor (L.Savage);
- metode si tehnici de optimizare a deciziilor în condiţii de risc: arborele
decizional, metoda speranţei matematice.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 31 of 154 - Pages: 31, 31, 06/08/15 07:37 PM
32
CAPITOLUL II
TEHNOLOGII INFORMAŢIONALE DESTINATE ASISTĂRII
DECIZIILOR
Revoluţia informatică a schimbat relaţia managementului cu informaţia.
Astăzi informaţia are statut de resursă intangibilă fiind considerată unul dintre
noi factorii de producție, alături de clasicii factorii de producție: muncă, pământ
și capital. Astfel, tehnologiile informaţionale sunt cele care creează, stochează
şi furnizează accesul la această resursă. Mai mult decât atât, în condiţiile
dezvoltării societăţii cunoaşterii şi a organizaţiilor bazate pe cunoaştere, a
sporit şi complexitatea problemelor manageriale, iar deciziile managerului au
început să fie puse în aplicare utilizând soluţii ce au la bază tehnologii
informaţionale din ce în ce mai avansate.
Necesitatea utilizării tehnologiilor informaţionale în asistarea deciziilor de
management este impusă de utilizarea raţionamentului uman atât pentru a
conduce la soluţii pentru probleme decizionale complexe, cât şi pentru a
determina un plus de cunoaştere în cadrul organizaţiei, sporind calitatea
procesului managerial.
Având în vedere faptul că: „informaţia singură nu poate determina decizia
ci numai atrage atenţia asupra deciziei adecvate5”, punem şi noi în discuţie
acele tehnologii informaţionale care au ca scop principal direcţionarea
managementului asupra deciziilor adecvate, deoarece informaţia este numai
intrarea în procesul de adoptare a deciziilor, nu este şi decizia în sine.
Pentru asistarea decidenţilor în rezolvarea problemelor manageriale
sau organizaţionale se poate face apel la una sau mai multe tehnologii
informaţionale, context în care sunt posibile următoarele abordări:
utilizarea anumitor tehnologii în mod independent, pentru rezolvarea
diferitelor aspecte ale unei probleme complexe;
5 Constantinescu, D.A., Minculescu, M., Rădoi, L. (1998). Sisteme informaţionale în asigurări, Editura
Bren, Bucureşti, 1998, pag.16 şi următoarele
32
CAPITOLUL II
TEHNOLOGII INFORMAŢIONALE DESTINATE ASISTĂRII
DECIZIILOR
Revoluţia informatică a schimbat relaţia managementului cu informaţia.
Astăzi informaţia are statut de resursă intangibilă fiind considerată unul dintre
noi factorii de producție, alături de clasicii factorii de producție: muncă, pământ
și capital. Astfel, tehnologiile informaţionale sunt cele care creează, stochează
şi furnizează accesul la această resursă. Mai mult decât atât, în condiţiile
dezvoltării societăţii cunoaşterii şi a organizaţiilor bazate pe cunoaştere, a
sporit şi complexitatea problemelor manageriale, iar deciziile managerului au
început să fie puse în aplicare utilizând soluţii ce au la bază tehnologii
informaţionale din ce în ce mai avansate.
Necesitatea utilizării tehnologiilor informaţionale în asistarea deciziilor de
management este impusă de utilizarea raţionamentului uman atât pentru a
conduce la soluţii pentru probleme decizionale complexe, cât şi pentru a
determina un plus de cunoaştere în cadrul organizaţiei, sporind calitatea
procesului managerial.
Având în vedere faptul că: „informaţia singură nu poate determina decizia
ci numai atrage atenţia asupra deciziei adecvate5”, punem şi noi în discuţie
acele tehnologii informaţionale care au ca scop principal direcţionarea
managementului asupra deciziilor adecvate, deoarece informaţia este numai
intrarea în procesul de adoptare a deciziilor, nu este şi decizia în sine.
Pentru asistarea decidenţilor în rezolvarea problemelor manageriale
sau organizaţionale se poate face apel la una sau mai multe tehnologii
informaţionale, context în care sunt posibile următoarele abordări:
utilizarea anumitor tehnologii în mod independent, pentru rezolvarea
diferitelor aspecte ale unei probleme complexe;
5 Constantinescu, D.A., Minculescu, M., Rădoi, L. (1998). Sisteme informaţionale în asigurări, Editura
Bren, Bucureşti, 1998, pag.16 şi următoarele
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 32 of 154 - Pages: 32, 32, 06/08/15 07:37 PM
33
utilizarea unor tehnologii care comunică între ele în sensul
transferului de date şi informaţii în scopul soluţionării unei probleme;
utilizarea mai multor tehnologii integrate într-un singur sistem (un
sistem hibrid).
Asistarea deciziilor necesită date istorice, în timp ce bazele de date
operaţionale nu menţin date istorice astfel încât datele din bazele de date
operaţionale, deşi abundente, sunt de obicei departe de a fi complete/
suficiente pentru luarea deciziilor. Asistarea deciziilor necesită consolidarea
(cum ar fi agregarea şi sumarizarea) datelor din surse eterogene, rezultând
date de înaltă calitate, curăţate şi integrate. În contrast, bazele de date
operaţionale conţin doar date primare brute, cum ar fi tranzacţiile, care
trebuiesc consolidate înainte de analiză. Astfel, sistemele de asistare a deciziei
orientate pe date pot îngloba tehnologii de modelare pentru efectuarea de
estimări, previziuni, simulări asupra datelor analizate şi tehnologii inteligente
pentru rezolvarea problemelor puse în termeni calitativi. Principalul obiectiv al
acestor sisteme de asistare a deciziei manageriale îl constituie obţinerea unor
soluţii pertinente pentru problemele pe care le abordează, şi nu utilizarea unei
anumite tehnologii informaţionale. Acestea pot conlucra între ele în diferite
moduri în scopul atingerii unei performanţe cât mai ridicate.
Noul peisaj al sistemelor informaţionale moderne utilizate în procesul
de management, a fost transformat radical de tehnologiile informaţionale.
Cuvintele – cheie sunt astăzi: Datawarehouse, On-line Analytical Processing
(OLAP), Data mining, Tehnologia orientată obiect, Reţele de calculatoare,
Internet, World Wide Web, etc.
2.1. Tehnologia Datawarehouse – centralizare, consolidare,
reorganizare şi stocare volume mari de date
Tehnologia Datawarehouse a apărut ca o necesitate în momentul în
care s-a realizat imensul potenţial informaţional al datelor cumulate de-a lungul
timpului de către sistemele informatice. Exploatarea inteligentă a acestora
asigură un important avantaj prin mărirea capacităţii de acomodare la
tendinţele pieţei. Integrarea datelor istorice într-o structură unică care să se
constituie în fundament pentru procesul deciziilor, a devenit o prioritate a
acestui tip de tehnologie informaţională.
33
utilizarea unor tehnologii care comunică între ele în sensul
transferului de date şi informaţii în scopul soluţionării unei probleme;
utilizarea mai multor tehnologii integrate într-un singur sistem (un
sistem hibrid).
Asistarea deciziilor necesită date istorice, în timp ce bazele de date
operaţionale nu menţin date istorice astfel încât datele din bazele de date
operaţionale, deşi abundente, sunt de obicei departe de a fi complete/
suficiente pentru luarea deciziilor. Asistarea deciziilor necesită consolidarea
(cum ar fi agregarea şi sumarizarea) datelor din surse eterogene, rezultând
date de înaltă calitate, curăţate şi integrate. În contrast, bazele de date
operaţionale conţin doar date primare brute, cum ar fi tranzacţiile, care
trebuiesc consolidate înainte de analiză. Astfel, sistemele de asistare a deciziei
orientate pe date pot îngloba tehnologii de modelare pentru efectuarea de
estimări, previziuni, simulări asupra datelor analizate şi tehnologii inteligente
pentru rezolvarea problemelor puse în termeni calitativi. Principalul obiectiv al
acestor sisteme de asistare a deciziei manageriale îl constituie obţinerea unor
soluţii pertinente pentru problemele pe care le abordează, şi nu utilizarea unei
anumite tehnologii informaţionale. Acestea pot conlucra între ele în diferite
moduri în scopul atingerii unei performanţe cât mai ridicate.
Noul peisaj al sistemelor informaţionale moderne utilizate în procesul
de management, a fost transformat radical de tehnologiile informaţionale.
Cuvintele – cheie sunt astăzi: Datawarehouse, On-line Analytical Processing
(OLAP), Data mining, Tehnologia orientată obiect, Reţele de calculatoare,
Internet, World Wide Web, etc.
2.1. Tehnologia Datawarehouse – centralizare, consolidare,
reorganizare şi stocare volume mari de date
Tehnologia Datawarehouse a apărut ca o necesitate în momentul în
care s-a realizat imensul potenţial informaţional al datelor cumulate de-a lungul
timpului de către sistemele informatice. Exploatarea inteligentă a acestora
asigură un important avantaj prin mărirea capacităţii de acomodare la
tendinţele pieţei. Integrarea datelor istorice într-o structură unică care să se
constituie în fundament pentru procesul deciziilor, a devenit o prioritate a
acestui tip de tehnologie informaţională.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 33 of 154 - Pages: 33, 33, 06/08/15 07:37 PM
34
Tehnologia depozitelor de date se bazează pe sinteza şi analiza datelor
realizând acest deziderat prin comasarea, consolidarea, sistematizarea,
corelarea şi gruparea datelor existente în vederea obţinerii de informaţii
pertinente care să evidenţieze factorii care afectează performanţele
managementului şi ce anume ar putea fi făcut pentru ameliorarea lor.
Rapoartele ce prezintă aceste informaţii într-o formă accesibilă factorilor de
decizie sunt rezultatul unor tehnici speciale de exploatare a masivelor de date
capabile să descopere diverse corelaţii între date, să facă estimări şi prognoze,
să atragă atenţia asupra unor puncte nevralgice, să sugereze eventualele
soluţii, într-un cuvânt să contribuie decisiv la luarea celor mai bune decizii într-
o situaţie dată.
Prin realizarea unui Data Warehouse se urmărește punerea în aplicare
a unui sistem de informare coerent şi pe deplin integrat, ci nu de a construi un
sistem decizional izolat; acest sistem nu se construieşte printr-un singur bloc,
ci se descompune în mai multe aplicaţii integrate. Ceea ce diferenţiază tipurile
de depozite de date este aria de cuprindere a proceselor decizionale6:
depozit de date galactic (Galactic Data Warehouse - GDW), asistă
procesele decizionale manageriale care privesc oricare şi toate procesele
de business şi compartimentele organizației, precum şi organizația luată
ca un întreg;
depozit de date orientat pe un proces de business (Business Process Data
Warehouse - BPDW) asistă procesele decizionale care privesc oricare și
toate procesele de business şi legăturile lor reciproce, precum şi cu mediul
lor înconjurător;
depozit de date departamental (Department Data Warehouse - DDW)
asistă procesele decizionale care privesc oricare și toate compartimentele
şi interacţunile lor reciproce, precum şi cu mediul lor înconjurător;
magazie de date (data mart) de tip proces de business (Business Process
Data Mart - BPDM) asistă procesele decizionale centrate pe un singur
proces de business7;
magazie de date departamentală (Department Data Mart - DDM) asistă
procesele decizionale centrate pe un singur compartiment.
6 Ryan, J. Building and deploying an enterprise data warehouse , White Paper, 1999 7 Inmon, W. (1999). Data mart does not equal data warehouse, DM Direct Newsletter,
November.
34
Tehnologia depozitelor de date se bazează pe sinteza şi analiza datelor
realizând acest deziderat prin comasarea, consolidarea, sistematizarea,
corelarea şi gruparea datelor existente în vederea obţinerii de informaţii
pertinente care să evidenţieze factorii care afectează performanţele
managementului şi ce anume ar putea fi făcut pentru ameliorarea lor.
Rapoartele ce prezintă aceste informaţii într-o formă accesibilă factorilor de
decizie sunt rezultatul unor tehnici speciale de exploatare a masivelor de date
capabile să descopere diverse corelaţii între date, să facă estimări şi prognoze,
să atragă atenţia asupra unor puncte nevralgice, să sugereze eventualele
soluţii, într-un cuvânt să contribuie decisiv la luarea celor mai bune decizii într-
o situaţie dată.
Prin realizarea unui Data Warehouse se urmărește punerea în aplicare
a unui sistem de informare coerent şi pe deplin integrat, ci nu de a construi un
sistem decizional izolat; acest sistem nu se construieşte printr-un singur bloc,
ci se descompune în mai multe aplicaţii integrate. Ceea ce diferenţiază tipurile
de depozite de date este aria de cuprindere a proceselor decizionale6:
depozit de date galactic (Galactic Data Warehouse - GDW), asistă
procesele decizionale manageriale care privesc oricare şi toate procesele
de business şi compartimentele organizației, precum şi organizația luată
ca un întreg;
depozit de date orientat pe un proces de business (Business Process Data
Warehouse - BPDW) asistă procesele decizionale care privesc oricare și
toate procesele de business şi legăturile lor reciproce, precum şi cu mediul
lor înconjurător;
depozit de date departamental (Department Data Warehouse - DDW)
asistă procesele decizionale care privesc oricare și toate compartimentele
şi interacţunile lor reciproce, precum şi cu mediul lor înconjurător;
magazie de date (data mart) de tip proces de business (Business Process
Data Mart - BPDM) asistă procesele decizionale centrate pe un singur
proces de business7;
magazie de date departamentală (Department Data Mart - DDM) asistă
procesele decizionale centrate pe un singur compartiment.
6 Ryan, J. Building and deploying an enterprise data warehouse , White Paper, 1999 7 Inmon, W. (1999). Data mart does not equal data warehouse, DM Direct Newsletter,
November.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 34 of 154 - Pages: 34, 34, 06/08/15 07:37 PM
35
Source: https://oracleprophet.files.wordpress.com/2010/10/kungfu-006.jpg
Figura 2.1. - Depozit de date galactic
Un depozit de date reprezintă un tip special de bază de date, construită
prin metode specifice din datele operaţionale păstrate de o organizaţie. Rostul
unui astfel de depozit este de a furniza arhitecturi şi instrumente utile
conducerii executive prin: organizarea sistemică, înţelegerea şi utilizarea
datelor în luarea decizilor strategice.
O definiţie a depozitelor de date formulată de către Consiliul OLAP este
următoarea (OLAP95): Un depozit de date (datawarehouses) reprezintă o
stocare centralizată a datelor detaliate provenite din toate sursele relevante din
cadrul unei organizaţii şi permite interogarea dinamică şi analiza detaliată a
tuturor informaţiilor .
Depozitele de date au fost definite în foarte multe moduri, astfel încât
este destul de dificil de formulat o definiţie riguroasă. Potrivit lui Inmon, W.,
liderul în construirea sistemelor data warehouse, un depozit de date este “o
colecţie de date orientate pe subiecte, integrate, istorice şi nevolatile destinată
sprijinirii procesului de luare a deciziilor manageriale8”. În schimb, Ralph
Kimball a oferit o definiție mai concisă a unui depozit de date, din perspectiva
8 http://www.1keydata.com/datawarehousing/data-warehouse-definition.html
35
Source: https://oracleprophet.files.wordpress.com/2010/10/kungfu-006.jpg
Figura 2.1. - Depozit de date galactic
Un depozit de date reprezintă un tip special de bază de date, construită
prin metode specifice din datele operaţionale păstrate de o organizaţie. Rostul
unui astfel de depozit este de a furniza arhitecturi şi instrumente utile
conducerii executive prin: organizarea sistemică, înţelegerea şi utilizarea
datelor în luarea decizilor strategice.
O definiţie a depozitelor de date formulată de către Consiliul OLAP este
următoarea (OLAP95): Un depozit de date (datawarehouses) reprezintă o
stocare centralizată a datelor detaliate provenite din toate sursele relevante din
cadrul unei organizaţii şi permite interogarea dinamică şi analiza detaliată a
tuturor informaţiilor .
Depozitele de date au fost definite în foarte multe moduri, astfel încât
este destul de dificil de formulat o definiţie riguroasă. Potrivit lui Inmon, W.,
liderul în construirea sistemelor data warehouse, un depozit de date este “o
colecţie de date orientate pe subiecte, integrate, istorice şi nevolatile destinată
sprijinirii procesului de luare a deciziilor manageriale8”. În schimb, Ralph
Kimball a oferit o definiție mai concisă a unui depozit de date, din perspectiva
8 http://www.1keydata.com/datawarehousing/data-warehouse-definition.html
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 35 of 154 - Pages: 35, 35, 06/08/15 07:37 PM
36
funcționalității sale pentru organizație, afirmând că: un depozit de date este o
copie a datelor de tranzacție structurate în mod special prin interogare și
analiză (Kimball 1996), urmare a faptului că acesta nu a abordat modul în care
depozitul de date este construit așa cum a făcut Inmon.
În sens larg, un depozit de date reprezintă o bază de date care este
întreţinută separat de bazele de date operaţionale ale organizaţiei. Datele din
sisteme sursă sunt extrase, curăţite, transformate şi stocate în depozite
speciale în scopul sprijinirii proceselor decizionale9. Depozitele de date
reprezintă o componentă a domeniului “Business Intelligence” - Inteligenţă
Afacerilor.
2.1.1. Exploatarea datelor din depozitele de date
Exploatarea acestor depozite de date este asigurată de motoare
speciale ce permit interogarea masivelor de date precum şi de servicii speciale
ce asigură analiza on-line a datelor. În spatele acestor performanţe stau
suporturi software care realizează transformarea datelor, corelarea şi
completarea lor precum şi crearea dicţionarelor de date care vor asigura
accesul la structurile primare (stocarea modelelor conceptuale ale bazelor de
date). Extragerea datelor se face prin tehnologii specifice astfel:
- programul furnizat de proiectanţii bazelor de date;
- programe utilitare de replicare care permit copierea elementelor unei
baze de date către una sau mai multe baze situate în mediul
eterogen;
- instrumente specifice de extragere ce au ca dezavantaj un preţ foarte
ridicat care va restricţiona utilizarea lor.
Cel mai clasic exemplu de data warehouse este cel referitor la
vânzările unui supermarket/hipermarket, preferabil având şi ceva informaţii
despre clienţii, despre fiecare vânzare în parte. Dintr-un asemenea
datawarehouse s-ar putea extrage informaţii privind sezonalitatea vânzărilor
unor anumite produse (ajutând la o aprovizionare mai eficientă), rentabilitatea
9 Airinei, D. (2002). Depozite de date, Editura Polirom, Iași, p. 172.
36
funcționalității sale pentru organizație, afirmând că: un depozit de date este o
copie a datelor de tranzacție structurate în mod special prin interogare și
analiză (Kimball 1996), urmare a faptului că acesta nu a abordat modul în care
depozitul de date este construit așa cum a făcut Inmon.
În sens larg, un depozit de date reprezintă o bază de date care este
întreţinută separat de bazele de date operaţionale ale organizaţiei. Datele din
sisteme sursă sunt extrase, curăţite, transformate şi stocate în depozite
speciale în scopul sprijinirii proceselor decizionale9. Depozitele de date
reprezintă o componentă a domeniului “Business Intelligence” - Inteligenţă
Afacerilor.
2.1.1. Exploatarea datelor din depozitele de date
Exploatarea acestor depozite de date este asigurată de motoare
speciale ce permit interogarea masivelor de date precum şi de servicii speciale
ce asigură analiza on-line a datelor. În spatele acestor performanţe stau
suporturi software care realizează transformarea datelor, corelarea şi
completarea lor precum şi crearea dicţionarelor de date care vor asigura
accesul la structurile primare (stocarea modelelor conceptuale ale bazelor de
date). Extragerea datelor se face prin tehnologii specifice astfel:
- programul furnizat de proiectanţii bazelor de date;
- programe utilitare de replicare care permit copierea elementelor unei
baze de date către una sau mai multe baze situate în mediul
eterogen;
- instrumente specifice de extragere ce au ca dezavantaj un preţ foarte
ridicat care va restricţiona utilizarea lor.
Cel mai clasic exemplu de data warehouse este cel referitor la
vânzările unui supermarket/hipermarket, preferabil având şi ceva informaţii
despre clienţii, despre fiecare vânzare în parte. Dintr-un asemenea
datawarehouse s-ar putea extrage informaţii privind sezonalitatea vânzărilor
unor anumite produse (ajutând la o aprovizionare mai eficientă), rentabilitatea
9 Airinei, D. (2002). Depozite de date, Editura Polirom, Iași, p. 172.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 36 of 154 - Pages: 36, 36, 06/08/15 07:37 PM
37
unor campanii de marketing (analizând creşterea vânzărilor unor anumite
produse într-o anumită perioadă), etc.
Pentru o mai bună înțelegere a modului în care datele pot fi exploatate
prin datawarehouse, putem lua în considerare exemplul „Supermarket-ului X”,
companie, care dispune de filiale în toată ţara, fiecare dintre filiale beneficiind
de o bază de date proprie. La nivelul consiliului de administraţie este cerută o
analiză a contractelor încheiate pe fiecare produs, de către fiecare filială, în
trimestrul al treilea al anului în curs. În cazul în care compania nu dispune de
un depozit de date, această operaţiune este dificil de realizat, întrucât datele
necesare sunt disipate în mai multe baze de date, aflate în locaţii fizice diferite,
situate la distanţe mari unele de celelalte. Dacă organizaţia dispune de un
depozit de date, arhitectura acestuia poate fi cea reprezentată în Figura 2.2 iar
procesul în sine, de exploatare a bazei de date este redat în Figura 2.3.
Depozit de date
Instrumente de analiză
Baza de date Oltenia
Baza de date Muntenia Utilizatori
Utilizatori
Baza de date Ardeal
Figura 2.2 – Arhitectura depozitului de date al
companiei
37
unor campanii de marketing (analizând creşterea vânzărilor unor anumite
produse într-o anumită perioadă), etc.
Pentru o mai bună înțelegere a modului în care datele pot fi exploatate
prin datawarehouse, putem lua în considerare exemplul „Supermarket-ului X”,
companie, care dispune de filiale în toată ţara, fiecare dintre filiale beneficiind
de o bază de date proprie. La nivelul consiliului de administraţie este cerută o
analiză a contractelor încheiate pe fiecare produs, de către fiecare filială, în
trimestrul al treilea al anului în curs. În cazul în care compania nu dispune de
un depozit de date, această operaţiune este dificil de realizat, întrucât datele
necesare sunt disipate în mai multe baze de date, aflate în locaţii fizice diferite,
situate la distanţe mari unele de celelalte. Dacă organizaţia dispune de un
depozit de date, arhitectura acestuia poate fi cea reprezentată în Figura 2.2 iar
procesul în sine, de exploatare a bazei de date este redat în Figura 2.3.
Depozit de date
Instrumente de analiză
Baza de date Oltenia
Baza de date Muntenia Utilizatori
Utilizatori
Baza de date Ardeal
Figura 2.2 – Arhitectura depozitului de date al
companiei
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 37 of 154 - Pages: 37, 37, 06/08/15 07:37 PM
38
Figura 2.3. - Exploatarea datelor în depozitele de date
În scopul desfăşurării unui proces de adoptare a deciziei mult mai
eficient, datele din depozitul de date sunt organizate în jurul problemelor
principale (de exemplu: clienţi, produse, furnizori, etc.); cu alte cuvinte, datele
sunt orientate pe subiect (tematice), fapt diferit de modelul clasic, în care
datele sunt grupate pe funcţiuni. Acest mod de organizare asigură construirea
unei viziuni transversale asupra companiei, mult mai bogată în informaţii decât
viziunea clasică verticală.
Datele din depozitul de date sunt consistente (în sensul codificării
unitare a informaţiei). Datorită faptului că este obligatorie realizarea
conservării informaţiilor care au stat la baza adoptării unei decizii (rezultatul
unei cereri pentru care valorile parametrilor se păstrează constante, lansate de
mai multe ori şi la intervale mari de timp trebuie să fie întotdeauna acelaşi)
este necesar ca informaţiile stocate într-un depozit de date să nu poată fi
modificate. Se poate afirma că aceste date sunt non-volatile, „îngheţate”
(„frozen”). În consecinţă, în momentul în care o dată a fost introdusă în cadrul
unui depozit de date ea nu va mai putea fi actualizată ulterior (nici modificată,
nici suprimată), ci va deveni o parte componentă a istoricului, a evoluţiei în
timp a organizaţiei. Acest lucru este fundamental diferit faţă de concepţia
clasică a unui sistem tranzacţional, care permite reactualizarea datelor. Din
acest motiv, se consideră că într-un sistem tranzacţional datele sunt volatile,
spre deosebire de data warehouse, unde trebuie, în mod obligatoriu, să fie
non-volatile.
Datele din depozitele de date sunt stocate în scopul furnizării
informaţiilor dintr-o perspectivă istorică (de exemplu ultimii 10-15 ani) şi sunt,
38
Figura 2.3. - Exploatarea datelor în depozitele de date
În scopul desfăşurării unui proces de adoptare a deciziei mult mai
eficient, datele din depozitul de date sunt organizate în jurul problemelor
principale (de exemplu: clienţi, produse, furnizori, etc.); cu alte cuvinte, datele
sunt orientate pe subiect (tematice), fapt diferit de modelul clasic, în care
datele sunt grupate pe funcţiuni. Acest mod de organizare asigură construirea
unei viziuni transversale asupra companiei, mult mai bogată în informaţii decât
viziunea clasică verticală.
Datele din depozitul de date sunt consistente (în sensul codificării
unitare a informaţiei). Datorită faptului că este obligatorie realizarea
conservării informaţiilor care au stat la baza adoptării unei decizii (rezultatul
unei cereri pentru care valorile parametrilor se păstrează constante, lansate de
mai multe ori şi la intervale mari de timp trebuie să fie întotdeauna acelaşi)
este necesar ca informaţiile stocate într-un depozit de date să nu poată fi
modificate. Se poate afirma că aceste date sunt non-volatile, „îngheţate”
(„frozen”). În consecinţă, în momentul în care o dată a fost introdusă în cadrul
unui depozit de date ea nu va mai putea fi actualizată ulterior (nici modificată,
nici suprimată), ci va deveni o parte componentă a istoricului, a evoluţiei în
timp a organizaţiei. Acest lucru este fundamental diferit faţă de concepţia
clasică a unui sistem tranzacţional, care permite reactualizarea datelor. Din
acest motiv, se consideră că într-un sistem tranzacţional datele sunt volatile,
spre deosebire de data warehouse, unde trebuie, în mod obligatoriu, să fie
non-volatile.
Datele din depozitele de date sunt stocate în scopul furnizării
informaţiilor dintr-o perspectivă istorică (de exemplu ultimii 10-15 ani) şi sunt,
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 38 of 154 - Pages: 38, 38, 06/08/15 07:37 PM
39
în general, date agregate, acest lucru derivând din necesitatea urmăririi în timp
a evoluţiei valorilor unor indicatori. Spre exemplu, în locul stocării detaliilor
pentru fiecare contract de vânzare-cumpărare, în depozitul de date se va
memora numai valoarea totală a contractelor încheiate pentru fiecare marfă,
pe fiecare filială, sau chiar pe fiecare zonă. Se poate aprecia că un depozit de
date reprezintă o bază de date multidimensională, în care fiecare dimensiune
corespunde unui atribut sau set de atribute, iar fiecare celulă memorează valori
ale unor măsuri agregate (numărul de…, valoarea totală a…, valoarea medie
a…).
În exemplul din Figura 2.4. este prezentat un cub care cumulează
valoarea contractelor de vânzare-cumpărare încheiate de către filialele
companiei pe o regiune (din motive de spaţiu au fost prezentate numai o parte
dintre valorile dimensiunilor adresa şi produse). Cubul prezintă trei dimensiuni:
timp (cu valorile corespunzătoare celor patru trimestre ale unui an: Trim I, Trim
II, Trim III, Trim IV), adresa (cu valorile: Ardeal, Banat, Dobrogea,…) şi
produse. Valorile agregate stocate în fiecare celulă a cubului reprezintă
volumul total al contractelor încheiate (exprimat în sute de mii de u.m.). Prin
operaţiuni de drill-down, respectiv roll-up, se pot realiza detalieri, respectiv
agregări ale datelor prezentate. Spre exemplu, prin operaţiunea de drill-down
asupra adresei Ardeal, se poate realiza o detaliere a valorii totale a
contractelor de leasing încheiate la nivel de judeţ de fiecare filială, iar prin
operaţiunea de roll-up asupra timpului exprimat în trimestre se pot obţine
valorile agregate la nivel de semestru ale contractelor încheiate.
Este posibil ca nu întreg setul de date existent într-un depozit de date
să fie util pentru furnizarea de informaţii necesare fundamentării deciziei, ci
numai o mică parte a acestuia. În aceste condiţii, se poate realiza un magazin
de date (Data Mart), care reprezintă un subset dintr-un data warehouse. În
literatura de specialitate se consideră că depozitul de date acoperă cerinţele
informaţionale ale întregii organizaţii, în timp ce magazinul de date se rezumă
la furnizarea informaţiilor necesare unui anumit departament din cadrul
companiei.
39
în general, date agregate, acest lucru derivând din necesitatea urmăririi în timp
a evoluţiei valorilor unor indicatori. Spre exemplu, în locul stocării detaliilor
pentru fiecare contract de vânzare-cumpărare, în depozitul de date se va
memora numai valoarea totală a contractelor încheiate pentru fiecare marfă,
pe fiecare filială, sau chiar pe fiecare zonă. Se poate aprecia că un depozit de
date reprezintă o bază de date multidimensională, în care fiecare dimensiune
corespunde unui atribut sau set de atribute, iar fiecare celulă memorează valori
ale unor măsuri agregate (numărul de…, valoarea totală a…, valoarea medie
a…).
În exemplul din Figura 2.4. este prezentat un cub care cumulează
valoarea contractelor de vânzare-cumpărare încheiate de către filialele
companiei pe o regiune (din motive de spaţiu au fost prezentate numai o parte
dintre valorile dimensiunilor adresa şi produse). Cubul prezintă trei dimensiuni:
timp (cu valorile corespunzătoare celor patru trimestre ale unui an: Trim I, Trim
II, Trim III, Trim IV), adresa (cu valorile: Ardeal, Banat, Dobrogea,…) şi
produse. Valorile agregate stocate în fiecare celulă a cubului reprezintă
volumul total al contractelor încheiate (exprimat în sute de mii de u.m.). Prin
operaţiuni de drill-down, respectiv roll-up, se pot realiza detalieri, respectiv
agregări ale datelor prezentate. Spre exemplu, prin operaţiunea de drill-down
asupra adresei Ardeal, se poate realiza o detaliere a valorii totale a
contractelor de leasing încheiate la nivel de judeţ de fiecare filială, iar prin
operaţiunea de roll-up asupra timpului exprimat în trimestre se pot obţine
valorile agregate la nivel de semestru ale contractelor încheiate.
Este posibil ca nu întreg setul de date existent într-un depozit de date
să fie util pentru furnizarea de informaţii necesare fundamentării deciziei, ci
numai o mică parte a acestuia. În aceste condiţii, se poate realiza un magazin
de date (Data Mart), care reprezintă un subset dintr-un data warehouse. În
literatura de specialitate se consideră că depozitul de date acoperă cerinţele
informaţionale ale întregii organizaţii, în timp ce magazinul de date se rezumă
la furnizarea informaţiilor necesare unui anumit departament din cadrul
companiei.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 39 of 154 - Pages: 39, 39, 06/08/15 07:37 PM
40
Figura 2.4. – Drill-down şi roll-up
În exemplificarea noastră, utilizatorul poate cu ușurință organiza
interogări pe diverse nivele, astfel încât acestea să fie ușor de accesat în
sesiuni ulterioare, într-un mediu multi-utilizator, arătând acțiunile fiecărui
utilizator pentru a organiza, reutiliza, lansa (executare de interogare și
vizualizare răspuns), căuta, răsfoi (posibilitatea de a naviga prin seturi de
interogări dar și prin interogările dint-un set) și distribui interogări. După cum se
observă, în zona de exploatare a datelor din depozitele de date (ceea ce de
fapt se numește analiză a datelor), este nevoie de organizare, reutilizare,
schimb de date, în scopul de a simplifica și grăbi procesul de interogare.
2.1.2. Modelarea conceptuală a depozitelor de date
În contextul depozitării datelor s-a constatat că modelele conceptuale
tradiţionale ale bazelor de date, cum ar fi modelul entitate-relaţie, nu sunt
adecvate pentru a descrie aspectele fundamentale ale unui demers de
depozitare a datelor. Esenţial este faptul că, în modelarea conceptuală a unui
depozit de date, este nevoie de a reprezenta în mod explicit caracteristici
importante ale informaţiilor. Există cel puţin două noţiuni specifice pe care orice
model conceptual pentru depozitarea datelor trebuie să le includă într-o
anumită formă şi anume faptul şi dimensiunea. Faptul este o entitate, a unei
40
Figura 2.4. – Drill-down şi roll-up
În exemplificarea noastră, utilizatorul poate cu ușurință organiza
interogări pe diverse nivele, astfel încât acestea să fie ușor de accesat în
sesiuni ulterioare, într-un mediu multi-utilizator, arătând acțiunile fiecărui
utilizator pentru a organiza, reutiliza, lansa (executare de interogare și
vizualizare răspuns), căuta, răsfoi (posibilitatea de a naviga prin seturi de
interogări dar și prin interogările dint-un set) și distribui interogări. După cum se
observă, în zona de exploatare a datelor din depozitele de date (ceea ce de
fapt se numește analiză a datelor), este nevoie de organizare, reutilizare,
schimb de date, în scopul de a simplifica și grăbi procesul de interogare.
2.1.2. Modelarea conceptuală a depozitelor de date
În contextul depozitării datelor s-a constatat că modelele conceptuale
tradiţionale ale bazelor de date, cum ar fi modelul entitate-relaţie, nu sunt
adecvate pentru a descrie aspectele fundamentale ale unui demers de
depozitare a datelor. Esenţial este faptul că, în modelarea conceptuală a unui
depozit de date, este nevoie de a reprezenta în mod explicit caracteristici
importante ale informaţiilor. Există cel puţin două noţiuni specifice pe care orice
model conceptual pentru depozitarea datelor trebuie să le includă într-o
anumită formă şi anume faptul şi dimensiunea. Faptul este o entitate, a unei
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 40 of 154 - Pages: 40, 40, 06/08/15 07:37 PM
41
aplicaţii, care face obiectul unei analize orientată către decizie, reprezentabilă
grafic prin intermediul „cubului de date”, iar dimensiunea corespunde
perspectivei din care faptele pot fi analizate în mod concludent (Lepadatu,
2013).
Referitor la modelarea conceptuală a unui depozit de date, în literatura
de specialitate (Velicanu, Muntean 2001) sunt acceptate următoarele modele:
modelul stea;
modelul fulg de nea;
modelul constelaţie.
Elementele componente ale unui astfel de model sunt:
măsuri ale activităţii – sunt reprezentate de datele cantitative la nivel agregat
(totaluri, medii, contorizări).
dimensiuni - sunt reprezentate de criteriile de agregare, acestea conţinând în
mod obligatoriu timpul (data calendaristică) şi alte astfel de criterii (de
exemplu: codul clientului, codul produsului, codul filialei etc.). Bineînţeles că
aceste dimensiuni trebuiesc explicitate în tabele distincte, tabele care trebuie
să respecte următoarele condiţii:
să descrie datele din tabela de fapte;
fiecare cheie trebuie să fie unică;
cheile trebuie să reprezinte nivelul de detaliere cel mai reprezentativ
pentru problema dată;
numărul dimensiunilor trebuie să fie rezonabil, întrucât un număr prea
mare de dimensiuni conduce la o gestionare mai dificilă a acestora,
precum şi la un timp de răspuns ridicat din partea sistemului în urma
solicitărilor venite de la utilizatori.
tabela de fapte - reprezintă locaţia unde se află stocate măsurile activităţii
grupate pe dimensiuni.
Această tabelă de fapte trebuie să îndeplinească următoarele condiţii:
să realizeze cuantificarea datelor descrise de către dimensiuni;
să conțină valori numerice care fac obiectul analizei (cantitate vândută,
preț, profit, cost, nr. clienți, etc.);
41
aplicaţii, care face obiectul unei analize orientată către decizie, reprezentabilă
grafic prin intermediul „cubului de date”, iar dimensiunea corespunde
perspectivei din care faptele pot fi analizate în mod concludent (Lepadatu,
2013).
Referitor la modelarea conceptuală a unui depozit de date, în literatura
de specialitate (Velicanu, Muntean 2001) sunt acceptate următoarele modele:
modelul stea;
modelul fulg de nea;
modelul constelaţie.
Elementele componente ale unui astfel de model sunt:
măsuri ale activităţii – sunt reprezentate de datele cantitative la nivel agregat
(totaluri, medii, contorizări).
dimensiuni - sunt reprezentate de criteriile de agregare, acestea conţinând în
mod obligatoriu timpul (data calendaristică) şi alte astfel de criterii (de
exemplu: codul clientului, codul produsului, codul filialei etc.). Bineînţeles că
aceste dimensiuni trebuiesc explicitate în tabele distincte, tabele care trebuie
să respecte următoarele condiţii:
să descrie datele din tabela de fapte;
fiecare cheie trebuie să fie unică;
cheile trebuie să reprezinte nivelul de detaliere cel mai reprezentativ
pentru problema dată;
numărul dimensiunilor trebuie să fie rezonabil, întrucât un număr prea
mare de dimensiuni conduce la o gestionare mai dificilă a acestora,
precum şi la un timp de răspuns ridicat din partea sistemului în urma
solicitărilor venite de la utilizatori.
tabela de fapte - reprezintă locaţia unde se află stocate măsurile activităţii
grupate pe dimensiuni.
Această tabelă de fapte trebuie să îndeplinească următoarele condiţii:
să realizeze cuantificarea datelor descrise de către dimensiuni;
să conțină valori numerice care fac obiectul analizei (cantitate vândută,
preț, profit, cost, nr. clienți, etc.);
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 41 of 154 - Pages: 41, 41, 06/08/15 07:37 PM
42
să conțină chei externe către tabele dimensionale; fiecare cheie trebuie
să fie o combinaţie unică a cheilor primare din tabelele de dimensiuni;
cheile trebuie să conţină întotdeauna dimensiunea timp;
are un număr redus de coloane (câmpuri) și un număr mare de linii
(înregistrări);
informația din cadrul tabelei de fapte este:
numerică astfel încât să poată fi agregată;
aditivă sau semiaditivă pentru a permite sumarizarea unui număr
mare/larg de valori;
faptele depind în mod direct de câmpurile cheie externă care
permit relaționarea cu tabelele dimensionale și sunt la același nivel
de detaliu.
Modelul de bază al reprezentării la nivel conceptual al unui depozit de
date este reprezentat de modelul stea, din acesta obţinându-se şi celelalte
două modele. În Figura 2.3 este prezentat modelul stea pentru contractele de
vânzare-cumpărare încheiate de Supermarket X, contractele fiind grupate pe
patru dimensiuni: timp, produs, client şi filială. Acest model conţine o tabelă de
fapte pentru contracte, care conţine chei corespunzătoare pentru fiecare dintre
cele patru dimensiuni, precum şi două măsuri ale activităţii: TotalValoare,
TotalCantitate.
Într-un model stea, fiecare dimensiune este reprezentată printr-o
singură tabelă, care conţine la rândul său un set de atribute. Spre exemplu
tabela Clienti conţine următoarele atribute: CodClient, NumeClient, TipClient,
LocalitateClient, JudetClient, ZonaClient. Această structură a tabelei poate
conduce la apariţia unor redundanţe: localităţile „Constanţa”, „Mangalia” şi
„Medgidia” fiind toate din judeţul „Constanţa”, regiunea „Dobrogea”,
înregistrările de tipul (…, Constanta, Constanta, Dobrogea), (…, Mangalia,
Constanta, Dobrogea), (…, Medgidia, Constanta, Dobrogea) determină
redundanţe între câmpurile JudetClient şi ZonaClient (de fapt, este vorba
despre o dependenţă funcţională tranzitivă între câmpurile LocalitateClient,
JudetClient şi, ZonaClient).
42
să conțină chei externe către tabele dimensionale; fiecare cheie trebuie
să fie o combinaţie unică a cheilor primare din tabelele de dimensiuni;
cheile trebuie să conţină întotdeauna dimensiunea timp;
are un număr redus de coloane (câmpuri) și un număr mare de linii
(înregistrări);
informația din cadrul tabelei de fapte este:
numerică astfel încât să poată fi agregată;
aditivă sau semiaditivă pentru a permite sumarizarea unui număr
mare/larg de valori;
faptele depind în mod direct de câmpurile cheie externă care
permit relaționarea cu tabelele dimensionale și sunt la același nivel
de detaliu.
Modelul de bază al reprezentării la nivel conceptual al unui depozit de
date este reprezentat de modelul stea, din acesta obţinându-se şi celelalte
două modele. În Figura 2.3 este prezentat modelul stea pentru contractele de
vânzare-cumpărare încheiate de Supermarket X, contractele fiind grupate pe
patru dimensiuni: timp, produs, client şi filială. Acest model conţine o tabelă de
fapte pentru contracte, care conţine chei corespunzătoare pentru fiecare dintre
cele patru dimensiuni, precum şi două măsuri ale activităţii: TotalValoare,
TotalCantitate.
Într-un model stea, fiecare dimensiune este reprezentată printr-o
singură tabelă, care conţine la rândul său un set de atribute. Spre exemplu
tabela Clienti conţine următoarele atribute: CodClient, NumeClient, TipClient,
LocalitateClient, JudetClient, ZonaClient. Această structură a tabelei poate
conduce la apariţia unor redundanţe: localităţile „Constanţa”, „Mangalia” şi
„Medgidia” fiind toate din judeţul „Constanţa”, regiunea „Dobrogea”,
înregistrările de tipul (…, Constanta, Constanta, Dobrogea), (…, Mangalia,
Constanta, Dobrogea), (…, Medgidia, Constanta, Dobrogea) determină
redundanţe între câmpurile JudetClient şi ZonaClient (de fapt, este vorba
despre o dependenţă funcţională tranzitivă între câmpurile LocalitateClient,
JudetClient şi, ZonaClient).
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 42 of 154 - Pages: 42, 42, 06/08/15 07:37 PM
43
Clienti
PK CodClient
NumeClient
TipClient
LocalitateClient
JudetClient
RegiuneClient
Contracte
PK CodData
PK CodFiliala
PK CodClient
PK CodProdus
TotalValoare
TotalCantitate
Timp
PK CodData
Zi
Luna
Trimestru
Semestru
An
Produse
PK CodProdus
NumeProdus
CategorieProdus
Filiale
PK CodFiliala
NumeFiliala
LocalitateFiliala
JudetFiliala
RegiuneFiliala
Dimensiunea
TIMP
Dimensiunea
CLIENT
Dimensiunea
PRODUS
Dimensiunea
FILIALA
Tabela
de fapte
Măsuri ale
activităţii
Figura 2.5 - Modelul stea al unui depozit de date
Dacă în cazul unei model de tip stea se doreşte realizarea unei
subclasificări a anumitor dimensiuni, obţinându-se astfel subdimensiuni,
modelul nou-obţinut se va numi model fulg de nea.
În Figura 2.6 este prezentat modelul fulg de nea (derivat din modelul
stea prezentat anterior) pentru contractele încheiate, acestea fiind grupate pe
cinci dimensiuni: timp, sezon, produs, client şi filială. În model se observă o
detaliere a dimensiunilor produs (cu CategoriiProduse), client (cu
CategoriiClienti), şi filială (cu judete), precum şi faptul că există două
dimensiuni alternative (timp şi sezon).
Dacă în cadrul unei model există două sau mai multe tabele de fapte
care au în comun anumite dimensiuni (partajează anumite tabele), modelul
obţinut se numeşte model constelaţie. Bineînţeles că una dintre dimensiunile
comune ale tabelelor de fapte o reprezintă timpul, în urma asocierilor tabelelor
de fapte putându-se obţine o serie de corelaţii interesante între acestea.
43
Clienti
PK CodClient
NumeClient
TipClient
LocalitateClient
JudetClient
RegiuneClient
Contracte
PK CodData
PK CodFiliala
PK CodClient
PK CodProdus
TotalValoare
TotalCantitate
Timp
PK CodData
Zi
Luna
Trimestru
Semestru
An
Produse
PK CodProdus
NumeProdus
CategorieProdus
Filiale
PK CodFiliala
NumeFiliala
LocalitateFiliala
JudetFiliala
RegiuneFiliala
Dimensiunea
TIMP
Dimensiunea
CLIENT
Dimensiunea
PRODUS
Dimensiunea
FILIALA
Tabela
de fapte
Măsuri ale
activităţii
Figura 2.5 - Modelul stea al unui depozit de date
Dacă în cazul unei model de tip stea se doreşte realizarea unei
subclasificări a anumitor dimensiuni, obţinându-se astfel subdimensiuni,
modelul nou-obţinut se va numi model fulg de nea.
În Figura 2.6 este prezentat modelul fulg de nea (derivat din modelul
stea prezentat anterior) pentru contractele încheiate, acestea fiind grupate pe
cinci dimensiuni: timp, sezon, produs, client şi filială. În model se observă o
detaliere a dimensiunilor produs (cu CategoriiProduse), client (cu
CategoriiClienti), şi filială (cu judete), precum şi faptul că există două
dimensiuni alternative (timp şi sezon).
Dacă în cadrul unei model există două sau mai multe tabele de fapte
care au în comun anumite dimensiuni (partajează anumite tabele), modelul
obţinut se numeşte model constelaţie. Bineînţeles că una dintre dimensiunile
comune ale tabelelor de fapte o reprezintă timpul, în urma asocierilor tabelelor
de fapte putându-se obţine o serie de corelaţii interesante între acestea.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 43 of 154 - Pages: 43, 43, 06/08/15 07:37 PM
44
Clienti
PK CodClient
NumeClient
TipClient
LocalitateClient
JudetClient
RegiuneClient
Contracte
PK CodData
PK CodFiliala
PK CodClient
PK CodProdus
TotalValoare
TotalCantitate
Timp
PK CodData
Zi
Luna
Trimestru
Semestru
An
Produse
PK CodProdus
NumeProdus
CodCategorieProdus
Filiale
PK CodFiliala
NumeFiliala
LocalitateFiliala
CodJudetFiliala
CategoriiProduse
PK CodCategorieProdus
DenumireCategorieProdus
CategoriiClienti
PK CodCategorieClient
DenumireCategorieClient
Judete
PK CodJudet
Regiune
Sezon
PK CodData
ZiDinSaptamana
Sezon
Figura 2.6 - Modelul fulg de nea al unui depozit de date
În Figura 2.7. este prezentat modelul constelaţie (derivat din modelul
stea prezentat anterior) pentru contractele şi încasările companiei, atât
contractele, cât şi încasările fiind grupate pe patru dimensiuni: pentru contracte
– timp, produs, client şi filială, pentru încasări - timp, DocumentDeIncasare,
client şi filială. Se poate observa că cele două tabele de fapte au trei
dimensiuni comune, şi anume: timp, client şi filială.
44
Clienti
PK CodClient
NumeClient
TipClient
LocalitateClient
JudetClient
RegiuneClient
Contracte
PK CodData
PK CodFiliala
PK CodClient
PK CodProdus
TotalValoare
TotalCantitate
Timp
PK CodData
Zi
Luna
Trimestru
Semestru
An
Produse
PK CodProdus
NumeProdus
CodCategorieProdus
Filiale
PK CodFiliala
NumeFiliala
LocalitateFiliala
CodJudetFiliala
CategoriiProduse
PK CodCategorieProdus
DenumireCategorieProdus
CategoriiClienti
PK CodCategorieClient
DenumireCategorieClient
Judete
PK CodJudet
Regiune
Sezon
PK CodData
ZiDinSaptamana
Sezon
Figura 2.6 - Modelul fulg de nea al unui depozit de date
În Figura 2.7. este prezentat modelul constelaţie (derivat din modelul
stea prezentat anterior) pentru contractele şi încasările companiei, atât
contractele, cât şi încasările fiind grupate pe patru dimensiuni: pentru contracte
– timp, produs, client şi filială, pentru încasări - timp, DocumentDeIncasare,
client şi filială. Se poate observa că cele două tabele de fapte au trei
dimensiuni comune, şi anume: timp, client şi filială.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 44 of 154 - Pages: 44, 44, 06/08/15 07:37 PM
45
Clienti
PK CodClient
NumeClient
TipClient
LocalitateClient
JudetClient
RegiuneClient
Contracte
PK CodData
PK CodFiliala
PK CodClient
PK CodProdus
TotalValoare
TotalCantitate
Timp
PK CodData
Zi
Luna
Trimestru
Semestru
An
Produse
PK CodProdus
NumeProdus
CategorieProdus
Filiale
PK CodFiliala
NumeFiliala
LocalitateFiliala
JudetFiliala
RegiuneFiliala
DocIncasare
PK TipDocument
DenumireDocument
Incasari
PK CodFiliala
PK CodClient
PK TipDocument
PK CodData
TotalIncasari
Figura 2.7. - Modelul constelaţie al unui depozit de date
Cele trei tipuri de modele conceptuale ale unui depozit de date pot fi
modificate pe parcursul existenţei acestuia, fără a fi periclitată existenţa sa. De
altfel, în literatura de specialitate se consideră că dezvoltarea unui data
warehouse este un proces ciclic şi repetitiv, care se desfăşoară de-a lungul
întreagii sale existenţe (după cum se poate observa şi în Figura 2.8). În etapa
de proiectare se elaborează structura depozitului de date, plecându-se de la
premisa că trebuie să se asigure o identificare exactă a informaţiilor, urmată de
un acces rapid la date.
În etapa de populare se realizează preluarea automată a datelor din
sursele disponibile, datele suferind un proces de curăţare şi transformare,
45
Clienti
PK CodClient
NumeClient
TipClient
LocalitateClient
JudetClient
RegiuneClient
Contracte
PK CodData
PK CodFiliala
PK CodClient
PK CodProdus
TotalValoare
TotalCantitate
Timp
PK CodData
Zi
Luna
Trimestru
Semestru
An
Produse
PK CodProdus
NumeProdus
CategorieProdus
Filiale
PK CodFiliala
NumeFiliala
LocalitateFiliala
JudetFiliala
RegiuneFiliala
DocIncasare
PK TipDocument
DenumireDocument
Incasari
PK CodFiliala
PK CodClient
PK TipDocument
PK CodData
TotalIncasari
Figura 2.7. - Modelul constelaţie al unui depozit de date
Cele trei tipuri de modele conceptuale ale unui depozit de date pot fi
modificate pe parcursul existenţei acestuia, fără a fi periclitată existenţa sa. De
altfel, în literatura de specialitate se consideră că dezvoltarea unui data
warehouse este un proces ciclic şi repetitiv, care se desfăşoară de-a lungul
întreagii sale existenţe (după cum se poate observa şi în Figura 2.8). În etapa
de proiectare se elaborează structura depozitului de date, plecându-se de la
premisa că trebuie să se asigure o identificare exactă a informaţiilor, urmată de
un acces rapid la date.
În etapa de populare se realizează preluarea automată a datelor din
sursele disponibile, datele suferind un proces de curăţare şi transformare,
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 45 of 154 - Pages: 45, 45, 06/08/15 07:37 PM
46
urmat de integrarea lor în depozitul de date. Această operaţiune are loc
periodic, în scopul reactualizării datelor conţinute de către depozitul de date.
Etapa de exploatare se desfăşoară după ce depozitul de date este
operaţional, în urma utilizării acestuia apărând o serie de noi cerinţe
informaţionale din partea decidenţilor, cerinţe menite să vină în sprijinul
procesului de asistare a elaborării deciziei. Pentru rezolvarea noilor cerinţe, se
va realiza o reproiectare a depozitului de date, urmată de o repopularea a
acestuia şi de o nouă etapă de exploatare.
Eficiența modelării în datawarehousing depinde strict de capacitatea de
a descrie datele factuale în funcție de dimensiunile adecvate, adică în funcție
de perspectivele din care datele pot fi analizate. Pentru a putea susține mai
bine analiza datelor este util ca pentru fiecare dimensiune să se organizeze o
ierarhie de niveluri obtenabilă prin gruparea elementelor/ membrilor
dimensiunii în funcție de nevoile analizei.
2.2. Tehnologia On-Line Analytical Processing - agregarea datelor
stocate în depozite abordate multidimensional
Tehnologia On-Line Analytical Processing (OLAP) este o tehnologie de
agregare a datelor stocate în depozite, într-o abordare multidimensională care
asigură acces rapid la informaţiile necesare analiştilor financiari, într-o manieră
consistentă, interactivă şi foarte flexibilă. OLAP şi depozitele de date se
completează reciproc, OLAP transformând volumul imens de date stocate şi
gestionate în depozite, în informaţii utile procesului de decizie.
PROIECTARE
POPULARE
EXPLOATARE
Figura 2.8. – Ciclul de viaţă al unui depozit de date
46
urmat de integrarea lor în depozitul de date. Această operaţiune are loc
periodic, în scopul reactualizării datelor conţinute de către depozitul de date.
Etapa de exploatare se desfăşoară după ce depozitul de date este
operaţional, în urma utilizării acestuia apărând o serie de noi cerinţe
informaţionale din partea decidenţilor, cerinţe menite să vină în sprijinul
procesului de asistare a elaborării deciziei. Pentru rezolvarea noilor cerinţe, se
va realiza o reproiectare a depozitului de date, urmată de o repopularea a
acestuia şi de o nouă etapă de exploatare.
Eficiența modelării în datawarehousing depinde strict de capacitatea de
a descrie datele factuale în funcție de dimensiunile adecvate, adică în funcție
de perspectivele din care datele pot fi analizate. Pentru a putea susține mai
bine analiza datelor este util ca pentru fiecare dimensiune să se organizeze o
ierarhie de niveluri obtenabilă prin gruparea elementelor/ membrilor
dimensiunii în funcție de nevoile analizei.
2.2. Tehnologia On-Line Analytical Processing - agregarea datelor
stocate în depozite abordate multidimensional
Tehnologia On-Line Analytical Processing (OLAP) este o tehnologie de
agregare a datelor stocate în depozite, într-o abordare multidimensională care
asigură acces rapid la informaţiile necesare analiştilor financiari, într-o manieră
consistentă, interactivă şi foarte flexibilă. OLAP şi depozitele de date se
completează reciproc, OLAP transformând volumul imens de date stocate şi
gestionate în depozite, în informaţii utile procesului de decizie.
PROIECTARE
POPULARE
EXPLOATARE
Figura 2.8. – Ciclul de viaţă al unui depozit de date
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 46 of 154 - Pages: 46, 46, 06/08/15 07:37 PM
47
Tehnicile utilizate de OLAP cuprind de la simpla navigaţie şi selecţie a
datelor până la analize complexe incluzând modele şi serii temporale.
Aplicaţiile construite cu tehnologia OLAP asigură analiza rapidă a informaţiei
multidimensionale distribuită în locaţii multiple şi accesibilă în acelaşi timp unui
număr mare de utilizatori. OLAP utilizează în acest scop baze de date
multidimensionale, prin contrast cu bazele de date relaţionale care sunt
bidimensionale prin definiţie.
O facilitate extrem de puternică oferită de OLAP este posibilitatea de a
construi scenarii şi în consecinţă, posibilitatea de a răspunde la întrebări de
tipul: „Ce ar fi dacă?” în timp ce depozitele de date pot oferi răspunsuri numai
la întrebări de tipul „Cine?”, „Ce?”, „Unde?”, „Când?”. Analiza datelor, de tip
numeric sau statistic, poate fi predefinită de creatorul aplicaţiei dar şi de
utilizatorul final în cadrul unor interogări ad-hoc. OLAP asigură suport acestei
analize prin capacitatea sa de a efectua calcule intensive.
Principalele caracteristici ale OLAP ce pot fi utilizate în asistarea
deciziei de management, se referă la:
Perspectiva (view) multidimensională asupra datelor - capacitatea de a
integra mai multe aspecte ale managementului privit din diferite perspective:
timp, locație, produs. Fiecare dimensiune poate avea mai multe nivele:
dimensiunea temporală se poate divide în luni, zile, dimensiunea produs în
contracte, furnizori, etc.
Figura nr. 2.9. - Perspectiva (view) multidimensională asupra datelor
47
Tehnicile utilizate de OLAP cuprind de la simpla navigaţie şi selecţie a
datelor până la analize complexe incluzând modele şi serii temporale.
Aplicaţiile construite cu tehnologia OLAP asigură analiza rapidă a informaţiei
multidimensionale distribuită în locaţii multiple şi accesibilă în acelaşi timp unui
număr mare de utilizatori. OLAP utilizează în acest scop baze de date
multidimensionale, prin contrast cu bazele de date relaţionale care sunt
bidimensionale prin definiţie.
O facilitate extrem de puternică oferită de OLAP este posibilitatea de a
construi scenarii şi în consecinţă, posibilitatea de a răspunde la întrebări de
tipul: „Ce ar fi dacă?” în timp ce depozitele de date pot oferi răspunsuri numai
la întrebări de tipul „Cine?”, „Ce?”, „Unde?”, „Când?”. Analiza datelor, de tip
numeric sau statistic, poate fi predefinită de creatorul aplicaţiei dar şi de
utilizatorul final în cadrul unor interogări ad-hoc. OLAP asigură suport acestei
analize prin capacitatea sa de a efectua calcule intensive.
Principalele caracteristici ale OLAP ce pot fi utilizate în asistarea
deciziei de management, se referă la:
Perspectiva (view) multidimensională asupra datelor - capacitatea de a
integra mai multe aspecte ale managementului privit din diferite perspective:
timp, locație, produs. Fiecare dimensiune poate avea mai multe nivele:
dimensiunea temporală se poate divide în luni, zile, dimensiunea produs în
contracte, furnizori, etc.
Figura nr. 2.9. - Perspectiva (view) multidimensională asupra datelor
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 47 of 154 - Pages: 47, 47, 06/08/15 07:37 PM
48
Conceptul „dimensiune” este utilizat în sensul de aspect, dimensiunile
fiind complet independente şi au ca unitate de măsură toate valorile întâlnite în
dimensiunea respectivă. Aceste unităţi de măsură sunt posibile criterii de
agregare a datelor iar nivelele unei dimensiuni formează o ierarhie care de
asemenea oferă criterii de agregare a datelor. O tabelă dimensională are
următoarele caracteristici:
conține informații descriptive despre valorile numerice din tabelele de
fapte;
este denormalizată cu un număr mare de coloane;
conține puține înregistrări, comparativ cu tabela de fapte care poate
conține de la zeci de mii la milioane de înregistrări;
câmpurile sale sunt utilizate ca etichete pentru rândurile și coloanele
rapoartelor.
Atunci când toate dimensiunile au fost definite cubul OLAP este supus
procesului de prelucrare și putem obține o perspectivă multidimensională a
datelor. Prelucrarea cubului OLAP este ultimul pas după extragerea datelor din
sistemul sursă, transformarea adică aplicarea unor funcții pentru ca datele să
se poată conforma la o schemă standard de dimensiuni și încărcarea datelor în
vederea execuțiilor.
Evoluțiile recente ale depozitelor de date impun ca binecunoscutul flux
Extract (E) – Transform (T) – Load (L) care precede procesul de prelucrare a
cubului să fie extins la E-MPAC-TL adică: Extract - Monitor, Profile, Analyze,
Clean – Transform & Load, în încercarea de a echilibra în mod corespunzător
cerințele utilizatorilor finali cu realitățile sistemelor, instrumentelor,
constrângerilor și problemelor tehnice existente. Figura 2.10. descrie locul
fiecărei componente în arhitectula generală a fluxului, accentul fiind pus pe
calitatea datelor ce vor urma să fie prelucrate în vederea obținerii de informații,
cunoștințe care trebuie să constituie suportul deciziei/deciziilor, la nivel de
management.
Source: http://www.element61.be/assets/best-practise-extraction-tr.gif
Figura 2.10. - Arhitectura generală a fluxului E-MPAC-TL
48
Conceptul „dimensiune” este utilizat în sensul de aspect, dimensiunile
fiind complet independente şi au ca unitate de măsură toate valorile întâlnite în
dimensiunea respectivă. Aceste unităţi de măsură sunt posibile criterii de
agregare a datelor iar nivelele unei dimensiuni formează o ierarhie care de
asemenea oferă criterii de agregare a datelor. O tabelă dimensională are
următoarele caracteristici:
conține informații descriptive despre valorile numerice din tabelele de
fapte;
este denormalizată cu un număr mare de coloane;
conține puține înregistrări, comparativ cu tabela de fapte care poate
conține de la zeci de mii la milioane de înregistrări;
câmpurile sale sunt utilizate ca etichete pentru rândurile și coloanele
rapoartelor.
Atunci când toate dimensiunile au fost definite cubul OLAP este supus
procesului de prelucrare și putem obține o perspectivă multidimensională a
datelor. Prelucrarea cubului OLAP este ultimul pas după extragerea datelor din
sistemul sursă, transformarea adică aplicarea unor funcții pentru ca datele să
se poată conforma la o schemă standard de dimensiuni și încărcarea datelor în
vederea execuțiilor.
Evoluțiile recente ale depozitelor de date impun ca binecunoscutul flux
Extract (E) – Transform (T) – Load (L) care precede procesul de prelucrare a
cubului să fie extins la E-MPAC-TL adică: Extract - Monitor, Profile, Analyze,
Clean – Transform & Load, în încercarea de a echilibra în mod corespunzător
cerințele utilizatorilor finali cu realitățile sistemelor, instrumentelor,
constrângerilor și problemelor tehnice existente. Figura 2.10. descrie locul
fiecărei componente în arhitectula generală a fluxului, accentul fiind pus pe
calitatea datelor ce vor urma să fie prelucrate în vederea obținerii de informații,
cunoștințe care trebuie să constituie suportul deciziei/deciziilor, la nivel de
management.
Source: http://www.element61.be/assets/best-practise-extraction-tr.gif
Figura 2.10. - Arhitectura generală a fluxului E-MPAC-TL
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 48 of 154 - Pages: 48, 48, 06/08/15 07:37 PM
49
Într-o abordare orientată către cerințe, schemele multidimensionale se
definesc pe baza obiectivelor instituționale care rezultă din cerințele factorilor
de decizie. De aceea este extrem de important ca sursele de date să parcurgă
cerințele fluxului E-MPAC-TL pentru o mai bună mapare a conceptelor
multidimensionale (fapte, dimensiuni și măsuri) pe structura acestora cu scopul
precis de a alimenta corespunzător depozitul de date.
Capacitatea de a efectua calcule intensive – abilitatea de a aplica algoritmi
complecşi asupra datelor structurate, ceea ce implică posibilitate de adresare
multidimensională directă a locaţiilor şi optimizarea timpului de răspuns.
Orientare în timp (time intelligence) – abilitatea de exploatare
multidimensională, necesară pentru comparaţii şi judecăţi de valoare în orice
analiză economică. Pe baza datelor primare stocate în bazele de date ale
sistemelor informatice se fac agregări de tipul: „cotaţiile de preţ din luna
curentă”, „cotaţiile de preţ din aceeaşi perioadă a anului trecut”, „variaţiile de
preţ ale ultimelor zile”, etc., care trebuie luate în considerare la proiectarea
dimensiunii temporale a cubului.
Conceptual depozitele de date şi tehnologia OLAP au apărut în anii 1990, dar
suportul software disponibil nu era suficient de flexibil şi accesibil utilizatorilor
finali al căror prim obiectiv era luarea unei decizii şi nu manevrarea unor
instrumente sofisticate de agregare şi corelare a datelor.
Procesul de acomodare cu noile tehnologii fiind destul de dificil, tehnologiile
amintite au fost înglobate în multiple aplicaţii dotate cu interfeţe prietenoase,
personalizate, uşor de manevrat. Experienţa dobândită în urma dezvoltării unor
astfel de aplicaţii a stat la baza creării unor instrumente flexibile, accesibile şi
standardizate puse la dispoziţia end-user-ilor într-un context unitar,
asemănător mediului de lucru din a IV a generaţie, organizat în jurul sistemelor
de gestiune a bazelor de date.
De altfel, instrumentele de creare a depozitelor de date şi exploatarea lor prin
tehnologia OLAP sunt incluse în sistemul de gestiune a bazelor de date SQL
Server 7.0, cel mai bun sistem de baze de date cu arhitectură client-server pe
platformele Windows NT, 2000.
49
Într-o abordare orientată către cerințe, schemele multidimensionale se
definesc pe baza obiectivelor instituționale care rezultă din cerințele factorilor
de decizie. De aceea este extrem de important ca sursele de date să parcurgă
cerințele fluxului E-MPAC-TL pentru o mai bună mapare a conceptelor
multidimensionale (fapte, dimensiuni și măsuri) pe structura acestora cu scopul
precis de a alimenta corespunzător depozitul de date.
Capacitatea de a efectua calcule intensive – abilitatea de a aplica algoritmi
complecşi asupra datelor structurate, ceea ce implică posibilitate de adresare
multidimensională directă a locaţiilor şi optimizarea timpului de răspuns.
Orientare în timp (time intelligence) – abilitatea de exploatare
multidimensională, necesară pentru comparaţii şi judecăţi de valoare în orice
analiză economică. Pe baza datelor primare stocate în bazele de date ale
sistemelor informatice se fac agregări de tipul: „cotaţiile de preţ din luna
curentă”, „cotaţiile de preţ din aceeaşi perioadă a anului trecut”, „variaţiile de
preţ ale ultimelor zile”, etc., care trebuie luate în considerare la proiectarea
dimensiunii temporale a cubului.
Conceptual depozitele de date şi tehnologia OLAP au apărut în anii 1990, dar
suportul software disponibil nu era suficient de flexibil şi accesibil utilizatorilor
finali al căror prim obiectiv era luarea unei decizii şi nu manevrarea unor
instrumente sofisticate de agregare şi corelare a datelor.
Procesul de acomodare cu noile tehnologii fiind destul de dificil, tehnologiile
amintite au fost înglobate în multiple aplicaţii dotate cu interfeţe prietenoase,
personalizate, uşor de manevrat. Experienţa dobândită în urma dezvoltării unor
astfel de aplicaţii a stat la baza creării unor instrumente flexibile, accesibile şi
standardizate puse la dispoziţia end-user-ilor într-un context unitar,
asemănător mediului de lucru din a IV a generaţie, organizat în jurul sistemelor
de gestiune a bazelor de date.
De altfel, instrumentele de creare a depozitelor de date şi exploatarea lor prin
tehnologia OLAP sunt incluse în sistemul de gestiune a bazelor de date SQL
Server 7.0, cel mai bun sistem de baze de date cu arhitectură client-server pe
platformele Windows NT, 2000.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 49 of 154 - Pages: 49, 49, 06/08/15 07:37 PM
50
2.3. Tehnologia Datamining – mineritul datelor stocate
În prezent, marea majoritate a companiilor colectează şi stochează
cantităţi mari de date cu ajutorul tehnologiilor informaţionale. Bazele de date au
dimensiuni ce pot ajunge la un terabyte. Astăzi tehnologia oferă facilităţi
imense de stocare şi computere cu procesoare performante la preţuri foarte
reduse. Principala provocare pentru companii nu este de a colecta şi stoca
volume adecvate de date, ci cum să tragă concluziile cele mai relevante din
aceste cantităţi mari de informaţii. Răspunsul la această provocare este
furnizat de extragerea datelor prin tehnologia Data Mining.
Data mining derivă din similitudinile existente între căutarea de
informaţii valoroase într-o bază de date a unei companii şi extragerea
minereurilor preţioase dintr-un masiv montan. Data mining, extragerea de
informaţii ascunse din baze de date vaste reprezintă o tehnologie care poate
ajuta companiile să se concentreze asupra celor mai importante informaţii din
bazele lor de date. Instrumentele specifice acestei tehnologii identifică trenduri
mai aprofundat decât o simplă analiză. Datorită folosirii unor algoritmi
complicaţi, utilizatorii au posibilitatea de a identifica atribute cheie ale
proceselor organizaţionale.
Data Mining şi alte procese similare pot fi utilizate, în principiu, pe orice
fel de baze de date. Se folosesc însă cu precădere, dacă nu inclusiv, în
depozite de date, explicaţia fiind simplă: pentru ca o operaţiune de data mining
să ofere rezultate, este necesar ca datele să fie de calitate, adică să fie
curăţate, integrate, selectate si transformate. Datele conţinute într-un depozit
de date, îndeplinesc întocmai aceste cerinţe și conduc la rezultate corecte şi
utile, la analizarea lor cu rutine de data mining.
Principiul de funcţionare în data mining este următorul: se prelucrează
datele referitoare la perioadele trecute, examinând o varietate de situaţii care
s-au produs şi ale căror rezultate sau consecinţe sunt deci, bine cunoscute,
pentru a evidenţia caracteristicile acestora şi a permite elaborarea unui model.
Odată construit, modelul poate fi aplicat situaţiilor noi de acelaşi tip. Etapizat,
procesul de curățire a datelor poate fi derulat astfel:
Definirea problemei;
Prepararea datelor: căutarea, selectarea datelor pertinente, eliminarea
datelor necorespunzătoare;
Exploarea datelor: stabilirea modului de acțiune asupra variabilelor;
50
2.3. Tehnologia Datamining – mineritul datelor stocate
În prezent, marea majoritate a companiilor colectează şi stochează
cantităţi mari de date cu ajutorul tehnologiilor informaţionale. Bazele de date au
dimensiuni ce pot ajunge la un terabyte. Astăzi tehnologia oferă facilităţi
imense de stocare şi computere cu procesoare performante la preţuri foarte
reduse. Principala provocare pentru companii nu este de a colecta şi stoca
volume adecvate de date, ci cum să tragă concluziile cele mai relevante din
aceste cantităţi mari de informaţii. Răspunsul la această provocare este
furnizat de extragerea datelor prin tehnologia Data Mining.
Data mining derivă din similitudinile existente între căutarea de
informaţii valoroase într-o bază de date a unei companii şi extragerea
minereurilor preţioase dintr-un masiv montan. Data mining, extragerea de
informaţii ascunse din baze de date vaste reprezintă o tehnologie care poate
ajuta companiile să se concentreze asupra celor mai importante informaţii din
bazele lor de date. Instrumentele specifice acestei tehnologii identifică trenduri
mai aprofundat decât o simplă analiză. Datorită folosirii unor algoritmi
complicaţi, utilizatorii au posibilitatea de a identifica atribute cheie ale
proceselor organizaţionale.
Data Mining şi alte procese similare pot fi utilizate, în principiu, pe orice
fel de baze de date. Se folosesc însă cu precădere, dacă nu inclusiv, în
depozite de date, explicaţia fiind simplă: pentru ca o operaţiune de data mining
să ofere rezultate, este necesar ca datele să fie de calitate, adică să fie
curăţate, integrate, selectate si transformate. Datele conţinute într-un depozit
de date, îndeplinesc întocmai aceste cerinţe și conduc la rezultate corecte şi
utile, la analizarea lor cu rutine de data mining.
Principiul de funcţionare în data mining este următorul: se prelucrează
datele referitoare la perioadele trecute, examinând o varietate de situaţii care
s-au produs şi ale căror rezultate sau consecinţe sunt deci, bine cunoscute,
pentru a evidenţia caracteristicile acestora şi a permite elaborarea unui model.
Odată construit, modelul poate fi aplicat situaţiilor noi de acelaşi tip. Etapizat,
procesul de curățire a datelor poate fi derulat astfel:
Definirea problemei;
Prepararea datelor: căutarea, selectarea datelor pertinente, eliminarea
datelor necorespunzătoare;
Exploarea datelor: stabilirea modului de acțiune asupra variabilelor;
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 50 of 154 - Pages: 50, 50, 06/08/15 07:37 PM
51
Construirea modelului;
Validarea modelului și implicit al rezultatului;
Integrarea cunoștințelor.
Source: https://i-msdn.sec.s-msft.com/dynimg/IC125015.gif
Figura 2.11 – Etapele procesului Datamining
Tehnologia Data mining este o tehnologie relativ nouă, care câştigă din
ce în ce mai mult teren prin capacitatea sa de a descoperi aspecte noi ale
activităţii desfăşurate, aspecte trecute în mod normal cu vederea. Este vorba
în principal, de corelaţiile dintre evenimente, asociaţii între anumite fapte,
secvenţe, tipare de comportament, toate extrem de utile în procesele de luare
a deciziei. Procesarea datelor prin tehnologia data mining se desfăşoară fără
intervenţia utilizatorului, în background, rezultatele fiind stocate pentru
consultare ulterioară la cerere.
2.3.1. Extragerea informațiilor din depozitele de date. Instrumente de extragere
şi transformare a datelor
Data Mining reprezintă procesul de extragere a informaţiilor anterior
necunoscute şi potențial folositoare din depozitele de date. Acest proces
constă în căutarea informaţiilor în volume mari de date, explorarea şi
analizarea lor prin metode automate sau semiautomate, cu scopul de a
descoperi şabloane tendinţe şi reguli folositoare. Procesul nu necesită
stabilirea de ipoteze de plecare care ar trebui verificate. Demersul fără a priori
încearcă să facă să apară, din datele brute, inferențe pe care experimentatorul
e posibil nici să nu le bănuiască și a căror pertinență va trebui să o valideze.
51
Construirea modelului;
Validarea modelului și implicit al rezultatului;
Integrarea cunoștințelor.
Source: https://i-msdn.sec.s-msft.com/dynimg/IC125015.gif
Figura 2.11 – Etapele procesului Datamining
Tehnologia Data mining este o tehnologie relativ nouă, care câştigă din
ce în ce mai mult teren prin capacitatea sa de a descoperi aspecte noi ale
activităţii desfăşurate, aspecte trecute în mod normal cu vederea. Este vorba
în principal, de corelaţiile dintre evenimente, asociaţii între anumite fapte,
secvenţe, tipare de comportament, toate extrem de utile în procesele de luare
a deciziei. Procesarea datelor prin tehnologia data mining se desfăşoară fără
intervenţia utilizatorului, în background, rezultatele fiind stocate pentru
consultare ulterioară la cerere.
2.3.1. Extragerea informațiilor din depozitele de date. Instrumente de extragere
şi transformare a datelor
Data Mining reprezintă procesul de extragere a informaţiilor anterior
necunoscute şi potențial folositoare din depozitele de date. Acest proces
constă în căutarea informaţiilor în volume mari de date, explorarea şi
analizarea lor prin metode automate sau semiautomate, cu scopul de a
descoperi şabloane tendinţe şi reguli folositoare. Procesul nu necesită
stabilirea de ipoteze de plecare care ar trebui verificate. Demersul fără a priori
încearcă să facă să apară, din datele brute, inferențe pe care experimentatorul
e posibil nici să nu le bănuiască și a căror pertinență va trebui să o valideze.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 51 of 154 - Pages: 51, 51, 06/08/15 07:37 PM
52
Data mining este în același timp un proces interactiv şi iterativ de
identificare în baze mari de date de informatii implicite, valide, noi, potenţial
utile si inteligibile care se pot transforma în cunoştinte. Conceptul de data
mining mai este cunoscut și sub denumirea de Knowledge Discovery in
Databases (KDD)10, extragere de cunoştinţe de baze de date, arheologia
datelor si altele. Extragerea de cunoştinţe, executată corect, conduce la:
reducerea costurilor proceselor de luare a deciziilor,
management inteligent (de o mai bună calitate şi cu decizii mai rapide),
îmbunătaţirea serviciilor către clienţi,
oferirea unui suport valabil proiectelor de reinginerire a afacerii,
îmbunătaţirea managementului firmei în ansamblu,
iar etapele care compun procesul de descoperire a cunoștințelor este redat
sintetic în Figura 2.12.
Figura 2.12. – Etapele procesului de descoperire a cunoștințelor
Sistemele de data mining sau de extragere de cunoştinţe au
următoarele caracteristici esenţiale:
concluziile generate de sistem au o probabilitate foarte mare, pot fi
considerate „sigure”;
în comparaţie cu informaţiile deţinute de utilizator sau de către sistem,
informaţia rezultatâ nu este trivială;
modelele descoperite sunt reprezentate utilizatorului într-o formă
comprehensibilă.
Ca parte a procesului de extragere şi transformare, este nevoie de
instrumente care să poată extrage, transforma, integra, curăţi şi încărca datele
din sistemele sursă în una sau mai multe baze de date ale depozitului. Echipa
data warehouse are mai multe opţiuni privind instrumentele de extragere a
datelor, însă alegerea depinde în principal de următorii factori:
10 http://www.techopedia.com/definition/25827/knowledge-discovery-in-databases-kdd
52
Data mining este în același timp un proces interactiv şi iterativ de
identificare în baze mari de date de informatii implicite, valide, noi, potenţial
utile si inteligibile care se pot transforma în cunoştinte. Conceptul de data
mining mai este cunoscut și sub denumirea de Knowledge Discovery in
Databases (KDD)10, extragere de cunoştinţe de baze de date, arheologia
datelor si altele. Extragerea de cunoştinţe, executată corect, conduce la:
reducerea costurilor proceselor de luare a deciziilor,
management inteligent (de o mai bună calitate şi cu decizii mai rapide),
îmbunătaţirea serviciilor către clienţi,
oferirea unui suport valabil proiectelor de reinginerire a afacerii,
îmbunătaţirea managementului firmei în ansamblu,
iar etapele care compun procesul de descoperire a cunoștințelor este redat
sintetic în Figura 2.12.
Figura 2.12. – Etapele procesului de descoperire a cunoștințelor
Sistemele de data mining sau de extragere de cunoştinţe au
următoarele caracteristici esenţiale:
concluziile generate de sistem au o probabilitate foarte mare, pot fi
considerate „sigure”;
în comparaţie cu informaţiile deţinute de utilizator sau de către sistem,
informaţia rezultatâ nu este trivială;
modelele descoperite sunt reprezentate utilizatorului într-o formă
comprehensibilă.
Ca parte a procesului de extragere şi transformare, este nevoie de
instrumente care să poată extrage, transforma, integra, curăţi şi încărca datele
din sistemele sursă în una sau mai multe baze de date ale depozitului. Echipa
data warehouse are mai multe opţiuni privind instrumentele de extragere a
datelor, însă alegerea depinde în principal de următorii factori:
10 http://www.techopedia.com/definition/25827/knowledge-discovery-in-databases-kdd
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 52 of 154 - Pages: 52, 52, 06/08/15 07:37 PM
53
Bazele de date şi platforma sistemului sursă. Instrumentele de extragere şi
transformare nu pot accesa toate tipurile de surse de date şi toate tipurile de
platforme de operare. Atâta timp cât nu există disponibilităţi pentru investiţii
în componente middleware, opţiunile sunt limitate la acele instrumente care
sunt compatibile cu sistemele sursă din întreprindere.
Funcţionalităţi de extragere şi duplicare existente. Sistemele sursă pot avea
deja posibilităţi de extragere şi duplicare încorporate, fie prin aplicaţiile
folosite, fie prin motorul bazei de date. Disponibilitatea acestor funcţionalităţi
pot reduce dificultăţile legate de procesul de extragere a datelor.
Intervalele de timp în care sistemele operaţionale sunt disponibile. Unele
mecanisme de extragere sunt mai rapide şi mai eficiente decât altele.
Ferestrele de timp din sistemele operaţionale determină timpul disponibil
pentru procesul de extragere şi acest aspect poate limita opţiunile echipei
de dezvoltare în ce priveşte alegerea instrumentelor de extragere. În
practică se întâlnesc două metode de bază pentru extragerea datelor din
sistemele operaţionale:
- Extragerea în masă (bulk extractions) - întregul depozit de date
este împrospătat periodic prin extragerea datelor din sistemele sursă.
Toate datele necesare sunt extrase din sistemele sursă iar depozitul de
date este reconstruit complet. Această tehnică implică mari costuri legate
de transmiterea datelor în reţea, în schimb oferă avantajul unei întreţineri
comode a depozitului de date;
- Replicarea - ia în considerare doar datele noi din sistemele sursă.
în acest caz sunt extrase doar datele noi sau datele care au suferit
modificări de la ultima extragere din sistemele sursă. Această metodă
este eficientă din punctul de vedere al volumului de date care se
vehiculează în reţea, dar necesită aplicaţii complexe care să gestioneze
schimbările intervenite. Instrumentele de transformare transformă datele
extrase întrun format adecvat care este necesar pentru a putea fi stocate
în depozitul de date.
Majoritatea instrumentelor de transformare oferă următoarele
capabilităţi (vezi Tabelul 2.1.):
Partiţionarea şi consolidarea câmpurilor. Anumite secvenţe de date sunt
implementate într-un singur câmp fizic din sistemul sursă, ceea ce duce
la necesitatea partiţionării lor în mai multe câmpuri în depozitul de date.
În acelaşi timp, pot fi cazuri în care mai multe câmpuri din sistemele
53
Bazele de date şi platforma sistemului sursă. Instrumentele de extragere şi
transformare nu pot accesa toate tipurile de surse de date şi toate tipurile de
platforme de operare. Atâta timp cât nu există disponibilităţi pentru investiţii
în componente middleware, opţiunile sunt limitate la acele instrumente care
sunt compatibile cu sistemele sursă din întreprindere.
Funcţionalităţi de extragere şi duplicare existente. Sistemele sursă pot avea
deja posibilităţi de extragere şi duplicare încorporate, fie prin aplicaţiile
folosite, fie prin motorul bazei de date. Disponibilitatea acestor funcţionalităţi
pot reduce dificultăţile legate de procesul de extragere a datelor.
Intervalele de timp în care sistemele operaţionale sunt disponibile. Unele
mecanisme de extragere sunt mai rapide şi mai eficiente decât altele.
Ferestrele de timp din sistemele operaţionale determină timpul disponibil
pentru procesul de extragere şi acest aspect poate limita opţiunile echipei
de dezvoltare în ce priveşte alegerea instrumentelor de extragere. În
practică se întâlnesc două metode de bază pentru extragerea datelor din
sistemele operaţionale:
- Extragerea în masă (bulk extractions) - întregul depozit de date
este împrospătat periodic prin extragerea datelor din sistemele sursă.
Toate datele necesare sunt extrase din sistemele sursă iar depozitul de
date este reconstruit complet. Această tehnică implică mari costuri legate
de transmiterea datelor în reţea, în schimb oferă avantajul unei întreţineri
comode a depozitului de date;
- Replicarea - ia în considerare doar datele noi din sistemele sursă.
în acest caz sunt extrase doar datele noi sau datele care au suferit
modificări de la ultima extragere din sistemele sursă. Această metodă
este eficientă din punctul de vedere al volumului de date care se
vehiculează în reţea, dar necesită aplicaţii complexe care să gestioneze
schimbările intervenite. Instrumentele de transformare transformă datele
extrase întrun format adecvat care este necesar pentru a putea fi stocate
în depozitul de date.
Majoritatea instrumentelor de transformare oferă următoarele
capabilităţi (vezi Tabelul 2.1.):
Partiţionarea şi consolidarea câmpurilor. Anumite secvenţe de date sunt
implementate într-un singur câmp fizic din sistemul sursă, ceea ce duce
la necesitatea partiţionării lor în mai multe câmpuri în depozitul de date.
În acelaşi timp, pot fi cazuri în care mai multe câmpuri din sistemele
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 53 of 154 - Pages: 53, 53, 06/08/15 07:37 PM
54
sursă trebuie consolidate astfel încât datele să fie stocate în depozit într-
un singur câmp.
Standardizarea. Standardele şi convenţiile pentru abrevieri, formate de
date, tipuri de date etc sunt aplicate secvenţelor individuale de date
pentru a creşte uniformitatea conţinutului.
Deduplicarea. Se definesc reguli pentru a identifica înregistrări duplicat.
Când se descoperă un duplicat, două sau mai multe înregistrări sunt
comasate pentru a forma o singură înregistrare în depozitul de date.
Tabel 2.1. – Exemple de transformări de date
Câmp sursă Tipul transformării Depozit de date
Câmpul Adresa:
Str. V.Conta, nr. 4, Craiova,
200450, Dolj, Romania
Partiționare câmpuri
Strada: V. Conta; Nr.: 4
Localitate: Craiova;
Cod: 200450;
Județ: Dolj;
Țara: România
Nume: Ionescu
Prenume: Ioan
Consolidare
câmpuri
Nume-prenume:
Ionescu Ioan
Data nașterii: 15 Apr. 2015
Data nașterii: 15-04-05 Standardizare
Data nașterii:
15 Aprilie 2015
Sistem1, Nume angajat:
Ionescu I. Ioan
Sistem2, Nume angajat:
Ionescu Ioan
Deduplicare Nume angajat:
Ionescu Ioan
Diverse exemplificări ale procesului de aplicare a procesului de data mining în
diverse domenii:
Advertising ...
Un exemplu tipic de problemă de natură descriptivă este direcţionarea
acţiunilor de advertising. Datele rezultate din corespondenţa promoţională
trecută se folosesc pentru a identifica destinatarii pentru următoarea campanie
promoţională care, pot aduce un maxim de efect.
Tranzacții financiare ...
În schimb, detectarea evoluţiilor de curs spectaculoase, derulate în
ringul de tranzacţionare constituie unul dintre exemplele tipice de aplicaţii
descriptive. Explorarea ansamblului tranzacţiilor permite evidenţierea unui
anumit tipar comportamental considerat normal. De îndată ce un trend iese din
tipar, pot fi emise semnale de avertisment. Este posibil ca trendul semnalat să
54
sursă trebuie consolidate astfel încât datele să fie stocate în depozit într-
un singur câmp.
Standardizarea. Standardele şi convenţiile pentru abrevieri, formate de
date, tipuri de date etc sunt aplicate secvenţelor individuale de date
pentru a creşte uniformitatea conţinutului.
Deduplicarea. Se definesc reguli pentru a identifica înregistrări duplicat.
Când se descoperă un duplicat, două sau mai multe înregistrări sunt
comasate pentru a forma o singură înregistrare în depozitul de date.
Tabel 2.1. – Exemple de transformări de date
Câmp sursă Tipul transformării Depozit de date
Câmpul Adresa:
Str. V.Conta, nr. 4, Craiova,
200450, Dolj, Romania
Partiționare câmpuri
Strada: V. Conta; Nr.: 4
Localitate: Craiova;
Cod: 200450;
Județ: Dolj;
Țara: România
Nume: Ionescu
Prenume: Ioan
Consolidare
câmpuri
Nume-prenume:
Ionescu Ioan
Data nașterii: 15 Apr. 2015
Data nașterii: 15-04-05 Standardizare
Data nașterii:
15 Aprilie 2015
Sistem1, Nume angajat:
Ionescu I. Ioan
Sistem2, Nume angajat:
Ionescu Ioan
Deduplicare Nume angajat:
Ionescu Ioan
Diverse exemplificări ale procesului de aplicare a procesului de data mining în
diverse domenii:
Advertising ...
Un exemplu tipic de problemă de natură descriptivă este direcţionarea
acţiunilor de advertising. Datele rezultate din corespondenţa promoţională
trecută se folosesc pentru a identifica destinatarii pentru următoarea campanie
promoţională care, pot aduce un maxim de efect.
Tranzacții financiare ...
În schimb, detectarea evoluţiilor de curs spectaculoase, derulate în
ringul de tranzacţionare constituie unul dintre exemplele tipice de aplicaţii
descriptive. Explorarea ansamblului tranzacţiilor permite evidenţierea unui
anumit tipar comportamental considerat normal. De îndată ce un trend iese din
tipar, pot fi emise semnale de avertisment. Este posibil ca trendul semnalat să
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 54 of 154 - Pages: 54, 54, 06/08/15 07:37 PM
55
nu atragă după sine şi creşteri/descreşteri semnificative ale cotaţiilor; o analiză
ulterioară poate stabili acest lucru dar, în acest stadiu, sistemul, ca urmare a
implementării tehnologiei de extragere a cunoştinţelor, emite semnale de
avertizare pentru a preveni orice consecinţe nedorite pentru managementul
tranzacțiilor.
Distribuție produse ...
Utilizatorul (managerul de vânzări) solicită bazei de date informaţii cu
privire la vânzările totale pe trimestrul curent şi pe trimestrul anterior, precum şi
un calcul al diferenţei şi a procentajului de creştere sau descreştere a
vânzărilor. La o primă interogare a bazei de date el află, de exemplu, că
vânzările au crescut, în ansablu, de la trimestru la trimestru. Mai departe, el
doreşte să afle cum stă evoluţia vânzărilor pe fiecare judeţ, şi cere bazei de
date un raport asemănător, numai că acum defalcat pe judeţe. Primind acest
raport, el află că vânzările au crescut în majoritatea judeţelor, dar au scăzut în
Bacău şi Vrancea. Pentru a afla mai mult, el cere situaţia vânzărilor pentru
fiecare din cei 10 distribuitori din judeţul Bacău, unul din judeţele cu probleme.
Astfel, află că în acest judeţ, 8 din 10 distribuitori au înregistrat scăderi destul
de drastice ale vânzărilor. Mai departe, el cere pentru fiecare din aceşti
distribuitori, o situaţie a evoluţiei vânzărilor pe produse şi observă că declinul
cel mai accentuat se înregistrează la produsul X. Urmărind situaţia vânzărilor
pentru zona Vrancea, utilizatorul descoperă acelaşi lucru: vânzările la produsul
X scad la majoritatea distribuitorilor din acest judeţ. Studiind vânzările
produsului X şi în judeţele unde se înregistrează creşteri de ansamblu ale cifrei
de afaceri, managerul află că în cazul acestui produs, creşterile sunt foarte
reduse, iar în multe cazuri (cca. 30% din totalul judeţelor) s-au produs chiar
scăderi uşoare. Concluzia analizei: produsul X pare a fi un produs-problemă.
Momentan, problema se manifestă mai acut în două zone, dar s-ar putea
extinde în viitor. Aşadar, deşi per ansamblu vânzările firmei au crescut, există
totuşi o problemă importantă, care a fost identificată cu ajutorul procesului de
data mining.
Marketing – profilul consumatorului ...
Caracteristicile clienţilor buni (celor care cumpără de la firmă, regulat şi
în cantităţi mari) sunt utilizate ca variabile de predicţie. Ele îi vor ajuta pe
marketeri să-i “ţintească” pe noii clienţi. Cu ajutorul explorării putem identifica,
55
nu atragă după sine şi creşteri/descreşteri semnificative ale cotaţiilor; o analiză
ulterioară poate stabili acest lucru dar, în acest stadiu, sistemul, ca urmare a
implementării tehnologiei de extragere a cunoştinţelor, emite semnale de
avertizare pentru a preveni orice consecinţe nedorite pentru managementul
tranzacțiilor.
Distribuție produse ...
Utilizatorul (managerul de vânzări) solicită bazei de date informaţii cu
privire la vânzările totale pe trimestrul curent şi pe trimestrul anterior, precum şi
un calcul al diferenţei şi a procentajului de creştere sau descreştere a
vânzărilor. La o primă interogare a bazei de date el află, de exemplu, că
vânzările au crescut, în ansablu, de la trimestru la trimestru. Mai departe, el
doreşte să afle cum stă evoluţia vânzărilor pe fiecare judeţ, şi cere bazei de
date un raport asemănător, numai că acum defalcat pe judeţe. Primind acest
raport, el află că vânzările au crescut în majoritatea judeţelor, dar au scăzut în
Bacău şi Vrancea. Pentru a afla mai mult, el cere situaţia vânzărilor pentru
fiecare din cei 10 distribuitori din judeţul Bacău, unul din judeţele cu probleme.
Astfel, află că în acest judeţ, 8 din 10 distribuitori au înregistrat scăderi destul
de drastice ale vânzărilor. Mai departe, el cere pentru fiecare din aceşti
distribuitori, o situaţie a evoluţiei vânzărilor pe produse şi observă că declinul
cel mai accentuat se înregistrează la produsul X. Urmărind situaţia vânzărilor
pentru zona Vrancea, utilizatorul descoperă acelaşi lucru: vânzările la produsul
X scad la majoritatea distribuitorilor din acest judeţ. Studiind vânzările
produsului X şi în judeţele unde se înregistrează creşteri de ansamblu ale cifrei
de afaceri, managerul află că în cazul acestui produs, creşterile sunt foarte
reduse, iar în multe cazuri (cca. 30% din totalul judeţelor) s-au produs chiar
scăderi uşoare. Concluzia analizei: produsul X pare a fi un produs-problemă.
Momentan, problema se manifestă mai acut în două zone, dar s-ar putea
extinde în viitor. Aşadar, deşi per ansamblu vânzările firmei au crescut, există
totuşi o problemă importantă, care a fost identificată cu ajutorul procesului de
data mining.
Marketing – profilul consumatorului ...
Caracteristicile clienţilor buni (celor care cumpără de la firmă, regulat şi
în cantităţi mari) sunt utilizate ca variabile de predicţie. Ele îi vor ajuta pe
marketeri să-i “ţintească” pe noii clienţi. Cu ajutorul explorării putem identifica,
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 55 of 154 - Pages: 55, 55, 06/08/15 07:37 PM
56
în baza de date cu clienţi, o serie de modele care pot fi aplicate ca criterii de
selectare pentru o bază de date cu clienţi potenţiali. Acei clienţi potenţiali, care
se aseamănă cel mai mult cu “clientul ideal”, vor constitui cei mai buni
candidaţi pentru o campanie de marketing direct, de exemplu. Este de aşteptat
ca beneficiile oferite de produsul firmei, să fie interesante şi pentru ei. Acest
fapt permite eficientizarea campaniilor de marketing, prin direcţionarea lor
către acei potenţiali clienţi care au cea mai mare probabilitate de cumpărare.
Explorarea datelor îi poate ajuta pe detailişti să înţeleagă cum arată “coşul de
produse” al unui cumpărător individual (ce tip de produse şi ce mărci sunt
achiziţionate simultan). Ei pot afla astfel ce produse trebuie expuse pe rafturi şi
cum trebuie expuse. Explorarea poate de asemenea ajuta la măsurarea
eficienţei campaniilor promoţionale ale magazinului.
Managementul clienților - gestiunea relaţiilor cu clienţii ...
Determinând caracteristicile clienţilor pentru care este foarte mare
probabilitatea de a ne părăsi în favoarea unui client, compania poate pune în
practică acţiuni de reţinere a clienţilor, ştiut fiind că reţinerea clienţilor vechi
costă mult mai puţin decât atragerea de noi clienţi.
2.3.2. Metode și tehnici de datamining. Clustering – tehnică de grupare a
datelor multi-dimensionale
Tehnicile de data mining permit extragerea informațiilor și realizarea de
previziuni pornind de la date istorice. Tehnicile de data mining au fost grupate
în trei categorii, în functie de tipul de probleme pe care le pot modela:
Clasificarea și regresia reprezintă cea mai largă categorie de aplicații,
constând în construirea de modele pentru previzionarea apartenenței la un
set de clase (clasificare) sau a unor valori (regresie). Există câteva tehnici
dedicate rezolvării problemelor de clasificare și regresie, dintre care arborii
decizionali, tehnica Bayes, rețelele neuronale și k-NN se bucură de o largă
recunoaștere.
Analiza asocierilor și succesiunilor, denumită uneori analiza coșului de
cumpărături; această tehnică generează modele descriptive care
evidențiază reguli de corelație între atributele unui set de date.
Analiza de tip cluster este o tehnică descriptivă utilizată pentru gruparea
entităților similare dintr-un set de date sau în egală măsura pentru
56
în baza de date cu clienţi, o serie de modele care pot fi aplicate ca criterii de
selectare pentru o bază de date cu clienţi potenţiali. Acei clienţi potenţiali, care
se aseamănă cel mai mult cu “clientul ideal”, vor constitui cei mai buni
candidaţi pentru o campanie de marketing direct, de exemplu. Este de aşteptat
ca beneficiile oferite de produsul firmei, să fie interesante şi pentru ei. Acest
fapt permite eficientizarea campaniilor de marketing, prin direcţionarea lor
către acei potenţiali clienţi care au cea mai mare probabilitate de cumpărare.
Explorarea datelor îi poate ajuta pe detailişti să înţeleagă cum arată “coşul de
produse” al unui cumpărător individual (ce tip de produse şi ce mărci sunt
achiziţionate simultan). Ei pot afla astfel ce produse trebuie expuse pe rafturi şi
cum trebuie expuse. Explorarea poate de asemenea ajuta la măsurarea
eficienţei campaniilor promoţionale ale magazinului.
Managementul clienților - gestiunea relaţiilor cu clienţii ...
Determinând caracteristicile clienţilor pentru care este foarte mare
probabilitatea de a ne părăsi în favoarea unui client, compania poate pune în
practică acţiuni de reţinere a clienţilor, ştiut fiind că reţinerea clienţilor vechi
costă mult mai puţin decât atragerea de noi clienţi.
2.3.2. Metode și tehnici de datamining. Clustering – tehnică de grupare a
datelor multi-dimensionale
Tehnicile de data mining permit extragerea informațiilor și realizarea de
previziuni pornind de la date istorice. Tehnicile de data mining au fost grupate
în trei categorii, în functie de tipul de probleme pe care le pot modela:
Clasificarea și regresia reprezintă cea mai largă categorie de aplicații,
constând în construirea de modele pentru previzionarea apartenenței la un
set de clase (clasificare) sau a unor valori (regresie). Există câteva tehnici
dedicate rezolvării problemelor de clasificare și regresie, dintre care arborii
decizionali, tehnica Bayes, rețelele neuronale și k-NN se bucură de o largă
recunoaștere.
Analiza asocierilor și succesiunilor, denumită uneori analiza coșului de
cumpărături; această tehnică generează modele descriptive care
evidențiază reguli de corelație între atributele unui set de date.
Analiza de tip cluster este o tehnică descriptivă utilizată pentru gruparea
entităților similare dintr-un set de date sau în egală măsura pentru
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 56 of 154 - Pages: 56, 56, 06/08/15 07:37 PM
57
evidențierea entităților care prezintă diferențieri substanțiale față de un grup.
Tehnicile de grupare în clustere se bazează pe algoritmi din sfera rețelelor
neuronale, algoritmi demografici, k-NN etc.
Pentru rezolvarea problemelor de clasificare și regresie există o serie
de tehnici, iar pentru fiecare tehnică sunt disponibili mai mulți algoritmi.
Diferența dintre clasificare și regresie este aceea că în primul caz, outputul
previzionat este apartenența la o anumită clasă, în timp ce în al doilea caz,
outputul estimează valoarea unui atribut.
Clasificarea (clustering) analizează un set de date şi stabileşte un
ansamblu de reguli pe baza cărora vor fi grupate datele obţinute în viitor.
Software-ul de data mining identifică automat clasele (sau “ciorchinii”), studiind
pattern-ul datelor existente (Berkhin, 2002). Odată ce au fost generate clasele
se poate stabili, pe baza unor caracteristici precizate, cărei clase aparţine un
anume obiect din baza de date studiată. De exemplu, o clasă poate fi un
segment de piaţă. Atunci când firma are un client nou ea poate stabili,
cunoscând caracteristicile acestuia, în ce segment se încadrează.
Această tehnică de grupare este utilă pentru sumarizarea unor cantități
mari de informație, fiecare grupă reprezentând mai multe puncte având
caracteristici similare (Barbara, 2000). Clusterele distincte nu se suprapun
(sunt disjuncte). De fapt, analiza clasificării constă dintr-o colecție de algoritmi
ce exploatează mai multe euristici fundamentate în principal pe experiența
noastră „vizuală” în gruparea datelor în „nori de puncte”. În general, pentru a
putea folosi un algoritm de clasificare, este nevoie ca mai întâi să se precizeze:
Un tip de distanță între punctele unui spațiu multidimensional;
O strategie de alegere a punctului reprezentativ (adică a „centrului”)
pentru orice grupare de puncte. Cel mai adesea există tendința de a
alege media aritmetică (adică „centrul de greutate”);
Un tip de distanță între două grupe de date. Cele mai folosite
asemenea distanțe iau în considerare distanța între puncte aleasă
anterior.
Clusterizarea are nevoie de o funcţie de similitudine pentru a măsura
cât de similare sunt două date, sau alternativ, o funcţie depărtare
(disimilaritate) pentru a măsura distanţa dintre două date, întrucât utilizatorul
explorează datele cu scopul de a găsi structuri noi, interesante şi folositoare.
Principala problemă a clusterizării o constituie volumul mare de date care
trebuie procesat, algoritmii de clusterizare fiind în general cu timp de răspuns
57
evidențierea entităților care prezintă diferențieri substanțiale față de un grup.
Tehnicile de grupare în clustere se bazează pe algoritmi din sfera rețelelor
neuronale, algoritmi demografici, k-NN etc.
Pentru rezolvarea problemelor de clasificare și regresie există o serie
de tehnici, iar pentru fiecare tehnică sunt disponibili mai mulți algoritmi.
Diferența dintre clasificare și regresie este aceea că în primul caz, outputul
previzionat este apartenența la o anumită clasă, în timp ce în al doilea caz,
outputul estimează valoarea unui atribut.
Clasificarea (clustering) analizează un set de date şi stabileşte un
ansamblu de reguli pe baza cărora vor fi grupate datele obţinute în viitor.
Software-ul de data mining identifică automat clasele (sau “ciorchinii”), studiind
pattern-ul datelor existente (Berkhin, 2002). Odată ce au fost generate clasele
se poate stabili, pe baza unor caracteristici precizate, cărei clase aparţine un
anume obiect din baza de date studiată. De exemplu, o clasă poate fi un
segment de piaţă. Atunci când firma are un client nou ea poate stabili,
cunoscând caracteristicile acestuia, în ce segment se încadrează.
Această tehnică de grupare este utilă pentru sumarizarea unor cantități
mari de informație, fiecare grupă reprezentând mai multe puncte având
caracteristici similare (Barbara, 2000). Clusterele distincte nu se suprapun
(sunt disjuncte). De fapt, analiza clasificării constă dintr-o colecție de algoritmi
ce exploatează mai multe euristici fundamentate în principal pe experiența
noastră „vizuală” în gruparea datelor în „nori de puncte”. În general, pentru a
putea folosi un algoritm de clasificare, este nevoie ca mai întâi să se precizeze:
Un tip de distanță între punctele unui spațiu multidimensional;
O strategie de alegere a punctului reprezentativ (adică a „centrului”)
pentru orice grupare de puncte. Cel mai adesea există tendința de a
alege media aritmetică (adică „centrul de greutate”);
Un tip de distanță între două grupe de date. Cele mai folosite
asemenea distanțe iau în considerare distanța între puncte aleasă
anterior.
Clusterizarea are nevoie de o funcţie de similitudine pentru a măsura
cât de similare sunt două date, sau alternativ, o funcţie depărtare
(disimilaritate) pentru a măsura distanţa dintre două date, întrucât utilizatorul
explorează datele cu scopul de a găsi structuri noi, interesante şi folositoare.
Principala problemă a clusterizării o constituie volumul mare de date care
trebuie procesat, algoritmii de clusterizare fiind în general cu timp de răspuns
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 57 of 154 - Pages: 57, 57, 06/08/15 07:37 PM
58
mare. Este cazul clusterizării documentelor (Li, Chung 2005) şi a sistemelor de
regăsire a informaţiei (Grossman, Frieder 2004).
Clusterizarea partiţională
Cel mai utilizat algoritm partiţional este algoritmul k-means11
(MacQueen, 1967), care adevenit exponentul unei întregi categorii de
algoritmi. Popularitatea este dată de simplitatea implementării, scalabilitate,
eficienţă şi viteza de convergenţă (MacQueen, 1967).
Avantaje şi dezavantaje. Deşi k-means are marele avantaj că este uşor
de implementat şi eficient, are şi câteva mari neajunsuri. Primul dezavantaj
constă în aceea că poate fi foarte lent din moment ce în fiecare pas distanţa
dintre fiecare dată şi fiecare cluster trebuie calculată, afectând astfel timpul de
execuție. Al doilea dezavantaj este dat de faptul că aceată metodă e foarte
sensibilă la numărul şi iniţializarea clusterelor iniţiale, algoritmul putând să
furnizeze doar un optim local.
Clusterizarea ierarhică
Un alt tip de clusterizare este clusterizarea ierarhică care se bazează
pe o serie de algoritmi de clusterizare ierarhici ce au ca rezultat o ierarhie de
clustere numită dendrogramă12, adică un arbore care reflectă strucura
clusterelelor de date la diferite niveluri de similaritate. Aceasta se poate face
folosind:
Metode aglomerative de clusterizare – presupun o serie de fuziuni a
înregistrărilor inițiale din n clustere (câte înregistrări sunt) în grupuri din
ce în ce mai puține de înregistrări până când se obține numărul de
clustere dorit.
11 http://home.deib.polimi.it/matteucc/Clustering/tutorial_html/kmeans.html 12 http://www.totallab.com/products/samespots/support/faq/dendrogram.aspx
Algoritmul k-means (k, D)
Alege k date ca centroizi iniţiali (centrele clusterelor)
repeat
for each dată x D do
Calculează distanţa de la x la fiecare centroid;
Asociază x la cel mai apropiat centroid // centroidul reprezintă un cluster;
endfor
Recalculează centroidul cu ajutorul membrilor actuali ai clusterului
until criteriul de oprire este îndeplinit
58
mare. Este cazul clusterizării documentelor (Li, Chung 2005) şi a sistemelor de
regăsire a informaţiei (Grossman, Frieder 2004).
Clusterizarea partiţională
Cel mai utilizat algoritm partiţional este algoritmul k-means11
(MacQueen, 1967), care adevenit exponentul unei întregi categorii de
algoritmi. Popularitatea este dată de simplitatea implementării, scalabilitate,
eficienţă şi viteza de convergenţă (MacQueen, 1967).
Avantaje şi dezavantaje. Deşi k-means are marele avantaj că este uşor
de implementat şi eficient, are şi câteva mari neajunsuri. Primul dezavantaj
constă în aceea că poate fi foarte lent din moment ce în fiecare pas distanţa
dintre fiecare dată şi fiecare cluster trebuie calculată, afectând astfel timpul de
execuție. Al doilea dezavantaj este dat de faptul că aceată metodă e foarte
sensibilă la numărul şi iniţializarea clusterelor iniţiale, algoritmul putând să
furnizeze doar un optim local.
Clusterizarea ierarhică
Un alt tip de clusterizare este clusterizarea ierarhică care se bazează
pe o serie de algoritmi de clusterizare ierarhici ce au ca rezultat o ierarhie de
clustere numită dendrogramă12, adică un arbore care reflectă strucura
clusterelelor de date la diferite niveluri de similaritate. Aceasta se poate face
folosind:
Metode aglomerative de clusterizare – presupun o serie de fuziuni a
înregistrărilor inițiale din n clustere (câte înregistrări sunt) în grupuri din
ce în ce mai puține de înregistrări până când se obține numărul de
clustere dorit.
11 http://home.deib.polimi.it/matteucc/Clustering/tutorial_html/kmeans.html 12 http://www.totallab.com/products/samespots/support/faq/dendrogram.aspx
Algoritmul k-means (k, D)
Alege k date ca centroizi iniţiali (centrele clusterelor)
repeat
for each dată x D do
Calculează distanţa de la x la fiecare centroid;
Asociază x la cel mai apropiat centroid // centroidul reprezintă un cluster;
endfor
Recalculează centroidul cu ajutorul membrilor actuali ai clusterului
until criteriul de oprire este îndeplinit
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 58 of 154 - Pages: 58, 58, 06/08/15 07:37 PM
59
Metode divizive de clusterizare – presupune că inițial toate înregistrările
fac parte dint-un singur cluster pe care apoi îl vor împărți în grupuri.
Exemplu de dendogramă:
Avantaje şi dezavantaje. Clusterizarea ierarhică are posibilitatea să
utilizeze orice funcţie distanţă sau similaritate. Un avantaj al acestei tehnici îl
reprezintă posibilitatea de a explora datele la diferite niveluri de granularitate,
Algoritmul Aglomerativ (D)
Inițializează fiecare dată din setul de date D ca fiind un cluster
Compute all pair-wise distances of x1, x2, ..., xn D;
Calculează toate distanțele pereche ale x1, x2, ..., xn D;
repet
Găsește două clustere care sunt cele mai apropiate unul de altul;
Combină cele două clustere și formează un cluster nou c;
Calculează distanța de la clusterul c la toate celelalte clustere;
Recalculează centroidul cu ajutorul membrilor actuali ai clusterului
until există doar un singur cluster rămas
a
b
c
d
e f
D A T E P R I M A R E
a b c d e f
b d
def
bcdef
abcdef
C L U S T E R I Z A R E I E R A R H I C Ă
Metode aglomerative
Metode divizive
59
Metode divizive de clusterizare – presupune că inițial toate înregistrările
fac parte dint-un singur cluster pe care apoi îl vor împărți în grupuri.
Exemplu de dendogramă:
Avantaje şi dezavantaje. Clusterizarea ierarhică are posibilitatea să
utilizeze orice funcţie distanţă sau similaritate. Un avantaj al acestei tehnici îl
reprezintă posibilitatea de a explora datele la diferite niveluri de granularitate,
Algoritmul Aglomerativ (D)
Inițializează fiecare dată din setul de date D ca fiind un cluster
Compute all pair-wise distances of x1, x2, ..., xn D;
Calculează toate distanțele pereche ale x1, x2, ..., xn D;
repet
Găsește două clustere care sunt cele mai apropiate unul de altul;
Combină cele două clustere și formează un cluster nou c;
Calculează distanța de la clusterul c la toate celelalte clustere;
Recalculează centroidul cu ajutorul membrilor actuali ai clusterului
until există doar un singur cluster rămas
a
b
c
d
e f
D A T E P R I M A R E
a b c d e f
b d
def
bcdef
abcdef
C L U S T E R I Z A R E I E R A R H I C Ă
Metode aglomerative
Metode divizive
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 59 of 154 - Pages: 59, 59, 06/08/15 07:37 PM
60
deoarece se reţine toată ierarhia de clustere şi utilizatorul poate alege să
vizualizeze clusterele la orice nivel al arborelui. Unele studii au demonstrat că
clusterizarea ierarhică aglomerativă produce rezultate mai bune decât metoda
k-means, putând detecta clustere de forme arbitrare. Ca puncte slabe,
calitatea clustrizării ierarhice poate fi afectată de efectul de lanţ şi de datele
marginale. Principalele neajunsuri al metodelor de mai sus sunt date de
complexitatea de calcul şi cerinţele de spaţiu, ceea ce le face foarte neeficiente
şi nepractice pentru seturi mari de date, cum este Web-ul.
Tehnologiile descrise în cadrul acestui capitol sunt menite să faciliteze
procesarea datelor din surse multiple și transformarea acestora în informații
inteligibile și valoroase care sprijină procesul de luare a deciziilor. Indiferent de
gradul de complexitate prezentat, folosirea uneia dintre aceste tehnologii în
concordanță cu nevoile informaționale ale întreprinderii duce la creșterea
semnificativă a capacității de reacție la schimbările care au loc în mediul de
afaceri.
Totodată, trebuie să recunoaştem faptul că subiectul „tehnologiilor
informaţionale” nu se poate epuiza în 10 şi nici în 20 sau 30 de pagini, întrucât
acestea au o arie vastă de acţiune şi multiple forme de manifestare, dar scopul
nostru a fost acela de a evidenţia modalitatea şi importanţa acelora care îşi fac
pregnant prezenţa în domeniul asistării deciziilor de management.
60
deoarece se reţine toată ierarhia de clustere şi utilizatorul poate alege să
vizualizeze clusterele la orice nivel al arborelui. Unele studii au demonstrat că
clusterizarea ierarhică aglomerativă produce rezultate mai bune decât metoda
k-means, putând detecta clustere de forme arbitrare. Ca puncte slabe,
calitatea clustrizării ierarhice poate fi afectată de efectul de lanţ şi de datele
marginale. Principalele neajunsuri al metodelor de mai sus sunt date de
complexitatea de calcul şi cerinţele de spaţiu, ceea ce le face foarte neeficiente
şi nepractice pentru seturi mari de date, cum este Web-ul.
Tehnologiile descrise în cadrul acestui capitol sunt menite să faciliteze
procesarea datelor din surse multiple și transformarea acestora în informații
inteligibile și valoroase care sprijină procesul de luare a deciziilor. Indiferent de
gradul de complexitate prezentat, folosirea uneia dintre aceste tehnologii în
concordanță cu nevoile informaționale ale întreprinderii duce la creșterea
semnificativă a capacității de reacție la schimbările care au loc în mediul de
afaceri.
Totodată, trebuie să recunoaştem faptul că subiectul „tehnologiilor
informaţionale” nu se poate epuiza în 10 şi nici în 20 sau 30 de pagini, întrucât
acestea au o arie vastă de acţiune şi multiple forme de manifestare, dar scopul
nostru a fost acela de a evidenţia modalitatea şi importanţa acelora care îşi fac
pregnant prezenţa în domeniul asistării deciziilor de management.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 60 of 154 - Pages: 60, 60, 06/08/15 07:37 PM
61
CAPITOLUL III
ASISTAREA DECIZIEI ÎN MANAGEMENTUL DE PORTOFOLIU.
STUDIU DE CAZ
Prin analogie cu sistemele informatice tranzacţionale care funcţionează
într-un mediu asigurat de Sistemele de Gestiune a Bazelor de Date (SGBD),
sistemele informatice de asistare a deciziei vor funcţiona într-un mediu creat
de un Sistem Suport pentru Decizii (SSD).
Realizarea sistemului suport are în vedere abordarea unor elemente cu
caracter tehnic în scopul construirii arhitecturii noului sistem, în mod gradat,
până la definirea efectivă a structurii fizice a bazei de date, a conţinutului bazei
de proceduri, a implementării serviciilor şi mecanismelor de securitate.
Literatura de specialitate13 identifică ca funcţii principale ale unui SSD:
managementul datelor, managementul modelelor, managementul cunoştinţelor
şi managementul dialogului între utilizator şi sistem pe de o parte şi între date,
modele şi cunoştinţe, pe de altă parte (vezi Figura 3.1).
Pe baza acestor funcţionalităţi, sistemul suport care ni l-am propus
pentru asistarea deciziei în managementul de portofoliu va cuprinde în
arhitectura sa, următoarele componente:
Managementul datelor;
Managementul modelelor;
Managementul interfeţelor şi a dialogurilor (interfaţa cu utilizatorul);
Managementul cunoştinţelor – o dată încorporat în arhitectura SSD
conferă acestuia atributul de inteligent, incluzând componente care
furnizează expertiza şi cunoştinţele necesare rezolvării unor probleme
rapide şi complexe.
13 Turban, E., Aronson, J. (2001). Decision Support Systems and Intelligent, Prentice
Hall, USA, page100
61
CAPITOLUL III
ASISTAREA DECIZIEI ÎN MANAGEMENTUL DE PORTOFOLIU.
STUDIU DE CAZ
Prin analogie cu sistemele informatice tranzacţionale care funcţionează
într-un mediu asigurat de Sistemele de Gestiune a Bazelor de Date (SGBD),
sistemele informatice de asistare a deciziei vor funcţiona într-un mediu creat
de un Sistem Suport pentru Decizii (SSD).
Realizarea sistemului suport are în vedere abordarea unor elemente cu
caracter tehnic în scopul construirii arhitecturii noului sistem, în mod gradat,
până la definirea efectivă a structurii fizice a bazei de date, a conţinutului bazei
de proceduri, a implementării serviciilor şi mecanismelor de securitate.
Literatura de specialitate13 identifică ca funcţii principale ale unui SSD:
managementul datelor, managementul modelelor, managementul cunoştinţelor
şi managementul dialogului între utilizator şi sistem pe de o parte şi între date,
modele şi cunoştinţe, pe de altă parte (vezi Figura 3.1).
Pe baza acestor funcţionalităţi, sistemul suport care ni l-am propus
pentru asistarea deciziei în managementul de portofoliu va cuprinde în
arhitectura sa, următoarele componente:
Managementul datelor;
Managementul modelelor;
Managementul interfeţelor şi a dialogurilor (interfaţa cu utilizatorul);
Managementul cunoştinţelor – o dată încorporat în arhitectura SSD
conferă acestuia atributul de inteligent, incluzând componente care
furnizează expertiza şi cunoştinţele necesare rezolvării unor probleme
rapide şi complexe.
13 Turban, E., Aronson, J. (2001). Decision Support Systems and Intelligent, Prentice
Hall, USA, page100
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 61 of 154 - Pages: 61, 61, 06/08/15 07:37 PM
62
Figura 3.1. - Structura generală a unui Sistem Suport Decizional
Fiecare dintre aceste componente vor fi considerate subsisteme
distincte, între care fluxul de date disponibile şi de cunoştinţe specifice vor
îmbunătăţi procesul de elaborare a deciziilor, conferind soluţii şi aspectelor
calitative, puternic nestructurate din cadrul domeniului bursier.
Totodată, intenţionăm ca pe parcursul acestui capitol să abordăm cu
exactitate fiecare subsistem precizat anterior, în funcţie de specificul
proceselor şi activităţilor pe care le presupune managementul de portofoliu.
pentru ca în finalul lucrării să putem folosii ©XTrade ca un veritabil sistem
interactiv de asistare a deciziei, funcţional şi viabil.
3.1. Definirea obiectivelor sistemului pentru asistarea
managementului de portofoliu
Realizarea unui Sistem suport pentru asistarea deciziei în managementul
de portofoliu are ca scop principal obţinerea unei imagini exhaustive şi corecte
a dinamicii pieţei în general sau a unui anumit derivat financiar, în special.
Informaţiile obţinute în urma prelucrării datelor primare sunt în primul rând
necesare managementului Bursei pentru stabilirea programelor de dezvoltare
a instituţiei şi, în al doilea rând obligatorii în vederea publicării acestora în
Date externe Date interne
Alte sisteme informatice
Internet Intranet Externet
MANAGEMENTUL DATELOR
GESTIUNEA
MODELELOR
GESTIUNEA
CUNOŞTINŢELOR
Modele
INTERFAŢA CU
UTILIZATORUL
Alte sisteme informatice UTILIZATOR
62
Figura 3.1. - Structura generală a unui Sistem Suport Decizional
Fiecare dintre aceste componente vor fi considerate subsisteme
distincte, între care fluxul de date disponibile şi de cunoştinţe specifice vor
îmbunătăţi procesul de elaborare a deciziilor, conferind soluţii şi aspectelor
calitative, puternic nestructurate din cadrul domeniului bursier.
Totodată, intenţionăm ca pe parcursul acestui capitol să abordăm cu
exactitate fiecare subsistem precizat anterior, în funcţie de specificul
proceselor şi activităţilor pe care le presupune managementul de portofoliu.
pentru ca în finalul lucrării să putem folosii ©XTrade ca un veritabil sistem
interactiv de asistare a deciziei, funcţional şi viabil.
3.1. Definirea obiectivelor sistemului pentru asistarea
managementului de portofoliu
Realizarea unui Sistem suport pentru asistarea deciziei în managementul
de portofoliu are ca scop principal obţinerea unei imagini exhaustive şi corecte
a dinamicii pieţei în general sau a unui anumit derivat financiar, în special.
Informaţiile obţinute în urma prelucrării datelor primare sunt în primul rând
necesare managementului Bursei pentru stabilirea programelor de dezvoltare
a instituţiei şi, în al doilea rând obligatorii în vederea publicării acestora în
Date externe Date interne
Alte sisteme informatice
Internet Intranet Externet
MANAGEMENTUL DATELOR
GESTIUNEA
MODELELOR
GESTIUNEA
CUNOŞTINŢELOR
Modele
INTERFAŢA CU
UTILIZATORUL
Alte sisteme informatice UTILIZATOR
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 62 of 154 - Pages: 62, 62, 06/08/15 07:37 PM
63
mediile de informare din domeniul financiar, utile investitorilor pe piaţa
derivatelor financiare.
Analiza managementului de portofoliu, prin multitudinea de modele şi
metode folosite, dar şi volumul mare şi eterogen de date, reclamă dezvoltarea
unui sistem interactiv de asistare a deciziei axat pe analiza pieţei derivatelor
financiare, sistem care să răspundă în timp scurt şi cu efecte maxime,
necesităţilor decidentului pentru:
Construirea unui portofoliu strategic de active financiare derivate în
funcţie de performanţele înregistrate de acestea în „ringul Bursei”;
Comparaţia portofoliului strategic cu portofoliul constituit din activele
suport;
Analiza şi prognozarea evoluţiei cotaţiilor produselor financiare derivate
incluse în portofoliu;
Determinarea acelor indicatori şi oscilatori bursieri care asistă trader-ul
în activitatea de tranzacţionare;
Gestiunea ordinelor de vânzare/cumpărare emise ca urmare a derulării
operaţiunilor cu produse financiare derivate.
Cerinţele informaţionale legate de asistarea deciziei şi funcţiile sistemului
suport se bazează pe următoarele solicitări ale managementului de portofoliu:
Modernizarea actului decizional prin preluarea unor date exacte şi operative
furnizate de către sistemul suport;
Asigurarea unui optim global şi pe domenii de activitate, prin intermediul
unor decizii de management de tip tactic, strategic şi operativ;
Rentabilizarea activităţii de tranzacţionare din piaţa derivatelor;
Folosirea unor informaţii de excepţie pentru asigurarea echilibrului, a
stabilităţii Bursei ca sistem şi înscrierea sa în zona de rentabilitate
admisibilă;
Utilizarea datelor furnizate de către noul sistem într-o formă modernă de
informare: rapoarte, indicatori sintetici, grafice mixte, cu un conţinut
relevant, afişabile pe ecranele calculatoarelor;
Asigurarea proceselor decizionale de rutină prin intermediul prelucrărilor
noului sistem, inclusiv asigurarea unei coordonări a sistemului informaţional
şi a celui operant;
Asigurarea unui proces decizional ştiinţific, bazat pe modele matematice
statice şi dinamice dedicate proceselor specifice din domeniul
63
mediile de informare din domeniul financiar, utile investitorilor pe piaţa
derivatelor financiare.
Analiza managementului de portofoliu, prin multitudinea de modele şi
metode folosite, dar şi volumul mare şi eterogen de date, reclamă dezvoltarea
unui sistem interactiv de asistare a deciziei axat pe analiza pieţei derivatelor
financiare, sistem care să răspundă în timp scurt şi cu efecte maxime,
necesităţilor decidentului pentru:
Construirea unui portofoliu strategic de active financiare derivate în
funcţie de performanţele înregistrate de acestea în „ringul Bursei”;
Comparaţia portofoliului strategic cu portofoliul constituit din activele
suport;
Analiza şi prognozarea evoluţiei cotaţiilor produselor financiare derivate
incluse în portofoliu;
Determinarea acelor indicatori şi oscilatori bursieri care asistă trader-ul
în activitatea de tranzacţionare;
Gestiunea ordinelor de vânzare/cumpărare emise ca urmare a derulării
operaţiunilor cu produse financiare derivate.
Cerinţele informaţionale legate de asistarea deciziei şi funcţiile sistemului
suport se bazează pe următoarele solicitări ale managementului de portofoliu:
Modernizarea actului decizional prin preluarea unor date exacte şi operative
furnizate de către sistemul suport;
Asigurarea unui optim global şi pe domenii de activitate, prin intermediul
unor decizii de management de tip tactic, strategic şi operativ;
Rentabilizarea activităţii de tranzacţionare din piaţa derivatelor;
Folosirea unor informaţii de excepţie pentru asigurarea echilibrului, a
stabilităţii Bursei ca sistem şi înscrierea sa în zona de rentabilitate
admisibilă;
Utilizarea datelor furnizate de către noul sistem într-o formă modernă de
informare: rapoarte, indicatori sintetici, grafice mixte, cu un conţinut
relevant, afişabile pe ecranele calculatoarelor;
Asigurarea proceselor decizionale de rutină prin intermediul prelucrărilor
noului sistem, inclusiv asigurarea unei coordonări a sistemului informaţional
şi a celui operant;
Asigurarea unui proces decizional ştiinţific, bazat pe modele matematice
statice şi dinamice dedicate proceselor specifice din domeniul
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 63 of 154 - Pages: 63, 63, 06/08/15 07:37 PM
64
managementului de portofoliu, precum şi utilizarea unor funcţii matematice
adaptabile acestui domeniu;
Urmare a solicitărilor formulate de managementul de portofoliu dar şi
cel al Bursei, sistemul suport decional stabileşte în mod concret următoarele
obiective, grupate în Tabelul 3.1.
Tabel 3.1. – Obiectivele sistemului suport decizional în funcție de solicitările
managementului de portofoliu
SOLICITĂRI management de
portofoliu
OBIECTIVE DESCRIERE
Manageriale Funcţionale
Stabilitatea, echilibrul sistemului
Determinarea stării şi comportamentului Bursei, ca sistem
transpunerea în practică a modelului Hicks folosit în studiul stabilităţii şi echilibrului sistemului;
identificarea variabilelor şi parametrilor care acţionează în sistem;
determinarea punctelor de echilibru şi a zonelor de stabilitate din cadrul sistemului;
Modernizarea actului
decizional
Decizii de construire a portofoliilor strategice
analiza istoricului cotaţiilor din piaţa derivatelor financiare şi a pieţei unde se tranzacţionează activele lor suport;
determinarea pentru fiecare contract futures şi/au opţiuni pe contracte futures a indicatorilor ce le caracterizează: rentabilitate, risc, volatilitate;
selecţia acelor derivate financiare care depăşesc punctul critic Ci
determinat de algoritmul „exces de randament”: - includerea în portofoliul strategic
a acelora care îndeplinesc condiţia exces de randament < Ci
- eliminarea celor care nu satisfac condiţia.
64
managementului de portofoliu, precum şi utilizarea unor funcţii matematice
adaptabile acestui domeniu;
Urmare a solicitărilor formulate de managementul de portofoliu dar şi
cel al Bursei, sistemul suport decional stabileşte în mod concret următoarele
obiective, grupate în Tabelul 3.1.
Tabel 3.1. – Obiectivele sistemului suport decizional în funcție de solicitările
managementului de portofoliu
SOLICITĂRI management de
portofoliu
OBIECTIVE DESCRIERE
Manageriale Funcţionale
Stabilitatea, echilibrul sistemului
Determinarea stării şi comportamentului Bursei, ca sistem
transpunerea în practică a modelului Hicks folosit în studiul stabilităţii şi echilibrului sistemului;
identificarea variabilelor şi parametrilor care acţionează în sistem;
determinarea punctelor de echilibru şi a zonelor de stabilitate din cadrul sistemului;
Modernizarea actului
decizional
Decizii de construire a portofoliilor strategice
analiza istoricului cotaţiilor din piaţa derivatelor financiare şi a pieţei unde se tranzacţionează activele lor suport;
determinarea pentru fiecare contract futures şi/au opţiuni pe contracte futures a indicatorilor ce le caracterizează: rentabilitate, risc, volatilitate;
selecţia acelor derivate financiare care depăşesc punctul critic Ci
determinat de algoritmul „exces de randament”: - includerea în portofoliul strategic
a acelora care îndeplinesc condiţia exces de randament < Ci
- eliminarea celor care nu satisfac condiţia.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 64 of 154 - Pages: 64, 64, 06/08/15 07:37 PM
65
SOLICITĂRI management de
portofoliu
OBIECTIVE DESCRIERE
Management portofoliu de produse financiare derivate
determinarea indicatorilor privind rentabilitatea, riscul, volatilitatea portofoliului strategic obţinut realizarea unor corelaţii între
rentabilitate şi risc, pentru contribuţia unui anumit produs la rentabilitatea/riscul portofoliului; comparaţie cu portofoliul alcătuit din
activele care constituie suportul derivatelor intrate în portofoliul strategic conform algoritmului.
Formă modernă de informare
generarea sub formă de rapoarte, indicatori, grafice a ieşirilor sistemului; posibilitatea realizării transmisiuni
date on-line; reprezentarea ieşirilor sistemului
într-o manieră care să satisfacă la maxim specificaţiile decidenţilor.
Coordonarea sistemului
informaţional cu cel operant
Integrarea sistemului
elaborarea unei Scheme directoare pentru obţinerea unei viziuni globale asupra sistemului;
definirea soluţiei de integrare în structura sistemului informatic general al Bursei.
Fundamentarea deciziilor prin
diverse modele matematice
dedicate proceselor decizionale
Asistarea deciziei într-un mediu informatizat
obţinerea prognozelor pentru evoluţiile cursurilor în piaţă folosind regresiile de diferite tipuri;
formularea unor modele matematice pentru fundamentarea deciziei de selecţie a produselor financiare derivate în funcţie de parametri esenţiali care-i definesc;
definirea din punct de vedere matematic a acelor indicatori şi oscilatori care asistă traderii în tranzacţiile din piaţă.
Rentabilizarea activităţii de
tranzacţionare
Realizarea gestiunii bursiere optimale
maximizarea profiturilor şi minimizarea riscurilor în contextul respectării totale a reglementărilor;
supervizarea tranzacţiilor bursiere.
65
SOLICITĂRI management de
portofoliu
OBIECTIVE DESCRIERE
Management portofoliu de produse financiare derivate
determinarea indicatorilor privind rentabilitatea, riscul, volatilitatea portofoliului strategic obţinut realizarea unor corelaţii între
rentabilitate şi risc, pentru contribuţia unui anumit produs la rentabilitatea/riscul portofoliului; comparaţie cu portofoliul alcătuit din
activele care constituie suportul derivatelor intrate în portofoliul strategic conform algoritmului.
Formă modernă de informare
generarea sub formă de rapoarte, indicatori, grafice a ieşirilor sistemului; posibilitatea realizării transmisiuni
date on-line; reprezentarea ieşirilor sistemului
într-o manieră care să satisfacă la maxim specificaţiile decidenţilor.
Coordonarea sistemului
informaţional cu cel operant
Integrarea sistemului
elaborarea unei Scheme directoare pentru obţinerea unei viziuni globale asupra sistemului;
definirea soluţiei de integrare în structura sistemului informatic general al Bursei.
Fundamentarea deciziilor prin
diverse modele matematice
dedicate proceselor decizionale
Asistarea deciziei într-un mediu informatizat
obţinerea prognozelor pentru evoluţiile cursurilor în piaţă folosind regresiile de diferite tipuri;
formularea unor modele matematice pentru fundamentarea deciziei de selecţie a produselor financiare derivate în funcţie de parametri esenţiali care-i definesc;
definirea din punct de vedere matematic a acelor indicatori şi oscilatori care asistă traderii în tranzacţiile din piaţă.
Rentabilizarea activităţii de
tranzacţionare
Realizarea gestiunii bursiere optimale
maximizarea profiturilor şi minimizarea riscurilor în contextul respectării totale a reglementărilor;
supervizarea tranzacţiilor bursiere.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 65 of 154 - Pages: 65, 65, 06/08/15 07:37 PM
66
SOLICITĂRI management de
portofoliu
OBIECTIVE DESCRIERE
Derularea operativă şi eficientă a tranzacţiilor
bursiere
deschiderea şedinţei de bursă; verificarea sumelor în cont; introducerea datelor din ordinele de
cumpărare şi/sau vânzare în sistemul automat de tranzacţionare şi alocare;
cumularea şi alocarea ordinelor de cumpărare şi/sau vânzare;
trimiterea rapoartelor la Agenţiile de Brokeraj;
confirmarea ordinelor de plată debitoare;
derularea operaţiunilor cu banca de decontare;
închiderea şedinţei de bursă.
3.2. Specificarea ieşirilor şi identificarea intrărilor sistemului suport
Intrările şi ieşirile specifice sistemului suport pentru asistarea deciziei au
în vedere particularităţile activităţilor desfăşurate pentru managementul de
portofoliu cu produse financiare derivate, cerinţele şi restricţiile precizate în
legislaţia Burselor, solicitările informaţionale ale sistemului de management,
particularităţile de organizare şi funcţionare ale Bursei, în corelaţie cu specificul
şi spiritul obiectivelor definite anterior.
Identificarea intrărilor şi specificarea ieşirilor sistemului suport constituie
o etapă esenţială în dezvoltarea oricărui sistem informatic. Este important ca
înainte de a trece la conceperea sistemului să se ştie cu exactitate ce trebuie
să obţinem şi de unde vom prelua datele necesare.
Răspunsuri vom găsi dacă analizăm cu atenţie solicitările
managementului care au stat la baza definirii obiectivelor sistem interactiv de
asistare a deciziilor. După cum se observă, am preferat varianta concordanţei
dintre ieşiri-intrări14, întrucât asigură determinarea conţinutului bazei
informaţionale în funcţie de obiectivele propuse, care se vor reflecta în situaţiile
de ieşire indiferent de forma pe care acestea o vor îmbrăca.
Ieşirile generate de sistemul suport pentru managementul portofoliului se
caracterizează prin reprezentativitate, relevanţă, exactitate, sintetizare şi
îmbracă forma: rapoartelor, situaţiilor centralizatoare, a indicatorilor sintetici, a
graficelor. Fiecare tip de ieşiri este definit prin anumite elemente particulare
14 Lungu I. şi colab. (1994). Sisteme informatice pentru conducere, Ed. SIAJ,
Bucureşti, pag.57
66
SOLICITĂRI management de
portofoliu
OBIECTIVE DESCRIERE
Derularea operativă şi eficientă a tranzacţiilor
bursiere
deschiderea şedinţei de bursă; verificarea sumelor în cont; introducerea datelor din ordinele de
cumpărare şi/sau vânzare în sistemul automat de tranzacţionare şi alocare;
cumularea şi alocarea ordinelor de cumpărare şi/sau vânzare;
trimiterea rapoartelor la Agenţiile de Brokeraj;
confirmarea ordinelor de plată debitoare;
derularea operaţiunilor cu banca de decontare;
închiderea şedinţei de bursă.
3.2. Specificarea ieşirilor şi identificarea intrărilor sistemului suport
Intrările şi ieşirile specifice sistemului suport pentru asistarea deciziei au
în vedere particularităţile activităţilor desfăşurate pentru managementul de
portofoliu cu produse financiare derivate, cerinţele şi restricţiile precizate în
legislaţia Burselor, solicitările informaţionale ale sistemului de management,
particularităţile de organizare şi funcţionare ale Bursei, în corelaţie cu specificul
şi spiritul obiectivelor definite anterior.
Identificarea intrărilor şi specificarea ieşirilor sistemului suport constituie
o etapă esenţială în dezvoltarea oricărui sistem informatic. Este important ca
înainte de a trece la conceperea sistemului să se ştie cu exactitate ce trebuie
să obţinem şi de unde vom prelua datele necesare.
Răspunsuri vom găsi dacă analizăm cu atenţie solicitările
managementului care au stat la baza definirii obiectivelor sistem interactiv de
asistare a deciziilor. După cum se observă, am preferat varianta concordanţei
dintre ieşiri-intrări14, întrucât asigură determinarea conţinutului bazei
informaţionale în funcţie de obiectivele propuse, care se vor reflecta în situaţiile
de ieşire indiferent de forma pe care acestea o vor îmbrăca.
Ieşirile generate de sistemul suport pentru managementul portofoliului se
caracterizează prin reprezentativitate, relevanţă, exactitate, sintetizare şi
îmbracă forma: rapoartelor, situaţiilor centralizatoare, a indicatorilor sintetici, a
graficelor. Fiecare tip de ieşiri este definit prin anumite elemente particulare
14 Lungu I. şi colab. (1994). Sisteme informatice pentru conducere, Ed. SIAJ,
Bucureşti, pag.57
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 66 of 154 - Pages: 66, 66, 06/08/15 07:37 PM
67
care dirijează procesul de stabilire al formatului, structurii şi utilizării lor, pentru
obţinerea unor rezultate adaptate total la cerinţele managementului de
portofoliu. Aşadar, indicăm în Tabelul 3.2. ieşirile specifice sistemului suport,
pentru managementul portofoliului cu produse financiare derivate.
Tabel 3.2. - Ieşirile specifice sistemului suport, pentru managementul de portofoliu
TIP
IEŞIRE DENUMIRE COD DESCRIERE GENERALĂ
Indicatori
analitici
Rentabilitate
activ Ri
- exprimă oscilaţia preţului de cotare,
în valori absolute sau relative, între
2 şedinţe bursiere;
Risc activ σi
- se obţine fie ca dispersie a
rentabilităţilor seriei dinamice faţă
de rentabilitatea medie, fie ca
abatere medie pătratică a seriei
respective, interpretabilă ca o
creştere sau scădere a rentabilităţii,
în funcţie de valorile (pozitive,
respectiv negative) ale abaterilor
individuale.
Risc piaţă σM
- idem σi numai că se are în vedere
seria dinamică a rentabilităţii pieţei,
determinată şi ea în raport de
oscilaţia zilnică a indicelui general
al pieţei (indicele BET);
Volatilitate
activ βi
- coeficient desprins din ecuaţia
modelului de piaţă, important
deoarece furnizează informaţii
privind modificarea rentabilităţii
individuale a unui activ Ri, ca
urmare a modificării cu o unitate a
rentabilităţii generale a pieţei RM;
Indicatori
sintetici
Exces de
randament γi
- exprimă dezirabilitatea unui derivat
financiar în portofoliul strategic în
funcţie de relaţia existentă între risc
şi randament;
67
care dirijează procesul de stabilire al formatului, structurii şi utilizării lor, pentru
obţinerea unor rezultate adaptate total la cerinţele managementului de
portofoliu. Aşadar, indicăm în Tabelul 3.2. ieşirile specifice sistemului suport,
pentru managementul portofoliului cu produse financiare derivate.
Tabel 3.2. - Ieşirile specifice sistemului suport, pentru managementul de portofoliu
TIP
IEŞIRE DENUMIRE COD DESCRIERE GENERALĂ
Indicatori
analitici
Rentabilitate
activ Ri
- exprimă oscilaţia preţului de cotare,
în valori absolute sau relative, între
2 şedinţe bursiere;
Risc activ σi
- se obţine fie ca dispersie a
rentabilităţilor seriei dinamice faţă
de rentabilitatea medie, fie ca
abatere medie pătratică a seriei
respective, interpretabilă ca o
creştere sau scădere a rentabilităţii,
în funcţie de valorile (pozitive,
respectiv negative) ale abaterilor
individuale.
Risc piaţă σM
- idem σi numai că se are în vedere
seria dinamică a rentabilităţii pieţei,
determinată şi ea în raport de
oscilaţia zilnică a indicelui general
al pieţei (indicele BET);
Volatilitate
activ βi
- coeficient desprins din ecuaţia
modelului de piaţă, important
deoarece furnizează informaţii
privind modificarea rentabilităţii
individuale a unui activ Ri, ca
urmare a modificării cu o unitate a
rentabilităţii generale a pieţei RM;
Indicatori
sintetici
Exces de
randament γi
- exprimă dezirabilitatea unui derivat
financiar în portofoliul strategic în
funcţie de relaţia existentă între risc
şi randament;
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 67 of 154 - Pages: 67, 67, 06/08/15 07:37 PM
68
TIP
IEŞIRE DENUMIRE COD DESCRIERE GENERALĂ
Punct critic Ci
- prag a cărui valoare trebuie
depăşită de valoarea indicatorului
γi determinată în parte pentru
fiecare produs financiar derivat
tranzacţionat în piaţă şi aflat în
sfera de interes al investitorului
şi/sau managerului de portofoliu;
%de investire xi
- investiţia relativă exprimată în % în
fiecare contract futures şi/sau
options;
Volatilitate
portofoliu βp
- media volatilităţii activelor din
portofoliu;
Rentabilitate
portofoliu Rp
- se exprimă ca medie a rentabilităţii
individuale ale tuturor activelor
selectate pentru a defini
componenţa portofoliului.
Indicatori
sintetici Risc portofoliu σp
- depinde de numărul de active
incluse în portofoliu, care urmare a
compensării variaţiilor contrare ale
riscurilor individuale ale activelor
selectate; se obţine ca urmare a
aplicării mediei ponderate a acestor
riscuri.
Rapoarte
Portofoliu
strategic PS
- cuprinde în structura sa acele
derivate financiare al căror γi
depăşeşte Ci, numai pentru acelea
determinându-se o serie de
indicatori specifici care vor asista
managementul de portofoliu.
Portofoliu de
active suport PAS
- se constituie numai pentru activele
suport ale derivatelor financiare
care au intrat în structura
portofoliului strategic; are mai mult
un caracter orientativ.
Diagnostic
produse
financiare
derivate
DPFD
- prezintă nivelul anumitor indicatori
bursieri cu scopul de a caracteriza
evoluţia pentru o anumită perioadă
de timp a derivatelor financiare din
structura portofoliului strategic.
68
TIP
IEŞIRE DENUMIRE COD DESCRIERE GENERALĂ
Punct critic Ci
- prag a cărui valoare trebuie
depăşită de valoarea indicatorului
γi determinată în parte pentru
fiecare produs financiar derivat
tranzacţionat în piaţă şi aflat în
sfera de interes al investitorului
şi/sau managerului de portofoliu;
%de investire xi
- investiţia relativă exprimată în % în
fiecare contract futures şi/sau
options;
Volatilitate
portofoliu βp
- media volatilităţii activelor din
portofoliu;
Rentabilitate
portofoliu Rp
- se exprimă ca medie a rentabilităţii
individuale ale tuturor activelor
selectate pentru a defini
componenţa portofoliului.
Indicatori
sintetici Risc portofoliu σp
- depinde de numărul de active
incluse în portofoliu, care urmare a
compensării variaţiilor contrare ale
riscurilor individuale ale activelor
selectate; se obţine ca urmare a
aplicării mediei ponderate a acestor
riscuri.
Rapoarte
Portofoliu
strategic PS
- cuprinde în structura sa acele
derivate financiare al căror γi
depăşeşte Ci, numai pentru acelea
determinându-se o serie de
indicatori specifici care vor asista
managementul de portofoliu.
Portofoliu de
active suport PAS
- se constituie numai pentru activele
suport ale derivatelor financiare
care au intrat în structura
portofoliului strategic; are mai mult
un caracter orientativ.
Diagnostic
produse
financiare
derivate
DPFD
- prezintă nivelul anumitor indicatori
bursieri cu scopul de a caracteriza
evoluţia pentru o anumită perioadă
de timp a derivatelor financiare din
structura portofoliului strategic.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 68 of 154 - Pages: 68, 68, 06/08/15 07:37 PM
69
TIP
IEŞIRE DENUMIRE COD DESCRIERE GENERALĂ
Diagnostic
active suport DAS
- idem DPFD, de data aceasta fiind
vorba de activele suport pentru
derivatele financiare incluse în
portofoliul strategic.
Situaţii
centralizat
oare
Raport de
tranzacţionare RT
- sintetizează tranzacţiile efectuate în
piaţă de trader, pe tipuri de ordine,
pe zile, pe tipuri de contracte
futures şi/sau options.
Centralizator
ordine bursă CO
- colaţionează Ordinele de bursă
emise de trader, pentru a se stabili
cotaţiile în şedinţele de bursă.
Sumarul
tranzacţiilor ST
- centralizează tranzacţiile din piaţă
pe zile sau pe tipuri de contracte.
Grafice
Evoluţia
cotaţiilor G1
- indică trendul cotaţiilor derivatelor
financiare într-o perioadă
specificată.
Oscilatorii
bursieri G2 - indică sensul de evoluţiei al pieţei.
Conţinutul informaţional al rapoartelor şi situaţiilor centralizatoare este
prezentată sub forma Tabelelor 3.2. – 3.9., pentru elaborarea acestora
folosindu-se ca sursă de informare documentaţia pentru sistemul de
tranzacţionare al Bursei.
Tabel 3.2. – Conținut informațional Diagnostic pentru produsele financiare
derivate (cod situaţie: DPFD)
Tip Simbol Rentabilitate Risc Volatilitate
C(10) C(5) N(5) N(5) N(5)
69
TIP
IEŞIRE DENUMIRE COD DESCRIERE GENERALĂ
Diagnostic
active suport DAS
- idem DPFD, de data aceasta fiind
vorba de activele suport pentru
derivatele financiare incluse în
portofoliul strategic.
Situaţii
centralizat
oare
Raport de
tranzacţionare RT
- sintetizează tranzacţiile efectuate în
piaţă de trader, pe tipuri de ordine,
pe zile, pe tipuri de contracte
futures şi/sau options.
Centralizator
ordine bursă CO
- colaţionează Ordinele de bursă
emise de trader, pentru a se stabili
cotaţiile în şedinţele de bursă.
Sumarul
tranzacţiilor ST
- centralizează tranzacţiile din piaţă
pe zile sau pe tipuri de contracte.
Grafice
Evoluţia
cotaţiilor G1
- indică trendul cotaţiilor derivatelor
financiare într-o perioadă
specificată.
Oscilatorii
bursieri G2 - indică sensul de evoluţiei al pieţei.
Conţinutul informaţional al rapoartelor şi situaţiilor centralizatoare este
prezentată sub forma Tabelelor 3.2. – 3.9., pentru elaborarea acestora
folosindu-se ca sursă de informare documentaţia pentru sistemul de
tranzacţionare al Bursei.
Tabel 3.2. – Conținut informațional Diagnostic pentru produsele financiare
derivate (cod situaţie: DPFD)
Tip Simbol Rentabilitate Risc Volatilitate
C(10) C(5) N(5) N(5) N(5)
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 69 of 154 - Pages: 69, 69, 06/08/15 07:37 PM
70
Tabel 3.3. – Conținut informațional Diagnostic active suport
(cod situaţie: PAS)
Activ suport
Simbol Rentabilitate Risc Volatilitate
C(10) C(5) N(5) N(5) N(5)
Tabel 3.4. – Conținut informațional Portofoliul strategic de produse
financiare derivate (cod situaţie: PS)
Simbol Rentabilitate Risc Volatilitate Risc
piaţă
Exces de
randament
%
investire
xi
C(5) N(5) N(5) N(5) N(5) N(5) N(5)
PORTOFOLIU
RP σP βP
Tabel 3.5. – Conținut informațional Raport de tranzacţionare
(cod situaţie: RT)
Data Cotaţie Variaţie Tranzacţii Cantitate Volum
C(10) N(5) N(10) N(4) N(4) N(15)
Tabel 3.6. – Conținut informațional Centralizator ordine (cod situaţie: CO)
Ordine de bursă
Client Valoare
Cont pentru
care s-a
executat ordinul
Marja
în cont Data Nr. Tip
D(8) N(6) C(2) C(15) N(10) N(15) N(10)
Tabel 3.6. – Conținut informațional Portofoliul de active suport
(cod situaţie: PAS)
70
Tabel 3.3. – Conținut informațional Diagnostic active suport
(cod situaţie: PAS)
Activ suport
Simbol Rentabilitate Risc Volatilitate
C(10) C(5) N(5) N(5) N(5)
Tabel 3.4. – Conținut informațional Portofoliul strategic de produse
financiare derivate (cod situaţie: PS)
Simbol Rentabilitate Risc Volatilitate Risc
piaţă
Exces de
randament
%
investire
xi
C(5) N(5) N(5) N(5) N(5) N(5) N(5)
PORTOFOLIU
RP σP βP
Tabel 3.5. – Conținut informațional Raport de tranzacţionare
(cod situaţie: RT)
Data Cotaţie Variaţie Tranzacţii Cantitate Volum
C(10) N(5) N(10) N(4) N(4) N(15)
Tabel 3.6. – Conținut informațional Centralizator ordine (cod situaţie: CO)
Ordine de bursă
Client Valoare
Cont pentru
care s-a
executat ordinul
Marja
în cont Data Nr. Tip
D(8) N(6) C(2) C(15) N(10) N(15) N(10)
Tabel 3.6. – Conținut informațional Portofoliul de active suport
(cod situaţie: PAS)
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 70 of 154 - Pages: 70, 70, 06/08/15 07:37 PM
71
Simbol Rentab
Ri Risc σi
Risc
piaţă
σM
Volatilitate
βi
Exces de
randament
% investire
xi
C(5) N(5) N(5) N(5) N(5) N(5) N(5)
EURO
USD
JPY
SIF1
SNP
PORTOFOLIU
RP σP βP
Tabel 3.6. – Conținut informațional Sumarul tranzacţiilor
(cod situaţie: ST)
Data …Data…….
Tip derivat şi scadenţa ………C(25)…………
Număr
contracte
Preţ de
cotare
Cumpărător Vânzător Document
N(4) N(5) C(15) C(15) N(4)
TOTAL *
Preţ deschidere
Preţ închidere
Preţ maxim
Preţ minim
Variaţie
71
Simbol Rentab
Ri Risc σi
Risc
piaţă
σM
Volatilitate
βi
Exces de
randament
% investire
xi
C(5) N(5) N(5) N(5) N(5) N(5) N(5)
EURO
USD
JPY
SIF1
SNP
PORTOFOLIU
RP σP βP
Tabel 3.6. – Conținut informațional Sumarul tranzacţiilor
(cod situaţie: ST)
Data …Data…….
Tip derivat şi scadenţa ………C(25)…………
Număr
contracte
Preţ de
cotare
Cumpărător Vânzător Document
N(4) N(5) C(15) C(15) N(4)
TOTAL *
Preţ deschidere
Preţ închidere
Preţ maxim
Preţ minim
Variaţie
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 71 of 154 - Pages: 71, 71, 06/08/15 07:37 PM
72
Tabel 3.6. – Conținut informațional Centralizator tranzacţii (cod situaţie: CT)
Ordin de bursa
Simb
ol
Cotaţi
e
Cantitat
e
Volu
m
Scadenţ
a
Clien
t
Dat
a
Nr. Tip
D(8) N(6
)
C(2
)
C(4) N(8.4
)
N(6) N(10
)
D(8) C(15)
Pe baza interpretării datelor şi indicatorilor din rapoarte şi situaţiile
centralizatoare managerul (traderul şi/sau brokerul) pot lua diverse tipuri de
decizii, după cum urmează:
în raport cu gradul de certitudine al datelor şi al indicatorilor distingem:
decizii cu caracter cert – datele şi indicatorii conţinuţi sunt siguri,
deciziile din această categorie având un grad maxim de siguranţă şi
verosimilitate (este cazul RT, CO, ST, SC);
decizii cu caracter incert – se iau pe baza unor date probabile cu un
anumit grad de relativitate, elemente ce nu oferă o siguranţă deplină
în luarea deciziilor; de fapt, aceste decizii se iau în condiţii de risc al
operaţiunilor, deoarece datele şi indicatorii folosiţi pentru
fundamentare au un anumit caracter de probabilitate (DPFD, DAS);
în raport cu factorul decizional, pot fi emise decizii de tipul:
decizii computerizate – fundamentate prin intermediul prelucrării
colecţiei de date proprii sistemului interactiv, prin intermediul
programelor; în plus, dacă sistemul suport conţine o bază de
cunoştinţe, atunci se pot folosii elemente decizionale care implică
determinarea soluţiilor prin calcule şi modelare matematică, folosindu-
se însă şi intuiţia şi preferinţele utilizatorilor (este cazul indicatorilor
analitici şi sintetici);
decizii umane – secondează deciziile computerizate, fiind emise de
manager pe baza datelor şi indicatorilor bursieri afişaţi în rapoartele
de ieşire; aceste tipuri de decizii se bazează pe experienţă, intuiţie şi,
uneori, chiar pe preferinţele decidenţilor umani (este cazul PS, PAS);.
Pentru a asigura obţinerea unor rapoarte şi/sau situaţii centralizatoare cu
un conţinut informaţional ca cel specificat prin Tabelele 3.2. – 3.9. sursa
72
Tabel 3.6. – Conținut informațional Centralizator tranzacţii (cod situaţie: CT)
Ordin de bursa
Simb
ol
Cotaţi
e
Cantitat
e
Volu
m
Scadenţ
a
Clien
t
Dat
a
Nr. Tip
D(8) N(6
)
C(2
)
C(4) N(8.4
)
N(6) N(10
)
D(8) C(15)
Pe baza interpretării datelor şi indicatorilor din rapoarte şi situaţiile
centralizatoare managerul (traderul şi/sau brokerul) pot lua diverse tipuri de
decizii, după cum urmează:
în raport cu gradul de certitudine al datelor şi al indicatorilor distingem:
decizii cu caracter cert – datele şi indicatorii conţinuţi sunt siguri,
deciziile din această categorie având un grad maxim de siguranţă şi
verosimilitate (este cazul RT, CO, ST, SC);
decizii cu caracter incert – se iau pe baza unor date probabile cu un
anumit grad de relativitate, elemente ce nu oferă o siguranţă deplină
în luarea deciziilor; de fapt, aceste decizii se iau în condiţii de risc al
operaţiunilor, deoarece datele şi indicatorii folosiţi pentru
fundamentare au un anumit caracter de probabilitate (DPFD, DAS);
în raport cu factorul decizional, pot fi emise decizii de tipul:
decizii computerizate – fundamentate prin intermediul prelucrării
colecţiei de date proprii sistemului interactiv, prin intermediul
programelor; în plus, dacă sistemul suport conţine o bază de
cunoştinţe, atunci se pot folosii elemente decizionale care implică
determinarea soluţiilor prin calcule şi modelare matematică, folosindu-
se însă şi intuiţia şi preferinţele utilizatorilor (este cazul indicatorilor
analitici şi sintetici);
decizii umane – secondează deciziile computerizate, fiind emise de
manager pe baza datelor şi indicatorilor bursieri afişaţi în rapoartele
de ieşire; aceste tipuri de decizii se bazează pe experienţă, intuiţie şi,
uneori, chiar pe preferinţele decidenţilor umani (este cazul PS, PAS);.
Pentru a asigura obţinerea unor rapoarte şi/sau situaţii centralizatoare cu
un conţinut informaţional ca cel specificat prin Tabelele 3.2. – 3.9. sursa
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 72 of 154 - Pages: 72, 72, 06/08/15 07:37 PM
73
datelor necesare obţinerii lor, o constituie intrările necesare sistemului suport
concretizate în:
Lista cotaţiilor – este sursa majorităţii situaţiilor de ieşire şi de fapt este
vorba de mai multe liste nu de una singură, deoarece cotaţiile se referă la
preţul de cotare al produselor financiare derivate şi al activelor lor suport. La
rândul lor, derivatele financiare se grupează în două categorii: contracte
futures şi options ş.a.m.d. Pentru a nu crea ambiguitate, prezentăm schematic
prin Figura 3.2. tipologia cotaţiilor din sistem şi rapoartele cărora acestea le
furnizează date de intrare, iar prin Tabelul 3.6. modelul informaţional.
Tabel 3.6. – Conținut informațional al documentului
Lista Cotaţiilor (cod situaţie: LC) -
Lista cotaţiilor pentru ………………….
Data Preţ
închidere Preţ
deschidere Cotaţie Max Min
Nr. tranzacţii
Volum
73
datelor necesare obţinerii lor, o constituie intrările necesare sistemului suport
concretizate în:
Lista cotaţiilor – este sursa majorităţii situaţiilor de ieşire şi de fapt este
vorba de mai multe liste nu de una singură, deoarece cotaţiile se referă la
preţul de cotare al produselor financiare derivate şi al activelor lor suport. La
rândul lor, derivatele financiare se grupează în două categorii: contracte
futures şi options ş.a.m.d. Pentru a nu crea ambiguitate, prezentăm schematic
prin Figura 3.2. tipologia cotaţiilor din sistem şi rapoartele cărora acestea le
furnizează date de intrare, iar prin Tabelul 3.6. modelul informaţional.
Tabel 3.6. – Conținut informațional al documentului
Lista Cotaţiilor (cod situaţie: LC) -
Lista cotaţiilor pentru ………………….
Data Preţ
închidere Preţ
deschidere Cotaţie Max Min
Nr. tranzacţii
Volum
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 73 of 154 - Pages: 73, 73, 06/08/15 07:37 PM
74
Figura 3.2. - Tipologia cotaţiilor
Rentabilitate activ Ri Volatilitate activ βi Risc activ σi Risc piaţă σm
INDICATORI analitici
DPFD
SC
DAS
Exces de randament γi Punctul critic ci %de investire xi Rentabilitate portofoliu Rm Volatilitate activ βi
Risc portofoliu σi
INDICATORI sintetici
PS PAS
Valute RolUsd RolEuro EuroUsd UsdJpy
Indicele pieţei
Acţiuni DESIF1 DESIF3 DESNP
Dobânzi BUBOR
DERIVATE FINANCIARE
Activul fără risc AF
BET
ACTIVE SUPORT
Valute Usd Euro Yen
Acţiuni SIF1 SIF3 SNP
Dobânzi
Bubor
L
I
S
T
A
C
O
T
A
Ţ
I
I
L
O
R
Contracte futures
Options
GRAFICE
74
Figura 3.2. - Tipologia cotaţiilor
Rentabilitate activ Ri Volatilitate activ βi Risc activ σi Risc piaţă σm
INDICATORI analitici
DPFD
SC
DAS
Exces de randament γi Punctul critic ci %de investire xi Rentabilitate portofoliu Rm Volatilitate activ βi
Risc portofoliu σi
INDICATORI sintetici
PS PAS
Valute RolUsd RolEuro EuroUsd UsdJpy
Indicele pieţei
Acţiuni DESIF1 DESIF3 DESNP
Dobânzi BUBOR
DERIVATE FINANCIARE
Activul fără risc AF
BET
ACTIVE SUPORT
Valute Usd Euro Yen
Acţiuni SIF1 SIF3 SNP
Dobânzi
Bubor
L
I
S
T
A
C
O
T
A
Ţ
I
I
L
O
R
Contracte futures
Options
GRAFICE
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 74 of 154 - Pages: 74, 74, 06/08/15 07:37 PM
75
Ordinul de bursă – în funcţie de tipul tranzacţiei iniţiat în piaţă este de 2
feluri: Ordin de vânzare şi Ordin de cumpărare. Indiferent de tip, ordinul este
acceptat la tranzacţionare dacă conţine cel puţin următoarele informaţii: tip
ordin, simbol şi descrierea derivatului financiar tranzacţionat, cantitatea, preţ
limită (în lipsă se consideră cel mai bun preţ al pieţei), perioada de valabilitate,
contul pentru care se execută ordinul.
În Figura 3.3 precizăm modalitatea prin care acest document de intrare
alimentează cu date anumite rapoarte, iar în Tabelul 3.7. este prezentat
modelul informaţional exact în forma în care sistemul va prelua datele de
intrare pentru a le prelucra.
Figura 3.3. – Ordinul de bursă: alimentarea cu date din OV şi OC,
direcţionarea informaţiilor către RT,CO,ST
Tabel 3.7. – Conținut informațional al documentului Ordin de Bursă (cod situaţie: OV/OC)
Simbol contract
Preţ Cant Perioada de valabilitate a ordinului
Client Contul pentru
care se execută ordinul
ST
CO
RT Ordin de
vânzare OV
Ordin de cumpărare OC
O R D I N de BURS
Ă
75
Ordinul de bursă – în funcţie de tipul tranzacţiei iniţiat în piaţă este de 2
feluri: Ordin de vânzare şi Ordin de cumpărare. Indiferent de tip, ordinul este
acceptat la tranzacţionare dacă conţine cel puţin următoarele informaţii: tip
ordin, simbol şi descrierea derivatului financiar tranzacţionat, cantitatea, preţ
limită (în lipsă se consideră cel mai bun preţ al pieţei), perioada de valabilitate,
contul pentru care se execută ordinul.
În Figura 3.3 precizăm modalitatea prin care acest document de intrare
alimentează cu date anumite rapoarte, iar în Tabelul 3.7. este prezentat
modelul informaţional exact în forma în care sistemul va prelua datele de
intrare pentru a le prelucra.
Figura 3.3. – Ordinul de bursă: alimentarea cu date din OV şi OC,
direcţionarea informaţiilor către RT,CO,ST
Tabel 3.7. – Conținut informațional al documentului Ordin de Bursă (cod situaţie: OV/OC)
Simbol contract
Preţ Cant Perioada de valabilitate a ordinului
Client Contul pentru
care se execută ordinul
ST
CO
RT Ordin de
vânzare OV
Ordin de cumpărare OC
O R D I N de BURS
Ă
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 75 of 154 - Pages: 75, 75, 06/08/15 07:37 PM
77
3.3.1. Baza de date pentru managementul datelor. Modelul obiectelor.
Modelul dinamic. Modelul funcţional
Sistemul interactiv de asistare a deciziilor, pe care dorim să-l dezvoltăm
în cele ce urmează, pentru definitivarea obiectivelor sale, realizează extracţii
de date din surse interne ale Bursei şi/sau externe acesteia (este vorba de
cotaţiile de la Bursa de Valori Bucureşti), constituindu-şi în cele din urmă, o
bază de date proprie.
Referindu-ne la baza de date a sistemului informatic al BMFMS, analizată
în urma documentării în cadrul Departamentului Informatic, precizăm că
aceasta este construită în conformitate cu principiile modelului relaţional,
prezentând următoarele caracteristici arhicunoscute:
datele sunt reprezentate sub forma unor colecţii de tabele
bidimensionale;
relaţiile dintre tabele sunt exprimate prin valori stocate în tabele, SQL
oferind posibilitatea de a crea dinamic relaţii între date;
datele din tabelele bazei de date respectă prima formă normală.
Deşi modelul de date relaţional folosit are un fundament teoretic foarte
puternic şi câteva puncte tari: simplitate, oportunitate pentru prelucrarea on-
line a tranzacţiilor, suport pentru independenţa datelor, totuşi prezintă multe
puncte slabe care conduc la o reprezentare insuficientă a entităţilor din „lumea
reală” (Ştefănescu L., Ungureanu L., Ştefănescu A. 2004)
Având în vedere solicitările managementului portofoliului (Tabelul 3.1.)
va trebui să construim o aplicaţie software robustă pe care să se sprijine întreg
sistemul suport de asistare a deciziei pe care ni l-am propus spre dezvoltare.
Limbajul C++ este o gazdă perfectă pentru aplicaţiile de acest fel, şi totodată
un bun mediu de implementare a bazelor de date orientate obiect.
Asocierea: baze de date relaţionale - limbaje de programare orientate
spre obiecte, permite desprinderea unor diferenţe care reduc complexitatea şi
facilitând în acelaşi timp utilizarea puternicilor caracteristici ale limbajului:
încapsularea, moştenirea şi polimorfismul. Atunci când am subliniat diferenţele,
ne-am referit la:
diferenţe în sistemul de tipuri de date – semnificând faptul că în cazul
BDR, furnizorul bazei de date este cel care stabileşte tipurile de date, cei
care dezvoltă aplicaţii asupra BDR nu au posibilitatea de a-şi crea
propriile lor tipuri, ca în cazul modelului obiect, în funcţie de necesităţi;
77
3.3.1. Baza de date pentru managementul datelor. Modelul obiectelor.
Modelul dinamic. Modelul funcţional
Sistemul interactiv de asistare a deciziilor, pe care dorim să-l dezvoltăm
în cele ce urmează, pentru definitivarea obiectivelor sale, realizează extracţii
de date din surse interne ale Bursei şi/sau externe acesteia (este vorba de
cotaţiile de la Bursa de Valori Bucureşti), constituindu-şi în cele din urmă, o
bază de date proprie.
Referindu-ne la baza de date a sistemului informatic al BMFMS, analizată
în urma documentării în cadrul Departamentului Informatic, precizăm că
aceasta este construită în conformitate cu principiile modelului relaţional,
prezentând următoarele caracteristici arhicunoscute:
datele sunt reprezentate sub forma unor colecţii de tabele
bidimensionale;
relaţiile dintre tabele sunt exprimate prin valori stocate în tabele, SQL
oferind posibilitatea de a crea dinamic relaţii între date;
datele din tabelele bazei de date respectă prima formă normală.
Deşi modelul de date relaţional folosit are un fundament teoretic foarte
puternic şi câteva puncte tari: simplitate, oportunitate pentru prelucrarea on-
line a tranzacţiilor, suport pentru independenţa datelor, totuşi prezintă multe
puncte slabe care conduc la o reprezentare insuficientă a entităţilor din „lumea
reală” (Ştefănescu L., Ungureanu L., Ştefănescu A. 2004)
Având în vedere solicitările managementului portofoliului (Tabelul 3.1.)
va trebui să construim o aplicaţie software robustă pe care să se sprijine întreg
sistemul suport de asistare a deciziei pe care ni l-am propus spre dezvoltare.
Limbajul C++ este o gazdă perfectă pentru aplicaţiile de acest fel, şi totodată
un bun mediu de implementare a bazelor de date orientate obiect.
Asocierea: baze de date relaţionale - limbaje de programare orientate
spre obiecte, permite desprinderea unor diferenţe care reduc complexitatea şi
facilitând în acelaşi timp utilizarea puternicilor caracteristici ale limbajului:
încapsularea, moştenirea şi polimorfismul. Atunci când am subliniat diferenţele,
ne-am referit la:
diferenţe în sistemul de tipuri de date – semnificând faptul că în cazul
BDR, furnizorul bazei de date este cel care stabileşte tipurile de date, cei
care dezvoltă aplicaţii asupra BDR nu au posibilitatea de a-şi crea
propriile lor tipuri, ca în cazul modelului obiect, în funcţie de necesităţi;
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 77 of 154 - Pages: 77, 77, 06/08/15 07:37 PM
78
diferenţe de limbaj - în modelul relaţional, singurul limbaj folosit este
SQL, dar acesta va rezolva toate problemele: stocarea, analiza şi
regăsirea datelor. SQL nu este un limbaj orientat spre obiecte, neavând
un suport real pentru încapsulare, moştenire şi polimorfism. În modelul
obiect putem folosi limbajul C++ pentru a defini propriile tipuri de date,
pentru a scrie cod care să opereze asupra instanţelor claselor de obiecte,
pentru a crea ierarhii complexe şi reţele de obiecte legate unele de altele.
diferenţe de paradigmă:
modelul relaţional reprezintă lumea ca pe un set de tabele
bidimensionale, datele care nu pot fi reprezentate cu uşurinţă în
formă tabelară pot fi cu greu modelate într-o BDR;
modelul obiectual încearcă să mimeze obiectele din lumea reală, caz
în care nu va trebui să modelăm datele astfel încât să respecte
modelul obiect, ci să realizăm obiecte care să mimeze sau să
reproducă atributele şi caracteristicile din lumea reală.
Astfel, diferenţa de paradigmă devine clară: în cazul modelului relaţional
datele trebuie adaptate astfel încât să corespundă modelului, iar în ceea ce
priveşte modelul obiectual, modelul este cel care se adaptează în funcţie
de date.
diferenţe legate de entităţi elementare de date – semnificând faptul că
între entităţile elementare de date ale celor două modele nu există
corespondenţă. În modelul obiect, entitatea elementară este clasa, în
timp ce în modelul relaţional entitatea elementară este câmpul, iar clasele
de obiecte nu pot fi mapate la câmpuri, ci la tabele.
Toate acestea recomandă folosirea modelului de date orientat obiect
pentru dezvoltarea aplicaţiei de susţinere a managementului de portofoliu,
alegerea tehnologiei fiind impusă de specificitatea acestui domeniu.
Diferenţele sesizate şi eventualele dificultăţi care pot apărea la
interfaţarea modelului relaţional cu modelul obiect s-au transformat în
argumente solide pentru orientarea obiect a bazei de date existent, folosind
tehnica mapării relaţional/obiect.
Deoarece fundamentul aplicaţiei noastre îl constituie baza de date
relaţională implementată prin sistemul informatic al BMFMS, sensul mapării va
fi de la relaţional spre obiectual, speculând punctele similare care există între
cele două abordări, identificate prin Tabelul 3.8.
78
diferenţe de limbaj - în modelul relaţional, singurul limbaj folosit este
SQL, dar acesta va rezolva toate problemele: stocarea, analiza şi
regăsirea datelor. SQL nu este un limbaj orientat spre obiecte, neavând
un suport real pentru încapsulare, moştenire şi polimorfism. În modelul
obiect putem folosi limbajul C++ pentru a defini propriile tipuri de date,
pentru a scrie cod care să opereze asupra instanţelor claselor de obiecte,
pentru a crea ierarhii complexe şi reţele de obiecte legate unele de altele.
diferenţe de paradigmă:
modelul relaţional reprezintă lumea ca pe un set de tabele
bidimensionale, datele care nu pot fi reprezentate cu uşurinţă în
formă tabelară pot fi cu greu modelate într-o BDR;
modelul obiectual încearcă să mimeze obiectele din lumea reală, caz
în care nu va trebui să modelăm datele astfel încât să respecte
modelul obiect, ci să realizăm obiecte care să mimeze sau să
reproducă atributele şi caracteristicile din lumea reală.
Astfel, diferenţa de paradigmă devine clară: în cazul modelului relaţional
datele trebuie adaptate astfel încât să corespundă modelului, iar în ceea ce
priveşte modelul obiectual, modelul este cel care se adaptează în funcţie
de date.
diferenţe legate de entităţi elementare de date – semnificând faptul că
între entităţile elementare de date ale celor două modele nu există
corespondenţă. În modelul obiect, entitatea elementară este clasa, în
timp ce în modelul relaţional entitatea elementară este câmpul, iar clasele
de obiecte nu pot fi mapate la câmpuri, ci la tabele.
Toate acestea recomandă folosirea modelului de date orientat obiect
pentru dezvoltarea aplicaţiei de susţinere a managementului de portofoliu,
alegerea tehnologiei fiind impusă de specificitatea acestui domeniu.
Diferenţele sesizate şi eventualele dificultăţi care pot apărea la
interfaţarea modelului relaţional cu modelul obiect s-au transformat în
argumente solide pentru orientarea obiect a bazei de date existent, folosind
tehnica mapării relaţional/obiect.
Deoarece fundamentul aplicaţiei noastre îl constituie baza de date
relaţională implementată prin sistemul informatic al BMFMS, sensul mapării va
fi de la relaţional spre obiectual, speculând punctele similare care există între
cele două abordări, identificate prin Tabelul 3.8.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 78 of 154 - Pages: 78, 78, 06/08/15 07:37 PM
79
Tabelul 3.8 – Maparea modelului relațional la modelul orientat obiect
Modelul
orientat obiect
Modelul
relaţional Descriere
Obiect Entitate Obiectul este o entitate cu propria sa
identitate.
Atribute Atribute -
Asocieri Relaţii
Asocierile sunt aceleaşi, în modelarea
obiectuală moştenirea include atât starea
cât şi comportamentul;
Mesaje - Conceptul nu are corespondent pentru
modelul relaţional
Procese Prelucrări Un proces transformă datele şi sunt în
mod uzual implementate ca metode
Clase Tipuri de
entităţi
Clasa descrie o mulţime de obiecte cu
proprietăţi, comportament şi relaţii similare
Instanţe Entităţi -
Încapsulare - Conceptul nu are corespondent pentru
modelul relaţional
Similitudinea existentă, face ca modelul Entitate-Relaţie şi descrierea sa
prezentate în documentaţia de proiectare conceptuală a bazei de date a
BMFMS, să prezinte o bază rezonabilă pentru metodologia de proiectare a
bazei de date proprii sistemului, care va fi orientată spre obiecte. Astfel, după
ce au fost descrise complet intrările şi ieşirile sistemului, se construieşte
modelul de date orientat obiect corespunzător cerinţelor impuse de asistarea
de către calculator a managementului operaţiunilor cu produse financiare
derivate.
Modelul obiectelor
În construirea modelului obiectelor va trebui să parcurgem pas cu pas,
etapele specifice proiectării orientate obiect a bazelor de date (Schach, 2006).
În acest sens, vom proceda la:
Identificarea claselor candidate
O clasă de obiecte corespunde semantic unui concept din sistemul real
ce urmează a fi modelat.
Reprezentarea unei clase trebuie să indice ansamblul de atribute ce
formează structura sa, operaţiile ce-i definesc comportamentul şi relaţiile cu
79
Tabelul 3.8 – Maparea modelului relațional la modelul orientat obiect
Modelul
orientat obiect
Modelul
relaţional Descriere
Obiect Entitate Obiectul este o entitate cu propria sa
identitate.
Atribute Atribute -
Asocieri Relaţii
Asocierile sunt aceleaşi, în modelarea
obiectuală moştenirea include atât starea
cât şi comportamentul;
Mesaje - Conceptul nu are corespondent pentru
modelul relaţional
Procese Prelucrări Un proces transformă datele şi sunt în
mod uzual implementate ca metode
Clase Tipuri de
entităţi
Clasa descrie o mulţime de obiecte cu
proprietăţi, comportament şi relaţii similare
Instanţe Entităţi -
Încapsulare - Conceptul nu are corespondent pentru
modelul relaţional
Similitudinea existentă, face ca modelul Entitate-Relaţie şi descrierea sa
prezentate în documentaţia de proiectare conceptuală a bazei de date a
BMFMS, să prezinte o bază rezonabilă pentru metodologia de proiectare a
bazei de date proprii sistemului, care va fi orientată spre obiecte. Astfel, după
ce au fost descrise complet intrările şi ieşirile sistemului, se construieşte
modelul de date orientat obiect corespunzător cerinţelor impuse de asistarea
de către calculator a managementului operaţiunilor cu produse financiare
derivate.
Modelul obiectelor
În construirea modelului obiectelor va trebui să parcurgem pas cu pas,
etapele specifice proiectării orientate obiect a bazelor de date (Schach, 2006).
În acest sens, vom proceda la:
Identificarea claselor candidate
O clasă de obiecte corespunde semantic unui concept din sistemul real
ce urmează a fi modelat.
Reprezentarea unei clase trebuie să indice ansamblul de atribute ce
formează structura sa, operaţiile ce-i definesc comportamentul şi relaţiile cu
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 79 of 154 - Pages: 79, 79, 06/08/15 07:37 PM
80
alte elemente ale modelului. Utilizăm şi noi simbolul recomandat pentru
reprezentarea grafică a clasei de obiecte, care delimitează trei zone: una
rezervată numelui, alta atributelor şi ultima operaţiilor (vezi Figura 3.5.).
Figura 3.5. - Reprezentarea grafică a unei clase de obiecte
Vom începe prin a identifica principalele tipuri de clase candidate la
modelul obiectelor din specificaţia cerinţelor şi formularea obiectivelor
sistemului suport pentru asistarea deciziei. În mod normal, acest lucru se face
identificând toate substantivele din textul formulării obiectivelor, a solicitărilor
impuse şi funcţiunilor propuse, realizând o clasă pentru fiecare substantiv.
Acestea ar putea fi:
Contracte futures Opţiuni pe contracte futures
Active suport Cotaţii derivate financiare
Cotaţii contracte futures Trader Ordine
Cotaţii active suport Cotaţii options Manager
Clienţi Portofoliu Operaţiune
BMFMS16 Date Alocare
Agenţie de brokeraj Broker Tranzacţii
Păstrarea claselor corecte
Dintre clasele identificate se trece la eliminarea clasele incorecte, adică a
acelora care se încadrează în categoria:
- clase redundante ↔ 2 clase care exprimă aceleaşi informaţii. De exemplu:
Cotaţii contracte futures şi Cotaţii options sunt clase redundante deoarece
16 Bursa Monetar – Financiară şi de Mărfuri Sibiu
nume clasă
atribute
operaţii
COTAŢII DERIVATE
Atribute Atribut: tip Atribut: tip = valoare iniţială
Operaţii Operaţii (listă de argumente): tip
80
alte elemente ale modelului. Utilizăm şi noi simbolul recomandat pentru
reprezentarea grafică a clasei de obiecte, care delimitează trei zone: una
rezervată numelui, alta atributelor şi ultima operaţiilor (vezi Figura 3.5.).
Figura 3.5. - Reprezentarea grafică a unei clase de obiecte
Vom începe prin a identifica principalele tipuri de clase candidate la
modelul obiectelor din specificaţia cerinţelor şi formularea obiectivelor
sistemului suport pentru asistarea deciziei. În mod normal, acest lucru se face
identificând toate substantivele din textul formulării obiectivelor, a solicitărilor
impuse şi funcţiunilor propuse, realizând o clasă pentru fiecare substantiv.
Acestea ar putea fi:
Contracte futures Opţiuni pe contracte futures
Active suport Cotaţii derivate financiare
Cotaţii contracte futures Trader Ordine
Cotaţii active suport Cotaţii options Manager
Clienţi Portofoliu Operaţiune
BMFMS16 Date Alocare
Agenţie de brokeraj Broker Tranzacţii
Păstrarea claselor corecte
Dintre clasele identificate se trece la eliminarea clasele incorecte, adică a
acelora care se încadrează în categoria:
- clase redundante ↔ 2 clase care exprimă aceleaşi informaţii. De exemplu:
Cotaţii contracte futures şi Cotaţii options sunt clase redundante deoarece
16 Bursa Monetar – Financiară şi de Mărfuri Sibiu
nume clasă
atribute
operaţii
COTAŢII DERIVATE
Atribute Atribut: tip Atribut: tip = valoare iniţială
Operaţii Operaţii (listă de argumente): tip
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 80 of 154 - Pages: 80, 80, 06/08/15 07:37 PM
81
exprimă aceleaşi noţiuni ca şi, clasa Cotaţii derivate financiare fapt pentru
care vor fi excluse;
- clase irelevante ↔ clase care nu aduc nici o informaţie necesară în
modelarea problemei. De exemplu: clasa BMFMS descrie mai degrabă
întregul sistem şi nu aduce nici o informaţie în procesul de modelare;
- clase vagi ↔ clase care nu sunt definite clar. De exemplu: clasele Date,
Manager;
- atribute ↔ sunt identificate clase care iniţial descriu obiecte individuale, dar
care pot fi reformulate în termeni de atribute ale altor clase şi nu se vor
păstra (nu este cazul);
- operaţii ↔ au fost identificate clase care de fapt descriu operaţii care se
aplică obiectelor şi nu vor fi păstrate în construirea modelului. De exemplu
clasa Alocare este o operaţie care se aplică clasei Ordine, Tranzacţii,
TraderX.
Descrierea fiecărei clase de obiecte pentru a elimina eventualele interpretări cu
privire la entităţile modelate.
Dicţionarul de date pentru clasele de obiecte rămase în urma selecţiei
este reprezentat în formă tabelară mai jos:
Tabelul 3.9. – Dicționarul de date.
CLASA DE
OBIECTE DESCRIERE
Contracte
futures
- contract standardizat care prevede cumpărarea /vânzarea unui
anumit activ la un preţ stabilit în momentul tranzacţiei, dar cu
lichidarea sa la o dată viitoare
Opţiuni pe
contracte futures
- contracte standardizate care prevede dreptul dar nu şi obligaţia
de a achiziţiona la scadenţă sau oricând până la scadenţă la preţ
de exercitare şi în schimbul unei prime
Active suport17 - titluri de valoare concretizate în acţiuni: SIF1, SIF3, SNP,
obligaţiuni, valute: Euro, Dolar USD, yen JPY
Cotaţii derivate
financiare
- preţul la care se tranzacţionează într-o zi derivatele financiare în
„ringul BMFMS”
Cotaţii active
suport
- preţul la care se tranzacţionează într-o zi activele suport în
„ringul BVB”
17 este vorba numai de activele cotate la BVB şi care constituie suportul produselor financiare derivate tranzacţionate la BMFMS
81
exprimă aceleaşi noţiuni ca şi, clasa Cotaţii derivate financiare fapt pentru
care vor fi excluse;
- clase irelevante ↔ clase care nu aduc nici o informaţie necesară în
modelarea problemei. De exemplu: clasa BMFMS descrie mai degrabă
întregul sistem şi nu aduce nici o informaţie în procesul de modelare;
- clase vagi ↔ clase care nu sunt definite clar. De exemplu: clasele Date,
Manager;
- atribute ↔ sunt identificate clase care iniţial descriu obiecte individuale, dar
care pot fi reformulate în termeni de atribute ale altor clase şi nu se vor
păstra (nu este cazul);
- operaţii ↔ au fost identificate clase care de fapt descriu operaţii care se
aplică obiectelor şi nu vor fi păstrate în construirea modelului. De exemplu
clasa Alocare este o operaţie care se aplică clasei Ordine, Tranzacţii,
TraderX.
Descrierea fiecărei clase de obiecte pentru a elimina eventualele interpretări cu
privire la entităţile modelate.
Dicţionarul de date pentru clasele de obiecte rămase în urma selecţiei
este reprezentat în formă tabelară mai jos:
Tabelul 3.9. – Dicționarul de date.
CLASA DE
OBIECTE DESCRIERE
Contracte
futures
- contract standardizat care prevede cumpărarea /vânzarea unui
anumit activ la un preţ stabilit în momentul tranzacţiei, dar cu
lichidarea sa la o dată viitoare
Opţiuni pe
contracte futures
- contracte standardizate care prevede dreptul dar nu şi obligaţia
de a achiziţiona la scadenţă sau oricând până la scadenţă la preţ
de exercitare şi în schimbul unei prime
Active suport17 - titluri de valoare concretizate în acţiuni: SIF1, SIF3, SNP,
obligaţiuni, valute: Euro, Dolar USD, yen JPY
Cotaţii derivate
financiare
- preţul la care se tranzacţionează într-o zi derivatele financiare în
„ringul BMFMS”
Cotaţii active
suport
- preţul la care se tranzacţionează într-o zi activele suport în
„ringul BVB”
17 este vorba numai de activele cotate la BVB şi care constituie suportul produselor financiare derivate tranzacţionate la BMFMS
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 81 of 154 - Pages: 81, 81, 06/08/15 07:37 PM
82
Tranzacţii - operaţiuni de vânzare şi/sau cumpărare derulate în piaţă
Trader - persoană autorizată de Bursă să tranzacţioneze în nume propriu
şi pe contul lor în piaţa derivatelor financiare
Broker
- persoane fizice, angajaţi ai membrilor Bursei, ce au în atribuţia
lor exclusiv licitarea ofertelor de vânzare/cumpărare în numele
unei agenţii de brokeraj
Ordine - documentul în baza căruia traderul iniţiază operaţiuni de
vânzare/cumpărare
Clienţi - persoană fizică/juridică care derulează prin intermediul brokerilor
operaţiuni de vânzare/cumpărare în ringul bursei
Portofoliu
- grupează la un loc activele financiare deoarece performanţele
managementului cresc dacă acestea sunt urmărite pe ansamblu şi
nu individual
Identificarea asocierilor
Asocierile exprimă existenţa de corelaţii semantice între clasele de
obiecte. O instanţă a unei asocieri este numită legătură (link) şi este un tuplu
de realizări ale obiectelor corespunzătoare. În cazul nostru, se pot forma
următoarele asocieri:
Contractele futures sunt cotate zilnic la BMFMS
Opţiunile pe contracte futures sunt cotate zilnic la BMFMS
Activele suport sunt cotate zilnic la BVB
Cotaţii derivate financiare sunt vizualizate de Brokeri şi/sau Traderi
Cotaţii active suport sunt vizualizate de Brokeri şi/sau Traderi
Ordinele generează Tranzacţii
Traderi derulează Tranzacţii
Brokeri derulează Tranzacţii
Ordinele sunt emise de Clienţi
Ordinele sunt tranzacţionate de Trader/Broker
Clienţi emit Ordine de vânzare/cumpărare
Asocierea se reprezintă printr-o linie continuă între clasele de obiecte
corespunzătoare şi poate avea un nume şi un sens, cu scopul de a specifica
proprietăţile clasei respective la asociere, respectiv: multiplicitatea, ordonarea,
navigabilitatea, vizibilitatea şi modificabilitatea.
82
Tranzacţii - operaţiuni de vânzare şi/sau cumpărare derulate în piaţă
Trader - persoană autorizată de Bursă să tranzacţioneze în nume propriu
şi pe contul lor în piaţa derivatelor financiare
Broker
- persoane fizice, angajaţi ai membrilor Bursei, ce au în atribuţia
lor exclusiv licitarea ofertelor de vânzare/cumpărare în numele
unei agenţii de brokeraj
Ordine - documentul în baza căruia traderul iniţiază operaţiuni de
vânzare/cumpărare
Clienţi - persoană fizică/juridică care derulează prin intermediul brokerilor
operaţiuni de vânzare/cumpărare în ringul bursei
Portofoliu
- grupează la un loc activele financiare deoarece performanţele
managementului cresc dacă acestea sunt urmărite pe ansamblu şi
nu individual
Identificarea asocierilor
Asocierile exprimă existenţa de corelaţii semantice între clasele de
obiecte. O instanţă a unei asocieri este numită legătură (link) şi este un tuplu
de realizări ale obiectelor corespunzătoare. În cazul nostru, se pot forma
următoarele asocieri:
Contractele futures sunt cotate zilnic la BMFMS
Opţiunile pe contracte futures sunt cotate zilnic la BMFMS
Activele suport sunt cotate zilnic la BVB
Cotaţii derivate financiare sunt vizualizate de Brokeri şi/sau Traderi
Cotaţii active suport sunt vizualizate de Brokeri şi/sau Traderi
Ordinele generează Tranzacţii
Traderi derulează Tranzacţii
Brokeri derulează Tranzacţii
Ordinele sunt emise de Clienţi
Ordinele sunt tranzacţionate de Trader/Broker
Clienţi emit Ordine de vânzare/cumpărare
Asocierea se reprezintă printr-o linie continuă între clasele de obiecte
corespunzătoare şi poate avea un nume şi un sens, cu scopul de a specifica
proprietăţile clasei respective la asociere, respectiv: multiplicitatea, ordonarea,
navigabilitatea, vizibilitatea şi modificabilitatea.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 82 of 154 - Pages: 82, 82, 06/08/15 07:37 PM
83
În Figura 3.6 este reprezentată, pentru exemplificare, asocierea care
exprimă legătura dintre Traderi/Brokeri şi Portofoliul strategic pe care aceştia
doresc să-l obţină. Unul sau mai mulţi (1…*) Traderi/Brokeri pot vizualiza una
sau mai multe (1…*) cotaţii pentru derivatele financiare şi/sau activele suport.
Vizualizând cotaţiile, unul sau mai mulţi (1…*) Traderi/Brokeri pe baza unui
algoritm definit pot constitui portofolii. Portofoliu, nu este o clasă propriu-zisă ci
este o asociere - clasă care posedă proprietăţile unei clase: atribute, operaţii,
sau alte asocieri proprii. Multiplicitatea în această asociere este (1…2) .
Valoarea 1 a multiplicităţii exprimă aici sintagma „constituie un portofoliu” de
produse financiare derivate sau/şi un portofoliu de active suport, deci maxim 2.
Al doilea portofoliu este constituit numai pentru a ilustra o situaţie comparativă
în managementul operaţiunilor cu produse financiare derivate.
Figura 3.6. - Reprezentarea grafică a asocierilor dintre clasele Traderi/Brokeri şi
Portofoliu
Pentru reprezentarea grafică se foloseşte simbolul uzual de clasă,
conectat printr-o linie întreruptă la asocierea respectivă, numele fiind acelaşi
pentru asociere cât şi pentru clasa prin care se realizează.
În metodologia de proiectare a bazei de date pusă a dispoziţie de
Departamentul Informatică, se observă că în modelul ER, relaţiile de tip mulţi –
1..2 BROKERI
………..
………….
COTAŢII Derivate
………..
……….
COTAŢII active suport
………..
…………….
constituie portofoliu►
vizualizează ► 1..* 1..* 1..*
1..2
vizualizează ► 1..* 1..*
1..* constituie portofoliu►
PORTOFOLIU
……….. ……………..
TRADERI
………
…
………..
83
În Figura 3.6 este reprezentată, pentru exemplificare, asocierea care
exprimă legătura dintre Traderi/Brokeri şi Portofoliul strategic pe care aceştia
doresc să-l obţină. Unul sau mai mulţi (1…*) Traderi/Brokeri pot vizualiza una
sau mai multe (1…*) cotaţii pentru derivatele financiare şi/sau activele suport.
Vizualizând cotaţiile, unul sau mai mulţi (1…*) Traderi/Brokeri pe baza unui
algoritm definit pot constitui portofolii. Portofoliu, nu este o clasă propriu-zisă ci
este o asociere - clasă care posedă proprietăţile unei clase: atribute, operaţii,
sau alte asocieri proprii. Multiplicitatea în această asociere este (1…2) .
Valoarea 1 a multiplicităţii exprimă aici sintagma „constituie un portofoliu” de
produse financiare derivate sau/şi un portofoliu de active suport, deci maxim 2.
Al doilea portofoliu este constituit numai pentru a ilustra o situaţie comparativă
în managementul operaţiunilor cu produse financiare derivate.
Figura 3.6. - Reprezentarea grafică a asocierilor dintre clasele Traderi/Brokeri şi
Portofoliu
Pentru reprezentarea grafică se foloseşte simbolul uzual de clasă,
conectat printr-o linie întreruptă la asocierea respectivă, numele fiind acelaşi
pentru asociere cât şi pentru clasa prin care se realizează.
În metodologia de proiectare a bazei de date pusă a dispoziţie de
Departamentul Informatică, se observă că în modelul ER, relaţiile de tip mulţi –
1..2 BROKERI
………..
………….
COTAŢII Derivate
………..
……….
COTAŢII active suport
………..
…………….
constituie portofoliu►
vizualizează ► 1..* 1..* 1..*
1..2
vizualizează ► 1..* 1..*
1..* constituie portofoliu►
PORTOFOLIU
……….. ……………..
TRADERI
………
…
………..
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 83 of 154 - Pages: 83, 83, 06/08/15 07:37 PM
84
la – mulţi şi relaţiile recursive18 au fost îndepărtate, iar toate relaţiile ternare
sau n-are, s-au descompus în relaţii binare. Aceste schimbări nu sunt
necesare pentru modelarea orientată spre obiecte şi pot fi omise. Modificările
au fost introduse datorită puterii de modelare limitate a modelelor de date
tradiţionale.
Identificarea atributelor
Starea curentă a unui obiect este descrisă de unul sau mai multe
atribute sau de variabile de instanţă. Notaţia generală a atributelor este:
vizibilitate nume [multiplicitate] : tip_date = valoare_iniţială {listă proprietăţi}
unde: vizibilitate poate lua una din valorile: + (atribut public), – (atribut
privat, respectând principiul încapsulării), # (atribut
protejat);
[multiplicitate] : indică faptul că atributul respectiv poate avea mai multe
valori. Referindu-ne la numărul de cotaţii pentru un
contract futurea şi/sau options într-o lună de tranzacţii
(excepţie zilele de sâmbătă şi duminică): #Cotaţie
[0…22]: Currency precizează că atributul protejat
Cotaţie poate avea de la 0 la 22 valori diferite de tip
monetar, multiplicitatea 0 indicând că este permisă şi
absenţa valorii pentru acest atribut, respectiv valoarea
null;
: tip_date indică natura datelor în termenii specifici unui anumit
limbaj;
= valoare_iniţială expresie a cărei valoare este atribuită automat în
momentul creării unui obiect din clasa respectivă;
{listă proprietăţi} este o listă de proprietăţi suplimentare atributului;
În procesul de proiectare putem întâlni şi notaţii în genul:
contracte futures.scadenţa ↔ care indică faptul că scadenţa este un
atribut al obiectului contracte futures
După analiza obiectelor se pot asocia acestora următoarele atribute,
respectând modul de reprezentare al acestora într-o clasă (Figura 3.7):
18 sunt numite şi asocieri reflexive exprimând legături între obiecte ale aceleaşi clase
84
la – mulţi şi relaţiile recursive18 au fost îndepărtate, iar toate relaţiile ternare
sau n-are, s-au descompus în relaţii binare. Aceste schimbări nu sunt
necesare pentru modelarea orientată spre obiecte şi pot fi omise. Modificările
au fost introduse datorită puterii de modelare limitate a modelelor de date
tradiţionale.
Identificarea atributelor
Starea curentă a unui obiect este descrisă de unul sau mai multe
atribute sau de variabile de instanţă. Notaţia generală a atributelor este:
vizibilitate nume [multiplicitate] : tip_date = valoare_iniţială {listă proprietăţi}
unde: vizibilitate poate lua una din valorile: + (atribut public), – (atribut
privat, respectând principiul încapsulării), # (atribut
protejat);
[multiplicitate] : indică faptul că atributul respectiv poate avea mai multe
valori. Referindu-ne la numărul de cotaţii pentru un
contract futurea şi/sau options într-o lună de tranzacţii
(excepţie zilele de sâmbătă şi duminică): #Cotaţie
[0…22]: Currency precizează că atributul protejat
Cotaţie poate avea de la 0 la 22 valori diferite de tip
monetar, multiplicitatea 0 indicând că este permisă şi
absenţa valorii pentru acest atribut, respectiv valoarea
null;
: tip_date indică natura datelor în termenii specifici unui anumit
limbaj;
= valoare_iniţială expresie a cărei valoare este atribuită automat în
momentul creării unui obiect din clasa respectivă;
{listă proprietăţi} este o listă de proprietăţi suplimentare atributului;
În procesul de proiectare putem întâlni şi notaţii în genul:
contracte futures.scadenţa ↔ care indică faptul că scadenţa este un
atribut al obiectului contracte futures
După analiza obiectelor se pot asocia acestora următoarele atribute,
respectând modul de reprezentare al acestora într-o clasă (Figura 3.7):
18 sunt numite şi asocieri reflexive exprimând legături între obiecte ale aceleaşi clase
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 84 of 154 - Pages: 84, 84, 06/08/15 07:37 PM
85
Figura 3.7. – Reprezentarea obiectelor şi a atributelor corespunzătoare
Ulterior, acestea mai pot fi modificate în funcţie de o serie de elemente
noi care pot fi descoperite în etapa de analiză, de aceea este bine să:
- se acorde o importanţă mai mare atributelor principale, deoarece
ulterior acestea se vor rafina;
- se ignore atributele derivate;
- se precizeze atributele referinţă, similare cheilor străine din modelul
relaţional.
Ţinând cont de recomandările anterioare se va alcătui dicţionarul
atributelor prin care vom stabili toate detaliile descriptive ale fiecărui atribut,
indiferent de apartenenţa sa la un anume tip de clasă sau de asociere. Astfel
Active suport
simbol denumire
Cotaţii derivate
simbol; data cotaţiei preţ deschidere; preţ cotare; preţ închidere; preţ minim; preţ maxim cantitate
Cotaţii active suport
simbol; data cotaţiei; preţ cotare; ultimul preţ; max52; min52; volum
Trader
cod trader nume
Broker
cod broker nume;ABK
Ordine
număr ordin; tip ordin; data ordin cod; broker/ trader; simbol; cantitate preţ de cotare scadenţa; cont client
Clienţi
cod client denumire adresa cod ABK cod broker
Portofoliu
Simbol; preţ_cotare; scadenţa
Opţiuni pe contracte futures
simbol; unitate tranzacţionare; cotare primă; pasul primei; luna de iniţiere; scadenţa; preţ de exercitare; risc; lichidare
Tranzacţii
număr tranzacţii data tranzacţiei cod trader/ broker; simbol; cantitate; preţ număr ordin v/c
Contracte futures
simbol; unitate tranzacţionare; preţ de cotare; pas de cotare; luna de iniţiere; risc; scadenţa; lichidare
85
Figura 3.7. – Reprezentarea obiectelor şi a atributelor corespunzătoare
Ulterior, acestea mai pot fi modificate în funcţie de o serie de elemente
noi care pot fi descoperite în etapa de analiză, de aceea este bine să:
- se acorde o importanţă mai mare atributelor principale, deoarece
ulterior acestea se vor rafina;
- se ignore atributele derivate;
- se precizeze atributele referinţă, similare cheilor străine din modelul
relaţional.
Ţinând cont de recomandările anterioare se va alcătui dicţionarul
atributelor prin care vom stabili toate detaliile descriptive ale fiecărui atribut,
indiferent de apartenenţa sa la un anume tip de clasă sau de asociere. Astfel
Active suport
simbol denumire
Cotaţii derivate
simbol; data cotaţiei preţ deschidere; preţ cotare; preţ închidere; preţ minim; preţ maxim cantitate
Cotaţii active suport
simbol; data cotaţiei; preţ cotare; ultimul preţ; max52; min52; volum
Trader
cod trader nume
Broker
cod broker nume;ABK
Ordine
număr ordin; tip ordin; data ordin cod; broker/ trader; simbol; cantitate preţ de cotare scadenţa; cont client
Clienţi
cod client denumire adresa cod ABK cod broker
Portofoliu
Simbol; preţ_cotare; scadenţa
Opţiuni pe contracte futures
simbol; unitate tranzacţionare; cotare primă; pasul primei; luna de iniţiere; scadenţa; preţ de exercitare; risc; lichidare
Tranzacţii
număr tranzacţii data tranzacţiei cod trader/ broker; simbol; cantitate; preţ număr ordin v/c
Contracte futures
simbol; unitate tranzacţionare; preţ de cotare; pas de cotare; luna de iniţiere; risc; scadenţa; lichidare
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 85 of 154 - Pages: 85, 85, 06/08/15 07:37 PM
86
pentru fiecare atribut se va stabili identificatorul asociat în mod unic la nivelul
întregii baze de date, tipul, lungimea şi condiţiile de validare, toate aceste
elemente fiind stabilite în funcţie de cerinţele şi restricţiile impuse de sistemul
de gestiune al datelor.
În aceste condiţii, dicţionarul atributelor asociat claselor de obiecte deja
identificate este prezentat sub forma Tabelului 3.10.
Tabelului 3.10 - Dicţionarul atributelor
Denumire Identi-
ficator
Tip,
lung
ime
Condiţii de validare Clasa de obiecte în
care-l regăsim
simbol derivat financiar
simbol C,4 simbol < > ’’
COTAŢIE, DERIVAT,
TRANZACŢIE,
PORTOFOLIU
unitate de
tranzacţionare unit_tranz N,4
1< = unit_tranz < =
1000 PFD
Preţ de cotare cotaţie N,10 cotaţie > 0
COTAŢIE, ORDINV,
ORDINC,COTAŢIEPF,
COTAŢIEAS,
TRANZACŢIE,
CONTRACT FUTURES
pas de cotare pas_cotare N,4 1< pas_cotare < =
1000 CONTRACT FUTURES
luna de
iniţiere luna_i C,9
luna_i = {ian, martie,
iulie, decmbrie} CONTRACT FUTURES
risc creştere/ scădere
risc N,5 risc > 0 PFD
lichidare lichidare C,9
lichidare ={ianuarie,
martie, iulie,
decembrie}
CONTRACT FUTURES
data cotării data_cotaţie D,8 data_cotaţie >
01.01.90 COTAŢIE
preţ deschidere
preţ_desch N,10 preţ_desch > 0 COTAŢIEPFD
preţ închidere preţ_înch N,10 preţ_înch > 0 COTAŢIEPFD
preţ minim preţ_min N,10 preţ_min > 0 COTAŢIEPFD
preţ maxim preţ_max N,10 preţ_max > 0 COTAŢIEPFD
număr de tranzacţii
nr_tranz N,10 nr_tranz > 0 COTAŢIE,
TRANZACŢIE
cotare primă cotare_prim
ă N,10 cotare_primă > 0 Options
pasul primei pas_prima N,10 pas_prima > 0 OPTIONS
86
pentru fiecare atribut se va stabili identificatorul asociat în mod unic la nivelul
întregii baze de date, tipul, lungimea şi condiţiile de validare, toate aceste
elemente fiind stabilite în funcţie de cerinţele şi restricţiile impuse de sistemul
de gestiune al datelor.
În aceste condiţii, dicţionarul atributelor asociat claselor de obiecte deja
identificate este prezentat sub forma Tabelului 3.10.
Tabelului 3.10 - Dicţionarul atributelor
Denumire Identi-
ficator
Tip,
lung
ime
Condiţii de validare Clasa de obiecte în
care-l regăsim
simbol derivat financiar
simbol C,4 simbol < > ’’
COTAŢIE, DERIVAT,
TRANZACŢIE,
PORTOFOLIU
unitate de
tranzacţionare unit_tranz N,4
1< = unit_tranz < =
1000 PFD
Preţ de cotare cotaţie N,10 cotaţie > 0
COTAŢIE, ORDINV,
ORDINC,COTAŢIEPF,
COTAŢIEAS,
TRANZACŢIE,
CONTRACT FUTURES
pas de cotare pas_cotare N,4 1< pas_cotare < =
1000 CONTRACT FUTURES
luna de
iniţiere luna_i C,9
luna_i = {ian, martie,
iulie, decmbrie} CONTRACT FUTURES
risc creştere/ scădere
risc N,5 risc > 0 PFD
lichidare lichidare C,9
lichidare ={ianuarie,
martie, iulie,
decembrie}
CONTRACT FUTURES
data cotării data_cotaţie D,8 data_cotaţie >
01.01.90 COTAŢIE
preţ deschidere
preţ_desch N,10 preţ_desch > 0 COTAŢIEPFD
preţ închidere preţ_înch N,10 preţ_înch > 0 COTAŢIEPFD
preţ minim preţ_min N,10 preţ_min > 0 COTAŢIEPFD
preţ maxim preţ_max N,10 preţ_max > 0 COTAŢIEPFD
număr de tranzacţii
nr_tranz N,10 nr_tranz > 0 COTAŢIE,
TRANZACŢIE
cotare primă cotare_prim
ă N,10 cotare_primă > 0 Options
pasul primei pas_prima N,10 pas_prima > 0 OPTIONS
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 86 of 154 - Pages: 86, 86, 06/08/15 07:37 PM
87
Denumire Identi-
ficator
Tip,
lung
ime
Condiţii de validare Clasa de obiecte în
care-l regăsim
preţ de exercitare
preţ_exerc N,10 preţ_exerc > 0 OPTIONS
scadenţa scadenţa C,9 scadenţa ={ian, mart,
iulie, dec} PFD
cod client cod_cl N,10 cod_cl > 0 CLIENT
tip operator tip_oper C,6 cont_cl < > ’’ OPERATOR
cont client cont_cl C,15 cont_cl < > ’’ CLIENT, ORDINV,
ORDINC
denumire client
den_cl C,15 den_cl < > ’’ CLIENT
adresa client adresa_cl C,20 adresa_cl < > ’’ CLIENT
cod Agenţie Brokeraj
cod_ABK C,6 cod_ABK < > ’’ ABK
număr ordin nr_ordin N,4 nr_ordin > 0
ORDIN, ORDINV,
ORDINC,
TRANZACŢIE
tip ordin tip_ordin C,2 tip_ordin = { „V” or
„C”} ORDIN
data ordin data_ordin D,8 data_ordin >
01.01.90 ORDIN
cod broker cod_brk N,5 cod_brk > 0 ORDIN, BROKER,
OPERATOR
cod trader cod_trd N,5 cod_trd > 0 ORDIN, TRADER,
OPERATOR
tip derivat tip_drv C,3 tip_drv = { „CF” or
„OPT”} COTAŢIE
cantitate cantitate N,4 cantitate > 0 ORDINV, ORDINC,
TRANZACŢIE
denumire derivat financiar
den_drv C,15 den_drv < > ’’ COTAŢIE
nume broker nume_brk C,15 nume_brk < > ’’ BROKER
nume trader nume_trd C,15 nume_trd < > ’’ TRADER
denumire Agenţie brokeraj
ABK C,15 ABK < > ’’ ABK, BROKER
ultimul preţ preţ_ultim N,10 preţ_ultim > 0 COTAŢIE AS
maxim ultimele 52 cotaţii
Max52 N,10 Max52 > 0 COTAŢIE AS
minim ultimele 52 cotaţii
Min52 N,10 Min52 > 0 COTAŢIE AS
87
Denumire Identi-
ficator
Tip,
lung
ime
Condiţii de validare Clasa de obiecte în
care-l regăsim
preţ de exercitare
preţ_exerc N,10 preţ_exerc > 0 OPTIONS
scadenţa scadenţa C,9 scadenţa ={ian, mart,
iulie, dec} PFD
cod client cod_cl N,10 cod_cl > 0 CLIENT
tip operator tip_oper C,6 cont_cl < > ’’ OPERATOR
cont client cont_cl C,15 cont_cl < > ’’ CLIENT, ORDINV,
ORDINC
denumire client
den_cl C,15 den_cl < > ’’ CLIENT
adresa client adresa_cl C,20 adresa_cl < > ’’ CLIENT
cod Agenţie Brokeraj
cod_ABK C,6 cod_ABK < > ’’ ABK
număr ordin nr_ordin N,4 nr_ordin > 0
ORDIN, ORDINV,
ORDINC,
TRANZACŢIE
tip ordin tip_ordin C,2 tip_ordin = { „V” or
„C”} ORDIN
data ordin data_ordin D,8 data_ordin >
01.01.90 ORDIN
cod broker cod_brk N,5 cod_brk > 0 ORDIN, BROKER,
OPERATOR
cod trader cod_trd N,5 cod_trd > 0 ORDIN, TRADER,
OPERATOR
tip derivat tip_drv C,3 tip_drv = { „CF” or
„OPT”} COTAŢIE
cantitate cantitate N,4 cantitate > 0 ORDINV, ORDINC,
TRANZACŢIE
denumire derivat financiar
den_drv C,15 den_drv < > ’’ COTAŢIE
nume broker nume_brk C,15 nume_brk < > ’’ BROKER
nume trader nume_trd C,15 nume_trd < > ’’ TRADER
denumire Agenţie brokeraj
ABK C,15 ABK < > ’’ ABK, BROKER
ultimul preţ preţ_ultim N,10 preţ_ultim > 0 COTAŢIE AS
maxim ultimele 52 cotaţii
Max52 N,10 Max52 > 0 COTAŢIE AS
minim ultimele 52 cotaţii
Min52 N,10 Min52 > 0 COTAŢIE AS
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 87 of 154 - Pages: 87, 87, 06/08/15 07:37 PM
88
Denumire Identi-
ficator
Tip,
lung
ime
Condiţii de validare Clasa de obiecte în
care-l regăsim
data tranzacţiei
data_tranz D,8 data_tranz >
01.01.90 TRANZACŢIE
Rafinarea modelului introducând relaţia de moştenire
Rafinarea modelului presupune introducerea relaţiilor de moştenire între
clasele care prezintă aspecte comune, realizând o superclasă sau delimitând o
clasă generală în subclase specializate. Analizând descrierea fiecărei clase,
realizată prin Dicţionarul de date, apare naturală o rafinarea a modelului
obiectelor, creând astfel:
- superclasa: Cotaţii, din care să derive clasele Cotaţii derivate financiare
şi Cotaţii active suport;
- superclasa: Operatori în piaţă, din care să derive clasele Trader, Broker
şi Client, întrucât trader, broker, client sunt principalii operatori implicaţi în
procesul de tranzacţionare;
- superclasa Derivate financiare din care să se desprindă clasa Contracte
futures şi clasa Options
- subclase pentru: Ordine de vânzare şi Ordine de cumpărare, întrucât din
analiza procesului de tranzacţionare s-a dedus că se întocmesc ordine
distincte în funcţie de operaţiunea care se iniţiază în piaţă.
Gruparea claselor în module
Se recomandă atunci când numărul de clase identificate este relativ
important, în caz contrar se poate considera că există un singur modul, care
echivalează cu sistemul. Am preferat să împărţim sistemul în două module
grupând clasele identificate în funcţie de activităţile care se derulează în
aceeaşi sferă. Astfel avem:
- modulul Portofoliu care va grupa activităţile ce conduc la definirea
structurii unui portofoliu strategic;
- modulul Tranzacţii care va grupa activităţile care se declanşează la
derularea tranzacţiilor în ringul Bursei.
88
Denumire Identi-
ficator
Tip,
lung
ime
Condiţii de validare Clasa de obiecte în
care-l regăsim
data tranzacţiei
data_tranz D,8 data_tranz >
01.01.90 TRANZACŢIE
Rafinarea modelului introducând relaţia de moştenire
Rafinarea modelului presupune introducerea relaţiilor de moştenire între
clasele care prezintă aspecte comune, realizând o superclasă sau delimitând o
clasă generală în subclase specializate. Analizând descrierea fiecărei clase,
realizată prin Dicţionarul de date, apare naturală o rafinarea a modelului
obiectelor, creând astfel:
- superclasa: Cotaţii, din care să derive clasele Cotaţii derivate financiare
şi Cotaţii active suport;
- superclasa: Operatori în piaţă, din care să derive clasele Trader, Broker
şi Client, întrucât trader, broker, client sunt principalii operatori implicaţi în
procesul de tranzacţionare;
- superclasa Derivate financiare din care să se desprindă clasa Contracte
futures şi clasa Options
- subclase pentru: Ordine de vânzare şi Ordine de cumpărare, întrucât din
analiza procesului de tranzacţionare s-a dedus că se întocmesc ordine
distincte în funcţie de operaţiunea care se iniţiază în piaţă.
Gruparea claselor în module
Se recomandă atunci când numărul de clase identificate este relativ
important, în caz contrar se poate considera că există un singur modul, care
echivalează cu sistemul. Am preferat să împărţim sistemul în două module
grupând clasele identificate în funcţie de activităţile care se derulează în
aceeaşi sferă. Astfel avem:
- modulul Portofoliu care va grupa activităţile ce conduc la definirea
structurii unui portofoliu strategic;
- modulul Tranzacţii care va grupa activităţile care se declanşează la
derularea tranzacţiilor în ringul Bursei.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 88 of 154 - Pages: 88, 88, 06/08/15 07:37 PM
89
Aceste ultime 2 etape permit definirea modelului obiectelor dar şi
descrierea acestuia. Reprezentarea cunoscută sub denumirea de diagrama
obiectelor este de un real folos atunci când va trebui să definim din punct de
vedere logic şi fizic, structura bazei de date.
Îmbinând facilităţile modelului orientat obiect (structuri de date complexe,
moştenire) cu cele ale modelului relaţional (tabele bidimensionale, acces
optimizat şi concurent, standardizare), modelul obiect-relaţional este soluţia
pentru managementul datelor necesare sistemului suport, ca sistem interactiv
de asistare a deciziei.
Interfaţarea modelului obiect cu modelul relaţional realizează o extensie a
acestuia din urmă aducând o serie de îmbunătăţiri. Principala îmbunătăţire
adusă o constituie tipurile abstracte de date (TAD)19 care permit: partajarea
datelor, utilizarea structurilor complexe de date, încapsularea, moştenirea)
Structura unei baze de date reprezintă aspectul constant, invariabil sau,
mai bine zis, puţin variabil. Un bun model al obiectelor diminuează riscul
modificărilor de amploare în structura tabelelor şi restricţiilor, conferind
stabilitate bazei de date şi diminuând sensibil eforturile de întreţinere
ulterioară, instalării aplicaţiei.
Primul pas în implementarea modelului obiect este declararea claselor de
obiecte, construindu-se în acest sens fişierul antet cu extensia .h şi a unui fişier
cu extensia .cpp care permite descrierea metodelor asociate clasei. În acest fel
clasele C++ permit modelarea unor entităţi elaborate de date şi a relaţiilor
dintre acestea, iar sistemul de baze de date va permite stocarea în tabele ale
instanţelor acestor clase.
Pentru managementul datelor, sistemul suport implementează modelul
obiectelor folosindu-se de SGBD Access pentru încărcarea datelor şi de
ActiveX Data Objects pentru organizarea datelor după modelul orientat obiect
în memoria calculatorului. Maparea unui tabel la o clasă de obiecte C++ este
redată sugestiv în Figura 4.7, iar imediat după aceea listing-ul fişierelor .h şi
.cpp aferente clasei c_active.
19 http://www.cs.ubbcluj.ro/~gabis/sda/Cursuri/Curs1/1_TAD&SD.pdf
89
Aceste ultime 2 etape permit definirea modelului obiectelor dar şi
descrierea acestuia. Reprezentarea cunoscută sub denumirea de diagrama
obiectelor este de un real folos atunci când va trebui să definim din punct de
vedere logic şi fizic, structura bazei de date.
Îmbinând facilităţile modelului orientat obiect (structuri de date complexe,
moştenire) cu cele ale modelului relaţional (tabele bidimensionale, acces
optimizat şi concurent, standardizare), modelul obiect-relaţional este soluţia
pentru managementul datelor necesare sistemului suport, ca sistem interactiv
de asistare a deciziei.
Interfaţarea modelului obiect cu modelul relaţional realizează o extensie a
acestuia din urmă aducând o serie de îmbunătăţiri. Principala îmbunătăţire
adusă o constituie tipurile abstracte de date (TAD)19 care permit: partajarea
datelor, utilizarea structurilor complexe de date, încapsularea, moştenirea)
Structura unei baze de date reprezintă aspectul constant, invariabil sau,
mai bine zis, puţin variabil. Un bun model al obiectelor diminuează riscul
modificărilor de amploare în structura tabelelor şi restricţiilor, conferind
stabilitate bazei de date şi diminuând sensibil eforturile de întreţinere
ulterioară, instalării aplicaţiei.
Primul pas în implementarea modelului obiect este declararea claselor de
obiecte, construindu-se în acest sens fişierul antet cu extensia .h şi a unui fişier
cu extensia .cpp care permite descrierea metodelor asociate clasei. În acest fel
clasele C++ permit modelarea unor entităţi elaborate de date şi a relaţiilor
dintre acestea, iar sistemul de baze de date va permite stocarea în tabele ale
instanţelor acestor clase.
Pentru managementul datelor, sistemul suport implementează modelul
obiectelor folosindu-se de SGBD Access pentru încărcarea datelor şi de
ActiveX Data Objects pentru organizarea datelor după modelul orientat obiect
în memoria calculatorului. Maparea unui tabel la o clasă de obiecte C++ este
redată sugestiv în Figura 4.7, iar imediat după aceea listing-ul fişierelor .h şi
.cpp aferente clasei c_active.
19 http://www.cs.ubbcluj.ro/~gabis/sda/Cursuri/Curs1/1_TAD&SD.pdf
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 89 of 154 - Pages: 89, 89, 06/08/15 07:37 PM
90
Figura 3.8. – Maparea unei clase C++ la un tabel relaţional
// c_option.h : header file // ///////////////////////////////////////////////////////////////////////////// // c_option DAO recordset class c_option : public CDaoRecordset { public: c_option(CDaoDatabase* pDatabase = NULL); DECLARE_DYNAMIC(c_option) // Field/Param Data //{{AFX_FIELD(c_option, CDaoRecordset) long m_ID; CString m_simbol; COleDateTime m_data; float m_cotatie; float m_pas_prima; float m_pret_exerc; float m_bet; float m_af; //}}AFX_FIELD
c_active m_ID 205 m_data 11.04.2003 m_cotaţie 3100……. ….
……
c_active m_ID 198 m_data 01.04.2003 m_cotaţie 3250….
….
class c_option : public CDaoRecordset {
long m_ID; CString m_simbol; COleDateTime m_data; float m_cotatie; float m_pas_prima; ….. };
90
Figura 3.8. – Maparea unei clase C++ la un tabel relaţional
// c_option.h : header file // ///////////////////////////////////////////////////////////////////////////// // c_option DAO recordset class c_option : public CDaoRecordset { public: c_option(CDaoDatabase* pDatabase = NULL); DECLARE_DYNAMIC(c_option) // Field/Param Data //{{AFX_FIELD(c_option, CDaoRecordset) long m_ID; CString m_simbol; COleDateTime m_data; float m_cotatie; float m_pas_prima; float m_pret_exerc; float m_bet; float m_af; //}}AFX_FIELD
c_active m_ID 205 m_data 11.04.2003 m_cotaţie 3100……. ….
……
c_active m_ID 198 m_data 01.04.2003 m_cotaţie 3250….
….
class c_option : public CDaoRecordset {
long m_ID; CString m_simbol; COleDateTime m_data; float m_cotatie; float m_pas_prima; ….. };
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 90 of 154 - Pages: 90, 90, 06/08/15 07:37 PM
91
// Overrides // ClassWizard generated virtual function overrides //{{AFX_VIRTUAL(c_option) public: virtual CString GetDefaultDBName(); // Default database name virtual CString GetDefaultSQL(); // Default SQL for Recordset virtual void DoFieldExchange(CDaoFieldExchange* pFX); // RFX support //}}AFX_VIRTUAL // Implementation #ifdef _DEBUG virtual void AssertValid() const; virtual void Dump(CDumpContext& dc) const; #endif }; //{{AFX_INSERT_LOCATION}} // Microsoft Visual C++ will insert additional declarations immediately before the previous line. #endif // !defined(AFX_C_OPTION_H__7B06F42B_0247_44F3_BD16_77698EC80620__INCLUDED_) -----------------------------------------------------------------------------------
void CX_TRADEDoc::incarca_option() { c_option rs; int n; rs.m_strFilter = "[simbol]=\"EUROUSD\""; rs.Open(); rs.MoveFirst(); n=0; while (!rs.IsEOF()) { OpTabel::tabel aux; aux.data = rs.m_data; aux.RUEJDD= rs.m_cotatie; aux.BET = rs.m_bet; aux.AF = rs.m_af; op.AddLine(&a_O_EuroUsd,&u_O_EuroUsd,aux); n++; rs.MoveNext(); } n_O_EuroUsd=n; rs.Close(); rs.m_strFilter = "[simbol]=\"ROLUSD\""; rs.Open(); rs.MoveFirst(); n=0; while (!rs.IsEOF()) { OpTabel::tabel aux;
91
// Overrides // ClassWizard generated virtual function overrides //{{AFX_VIRTUAL(c_option) public: virtual CString GetDefaultDBName(); // Default database name virtual CString GetDefaultSQL(); // Default SQL for Recordset virtual void DoFieldExchange(CDaoFieldExchange* pFX); // RFX support //}}AFX_VIRTUAL // Implementation #ifdef _DEBUG virtual void AssertValid() const; virtual void Dump(CDumpContext& dc) const; #endif }; //{{AFX_INSERT_LOCATION}} // Microsoft Visual C++ will insert additional declarations immediately before the previous line. #endif // !defined(AFX_C_OPTION_H__7B06F42B_0247_44F3_BD16_77698EC80620__INCLUDED_) -----------------------------------------------------------------------------------
void CX_TRADEDoc::incarca_option() { c_option rs; int n; rs.m_strFilter = "[simbol]=\"EUROUSD\""; rs.Open(); rs.MoveFirst(); n=0; while (!rs.IsEOF()) { OpTabel::tabel aux; aux.data = rs.m_data; aux.RUEJDD= rs.m_cotatie; aux.BET = rs.m_bet; aux.AF = rs.m_af; op.AddLine(&a_O_EuroUsd,&u_O_EuroUsd,aux); n++; rs.MoveNext(); } n_O_EuroUsd=n; rs.Close(); rs.m_strFilter = "[simbol]=\"ROLUSD\""; rs.Open(); rs.MoveFirst(); n=0; while (!rs.IsEOF()) { OpTabel::tabel aux;
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 91 of 154 - Pages: 91, 91, 06/08/15 07:37 PM
92
aux.data = rs.m_data; aux.RUEJDD= rs.m_cotatie; aux.BET = rs.m_bet; aux.AF = rs.m_af; op.AddLine(&a_O_RolUsd,&u_O_RolUsd,aux); n++; rs.MoveNext(); } n_O_RolUsd=n; rs.Close(); };
M o d e l u l d i n a m i c
Modelul obiectelor, singur este insuficient pentru a desăvârşi proiectarea
unei baze de date orientate spre obiecte. Abordarea obiectuală trebuie
suplinită cu o tehnică care identifică şi documentează comportamentul fiecărei
clase de obiecte.
Aceasta implică o analiză detailată a modelului conceptual de prelucrare, care
este corespondentul modelului dinamic din metodologia proiectării bazei de
date relaţionale a sistemului informatic al Bursei.
Vom începe deci construirea modelului dinamic prin căutarea
evenimentelor şi mai apoi gruparea secvenţelor permise de evenimente într-o
diagramă de stare, parcurgând o serie de etape specifice. Este posibil ca
definirea comportamentului, respectiv a interacţiunilor care au loc între clase şi
obiecte, să impună adăugarea de noi asocieri la ceea ce modelul obiectelor
conţine deja în această privinţă.
De menţionat că modelul dinamic este nesemnificativ pentru date statice,
ca de exemplu baze de date, dar este însă foarte important pentru aplicaţiile
interactive, aşa cum este sistemul nostru de asistare a deciziei pentru
managementul operaţiunilor cu produse financiare derivate.
Pregătirea scenariilor
Un scenariu va fi o secvenţă de evenimente. Pentru fiecare eveniment,
se vor identifica actorii (sistemul, utilizatorul sau alt agent externe) care l-au
cauzat şi parametrii evenimentului. Pentru asistarea deciziei în managementul
operaţiunilor putem urmării următoarele scenarii:
92
aux.data = rs.m_data; aux.RUEJDD= rs.m_cotatie; aux.BET = rs.m_bet; aux.AF = rs.m_af; op.AddLine(&a_O_RolUsd,&u_O_RolUsd,aux); n++; rs.MoveNext(); } n_O_RolUsd=n; rs.Close(); };
M o d e l u l d i n a m i c
Modelul obiectelor, singur este insuficient pentru a desăvârşi proiectarea
unei baze de date orientate spre obiecte. Abordarea obiectuală trebuie
suplinită cu o tehnică care identifică şi documentează comportamentul fiecărei
clase de obiecte.
Aceasta implică o analiză detailată a modelului conceptual de prelucrare, care
este corespondentul modelului dinamic din metodologia proiectării bazei de
date relaţionale a sistemului informatic al Bursei.
Vom începe deci construirea modelului dinamic prin căutarea
evenimentelor şi mai apoi gruparea secvenţelor permise de evenimente într-o
diagramă de stare, parcurgând o serie de etape specifice. Este posibil ca
definirea comportamentului, respectiv a interacţiunilor care au loc între clase şi
obiecte, să impună adăugarea de noi asocieri la ceea ce modelul obiectelor
conţine deja în această privinţă.
De menţionat că modelul dinamic este nesemnificativ pentru date statice,
ca de exemplu baze de date, dar este însă foarte important pentru aplicaţiile
interactive, aşa cum este sistemul nostru de asistare a deciziei pentru
managementul operaţiunilor cu produse financiare derivate.
Pregătirea scenariilor
Un scenariu va fi o secvenţă de evenimente. Pentru fiecare eveniment,
se vor identifica actorii (sistemul, utilizatorul sau alt agent externe) care l-au
cauzat şi parametrii evenimentului. Pentru asistarea deciziei în managementul
operaţiunilor putem urmării următoarele scenarii:
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 92 of 154 - Pages: 92, 92, 06/08/15 07:37 PM
93
SCENARIU: Managementul de portofoliu este realizat de un TRADER
Obiectiv: definitivarea structurii portofoliului strategic din contracte futures şi options
Finalizare: insucces
Traderul vizualizează Cotaţiile
contractelor futures şi options
pentru anumite intervale de timp.
Contractele futures şi/sau
Options nu înregistrează Cotaţii
favorabile.
Contractele futures şi/sau
Options nu pot alcătui Portofoliu
strategic
Traderul nu emite Ordine de
tranzacţionare.
Traderul se retrage din piaţă şi
efectuează diverse prognoze ale
cotaţiilor, aşteptând un moment
favorabil.
Finalizare: cu succes
Traderul vizualizează Cotaţiile
futures şi options pentru anumite
intervale.
Contractele futures şi/sau Options
înregistrează Cotaţii favorabile.
Traderul constituie un Portofoliu
strategic din derivate în funcţie de
performanţele calculate pentru fiecare.
Contractele futures şi/sau Options
care depăşesc punctul critic alcătuiesc
componenţa Portofoliului strategic.
Traderul emite Ordine
tranzacţionare în funcţie de trendul
pieţei pentru derivatele din structura
portofoliului.
Traderul vizualizează Cotaţii active
pentru compara cu evoluţia
derivatelor.
Ordinele de tranzacţionare
generează Tranzacţii.
Tranzacţiile actualizează Portofoliul.
93
SCENARIU: Managementul de portofoliu este realizat de un TRADER
Obiectiv: definitivarea structurii portofoliului strategic din contracte futures şi options
Finalizare: insucces
Traderul vizualizează Cotaţiile
contractelor futures şi options
pentru anumite intervale de timp.
Contractele futures şi/sau
Options nu înregistrează Cotaţii
favorabile.
Contractele futures şi/sau
Options nu pot alcătui Portofoliu
strategic
Traderul nu emite Ordine de
tranzacţionare.
Traderul se retrage din piaţă şi
efectuează diverse prognoze ale
cotaţiilor, aşteptând un moment
favorabil.
Finalizare: cu succes
Traderul vizualizează Cotaţiile
futures şi options pentru anumite
intervale.
Contractele futures şi/sau Options
înregistrează Cotaţii favorabile.
Traderul constituie un Portofoliu
strategic din derivate în funcţie de
performanţele calculate pentru fiecare.
Contractele futures şi/sau Options
care depăşesc punctul critic alcătuiesc
componenţa Portofoliului strategic.
Traderul emite Ordine
tranzacţionare în funcţie de trendul
pieţei pentru derivatele din structura
portofoliului.
Traderul vizualizează Cotaţii active
pentru compara cu evoluţia
derivatelor.
Ordinele de tranzacţionare
generează Tranzacţii.
Tranzacţiile actualizează Portofoliul.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 93 of 154 - Pages: 93, 93, 06/08/15 07:37 PM
94
SCENARIU: Managementul de portofoliu este realizat de BROKER
Obiectiv: definitivarea portofoliului strategic de contracte futures şi options
Finalizare: insucces
Client solicită ABK broker pentru
derulare afaceri în ringul Bursei.
ABK repartizează Broker.
Broker vizualizează cotaţii
contracte futures şi/sau options
pentru anumite intervale de timp.
Contracte futures şi/sau Options
nu înregistrează Cotaţii favorabile.
Contracte futures şi/sau Options
nu pot alcătui un Portofoliu
strategic.
Broker informează Client.
Client nu emite Ordine
tranzacţionare.
Brokerul se retrage din piaţă şi
efectuează diverse prognoze ale
cotaţiilor, aşteptând un moment
favorabil.
Finalizare: cu succes
Client solicită ABK un broker în vederea
derulării de afaceri în ringul bursei.
ABK repartizează Broker.
Broker vizualizează cotaţii contracte
futures şi/sau options pentru anumite
intervale de timp.
Contracte futures şi/sau Options
înregistrează Cotaţii favorabile.
Broker constituie Portofoliu strategic
din derivate financiare în funcţie de
performanţele calculate pentru fiecare.
Contracte futures şi/sau Options care
depăşesc punctul critic alcătuiesc
Portofoliu strategic.
Broker informează Client.
Client emite Ordine tranzacţionare în
funcţie de trendul pieţei pentru derivatele
financiare din structura portofoliului.
Broker vizualizează Cotaţii active
suport pentru a compara cu evoluţia
derivatelor.
Ordine tranzacţionare generează
tranzacţii în ringul bursei.
Tranzacţii actualizează structura
Portofoliu.
94
SCENARIU: Managementul de portofoliu este realizat de BROKER
Obiectiv: definitivarea portofoliului strategic de contracte futures şi options
Finalizare: insucces
Client solicită ABK broker pentru
derulare afaceri în ringul Bursei.
ABK repartizează Broker.
Broker vizualizează cotaţii
contracte futures şi/sau options
pentru anumite intervale de timp.
Contracte futures şi/sau Options
nu înregistrează Cotaţii favorabile.
Contracte futures şi/sau Options
nu pot alcătui un Portofoliu
strategic.
Broker informează Client.
Client nu emite Ordine
tranzacţionare.
Brokerul se retrage din piaţă şi
efectuează diverse prognoze ale
cotaţiilor, aşteptând un moment
favorabil.
Finalizare: cu succes
Client solicită ABK un broker în vederea
derulării de afaceri în ringul bursei.
ABK repartizează Broker.
Broker vizualizează cotaţii contracte
futures şi/sau options pentru anumite
intervale de timp.
Contracte futures şi/sau Options
înregistrează Cotaţii favorabile.
Broker constituie Portofoliu strategic
din derivate financiare în funcţie de
performanţele calculate pentru fiecare.
Contracte futures şi/sau Options care
depăşesc punctul critic alcătuiesc
Portofoliu strategic.
Broker informează Client.
Client emite Ordine tranzacţionare în
funcţie de trendul pieţei pentru derivatele
financiare din structura portofoliului.
Broker vizualizează Cotaţii active
suport pentru a compara cu evoluţia
derivatelor.
Ordine tranzacţionare generează
tranzacţii în ringul bursei.
Tranzacţii actualizează structura
Portofoliu.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 94 of 154 - Pages: 94, 94, 06/08/15 07:37 PM
95
Identificarea evenimentelor. Diagrama fluxului de evenimente
Fiecare scenariu a fost prezentat ca o succesiune de evenimente, fiecare
tip de eveniment fiind alocat claselor care l-au trimis, respectiv recepţionat.
Prezentăm în continuare diagrama fluxului de evenimente pentru fiecare modul
în parte, cu scopul detalierii tuturor evenimentelor. (vezi Figura 3.9 şi Figura
3.10).
Figura 3.9 - Diagrama fluxului de evenimente pentru modulul PORTOFOLIU
intră în structură ies din structură COTAŢII
DERIVATE FINANCIARE
derulează
influe
nţe
ază
actu
aliz
ează
OPERATORI TRANZACŢII
PORTOFOLIU
actu
aliz
ează
SCENARIU: Derularea tranzacţiilor în piaţa bursieră
Obiectiv: managementul de portofoliu cu derivate
TRADER
Trader vizualizează Cotaţiile
futures şi contractelor options
pentru anumite intervale de timp.
Trader emite Ordine
tranzacţionare în funcţie de
trendul pieţei.
Ordine tranzacţionare generează
Tranzacţii în piață
BROKER
Client solicită ABK un broker pentru
derulare tranzacții pe piață
ABK repartizează Broker.
Broker vizualizează cotaţii contracte
futures şi/sau options pentru
anumite intervale de timp.
Broker informează Client.
Client emite Ordine tranzacţionare
în funcţie de trendul pieţei
Ordine de tranzacţionare generează
tranzacţii în piață.
95
Identificarea evenimentelor. Diagrama fluxului de evenimente
Fiecare scenariu a fost prezentat ca o succesiune de evenimente, fiecare
tip de eveniment fiind alocat claselor care l-au trimis, respectiv recepţionat.
Prezentăm în continuare diagrama fluxului de evenimente pentru fiecare modul
în parte, cu scopul detalierii tuturor evenimentelor. (vezi Figura 3.9 şi Figura
3.10).
Figura 3.9 - Diagrama fluxului de evenimente pentru modulul PORTOFOLIU
intră în structură ies din structură COTAŢII
DERIVATE FINANCIARE
derulează
influe
nţe
ază
actu
aliz
ează
OPERATORI TRANZACŢII
PORTOFOLIU
actu
aliz
ează
SCENARIU: Derularea tranzacţiilor în piaţa bursieră
Obiectiv: managementul de portofoliu cu derivate
TRADER
Trader vizualizează Cotaţiile
futures şi contractelor options
pentru anumite intervale de timp.
Trader emite Ordine
tranzacţionare în funcţie de
trendul pieţei.
Ordine tranzacţionare generează
Tranzacţii în piață
BROKER
Client solicită ABK un broker pentru
derulare tranzacții pe piață
ABK repartizează Broker.
Broker vizualizează cotaţii contracte
futures şi/sau options pentru
anumite intervale de timp.
Broker informează Client.
Client emite Ordine tranzacţionare
în funcţie de trendul pieţei
Ordine de tranzacţionare generează
tranzacţii în piață.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 95 of 154 - Pages: 95, 95, 06/08/15 07:37 PM
96
Figura 3.10 - Diagrama fluxului de evenimente pentru modulul TRANZACŢII
Diagrama de stări
Deţine un rol important în paradigma obiectuală, deoarece schimbările de
stare pe care le poate suporta un obiect influenţează comportamentul acestuia,
ceea ce justifică suficient de convingător necesitatea evidenţierii şi studiului lor.
Pentru principalele clase de obiecte, cu comportament dinamic se va
construi o diagramă de stare. Fiecare scenariu sau succesiune de evenimente
corespunde unui drum în această diagramă de stare.
Forma generală a unei diagrame de stări este reprezentată în Figura
3.11., în care se poate observa că există numai două tipuri de componente:
tranziţiile şi stările, printre acestea din urmă evidenţiindu-se două tipuri
particulare: starea iniţială şi starea finală.
Figura 3.11. - Diagrama fluxului de evenimente pentru modulul Tranzacţii
Diagrama de stări pentru clasa Derivat financiar. Un obiect contract
futures EuroUsd parcurge următoarele stări: emis → în curs de tranzacţionare
→ încheiat. Tranziţia spre starea emis este declanşată de evenimentul
înregistrează cotaţii favorabile. Emiterea unui ordin de tranzacţionare constituie
evenimentul care determină tranziţia spre starea următoare: → în curs de
COTAŢII
TRANZACŢII
ORDINE OPERATORI
trimise
execută verifică în
che
ie
influe
nţe
ază
actu
aliz
ează
STARE STARE
Stare iniţială Stare finală
Tranziţie şi eveniment
declanşator
96
Figura 3.10 - Diagrama fluxului de evenimente pentru modulul TRANZACŢII
Diagrama de stări
Deţine un rol important în paradigma obiectuală, deoarece schimbările de
stare pe care le poate suporta un obiect influenţează comportamentul acestuia,
ceea ce justifică suficient de convingător necesitatea evidenţierii şi studiului lor.
Pentru principalele clase de obiecte, cu comportament dinamic se va
construi o diagramă de stare. Fiecare scenariu sau succesiune de evenimente
corespunde unui drum în această diagramă de stare.
Forma generală a unei diagrame de stări este reprezentată în Figura
3.11., în care se poate observa că există numai două tipuri de componente:
tranziţiile şi stările, printre acestea din urmă evidenţiindu-se două tipuri
particulare: starea iniţială şi starea finală.
Figura 3.11. - Diagrama fluxului de evenimente pentru modulul Tranzacţii
Diagrama de stări pentru clasa Derivat financiar. Un obiect contract
futures EuroUsd parcurge următoarele stări: emis → în curs de tranzacţionare
→ încheiat. Tranziţia spre starea emis este declanşată de evenimentul
înregistrează cotaţii favorabile. Emiterea unui ordin de tranzacţionare constituie
evenimentul care determină tranziţia spre starea următoare: → în curs de
COTAŢII
TRANZACŢII
ORDINE OPERATORI
trimise
execută verifică în
che
ie
influe
nţe
ază
actu
aliz
ează
STARE STARE
Stare iniţială Stare finală
Tranziţie şi eveniment
declanşator
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 96 of 154 - Pages: 96, 96, 06/08/15 07:37 PM
97
tranzacţionare. Execuţia în piaţă a ordinului de tranzacţionare declanşează
intrarea în starea finală încheiat.
Figura 3.11. - Diagrama de stări pentru clasa Derivate financiare
Diagrama de stări pentru clasa PORTOFOLIU. Clasa, PORTOFOLIU,
parcurge 3 stări: de constituit → în curs de constituire → constituit. Figura 3.12
conţine diagrama de stare referitoare la portofoliul strategic de contracte
futures şi options. Structura portofoliului este stabilită numai dacă cotaţiile
înregistrate în perioada de timp aleasă îndeplinesc condiţiile stabilite prin
algoritmul modelului decizional. În caz contrar, derivatele financiare ale căror
cotaţii nu sunt favorabile, nu intră în structura portofoliului.
Figura 3.12. - Diagrama de stări pentru clasa PORTOFOLIU
EMIS În curs de tranzacţionare
Stare iniţială
Stare finală
Emitere
ordin
Înregistrează
cotaţii favorabile
Exe
cu
ţie
ord
in
ÎNCHEIAT
constituit
when (suficiente derivate)
[max8 and min1]
derivate intră în
structura portofoliului
Stare finală
Stare iniţială
derivate ies din
structura portofoliului
if (trend modificat)
[exces de randam < punct
critic]
în curs de constituire de constituit
97
tranzacţionare. Execuţia în piaţă a ordinului de tranzacţionare declanşează
intrarea în starea finală încheiat.
Figura 3.11. - Diagrama de stări pentru clasa Derivate financiare
Diagrama de stări pentru clasa PORTOFOLIU. Clasa, PORTOFOLIU,
parcurge 3 stări: de constituit → în curs de constituire → constituit. Figura 3.12
conţine diagrama de stare referitoare la portofoliul strategic de contracte
futures şi options. Structura portofoliului este stabilită numai dacă cotaţiile
înregistrate în perioada de timp aleasă îndeplinesc condiţiile stabilite prin
algoritmul modelului decizional. În caz contrar, derivatele financiare ale căror
cotaţii nu sunt favorabile, nu intră în structura portofoliului.
Figura 3.12. - Diagrama de stări pentru clasa PORTOFOLIU
EMIS În curs de tranzacţionare
Stare iniţială
Stare finală
Emitere
ordin
Înregistrează
cotaţii favorabile
Exe
cu
ţie
ord
in
ÎNCHEIAT
constituit
when (suficiente derivate)
[max8 and min1]
derivate intră în
structura portofoliului
Stare finală
Stare iniţială
derivate ies din
structura portofoliului
if (trend modificat)
[exces de randam < punct
critic]
în curs de constituire de constituit
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 97 of 154 - Pages: 97, 97, 06/08/15 07:37 PM
98
Din starea iniţială, la apariţia unui eveniment constând în intră în structură
conform algoritmului, obiectul Portofoliu strategic, trece în starea în curs de
constituire. Dacă apare evenimentul iese din structură, atunci se revine în
starea de constituit, aşteptând cotaţii favorabile sau efectuând teste pentru alte
produse financiare derivate. Dacă evenimentul intră în structură este valabil
pentru suficient de multe produse financiare derivate pentru a alcătui structura
unui portofoliu strategic, atunci are loc trecerea în starea constituit. Starea
constituit permite derularea de tranzacţii, care vor actualiza structura
portofoliului. Aceasta revine la starea iniţială dacă tranzacţiile schimbă trendul
cotaţiilor, iar acestea din urmă nu mai depăşesc punctul critic.
Modelul funcţional
Dacă modelul dinamic al aplicaţiei pe care o dezvoltăm a arătat când se
întâmplă ceva, şi modelul obiectelor a indicat cui i se întâmplă, modelul
funcţional va desluşi ce se întâmplă în sistem. Modelul funcţional descrie cum
se calculează valorile de ieşire din cadrul sistemului în funcţie de valorile de
intrare, independent de ordinea temporală în care se calculează.
Practica a demonstrat că, în funcţie de tipul sistemului modelat, unul
dintre cele două modele - dinamic sau funcţional – predomină, modelul
obiectelor fiind întotdeauna cel de bază. În cazul nostru, fiind vorba de un
sistem interactiv care va oferi asistenţă pentru managementul de portofoliu şi
nu numai (şi al operaţiunilor), baza de date asociată sistemului va avea un
model funcţional banal deoarece ele nu calculează, ci doar înmagazinează şi
organizează date despre cotaţii, ordine de vânzare/cumpărare emise, tranzacţii
derulate. Pe de altă parte, dacă avem în vedere faptul că nucleul central al
aplicaţiei îl constituie activitatea de constituire a unui portofoliu strategic de
produse financiare derivate, modelul dinamic este banal deoarece acestea vor
funcţiona în acelaşi fel, de fiecare dată când sunt alimentate cu programul
sursă; de bază este modelul funcţional, care va indica modul în care se
calculează şi modul cum se generează codul obiect).
Pornind de la aceste considerente, vom construi modelul funcţional
parcurgând următorii paşi:
98
Din starea iniţială, la apariţia unui eveniment constând în intră în structură
conform algoritmului, obiectul Portofoliu strategic, trece în starea în curs de
constituire. Dacă apare evenimentul iese din structură, atunci se revine în
starea de constituit, aşteptând cotaţii favorabile sau efectuând teste pentru alte
produse financiare derivate. Dacă evenimentul intră în structură este valabil
pentru suficient de multe produse financiare derivate pentru a alcătui structura
unui portofoliu strategic, atunci are loc trecerea în starea constituit. Starea
constituit permite derularea de tranzacţii, care vor actualiza structura
portofoliului. Aceasta revine la starea iniţială dacă tranzacţiile schimbă trendul
cotaţiilor, iar acestea din urmă nu mai depăşesc punctul critic.
Modelul funcţional
Dacă modelul dinamic al aplicaţiei pe care o dezvoltăm a arătat când se
întâmplă ceva, şi modelul obiectelor a indicat cui i se întâmplă, modelul
funcţional va desluşi ce se întâmplă în sistem. Modelul funcţional descrie cum
se calculează valorile de ieşire din cadrul sistemului în funcţie de valorile de
intrare, independent de ordinea temporală în care se calculează.
Practica a demonstrat că, în funcţie de tipul sistemului modelat, unul
dintre cele două modele - dinamic sau funcţional – predomină, modelul
obiectelor fiind întotdeauna cel de bază. În cazul nostru, fiind vorba de un
sistem interactiv care va oferi asistenţă pentru managementul de portofoliu şi
nu numai (şi al operaţiunilor), baza de date asociată sistemului va avea un
model funcţional banal deoarece ele nu calculează, ci doar înmagazinează şi
organizează date despre cotaţii, ordine de vânzare/cumpărare emise, tranzacţii
derulate. Pe de altă parte, dacă avem în vedere faptul că nucleul central al
aplicaţiei îl constituie activitatea de constituire a unui portofoliu strategic de
produse financiare derivate, modelul dinamic este banal deoarece acestea vor
funcţiona în acelaşi fel, de fiecare dată când sunt alimentate cu programul
sursă; de bază este modelul funcţional, care va indica modul în care se
calculează şi modul cum se generează codul obiect).
Pornind de la aceste considerente, vom construi modelul funcţional
parcurgând următorii paşi:
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 98 of 154 - Pages: 98, 98, 06/08/15 07:37 PM
99
Identificarea actorilor, a valorilor de intrare şi ieşire din sistem
Un actor este un obiect activ care generează sau consumă datele. Actorii
implicaţi în cazul nostru sunt: Trader/Broker, Portofoliu şi activităţi ca:
tranzacţii, management de portofoliu, fiind reprezentaţi în diagrama de flux de
date prin dreptunghiuri.
Valorile de intrare sau de ieşire sunt parametri ai evenimentelor dintre
sistem şi lumea exterioară. Intrările şi ieşirile sistemului au fost identificate şi
analizate în paragraful 3.2.. În această etapă le vom prezenta schematic în
Figura 3.13., respectiv Figura 3.14.
INTRĂRILE SISTEMULUI
COTAŢII
pentru:
DERIVATE FINANCIARE
Contracte futures
Valute RolUsd RolEuro EuroUsd UsdJpy
Acţiuni DESIF1 DESIF3
DESNP
Dobânzi Bubor
Options
Valute RolUsd RolEuro EuroUsd UsdJpy
Acţiuni DESIF1 DESIF3 DESNP
Dobânzi Bubor
Activul fără risc AF
Indicele pieţei BET
ACTIVE SUPORT
Valute Usd Euro Yen
Acţiuni
SIF1 SIF3 SNP
Dobânzi Bubor
ORDINE
pentru:
Cumpărare
Vânzare
Figura 3.13. – Intrări în sistem suport
99
Identificarea actorilor, a valorilor de intrare şi ieşire din sistem
Un actor este un obiect activ care generează sau consumă datele. Actorii
implicaţi în cazul nostru sunt: Trader/Broker, Portofoliu şi activităţi ca:
tranzacţii, management de portofoliu, fiind reprezentaţi în diagrama de flux de
date prin dreptunghiuri.
Valorile de intrare sau de ieşire sunt parametri ai evenimentelor dintre
sistem şi lumea exterioară. Intrările şi ieşirile sistemului au fost identificate şi
analizate în paragraful 3.2.. În această etapă le vom prezenta schematic în
Figura 3.13., respectiv Figura 3.14.
INTRĂRILE SISTEMULUI
COTAŢII
pentru:
DERIVATE FINANCIARE
Contracte futures
Valute RolUsd RolEuro EuroUsd UsdJpy
Acţiuni DESIF1 DESIF3
DESNP
Dobânzi Bubor
Options
Valute RolUsd RolEuro EuroUsd UsdJpy
Acţiuni DESIF1 DESIF3 DESNP
Dobânzi Bubor
Activul fără risc AF
Indicele pieţei BET
ACTIVE SUPORT
Valute Usd Euro Yen
Acţiuni
SIF1 SIF3 SNP
Dobânzi Bubor
ORDINE
pentru:
Cumpărare
Vânzare
Figura 3.13. – Intrări în sistem suport
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 99 of 154 - Pages: 99, 99, 06/08/15 07:37 PM
100
IEŞIRILE SISTEMULUI
INDICATORI
Derivate financiare
/active suport
INDICATORI pentru managementul de
portofoliu RAPOARTE
Rentabilitate activ Ri
Risc activ σi
Risc piaţă σm
Volatilitate activ βi
Exces randament γi
Punct critic Ci
% de investire xi
Rentabilitate Rp
Risc portofoliu σp
Volatilitate portofoliu βp
Portofoliu strategic PS
Portofoliu active suport PAS
Raport de tranzacţionare RT
Centralizator ordine CO
Sumarul tranzacţiilor ST
Diagnostic produse financiare derivate DPFD
Diagnostic active suport DAS
Situaţie comparativă SC
Construirea diagramelor de flux de date
Vom construi acum o diagramă de flux de date ce va reflecta legăturile
stabilite între actori prin intermediul fluxurilor informaţional şi ceea ce este
foarte important cum se calculează fiecare valoare de ieşire din valorile de
intrare.
Menţionăm că procesul decizional aferent deciziilor pe care traderul
trebuie să le formuleze, este structurat astfel:
analiza statistică a evoluţiei cotaţiilor înregistrate de produsele
financiare derivate în ringul bursei şi a evoluţiei pieţei (BET), activului fără risc
(AF), inclusiv a activelor suport;
analiza posibilităţilor de fundamentare a unui portofoliu strategic de
produse financiare derivate, aceasta constând în determinarea unui set de
indicatori specifici activelor financiare (rentabilitate, risc, coeficient beta);
adoptarea deciziei de constituire a portofoliului strategic constând în
declanşarea unui algoritm de selecţie a acelor derivate financiare care
îndeplinesc condiţiile impuse de modelul decizional;
analiza periodică a structurii portofoliului şi constituirea în paralel a unui
portofoliu de active suport pentru comparaţie şi pentru a ţine sub control
investiţia financiară;
managementul de portofoliu pentru obţinerea de performanţe.
Figura 3.14. – Ieșirile sistemului suport
100
IEŞIRILE SISTEMULUI
INDICATORI
Derivate financiare
/active suport
INDICATORI pentru managementul de
portofoliu RAPOARTE
Rentabilitate activ Ri
Risc activ σi
Risc piaţă σm
Volatilitate activ βi
Exces randament γi
Punct critic Ci
% de investire xi
Rentabilitate Rp
Risc portofoliu σp
Volatilitate portofoliu βp
Portofoliu strategic PS
Portofoliu active suport PAS
Raport de tranzacţionare RT
Centralizator ordine CO
Sumarul tranzacţiilor ST
Diagnostic produse financiare derivate DPFD
Diagnostic active suport DAS
Situaţie comparativă SC
Construirea diagramelor de flux de date
Vom construi acum o diagramă de flux de date ce va reflecta legăturile
stabilite între actori prin intermediul fluxurilor informaţional şi ceea ce este
foarte important cum se calculează fiecare valoare de ieşire din valorile de
intrare.
Menţionăm că procesul decizional aferent deciziilor pe care traderul
trebuie să le formuleze, este structurat astfel:
analiza statistică a evoluţiei cotaţiilor înregistrate de produsele
financiare derivate în ringul bursei şi a evoluţiei pieţei (BET), activului fără risc
(AF), inclusiv a activelor suport;
analiza posibilităţilor de fundamentare a unui portofoliu strategic de
produse financiare derivate, aceasta constând în determinarea unui set de
indicatori specifici activelor financiare (rentabilitate, risc, coeficient beta);
adoptarea deciziei de constituire a portofoliului strategic constând în
declanşarea unui algoritm de selecţie a acelor derivate financiare care
îndeplinesc condiţiile impuse de modelul decizional;
analiza periodică a structurii portofoliului şi constituirea în paralel a unui
portofoliu de active suport pentru comparaţie şi pentru a ţine sub control
investiţia financiară;
managementul de portofoliu pentru obţinerea de performanţe.
Figura 3.14. – Ieșirile sistemului suport
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 100 of 154 - Pages: 100, 100, 06/08/15 07:37 PM
101
Toate aceste etape vor fi reflectate în diagrama de flux a datelor, fiind
evidenţiate fluxurile informaţionale declanşate de trader, sensul acestora,
actorii implicaţi, intrările şi ieşirile sistemului.
Figura 3.15. – Diagrama de flux de date
Se remarcă aspectul vizual şi simplitatea reprezentării obţinute prin
diagrama din Figura 3.15, asigurând o descriere destul de completă a felului în
care se desfăşoară circulaţia informaţiilor în sistemul proiectat pentru asistarea
deciziei de management a operaţiunilor. Mai mult, diagrama a fost îmbunătăţită
prin intermediul unor cifre care indică secvenţa sau succesiunea prelucrării, şi
asocierea unui tabel descriptiv (vezi Tabelul 3.11) a fluxurilor informaţionale, a
modului de folosire al diverselor documente şi rapoarte necesare acestei
activităţi.
Tabel 3.11 – Tabel descriptiv pentru succesiunea fluxurilor informaționale
Nr.
flux
ACTORUL Descrierea fluxului de
date realizat
Documente
Situaţii
folosite Emitent Receptor
1 TRADER COTAŢII Vizualizare cotaţii LC
2 TRADER TRANZACŢII
Obţinere situaţii
centralizatoare privind
tranzacţiile derulate în
piaţă
ST, RT
3 COTAŢII TRADER Elaborare algoritmului
de selecţie
Ri , σi , σm ,
βi
4 TRADER TRADER Fundamentare decizie
constituire portofoliu DPFD, DAS
LC (1)
(5)
COTAŢIE TRADER
TRANZACŢIE
(5)
DPFD, DAS (4)
PS, PAS, SC, (6) (7 )
ST, RT (2)
OV/OC, CO (8)
Ri, σi, σM (3)
PORTOFOLIU
101
Toate aceste etape vor fi reflectate în diagrama de flux a datelor, fiind
evidenţiate fluxurile informaţionale declanşate de trader, sensul acestora,
actorii implicaţi, intrările şi ieşirile sistemului.
Figura 3.15. – Diagrama de flux de date
Se remarcă aspectul vizual şi simplitatea reprezentării obţinute prin
diagrama din Figura 3.15, asigurând o descriere destul de completă a felului în
care se desfăşoară circulaţia informaţiilor în sistemul proiectat pentru asistarea
deciziei de management a operaţiunilor. Mai mult, diagrama a fost îmbunătăţită
prin intermediul unor cifre care indică secvenţa sau succesiunea prelucrării, şi
asocierea unui tabel descriptiv (vezi Tabelul 3.11) a fluxurilor informaţionale, a
modului de folosire al diverselor documente şi rapoarte necesare acestei
activităţi.
Tabel 3.11 – Tabel descriptiv pentru succesiunea fluxurilor informaționale
Nr.
flux
ACTORUL Descrierea fluxului de
date realizat
Documente
Situaţii
folosite Emitent Receptor
1 TRADER COTAŢII Vizualizare cotaţii LC
2 TRADER TRANZACŢII
Obţinere situaţii
centralizatoare privind
tranzacţiile derulate în
piaţă
ST, RT
3 COTAŢII TRADER Elaborare algoritmului
de selecţie
Ri , σi , σm ,
βi
4 TRADER TRADER Fundamentare decizie
constituire portofoliu DPFD, DAS
LC (1)
(5)
COTAŢIE TRADER
TRANZACŢIE
(5)
DPFD, DAS (4)
PS, PAS, SC, (6) (7 )
ST, RT (2)
OV/OC, CO (8)
Ri, σi, σM (3)
PORTOFOLIU
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 101 of 154 - Pages: 101, 101, 06/08/15 07:37 PM
102
5 COTAŢII PORTOFOLIU Verificări diverse
6 TRADER PORTOFOLIU Decizia constituire
portofoliu strategic PS, PAS, SC
7 TRADER PORTOFOLIU
Prognoze privind
evoluţia cotaţiilor pentru
derivatele din structura
portofoliului
Grafice
8 TRANZACŢII TRADER
Efectuare tranzacţii
menţine/îmbunătăţii
structura portofoli
OV/OC, CO
Specificarea operaţiilor şi identificarea metodele asociate claselor
Procesele din diagrama fluxului de date vor fi implementate ca operaţii
ale obiectelor considerate în modelul obiectelor. Aceste operaţii garantează că
informaţiile adecvate sunt disponibile pentru obţinerea şi administrarea
eficientă a portofoliului strategic şi pentru a susţine managementul
operaţiunilor cu produse financiare derivate. Aşadar, pentru a finaliza modelul
funcţional, procedăm la specificarea operaţiilor asociate claselor, respectând
modul de reprezentare a acestora.
Figura 3.16. – Operații asociate claselor pentru asistare adeciziei în
managementul de portofoliu
CLIENT
………………
adaugă () şterge () list_date_id ()
OPERATOR
……………….. ………………..adaugă () şterge () cotizează ()
ORDIN
………………………… list () calc_val () sort ()
COTAŢIE
……………….. ……………….
redă_simbol () calc_oscilatie () calcul_val () forecast_cotaţie () selecţie () list_max () list_min () list_înch ()
DERIVAT Financiar
……………… ………………
actual_scad () calc_rentab () calc_risc () calc_volatilit () calc_candidat () calc_%invest ()
TRANZACŢIE
……………….. ………………..
list () calc_val () sumarize ()
PORTOFOLIU
……………… ……………… calc_rentab () calc_risc () calc_volatilit () list ()
102
5 COTAŢII PORTOFOLIU Verificări diverse
6 TRADER PORTOFOLIU Decizia constituire
portofoliu strategic PS, PAS, SC
7 TRADER PORTOFOLIU
Prognoze privind
evoluţia cotaţiilor pentru
derivatele din structura
portofoliului
Grafice
8 TRANZACŢII TRADER
Efectuare tranzacţii
menţine/îmbunătăţii
structura portofoli
OV/OC, CO
Specificarea operaţiilor şi identificarea metodele asociate claselor
Procesele din diagrama fluxului de date vor fi implementate ca operaţii
ale obiectelor considerate în modelul obiectelor. Aceste operaţii garantează că
informaţiile adecvate sunt disponibile pentru obţinerea şi administrarea
eficientă a portofoliului strategic şi pentru a susţine managementul
operaţiunilor cu produse financiare derivate. Aşadar, pentru a finaliza modelul
funcţional, procedăm la specificarea operaţiilor asociate claselor, respectând
modul de reprezentare a acestora.
Figura 3.16. – Operații asociate claselor pentru asistare adeciziei în
managementul de portofoliu
CLIENT
………………
adaugă () şterge () list_date_id ()
OPERATOR
……………….. ………………..adaugă () şterge () cotizează ()
ORDIN
………………………… list () calc_val () sort ()
COTAŢIE
……………….. ……………….
redă_simbol () calc_oscilatie () calcul_val () forecast_cotaţie () selecţie () list_max () list_min () list_înch ()
DERIVAT Financiar
……………… ………………
actual_scad () calc_rentab () calc_risc () calc_volatilit () calc_candidat () calc_%invest ()
TRANZACŢIE
……………….. ………………..
list () calc_val () sumarize ()
PORTOFOLIU
……………… ……………… calc_rentab () calc_risc () calc_volatilit () list ()
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 102 of 154 - Pages: 102, 102, 06/08/15 07:37 PM
103
Utilizând cunoştinţele despre operaţiile utile şi modelul obiectelor care a
identificat clasele necesare, acum se pot stabili ce metode sunt necesare şi
căror clase ar trebui să aparţină. În funcţie de operaţiile specificate putem
identifica trei tipuri de metode necesare pentru asigurarea funcţionalităţii
sistemului interactiv de asistare a deciziei:
metode de tip constructori şi destructori - generează noi instanţe ale
clasei, respectiv şterg instanţele care nu mai sunt utile:
adaugă_operator () adaugă_client ()
şterge_operator () şterge_client ()
metode de acces - returnează valoarea unui atribut sau a unui set de
atribute ale instanţei unei clase. Ele pot returna valoarea unui singur
atribut, valorile multiple ale atributelor sau o colecţie de valori. De
exemplu pentru clasa Cotaţie există metoda Get_simbol care returnează
simbolul ataşat unui produs financiar derivat sau în clasa Derivat
financiar există metoda Get_rentabilit, care determină rentabilitatea
tuturor produselor financiare derivate. De asemenea, o metodă de acces
poate deriva date dintr-un atribut, aşa cum este cazul metodei
Get_oscilaţie, care va calcula oscilaţiile de preţ ale activelor din atributul
ce reprezintă preţul.
metode de transformare - schimbă starea instanţei unei clase. De
exemplu metoda Forecast_cotaţii a clasei Cotaţie aproximează evoluţia
preţurilor de cotare cu o valoarea specificată de metoda regresiilor.
3.3.2. Facilităţi de interogare a datelor
Interogarea bazei de date permite transformarea datelor brute ale bazei
de date într-o recoltă bogată de informaţii utile. Este de apreciat modul în care
interogările şi o bază de date bine proiectată, permit satisfacerea cerinţelor de
informaţii care nu au fost anticipate atunci când baza de date a fost creată
pentru prima dată.
Pentru a accesa baza de date proprie sistemului de asistare a deciziei
am utilizat în codul sursă Visual C++ al aplicaţiei un API20 pentru baze de date,
care a oferit posibilitatea de a uni forţele limbajului Visual C++ şi SQL.
20 Applications Programming Interface
103
Utilizând cunoştinţele despre operaţiile utile şi modelul obiectelor care a
identificat clasele necesare, acum se pot stabili ce metode sunt necesare şi
căror clase ar trebui să aparţină. În funcţie de operaţiile specificate putem
identifica trei tipuri de metode necesare pentru asigurarea funcţionalităţii
sistemului interactiv de asistare a deciziei:
metode de tip constructori şi destructori - generează noi instanţe ale
clasei, respectiv şterg instanţele care nu mai sunt utile:
adaugă_operator () adaugă_client ()
şterge_operator () şterge_client ()
metode de acces - returnează valoarea unui atribut sau a unui set de
atribute ale instanţei unei clase. Ele pot returna valoarea unui singur
atribut, valorile multiple ale atributelor sau o colecţie de valori. De
exemplu pentru clasa Cotaţie există metoda Get_simbol care returnează
simbolul ataşat unui produs financiar derivat sau în clasa Derivat
financiar există metoda Get_rentabilit, care determină rentabilitatea
tuturor produselor financiare derivate. De asemenea, o metodă de acces
poate deriva date dintr-un atribut, aşa cum este cazul metodei
Get_oscilaţie, care va calcula oscilaţiile de preţ ale activelor din atributul
ce reprezintă preţul.
metode de transformare - schimbă starea instanţei unei clase. De
exemplu metoda Forecast_cotaţii a clasei Cotaţie aproximează evoluţia
preţurilor de cotare cu o valoarea specificată de metoda regresiilor.
3.3.2. Facilităţi de interogare a datelor
Interogarea bazei de date permite transformarea datelor brute ale bazei
de date într-o recoltă bogată de informaţii utile. Este de apreciat modul în care
interogările şi o bază de date bine proiectată, permit satisfacerea cerinţelor de
informaţii care nu au fost anticipate atunci când baza de date a fost creată
pentru prima dată.
Pentru a accesa baza de date proprie sistemului de asistare a deciziei
am utilizat în codul sursă Visual C++ al aplicaţiei un API20 pentru baze de date,
care a oferit posibilitatea de a uni forţele limbajului Visual C++ şi SQL.
20 Applications Programming Interface
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 103 of 154 - Pages: 103, 103, 06/08/15 07:37 PM
104
Compilatoarele de Visual C++ nu ştiu SQL, iar interpretoarele de SQL
nu ştiu C++. În consecinţă s-a folosit un API21 pentru bazele de date care
funcţionează ca un translator între ele şi oferă programelor C++ o metodă de
comunicare cu bazele de date, realizând translatarea între sistemul de tipuri al
bazei de date şi sistemul de tipuri din C++. În acest fel, se creează o cale de a
trimite bazei de date instrucţiuni SQL care să fie executate de către
interpretorul bazei de date şi apoi, de a aduce setul de rezultate în variabilele
programului C++.
Unele API-uri de baze de date sunt specifice anumitor baze de date şi
sunt create astfel încât să lucreze numai cu bazele de date ale unui anumit
producător. Alte API-uri de baze de date încearcă să ofere o interfaţă deschisă
către mai multe baze de date. ODBC (Open DataBase Conectiviti) este un API
care încearcă să furnizeze o interfaţă deschisă către toate bazele de date, dar
OLE DB (Object Linking Enbending DataBase) este mai nou, mai modern şi
mai bogat în facilităţi, fiind înlocuitorul venerabilului ODBC.
ActiveX Data Objects22 (ADO) este un API de nivel înalt, plasat
deasupra lui OLE DB, care furnizează un model obiect ce încapsulează
procesul de comunicare cu bazele de date atât din programele C++, cât şi din
alte limbaje de programare. În acest sens, ADO oferă o interfaţă dublă, care
face posibilă utilizarea sa atât din limbaje de scriptare, cum sunt VBScript şi
JavaScript, cât şi din C++. În acelaşi timp, modelul ADO pune la dispoziţie un
set de clase care simplifică procesul de creare a secvenţelor de operaţii din
programele C++, cum ar fi:
Conectarea la o sursă de date;
Precizarea unei interogări pentru sursa de date;
Executarea interogării;
Aducerea datelor din interogare într-un obiect de interfaţă care poate
fi accesat cu uşurinţă din programele C++;
Dacă este necesar, actualizarea sursei de date pentru a reflecta
modificările făcute asupra datelor;
Furnizarea unui mecanism general pentru detecţia erorilor.
În ceea ce priveşte baza de date proprie sistemului suport, s-au folosit
obiecte de tip ADO pentru a facilita interogarea acesteia, răspunzând în
acelaşi timp necesităţilor de actualizare a datelor.
21 http://techterms.com/definition/api 22 https://support.microsoft.com/en-us/kb/183606
104
Compilatoarele de Visual C++ nu ştiu SQL, iar interpretoarele de SQL
nu ştiu C++. În consecinţă s-a folosit un API21 pentru bazele de date care
funcţionează ca un translator între ele şi oferă programelor C++ o metodă de
comunicare cu bazele de date, realizând translatarea între sistemul de tipuri al
bazei de date şi sistemul de tipuri din C++. În acest fel, se creează o cale de a
trimite bazei de date instrucţiuni SQL care să fie executate de către
interpretorul bazei de date şi apoi, de a aduce setul de rezultate în variabilele
programului C++.
Unele API-uri de baze de date sunt specifice anumitor baze de date şi
sunt create astfel încât să lucreze numai cu bazele de date ale unui anumit
producător. Alte API-uri de baze de date încearcă să ofere o interfaţă deschisă
către mai multe baze de date. ODBC (Open DataBase Conectiviti) este un API
care încearcă să furnizeze o interfaţă deschisă către toate bazele de date, dar
OLE DB (Object Linking Enbending DataBase) este mai nou, mai modern şi
mai bogat în facilităţi, fiind înlocuitorul venerabilului ODBC.
ActiveX Data Objects22 (ADO) este un API de nivel înalt, plasat
deasupra lui OLE DB, care furnizează un model obiect ce încapsulează
procesul de comunicare cu bazele de date atât din programele C++, cât şi din
alte limbaje de programare. În acest sens, ADO oferă o interfaţă dublă, care
face posibilă utilizarea sa atât din limbaje de scriptare, cum sunt VBScript şi
JavaScript, cât şi din C++. În acelaşi timp, modelul ADO pune la dispoziţie un
set de clase care simplifică procesul de creare a secvenţelor de operaţii din
programele C++, cum ar fi:
Conectarea la o sursă de date;
Precizarea unei interogări pentru sursa de date;
Executarea interogării;
Aducerea datelor din interogare într-un obiect de interfaţă care poate
fi accesat cu uşurinţă din programele C++;
Dacă este necesar, actualizarea sursei de date pentru a reflecta
modificările făcute asupra datelor;
Furnizarea unui mecanism general pentru detecţia erorilor.
În ceea ce priveşte baza de date proprie sistemului suport, s-au folosit
obiecte de tip ADO pentru a facilita interogarea acesteia, răspunzând în
acelaşi timp necesităţilor de actualizare a datelor.
21 http://techterms.com/definition/api 22 https://support.microsoft.com/en-us/kb/183606
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 104 of 154 - Pages: 104, 104, 06/08/15 07:37 PM
105
Specificăm astfel că, pentru conexiunea cu sursa de date s-a utilizat
obiectul ADO Connection care, a oferit, în ipostaza de programator, date
membre pentru numele furnizorului OLE DB, numele sursei de date, numele
utilizatorului, parola şi aşa mai departe. Ideea este că avem posibilitatea de a
seta datele membre ale obiectului Connection pentru a apela funcţia membră
Open stabilind conexiunea, respectiv Close pentru a închide conexiunea,
funcţia Execute pentru trimiterea de interogări, funcţiile AddNew, Update şi
Delete pentru actualizarea bazei noastre de date dar şi Save pentru salvarea
înregistrărilor. Metoda folosită pentru actualizarea înregistrărilor este aceea de
creare a unui obiect Recordset şi de apelare a funcţiilor sale membre pentru a
adăuga, modifica sau şterge. Modificările făcute asupra obiectului Recordset
se aplică asupra bazei de date, astfel că, modificând înregistrările din
Recordset se vor schimba înregistrările din baza de date.
3.4. Managementul modelelor. Structura bazei de modele a sistemului
Ca şi datele, modelele reprezintă una din resursele de elemente, prin
care pot fi cunoscute, înţelese şi rezolvate problemele decizionale.
În interiorul unui sistem suport de asistare a deciziei (SSD) pot coezista
mai multe modele (statistice, financiare, de previziune sau strategice, tactice,
operative, etc.), care conferă sistemului capacitatea de a analiza şi soluţiona
problemele de decizie.
Managementului modelelor îi revine astfel sarcina de a administra şi
exploata modelele grupate într-o bază de modele, dar şi rolul de a crea noi
modele utilizând limbajele de programare, instrumente de asistare a deciziei
sau subrutine, de a actualiza modelele existente, fiind capabil să coreleze
modele prin intermediul unei baze de date.
În concordanţă cu cele exprimate anterior, evidenţiem principalele funcţii
recomandate pentru managementul modelelor de specialişti ca Turban,
Aronson 2001, Marakas 2003 citaţi de Filip, Ghe. în lucrare (Filip, 2002):
- crearea algoritmilor de rezolvare a modelelor în vederea stocării
acestora în baza de modele;
- întreţinerea bazei de modele prin operaţii de actualizare şi extindere;
- selectarea şi pregătirea în vederea execuţiei a unor modele existente şi
a algoritmilor de rezolvare în scopul asistării activităţilor de soluţionare
a problemelor decizionale; această funcţie poate să implice crearea
105
Specificăm astfel că, pentru conexiunea cu sursa de date s-a utilizat
obiectul ADO Connection care, a oferit, în ipostaza de programator, date
membre pentru numele furnizorului OLE DB, numele sursei de date, numele
utilizatorului, parola şi aşa mai departe. Ideea este că avem posibilitatea de a
seta datele membre ale obiectului Connection pentru a apela funcţia membră
Open stabilind conexiunea, respectiv Close pentru a închide conexiunea,
funcţia Execute pentru trimiterea de interogări, funcţiile AddNew, Update şi
Delete pentru actualizarea bazei noastre de date dar şi Save pentru salvarea
înregistrărilor. Metoda folosită pentru actualizarea înregistrărilor este aceea de
creare a unui obiect Recordset şi de apelare a funcţiilor sale membre pentru a
adăuga, modifica sau şterge. Modificările făcute asupra obiectului Recordset
se aplică asupra bazei de date, astfel că, modificând înregistrările din
Recordset se vor schimba înregistrările din baza de date.
3.4. Managementul modelelor. Structura bazei de modele a sistemului
Ca şi datele, modelele reprezintă una din resursele de elemente, prin
care pot fi cunoscute, înţelese şi rezolvate problemele decizionale.
În interiorul unui sistem suport de asistare a deciziei (SSD) pot coezista
mai multe modele (statistice, financiare, de previziune sau strategice, tactice,
operative, etc.), care conferă sistemului capacitatea de a analiza şi soluţiona
problemele de decizie.
Managementului modelelor îi revine astfel sarcina de a administra şi
exploata modelele grupate într-o bază de modele, dar şi rolul de a crea noi
modele utilizând limbajele de programare, instrumente de asistare a deciziei
sau subrutine, de a actualiza modelele existente, fiind capabil să coreleze
modele prin intermediul unei baze de date.
În concordanţă cu cele exprimate anterior, evidenţiem principalele funcţii
recomandate pentru managementul modelelor de specialişti ca Turban,
Aronson 2001, Marakas 2003 citaţi de Filip, Ghe. în lucrare (Filip, 2002):
- crearea algoritmilor de rezolvare a modelelor în vederea stocării
acestora în baza de modele;
- întreţinerea bazei de modele prin operaţii de actualizare şi extindere;
- selectarea şi pregătirea în vederea execuţiei a unor modele existente şi
a algoritmilor de rezolvare în scopul asistării activităţilor de soluţionare
a problemelor decizionale; această funcţie poate să implice crearea
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 105 of 154 - Pages: 105, 105, 06/08/15 07:37 PM
106
unor modele complexe prin compoziţia sau integrarea unor modele
existente.
- execuţia modelelor cu seturile de date, urmată de evaluarea
rezultatelor şi eventuala reluare a calculelor cu alte seturi de date.
Cele arătate mai sus presupun existenţa mai multor elemente: un limbaj
de modelare menit să asigure formularea, compoziţia, integrarea şi încărcarea
modelelor în baza de modele şi algoritmi de rezolvare, o bază de modele şi
algoritmi de rezolvare uşor accesibili, o schemă de manevrare a modelelor şi
algoritmilor care să permită selectarea (apelarea) în vederea execuţiei.
Înainte de a trece la reprezentarea structurii bazei de modele,
considerăm că este necesar ca mai întâi să realizăm o clasificare a modelelor
urmărind criteriile recomandate de literatura de specialitate23, pentru că în
acest fel vom reuşi să identificăm categoriile de modele utilizate de sistemul
suport pentru asustarea deciziei în managementul de portofoliu (Ungureanu
2002), (Jaramillo 2005).
Sublinierile au fost realizate pentru a evidenţia categoria de modele care
alcătuiesc baza de modele a sistemului suport. Astfel, distingem în funcţie de:
- prezenţa sau absenţa variabilei timp în forma modelelor, acestea pot fi
dinamice, respectiv statice. Modelele dinamice pot fi cu timp continuu şi
îmbracă forma unor ecuaţii diferenţiale sau cu timp discret şi îmbracă forma
unor ecuaţii cu diferenţe;
- gradul de incertitudine, distingem modele deterministe şi probabilistice.
Deşi majoritatea situaţiilor decizionale comportă un grad însemnat de
incertitudine, se preferă modelele deterministe deoarece sunt mai simplu de
construit şi de utilizat şi uneori furnizează rezultate considerate satisfăcătoare
prin prisma scopului urmărit. Toate modelele folosite de aplicaţiile sistemului
suport sunt deterministe.
- gradul de generalitate. Din acest punct de vedere, modelele utilizabile
pentru o clasă de probleme decizionale sunt generalizabile iar cele utilizate
numai într-o singură aplicaţie sunt „modele pe măsură”, elaborate anume
deoarece fie nu există modele „de gata” adecvate, fie că a fost nevoie de o
completare a bazei de modele în scopul personalizării. De cele mai multe ori,
modelele pe măsură sunt mai fidele şi mai performante dar au un cost al
instruirii şi întreţinerii mai ridicat. Baza de modele a sistemului suport conţine
23 Hattenschwiler, P., Decision Support Systems, University of Fribourg, Department of
Informatics, DS Group, http://diuf.unifr.ch/ds/courses/dss2002
106
unor modele complexe prin compoziţia sau integrarea unor modele
existente.
- execuţia modelelor cu seturile de date, urmată de evaluarea
rezultatelor şi eventuala reluare a calculelor cu alte seturi de date.
Cele arătate mai sus presupun existenţa mai multor elemente: un limbaj
de modelare menit să asigure formularea, compoziţia, integrarea şi încărcarea
modelelor în baza de modele şi algoritmi de rezolvare, o bază de modele şi
algoritmi de rezolvare uşor accesibili, o schemă de manevrare a modelelor şi
algoritmilor care să permită selectarea (apelarea) în vederea execuţiei.
Înainte de a trece la reprezentarea structurii bazei de modele,
considerăm că este necesar ca mai întâi să realizăm o clasificare a modelelor
urmărind criteriile recomandate de literatura de specialitate23, pentru că în
acest fel vom reuşi să identificăm categoriile de modele utilizate de sistemul
suport pentru asustarea deciziei în managementul de portofoliu (Ungureanu
2002), (Jaramillo 2005).
Sublinierile au fost realizate pentru a evidenţia categoria de modele care
alcătuiesc baza de modele a sistemului suport. Astfel, distingem în funcţie de:
- prezenţa sau absenţa variabilei timp în forma modelelor, acestea pot fi
dinamice, respectiv statice. Modelele dinamice pot fi cu timp continuu şi
îmbracă forma unor ecuaţii diferenţiale sau cu timp discret şi îmbracă forma
unor ecuaţii cu diferenţe;
- gradul de incertitudine, distingem modele deterministe şi probabilistice.
Deşi majoritatea situaţiilor decizionale comportă un grad însemnat de
incertitudine, se preferă modelele deterministe deoarece sunt mai simplu de
construit şi de utilizat şi uneori furnizează rezultate considerate satisfăcătoare
prin prisma scopului urmărit. Toate modelele folosite de aplicaţiile sistemului
suport sunt deterministe.
- gradul de generalitate. Din acest punct de vedere, modelele utilizabile
pentru o clasă de probleme decizionale sunt generalizabile iar cele utilizate
numai într-o singură aplicaţie sunt „modele pe măsură”, elaborate anume
deoarece fie nu există modele „de gata” adecvate, fie că a fost nevoie de o
completare a bazei de modele în scopul personalizării. De cele mai multe ori,
modelele pe măsură sunt mai fidele şi mai performante dar au un cost al
instruirii şi întreţinerii mai ridicat. Baza de modele a sistemului suport conţine
23 Hattenschwiler, P., Decision Support Systems, University of Fribourg, Department of
Informatics, DS Group, http://diuf.unifr.ch/ds/courses/dss2002
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 106 of 154 - Pages: 106, 106, 06/08/15 07:37 PM
107
modele generalizabile dar a fost extinsă pentru a conţine şi modele elaborate
pe măsură pentru a reprezenta procesele specifice managementului
operaţiunilor.
- nivelul decizional, se pot distinge modele strategice care servesc la
asistarea stabilirii obiectivelor şi a resurselor necesare pe termen lung, tactice
pentru asistarea elaborării deciziilor de alocare şi control al resurselor, sunt
aplicabile pentru problemele specifice unor părţi din întreprindere şi au
orizonturi de timp medii şi operative care se folosesc pentru asistarea
elaborării deciziilor ce privesc un orizont scurt de timp (ore, zile).
- tipul de problemă, se identifică următoarele clase de modele bine
susţinute de transpuneri profesionale în produse informatice:
modele pentru aplicaţii financiar-contabile, cum sunt: planificarea
bugetelor, analiza indicatorilor economico-financiari;
modele de analiză a deciziilor pentru recomandarea celei mai bune
alternative: arborii de decizie, analiza deciziilor multiatribut;
modele de prognoză pentru a prezice valorile viitoare ale unor variabile
analizând datele acumulate. Ele sunt bazate fie pe analiza seriilor de
timp, fie pe determinarea relaţiilor cauzale (metode de regresie);
modele de simulare care servesc în primul rând la evaluarea
consecinţelor unor alternative.
De menţionat că aceeaşi problemă decizională poate fi reprezentată
prin mai multe modele, iar acelaşi model poate fi rezolvat de mai mulţi
algoritmi. În consecinţă, soluţia adoptată este de cele mai multe ori
dependentă de caracteristicile particulare ale fiecărei probleme decizionale
şi/sau decident. Exact din acest motiv, baza de modele a sistemului suport
conţine ca, urmare a specificului activităţii de management al portofoliului şi a
obiectivelor definite, următoarele tipuri de modele grupate în trei clase
principale:
- modele de calcul a indicatorilor sintetici şi analitici
- modele de prognoză a trendului cotaţiilor
- modele de analiză a deciziei
Toate acestea vor fi analizate rând pe rând şi detaliat din punct de
vedere al implementării lor, folosind Visual C++, un limbaj performant, de
actualitate care şi-a dovedit pe de plin puterea şi fiabilitatea în programarea
problemelor decizionale de acest fel.
107
modele generalizabile dar a fost extinsă pentru a conţine şi modele elaborate
pe măsură pentru a reprezenta procesele specifice managementului
operaţiunilor.
- nivelul decizional, se pot distinge modele strategice care servesc la
asistarea stabilirii obiectivelor şi a resurselor necesare pe termen lung, tactice
pentru asistarea elaborării deciziilor de alocare şi control al resurselor, sunt
aplicabile pentru problemele specifice unor părţi din întreprindere şi au
orizonturi de timp medii şi operative care se folosesc pentru asistarea
elaborării deciziilor ce privesc un orizont scurt de timp (ore, zile).
- tipul de problemă, se identifică următoarele clase de modele bine
susţinute de transpuneri profesionale în produse informatice:
modele pentru aplicaţii financiar-contabile, cum sunt: planificarea
bugetelor, analiza indicatorilor economico-financiari;
modele de analiză a deciziilor pentru recomandarea celei mai bune
alternative: arborii de decizie, analiza deciziilor multiatribut;
modele de prognoză pentru a prezice valorile viitoare ale unor variabile
analizând datele acumulate. Ele sunt bazate fie pe analiza seriilor de
timp, fie pe determinarea relaţiilor cauzale (metode de regresie);
modele de simulare care servesc în primul rând la evaluarea
consecinţelor unor alternative.
De menţionat că aceeaşi problemă decizională poate fi reprezentată
prin mai multe modele, iar acelaşi model poate fi rezolvat de mai mulţi
algoritmi. În consecinţă, soluţia adoptată este de cele mai multe ori
dependentă de caracteristicile particulare ale fiecărei probleme decizionale
şi/sau decident. Exact din acest motiv, baza de modele a sistemului suport
conţine ca, urmare a specificului activităţii de management al portofoliului şi a
obiectivelor definite, următoarele tipuri de modele grupate în trei clase
principale:
- modele de calcul a indicatorilor sintetici şi analitici
- modele de prognoză a trendului cotaţiilor
- modele de analiză a deciziei
Toate acestea vor fi analizate rând pe rând şi detaliat din punct de
vedere al implementării lor, folosind Visual C++, un limbaj performant, de
actualitate care şi-a dovedit pe de plin puterea şi fiabilitatea în programarea
problemelor decizionale de acest fel.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 107 of 154 - Pages: 107, 107, 06/08/15 07:37 PM
108
3.4.1. Modele de calcul a indicatorilor sintetici şi analitici
Delimităm structura fiecărei grupe de indicatori pentru a nu crea
ambiguitate în interpretarea lor, şi precizăm că modelele din această clasă
facilitează înţelegerea unor situaţii decizionale, sunt dinamice, deterministe,
construite pe măsură şi au un număr mare de variabile agregate.
De asemenea, realizăm implementarea în Visual C++, a algoritmilor
stabiliţi cu ocazia definirii modelului decizional care susţine, din punct de
vedere teoretic, întregul demers de construire a ©XTrade ca sistem interactiv
de asistare a deciziei.
Indicatori analitici
Rentabilitate (Ri) active derivate/active suport
Risc (σi) active derivate/active suport
Volatilitate (βi) active derivate/active suport
Risc (σM) piaţă
Rentabilitatea pieţei (RM)
Indicatori sintetici
Exces de randament (γi) Rentabilitate (Rp) portofoliu
Punct critic (Ci) Risc (σp) portofoliu
% de investire (Xi) Volatilitate (βp) portofoliu
Listing-ul codului sursă relevă definirea unor funcţii principale: Get_Ri,
Get_Rm, Get_Rf, Get_Beta, Get_SigmaM, Get_Exces_rand, Get_XI, care vor
memora modelele de calcul ale indicatorilor, necesari stabilirii parametrilor
derivatelor financiare/activelor suport cu scopul de a construi un portofoliu
strategic şi a unuia secundar.
// OpTabel.cpp: implementation of the OpTabel class. ////////////////////////////////////////////////////////// #include "stdafx.h" #include "OpTabel.h" #include <math.h>
#ifdef _DEBUG #undef THIS_FILE static char THIS_FILE[]=__FILE__; #define new DEBUG_NEW #endif ////////////////////////////////////////////////////////// // Construction/Destruction
108
3.4.1. Modele de calcul a indicatorilor sintetici şi analitici
Delimităm structura fiecărei grupe de indicatori pentru a nu crea
ambiguitate în interpretarea lor, şi precizăm că modelele din această clasă
facilitează înţelegerea unor situaţii decizionale, sunt dinamice, deterministe,
construite pe măsură şi au un număr mare de variabile agregate.
De asemenea, realizăm implementarea în Visual C++, a algoritmilor
stabiliţi cu ocazia definirii modelului decizional care susţine, din punct de
vedere teoretic, întregul demers de construire a ©XTrade ca sistem interactiv
de asistare a deciziei.
Indicatori analitici
Rentabilitate (Ri) active derivate/active suport
Risc (σi) active derivate/active suport
Volatilitate (βi) active derivate/active suport
Risc (σM) piaţă
Rentabilitatea pieţei (RM)
Indicatori sintetici
Exces de randament (γi) Rentabilitate (Rp) portofoliu
Punct critic (Ci) Risc (σp) portofoliu
% de investire (Xi) Volatilitate (βp) portofoliu
Listing-ul codului sursă relevă definirea unor funcţii principale: Get_Ri,
Get_Rm, Get_Rf, Get_Beta, Get_SigmaM, Get_Exces_rand, Get_XI, care vor
memora modelele de calcul ale indicatorilor, necesari stabilirii parametrilor
derivatelor financiare/activelor suport cu scopul de a construi un portofoliu
strategic şi a unuia secundar.
// OpTabel.cpp: implementation of the OpTabel class. ////////////////////////////////////////////////////////// #include "stdafx.h" #include "OpTabel.h" #include <math.h>
#ifdef _DEBUG #undef THIS_FILE static char THIS_FILE[]=__FILE__; #define new DEBUG_NEW #endif ////////////////////////////////////////////////////////// // Construction/Destruction
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 108 of 154 - Pages: 108, 108, 06/08/15 07:37 PM
109
////////////////////////////////////////////////////////// OpTabel::OpTabel() { } void OpTabel::AddLine(OpTabel::tabel **a,OpTabel::tabel** u,OpTabel::tabel p) { OpTabel::tabel *q; q=new OpTabel::tabel; q->BET=p.BET; q->data=p.data; q->RUEJDD=p.RUEJDD; q->AF=p.AF; q->next=NULL; if((*a)==NULL) *a=q; else (*u)->next=q; *u=q; }
floatOpTabel::Get_Ri(OpTabel::tabel *a, int n,int type)
{ tabel *aux,*aux2; float ret_val=0.0; if(a==NULL) return 0.0; else if(n==1) return Get_Ri(a,2,type); aux2=a; aux=a->next; int i=2; while((i<n)&&(aux!=NULL)) { aux=aux->next; aux2=aux2->next; i++; } float x,y; if(aux!=NULL) { if(type==2) return aux->RUEJDD; x=aux->RUEJDD;
109
////////////////////////////////////////////////////////// OpTabel::OpTabel() { } void OpTabel::AddLine(OpTabel::tabel **a,OpTabel::tabel** u,OpTabel::tabel p) { OpTabel::tabel *q; q=new OpTabel::tabel; q->BET=p.BET; q->data=p.data; q->RUEJDD=p.RUEJDD; q->AF=p.AF; q->next=NULL; if((*a)==NULL) *a=q; else (*u)->next=q; *u=q; }
floatOpTabel::Get_Ri(OpTabel::tabel *a, int n,int type)
{ tabel *aux,*aux2; float ret_val=0.0; if(a==NULL) return 0.0; else if(n==1) return Get_Ri(a,2,type); aux2=a; aux=a->next; int i=2; while((i<n)&&(aux!=NULL)) { aux=aux->next; aux2=aux2->next; i++; } float x,y; if(aux!=NULL) { if(type==2) return aux->RUEJDD; x=aux->RUEJDD;
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 109 of 154 - Pages: 109, 109, 06/08/15 07:37 PM
110
y=aux2->RUEJDD; ret_val=(x-y)/y; } else return 0.0; return ret_val; } floatOpTabel::Get_Rf(OpTabel:tabel*a, int n,int type) { int date1,date3; tabel *aux,*aux3,*aux1; int i=1; float ret_val; aux=a; if(aux==NULL) return 0.0; while((aux!=NULL)&&(i<n)) { aux=aux->next; i++; } date3=aux->data.GetMonth(); aux3=aux; aux=a; date1=aux->data.GetMonth(); aux1=aux; if(date1==date3) return Get_Rf(a,n+1,type); i=1; while((aux->data.GetMonth()!=date3)&&(aux!=NULL)&&(i<n)) { if(date1!=aux->data.GetMonth()) { date1=aux->data.GetMonth(); aux1=aux; } aux=aux->next; i++; } if(aux->data.GetMonth()==date3) { float x,y; x=aux->AF;
110
y=aux2->RUEJDD; ret_val=(x-y)/y; } else return 0.0; return ret_val; } floatOpTabel::Get_Rf(OpTabel:tabel*a, int n,int type) { int date1,date3; tabel *aux,*aux3,*aux1; int i=1; float ret_val; aux=a; if(aux==NULL) return 0.0; while((aux!=NULL)&&(i<n)) { aux=aux->next; i++; } date3=aux->data.GetMonth(); aux3=aux; aux=a; date1=aux->data.GetMonth(); aux1=aux; if(date1==date3) return Get_Rf(a,n+1,type); i=1; while((aux->data.GetMonth()!=date3)&&(aux!=NULL)&&(i<n)) { if(date1!=aux->data.GetMonth()) { date1=aux->data.GetMonth(); aux1=aux; } aux=aux->next; i++; } if(aux->data.GetMonth()==date3) { float x,y; x=aux->AF;
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 110 of 154 - Pages: 110, 110, 06/08/15 07:37 PM
111
y=aux1->AF; ret_val=(x-y)/y; } return ret_val; } floatOpTabel::Get_Beta(OpTabel::tabel *a,int type) { float sum1=0.0,sum2=0.0; tabel *aux; int i=1; float ret_val; aux=a; if(aux==NULL) return 0.0; while(aux!=NULL) { sum1+=Get_A_B(a,i,type); sum2+=Get_B_B(a,i,type); i++; aux=aux->next; } if(type==2) type=2; ret_val=sum1/sum2; return ret_val; } float OpTabel::Get_SigmaM(OpTabel::tabel *a,int type) { float ret_val; float sum=0.0; int i=1; tabel *aux; aux=a; if(aux==NULL) return 0.0; while(aux!=NULL) { sum+=Get_Rm_Rm_mediu_B(a,i,type); i++; aux=aux->next; } i--; ret_val=sqrt(fabs(sum/i));
111
y=aux1->AF; ret_val=(x-y)/y; } return ret_val; } floatOpTabel::Get_Beta(OpTabel::tabel *a,int type) { float sum1=0.0,sum2=0.0; tabel *aux; int i=1; float ret_val; aux=a; if(aux==NULL) return 0.0; while(aux!=NULL) { sum1+=Get_A_B(a,i,type); sum2+=Get_B_B(a,i,type); i++; aux=aux->next; } if(type==2) type=2; ret_val=sum1/sum2; return ret_val; } float OpTabel::Get_SigmaM(OpTabel::tabel *a,int type) { float ret_val; float sum=0.0; int i=1; tabel *aux; aux=a; if(aux==NULL) return 0.0; while(aux!=NULL) { sum+=Get_Rm_Rm_mediu_B(a,i,type); i++; aux=aux->next; } i--; ret_val=sqrt(fabs(sum/i));
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 111 of 154 - Pages: 111, 111, 06/08/15 07:37 PM
112
return ret_val; } floatOpTabel::Get_CI(OpTabel::tabel *a,int type) { float ret_val; int i=1; float sum1=0.0,sum2=0.0; tabel *aux; float SigmaM=Get_SigmaM(a,type); float SigmaI=Get_Sigma_I_Patrat(a,type); SigmaM=SigmaM*SigmaM; SigmaI=SigmaI*SigmaI; float Beta=Get_Beta(a,type); aux=a; if(aux==NULL) return 0.0; while(aux!=NULL) { sum1+=Get_Ri(a,i,type); sum2+=Get_Rf(a,i,type); aux=aux->next; i++; } sum1/=i; sum2/=i; //ret_val=(sum1-sum2)/(Beta*SigmaI)*SigmaM; ret_val=sqrt(SigmaM)*Get_Exces_rand(a,type)/sqrt(SigmaI); ret_val/=1+SigmaM*Beta/SigmaI; return ret_val; } floatOpTabel::Get_ZI(OpTabel::tabel *a,float c_star,int type) { float ret_val; float beta,exces,CI; float sigmaI=Get_Sigma_I_Patrat(a,type); beta=Get_Beta(a,type); exces=Get_Exces_rand(a,type); CI=c_star; ret_val=beta*(exces-c_star)/(sigmaI); return ret_val; } floatOpTabel::Get_Exces_rand(OpTabel::tabel *a,int type) {
112
return ret_val; } floatOpTabel::Get_CI(OpTabel::tabel *a,int type) { float ret_val; int i=1; float sum1=0.0,sum2=0.0; tabel *aux; float SigmaM=Get_SigmaM(a,type); float SigmaI=Get_Sigma_I_Patrat(a,type); SigmaM=SigmaM*SigmaM; SigmaI=SigmaI*SigmaI; float Beta=Get_Beta(a,type); aux=a; if(aux==NULL) return 0.0; while(aux!=NULL) { sum1+=Get_Ri(a,i,type); sum2+=Get_Rf(a,i,type); aux=aux->next; i++; } sum1/=i; sum2/=i; //ret_val=(sum1-sum2)/(Beta*SigmaI)*SigmaM; ret_val=sqrt(SigmaM)*Get_Exces_rand(a,type)/sqrt(SigmaI); ret_val/=1+SigmaM*Beta/SigmaI; return ret_val; } floatOpTabel::Get_ZI(OpTabel::tabel *a,float c_star,int type) { float ret_val; float beta,exces,CI; float sigmaI=Get_Sigma_I_Patrat(a,type); beta=Get_Beta(a,type); exces=Get_Exces_rand(a,type); CI=c_star; ret_val=beta*(exces-c_star)/(sigmaI); return ret_val; } floatOpTabel::Get_Exces_rand(OpTabel::tabel *a,int type) {
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 112 of 154 - Pages: 112, 112, 06/08/15 07:37 PM
113
float ret_val; float RI=0.0,RF=0.0; float beta; tabel *aux; int i=1; aux=a; if(aux==NULL) return 0.0; while(aux!=NULL) { RI+=Get_Ri(a,i,type); RF+=Get_Rf(a,i,type); aux=aux->next; i++; } beta=Get_Beta(a,type); RI/=i; RF/=i; ret_val=(RI-RF)/beta; return ret_val; } floatOpTabel::Get_XI(OpTabel::tabel*a,OpTabel::tabel*b,OpTabel::tabel*c,OpTabel::tabel*d,OpTabel::tabel*e,OpTabel::tabel*f,OpTabel::tabel *k,OpTabel::tabel) { float ret_val; float sum=0.0; float zi=0.0; zi=Get_ZI(a,c_star,1); if(Get_Exces_rand(a,1)-Get_CI(a,1)>0) sum+=zi; else return 0.0; zi=Get_ZI(b,c_star,1); if(Get_Exces_rand(b,1)-Get_CI(b,1)>0) sum+=zi; zi=Get_ZI(c,c_star,1); if(Get_Exces_rand(c,1)-Get_CI(c,1)>0) sum+=zi; zi=Get_ZI(d,c_star,1); if(Get_Exces_rand(d,1)-Get_CI(d,1)>0) sum+=zi; zi=Get_ZI(e,c_star,1); if(Get_Exces_rand(e,1)-Get_CI(e,1)>0)
113
float ret_val; float RI=0.0,RF=0.0; float beta; tabel *aux; int i=1; aux=a; if(aux==NULL) return 0.0; while(aux!=NULL) { RI+=Get_Ri(a,i,type); RF+=Get_Rf(a,i,type); aux=aux->next; i++; } beta=Get_Beta(a,type); RI/=i; RF/=i; ret_val=(RI-RF)/beta; return ret_val; } floatOpTabel::Get_XI(OpTabel::tabel*a,OpTabel::tabel*b,OpTabel::tabel*c,OpTabel::tabel*d,OpTabel::tabel*e,OpTabel::tabel*f,OpTabel::tabel *k,OpTabel::tabel) { float ret_val; float sum=0.0; float zi=0.0; zi=Get_ZI(a,c_star,1); if(Get_Exces_rand(a,1)-Get_CI(a,1)>0) sum+=zi; else return 0.0; zi=Get_ZI(b,c_star,1); if(Get_Exces_rand(b,1)-Get_CI(b,1)>0) sum+=zi; zi=Get_ZI(c,c_star,1); if(Get_Exces_rand(c,1)-Get_CI(c,1)>0) sum+=zi; zi=Get_ZI(d,c_star,1); if(Get_Exces_rand(d,1)-Get_CI(d,1)>0) sum+=zi; zi=Get_ZI(e,c_star,1); if(Get_Exces_rand(e,1)-Get_CI(e,1)>0)
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 113 of 154 - Pages: 113, 113, 06/08/15 07:37 PM
114
sum+=zi; zi=Get_ZI(f,c_star,1); if(Get_Exces_rand(f,1)-Get_CI(f,1)>0) sum+=zi; zi=Get_ZI(k,c_star,2); if(Get_Exces_rand(k,2)-Get_CI(k,2)>0) sum+=zi; zi=Get_ZI(j,c_star,2); if(Get_Exces_rand(j,2)-Get_CI(j,2)>0) sum+=zi; if(zi/sum<0) sum-=zi; if(type==2) { ret_val=Get_ZI(k,c_star,2)/sum; if(ret_val<0) { sum-=Get_ZI(k,c_star,2); ret_val=0; } } if(type==3) { ret_val=Get_ZI(j,c_star,2)/sum; if(ret_val<0) { sum-=Get_ZI(j,c_star,2); ret_val=0; } } if(type==1) ret_val=Get_ZI(a,c_star,1)/sum; return ret_val; } float OpTabel::Get_XI(OpTabel::tabel *a,OpTabel::tabel *b,OpTabel::tabel *c,OpTabel::tabel *d,OpTabel::tabel *e,float c_star,int type) { float ret_val; float sum=0.0; float zi=0.0; zi=Get_ZI(a,c_star,type); sum+=zi; if(Get_Exces_rand(a,1)-Get_CI(a,1)<0) sum-=zi;
114
sum+=zi; zi=Get_ZI(f,c_star,1); if(Get_Exces_rand(f,1)-Get_CI(f,1)>0) sum+=zi; zi=Get_ZI(k,c_star,2); if(Get_Exces_rand(k,2)-Get_CI(k,2)>0) sum+=zi; zi=Get_ZI(j,c_star,2); if(Get_Exces_rand(j,2)-Get_CI(j,2)>0) sum+=zi; if(zi/sum<0) sum-=zi; if(type==2) { ret_val=Get_ZI(k,c_star,2)/sum; if(ret_val<0) { sum-=Get_ZI(k,c_star,2); ret_val=0; } } if(type==3) { ret_val=Get_ZI(j,c_star,2)/sum; if(ret_val<0) { sum-=Get_ZI(j,c_star,2); ret_val=0; } } if(type==1) ret_val=Get_ZI(a,c_star,1)/sum; return ret_val; } float OpTabel::Get_XI(OpTabel::tabel *a,OpTabel::tabel *b,OpTabel::tabel *c,OpTabel::tabel *d,OpTabel::tabel *e,float c_star,int type) { float ret_val; float sum=0.0; float zi=0.0; zi=Get_ZI(a,c_star,type); sum+=zi; if(Get_Exces_rand(a,1)-Get_CI(a,1)<0) sum-=zi;
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 114 of 154 - Pages: 114, 114, 06/08/15 07:37 PM
115
zi=Get_ZI(b,c_star,type); sum+=zi; if(Get_Exces_rand(b,1)-Get_CI(b,1)<0) sum-=zi; zi=Get_ZI(c,c_star,type); sum+=zi; if(Get_Exces_rand(c,1)<Get_CI(c,1)) sum-=zi; zi=Get_ZI(d,c_star,type); sum+=zi; if(Get_Exces_rand(d,1)-Get_CI(d,1)<0) sum-=zi; zi=Get_ZI(e,c_star,type); sum+=zi; if(Get_Exces_rand(e,1)-Get_CI(e,1)<0) sum-=zi; ret_val=Get_ZI(a,c_star,type)/sum; return ret_val; } float OpTabel::Get_rentabilitate(OpTabel::tabel *a,int type) { tabel* aux; float ret_val=0.0; int i=0; aux=a; while(aux!=NULL) { i++; ret_val+=Get_Ri(a,i,type); aux=aux->next; } if(i!=0) ret_val/=i; return ret_val;
3.4.2. Modele de prognoză a trendului cotaţiilor
Modelele de prognoză au drept obiectiv anticiparea trendului pe care se
vor înscrie cotaţiile, pe baza informaţiilor trecute. Ele sunt rezolvate în principal
cu metode statistice care stabilesc relaţii de dependenţă între diverse variabile
115
zi=Get_ZI(b,c_star,type); sum+=zi; if(Get_Exces_rand(b,1)-Get_CI(b,1)<0) sum-=zi; zi=Get_ZI(c,c_star,type); sum+=zi; if(Get_Exces_rand(c,1)<Get_CI(c,1)) sum-=zi; zi=Get_ZI(d,c_star,type); sum+=zi; if(Get_Exces_rand(d,1)-Get_CI(d,1)<0) sum-=zi; zi=Get_ZI(e,c_star,type); sum+=zi; if(Get_Exces_rand(e,1)-Get_CI(e,1)<0) sum-=zi; ret_val=Get_ZI(a,c_star,type)/sum; return ret_val; } float OpTabel::Get_rentabilitate(OpTabel::tabel *a,int type) { tabel* aux; float ret_val=0.0; int i=0; aux=a; while(aux!=NULL) { i++; ret_val+=Get_Ri(a,i,type); aux=aux->next; } if(i!=0) ret_val/=i; return ret_val;
3.4.2. Modele de prognoză a trendului cotaţiilor
Modelele de prognoză au drept obiectiv anticiparea trendului pe care se
vor înscrie cotaţiile, pe baza informaţiilor trecute. Ele sunt rezolvate în principal
cu metode statistice care stabilesc relaţii de dependenţă între diverse variabile
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 115 of 154 - Pages: 115, 115, 06/08/15 07:37 PM
116
şi evoluţiile acestora. În termen statistici, legătura între două sau mai multe
variabile se numeşte corelaţie, iar stabilirea tipului de legătură ale unei
variabile numite dependente de una sau mai multe variabile numite
independente se face prin analiza de regresie.
Dependenţa dintre variabile poate fi liniară, exponenţială sau de altă
natură (hiperbolică, putere), pentru fiecare dintre aceste tipuri existând
instrumente statistice de determinare a elementelor modelului de regresie.
Utilizăm şi noi modelul regresiilor pentru a analiza care dintre tipurile de
regresie (liniară, exponenţială, hiperbolică, putere, parabolică) aproximează cel
mai bine trendul cotaţiilor. Modelul de prognoză implementat, în funcţie de
ecuaţiile specifice regresiilor amintite, calculează coeficienţii aferenţi şi
trasează linia de trend.
Totodată, modelul alege tipul de regresie care aproximează cel mai bine
evoluţia cotaţiilor pentru derivatele financiare incluse în portofoliul strategic.
Pentru a realiza acest lucru, se determină o marjă de eroare calculată ca
diferenţă între aria graficului trasat de cotaţiile bursiere şi a aceluia care
identifică trendul în funcţie de regresii; cea mai mică eroare obţinută semnifică
faptul că aceasta aproximează cel mai bine evoluţia cotaţiilor. În funcţie de
aceasta, se vor realiza extrapolări care să furnizeze informaţii cu privire la
nivelul cotaţiei pentru o dată viitoare sau invers: la ce dată se atinge un anumit
nivel.
În continuare, sunt definite modelele matematice ale regresiilor utilizate
de modelul de prognoză, dar şi modalitatea de implementare a lor. În ceea ce
priveşte implementarea, redăm pentru fiecare tip de regresie utilizat procedura
care determină coeficienţii funcţiilor.
Regresia liniară: ibxay
n
1i
n
1i
ii xbnay
n
1i
n
1i
n
1i
2
iiii xbxaxy
Procedura corespunzătoare:
n
i
n
i
ii xbyn
a1 1
1
n
i
i
n
i
i
n
i
n
i
n
i
iiii
xnx
yxnyx
b
1
2
2
1
1 1 1
116
şi evoluţiile acestora. În termen statistici, legătura între două sau mai multe
variabile se numeşte corelaţie, iar stabilirea tipului de legătură ale unei
variabile numite dependente de una sau mai multe variabile numite
independente se face prin analiza de regresie.
Dependenţa dintre variabile poate fi liniară, exponenţială sau de altă
natură (hiperbolică, putere), pentru fiecare dintre aceste tipuri existând
instrumente statistice de determinare a elementelor modelului de regresie.
Utilizăm şi noi modelul regresiilor pentru a analiza care dintre tipurile de
regresie (liniară, exponenţială, hiperbolică, putere, parabolică) aproximează cel
mai bine trendul cotaţiilor. Modelul de prognoză implementat, în funcţie de
ecuaţiile specifice regresiilor amintite, calculează coeficienţii aferenţi şi
trasează linia de trend.
Totodată, modelul alege tipul de regresie care aproximează cel mai bine
evoluţia cotaţiilor pentru derivatele financiare incluse în portofoliul strategic.
Pentru a realiza acest lucru, se determină o marjă de eroare calculată ca
diferenţă între aria graficului trasat de cotaţiile bursiere şi a aceluia care
identifică trendul în funcţie de regresii; cea mai mică eroare obţinută semnifică
faptul că aceasta aproximează cel mai bine evoluţia cotaţiilor. În funcţie de
aceasta, se vor realiza extrapolări care să furnizeze informaţii cu privire la
nivelul cotaţiei pentru o dată viitoare sau invers: la ce dată se atinge un anumit
nivel.
În continuare, sunt definite modelele matematice ale regresiilor utilizate
de modelul de prognoză, dar şi modalitatea de implementare a lor. În ceea ce
priveşte implementarea, redăm pentru fiecare tip de regresie utilizat procedura
care determină coeficienţii funcţiilor.
Regresia liniară: ibxay
n
1i
n
1i
ii xbnay
n
1i
n
1i
n
1i
2
iiii xbxaxy
Procedura corespunzătoare:
n
i
n
i
ii xbyn
a1 1
1
n
i
i
n
i
i
n
i
n
i
n
i
iiii
xnx
yxnyx
b
1
2
2
1
1 1 1
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 116 of 154 - Pages: 116, 116, 06/08/15 07:37 PM
117
cfreg* OpTabel::Coef_lin(OpTabel::tabel *a,COleDateTime data1,COleDateTime data2) { if(data2<data1) return NULL; double x,y,sx,sy,sxy,sx2; x=y=sx=sy=sxy=sx2=0; OpTabel::tabel *aux=a; while(aux && (aux->data<data1)) { aux=aux->next; } int n=0; while(aux && (aux->data<=data2)) x=(aux->data-data1).GetDays(); y=aux->RUEJDD; if((x>0) && (y>0)) { sx+=x; sy+=y; sxy+=x*y; sx2+=x*x; n++; aux=aux->next; if(((sx*sx-n*sx2)==0)||(n==0)) return NULL; cfreg *coef = new cfreg ; coef->b1 = (sx*sy - n*sxy)/(sx*sx - n*sx2); coef->b0 = (sy - coef->b1*sx)/n; return coef; }
Regresia hiperbolică: x
bay
n
1i i
n
1i
i
x
1ba*ny
n
1i2
i
n
1i i
n
1i i
i
x
1b
x
1*a
x
y
Procedura corespunzătoare:
cfreg* OpTabel::Coef_hip(OpTabel::tabel *a,COleDateTime data1,COleDateTime data2) { if(data2<data1) return NULL; double x,y,sx,sy,sxy,sx2; x=y=sx=sy=sxy=sx2=0;
n
i i
n
i
i
xby
na
11
11
n
i i
n
i i
n
i
n
i
n
i i
ii
i
xn
x
x
yny
xb
12
2
1
1 1 1
11
1
117
cfreg* OpTabel::Coef_lin(OpTabel::tabel *a,COleDateTime data1,COleDateTime data2) { if(data2<data1) return NULL; double x,y,sx,sy,sxy,sx2; x=y=sx=sy=sxy=sx2=0; OpTabel::tabel *aux=a; while(aux && (aux->data<data1)) { aux=aux->next; } int n=0; while(aux && (aux->data<=data2)) x=(aux->data-data1).GetDays(); y=aux->RUEJDD; if((x>0) && (y>0)) { sx+=x; sy+=y; sxy+=x*y; sx2+=x*x; n++; aux=aux->next; if(((sx*sx-n*sx2)==0)||(n==0)) return NULL; cfreg *coef = new cfreg ; coef->b1 = (sx*sy - n*sxy)/(sx*sx - n*sx2); coef->b0 = (sy - coef->b1*sx)/n; return coef; }
Regresia hiperbolică: x
bay
n
1i i
n
1i
i
x
1ba*ny
n
1i2
i
n
1i i
n
1i i
i
x
1b
x
1*a
x
y
Procedura corespunzătoare:
cfreg* OpTabel::Coef_hip(OpTabel::tabel *a,COleDateTime data1,COleDateTime data2) { if(data2<data1) return NULL; double x,y,sx,sy,sxy,sx2; x=y=sx=sy=sxy=sx2=0;
n
i i
n
i
i
xby
na
11
11
n
i i
n
i i
n
i
n
i
n
i i
ii
i
xn
x
x
yny
xb
12
2
1
1 1 1
11
1
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 117 of 154 - Pages: 117, 117, 06/08/15 07:37 PM
118
OpTabel::tabel *aux=a; while(aux && (aux->data<data1)) { aux=aux->next; } int n=0; while(aux && (aux->data<=data2)) { x=(aux->data-data1).GetDays(); y=aux->RUEJDD; if((x>0) && (y>0)) { sx+=1L/x; sy+=y; sxy+=y/x; sx2+=1L/(x*x); n++; } aux=aux->next; } if(((sx*sx-n*sx2)==0)||(n==0)) return NULL; cfreg *coef = new cfreg ; coef->b1 = (sx*sy - n*sxy)/(sx*sx - n*sx2); coef->b0 = (sy - coef->b1*sx)/n; return coef; }
Regresia putere: bx*ay
n
1i
n
1i
n
1i
i2
iii xlnbxlnalnylnxln
Procedura corespunzătoare:
cfreg* OpTabel::Coef_put(OpTabel::tabel *a,COleDateTime data1,COleDateTime data2) { if(data2<data1) return NULL; double x,y,sx,sy,sxy,sx2; x=y=sx=sy=sxy=sx2=0; OpTabel::tabel *aux=a; while(aux && (aux->data<data1)) { aux=aux->next; } int n=0; while(aux && (aux->data<=data2)) { x=(aux->data-data1).GetDays();
n
i
i
n
i
i xbany11
lnln*ln
n
i
n
i
ii xbyn
a1 1
lnln1
ln
118
OpTabel::tabel *aux=a; while(aux && (aux->data<data1)) { aux=aux->next; } int n=0; while(aux && (aux->data<=data2)) { x=(aux->data-data1).GetDays(); y=aux->RUEJDD; if((x>0) && (y>0)) { sx+=1L/x; sy+=y; sxy+=y/x; sx2+=1L/(x*x); n++; } aux=aux->next; } if(((sx*sx-n*sx2)==0)||(n==0)) return NULL; cfreg *coef = new cfreg ; coef->b1 = (sx*sy - n*sxy)/(sx*sx - n*sx2); coef->b0 = (sy - coef->b1*sx)/n; return coef; }
Regresia putere: bx*ay
n
1i
n
1i
n
1i
i2
iii xlnbxlnalnylnxln
Procedura corespunzătoare:
cfreg* OpTabel::Coef_put(OpTabel::tabel *a,COleDateTime data1,COleDateTime data2) { if(data2<data1) return NULL; double x,y,sx,sy,sxy,sx2; x=y=sx=sy=sxy=sx2=0; OpTabel::tabel *aux=a; while(aux && (aux->data<data1)) { aux=aux->next; } int n=0; while(aux && (aux->data<=data2)) { x=(aux->data-data1).GetDays();
n
i
i
n
i
i xbany11
lnln*ln
n
i
n
i
ii xbyn
a1 1
lnln1
ln
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 118 of 154 - Pages: 118, 118, 06/08/15 07:37 PM
119
y=aux->RUEJDD; if((x>0) && (y>0)) { sx+=log(x); sy+=log(y); sxy+=log(x)*log(y); sx2+=log(x)*log(x); n++; } aux=aux->next; } if(((sx*sx-n*sx2)==0)||(n==0)) return NULL; cfreg *coef = new cfreg ; coef->b1 = (sx*sy - n*sxy)/(sx*sx - n*sx2); coef->b0 = exp((sy - coef->b1*sx)/n); return coef; }
Regresia exponenţială: x*be*ay
n
1i
n
1i
ii xbalnnyln
n
1i
n
1i
n
1i
iiii xbxalnylnx
Procedura corespunzătoare:
cfreg* OpTabel::Coef_exp(OpTabel::tabel *a,COleDateTime data1,COleDateTime data2) { if(data2<data1) return NULL; double x,y,sx,sy,sxy,sx2; x=y=sx=sy=sxy=sx2=0; OpTabel::tabel *aux=a; while(aux && (aux->data<data1)) { aux=aux->next; } int n=0; while(aux && (aux->data<=data2)) { x=(aux->data-data1).GetDays(); y=aux->RUEJDD; if((x>0) && (y>0)) { sx+=x; sy+=log(y); sxy+=x*log(y); sx2+=x*x;
n
i
n
i
iii xbyn
a1 1
ln1
ln
n
i
i
n
i
i
n
i
n
i
n
i
iiii
xnx
yxnyx
b
1
2
2
1
1 1 1
lnln
119
y=aux->RUEJDD; if((x>0) && (y>0)) { sx+=log(x); sy+=log(y); sxy+=log(x)*log(y); sx2+=log(x)*log(x); n++; } aux=aux->next; } if(((sx*sx-n*sx2)==0)||(n==0)) return NULL; cfreg *coef = new cfreg ; coef->b1 = (sx*sy - n*sxy)/(sx*sx - n*sx2); coef->b0 = exp((sy - coef->b1*sx)/n); return coef; }
Regresia exponenţială: x*be*ay
n
1i
n
1i
ii xbalnnyln
n
1i
n
1i
n
1i
iiii xbxalnylnx
Procedura corespunzătoare:
cfreg* OpTabel::Coef_exp(OpTabel::tabel *a,COleDateTime data1,COleDateTime data2) { if(data2<data1) return NULL; double x,y,sx,sy,sxy,sx2; x=y=sx=sy=sxy=sx2=0; OpTabel::tabel *aux=a; while(aux && (aux->data<data1)) { aux=aux->next; } int n=0; while(aux && (aux->data<=data2)) { x=(aux->data-data1).GetDays(); y=aux->RUEJDD; if((x>0) && (y>0)) { sx+=x; sy+=log(y); sxy+=x*log(y); sx2+=x*x;
n
i
n
i
iii xbyn
a1 1
ln1
ln
n
i
i
n
i
i
n
i
n
i
n
i
iiii
xnx
yxnyx
b
1
2
2
1
1 1 1
lnln
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 119 of 154 - Pages: 119, 119, 06/08/15 07:37 PM
120
n++; } aux=aux->next; } if(((sx*sx-n*sx2)==0)||(n==0)) return NULL; cfreg *coef = new cfreg ; coef->b1 = (sx*sy - n*sxy)/(sx*sx - n*sx2); coef->b0 = exp((sy - coef->b1*sx)/n); return coef; }
Regresia logaritmică: xln*bay
n
1i
n
1i
ii xlnbnay
Procedura corespunzătoare:
cfreg* OpTabel::Coef_log(OpTabel::tabel *a,COleDateTime data1,COleDateTime data2) { if(data2<data1) return NULL; double x,y,sx,sy,sxy,sx2; x=y=sx=sy=sxy=sx2=0; OpTabel::tabel *aux=a; while(aux && (aux->data<data1)) { aux=aux->next; } int n=0; while(aux && (aux->data<=data2)) { x=(aux->data-data1).GetDays(); y=aux->RUEJDD; if((x>0) && (y>0)) { sx+=log(x)*x; sy+=y; sxy+=log(x)*y; sx2+=log(x)*log(x); n++; } aux=aux->next; } if(((sx*sx-n*sx2)==0)||(n==0)) return NULL; cfreg *coef = new cfreg ; coef->b1 = (sx*sy - n*sxy)/(sx*sx - n*sx2); coef->b0 = exp((sy - coef->b1*sx)/n);
i
n
i
n
i
n
i
iii xbxaxy
1 1 1
2lnlnln
n
i
n
i
ii xbyn
a1 1
ln1
n
i
i
n
i
i
n
i
n
i
n
i
iiii
xnx
xynyx
b
1
2
2
1
1 1 1
lnln
lnln
120
n++; } aux=aux->next; } if(((sx*sx-n*sx2)==0)||(n==0)) return NULL; cfreg *coef = new cfreg ; coef->b1 = (sx*sy - n*sxy)/(sx*sx - n*sx2); coef->b0 = exp((sy - coef->b1*sx)/n); return coef; }
Regresia logaritmică: xln*bay
n
1i
n
1i
ii xlnbnay
Procedura corespunzătoare:
cfreg* OpTabel::Coef_log(OpTabel::tabel *a,COleDateTime data1,COleDateTime data2) { if(data2<data1) return NULL; double x,y,sx,sy,sxy,sx2; x=y=sx=sy=sxy=sx2=0; OpTabel::tabel *aux=a; while(aux && (aux->data<data1)) { aux=aux->next; } int n=0; while(aux && (aux->data<=data2)) { x=(aux->data-data1).GetDays(); y=aux->RUEJDD; if((x>0) && (y>0)) { sx+=log(x)*x; sy+=y; sxy+=log(x)*y; sx2+=log(x)*log(x); n++; } aux=aux->next; } if(((sx*sx-n*sx2)==0)||(n==0)) return NULL; cfreg *coef = new cfreg ; coef->b1 = (sx*sy - n*sxy)/(sx*sx - n*sx2); coef->b0 = exp((sy - coef->b1*sx)/n);
i
n
i
n
i
n
i
iii xbxaxy
1 1 1
2lnlnln
n
i
n
i
ii xbyn
a1 1
ln1
n
i
i
n
i
i
n
i
n
i
n
i
iiii
xnx
xynyx
b
1
2
2
1
1 1 1
lnln
lnln
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 120 of 154 - Pages: 120, 120, 06/08/15 07:37 PM
121
return coef; }
Regresia parabolică: 2cxbxay
n
1i
n
1i
n
1i
2
iii xcxbnay
n
1i
3
i
n
1i
n
1i
n
1i
2
iiii xcxbxbyx
n
1i
n
1i
4
i
3
i
n
1i
2
ii
n
1i
2
ixcxbxayx
Procedura corespunzătoare:
cfreg* OpTabel::Coef_par(OpTabel::tabel *a,COleDateTime data1,COleDateTime data2) { if(data2<data1) return NULL; double x,y,s1,s2,s3,s4,s5,s6,s7,det; x=y=s1=s2=s3=s4=s5=s6=s7=det=0; OpTabel::tabel *aux=a; while(aux && (aux->data<data1)) { aux=aux->next; } int n=0; while(aux && (aux->data<=data2)) { x=(aux->data-data1).GetDays(); y=aux->RUEJDD; if((x>0) && (y>0)) { s1+=x; s2+=x*x; s3+=pow(x,3L); s4+=pow(x,4L); s5+=y; s6+=x*y; s7+=x*x*y; n++; } aux=aux->next; } det=n*s2*s4-s1*s1*s4-pow(s2,3L)+2*s2*s2*s3-n*s3*s3; if(det==0) return NULL; cfreg *coef = new cfreg ; coef->b0 = s2*s4*s5/det-s2*s2*s7/det+s6*s3*s2/det-s3*s3*s5/det+s1*s3*s7/det-s1*s4*s6/det; coef->b1 = n*s4*s6/det-s2*s2*s6/det+s1*s2*s7/det-n*s3*s7/det+s2*s3*s5/det-s1*s4*s5/det; coef->b2 = n*s2*s7/det-s2*s2*s5/det+s1*s3*s5/det-n*s3*s6/det+s1*s2*s6/det-s1*s1*s7/det; return coef; }
121
return coef; }
Regresia parabolică: 2cxbxay
n
1i
n
1i
n
1i
2
iii xcxbnay
n
1i
3
i
n
1i
n
1i
n
1i
2
iiii xcxbxbyx
n
1i
n
1i
4
i
3
i
n
1i
2
ii
n
1i
2
ixcxbxayx
Procedura corespunzătoare:
cfreg* OpTabel::Coef_par(OpTabel::tabel *a,COleDateTime data1,COleDateTime data2) { if(data2<data1) return NULL; double x,y,s1,s2,s3,s4,s5,s6,s7,det; x=y=s1=s2=s3=s4=s5=s6=s7=det=0; OpTabel::tabel *aux=a; while(aux && (aux->data<data1)) { aux=aux->next; } int n=0; while(aux && (aux->data<=data2)) { x=(aux->data-data1).GetDays(); y=aux->RUEJDD; if((x>0) && (y>0)) { s1+=x; s2+=x*x; s3+=pow(x,3L); s4+=pow(x,4L); s5+=y; s6+=x*y; s7+=x*x*y; n++; } aux=aux->next; } det=n*s2*s4-s1*s1*s4-pow(s2,3L)+2*s2*s2*s3-n*s3*s3; if(det==0) return NULL; cfreg *coef = new cfreg ; coef->b0 = s2*s4*s5/det-s2*s2*s7/det+s6*s3*s2/det-s3*s3*s5/det+s1*s3*s7/det-s1*s4*s6/det; coef->b1 = n*s4*s6/det-s2*s2*s6/det+s1*s2*s7/det-n*s3*s7/det+s2*s3*s5/det-s1*s4*s5/det; coef->b2 = n*s2*s7/det-s2*s2*s5/det+s1*s3*s5/det-n*s3*s6/det+s1*s2*s6/det-s1*s1*s7/det; return coef; }
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 121 of 154 - Pages: 121, 121, 06/08/15 07:37 PM
122
3.4.3. Modele de analiză a deciziei
Modelele de analiză a deciziei sunt utilizate de sistemul suport întrucât
situaţia decizională formulată implică un număr rezonabil şi finit de alternative.
Astfel că, în funcţie de valorile înregistrate de parametrii fiecărui produs
financiar derivat, decizia constă în a alege cele mai bune derivate în funcţie de
cotaţiile pieţei, pentru a construi un portofoliu strategic.
Modelul care analizează decizia de a face parte sau nu din acest
portofoliu este definit de un algoritm robust al cărui cod sursă Visual C++ este
redat mai jos:
// X_TRADEView.cpp : implementation of the CX_TRADEView class //
#include "stdafx.h"
#include "X_TRADE.h"
#include "X_TRADEDoc.h"
#include "start.h"
#include "cotatii.h"
#include "optabel.h"
OnIndateCotatiicontractefutures)
ON_WM_CHAR()
//}}AFX_MSG_MAP
// Standard printing commands
ON_COMMAND(ID_FILE_PRINT, CView::OnFilePrint)
ON_COMMAND(ID_FILE_PRINT_DIRECT, CView::OnFilePrint)
ON_COMMAND(ID_FILE_PRINT_PREVIEW, CView::OnFilePrintPreview)
END_MESSAGE_MAP()
void CX_TRADEView::OnLButtonDown(UINT nFlags, CPoint point)
{
// TODO: Add your message handler code here and/or call default
CX_TRADEDoc* pDoc = GetDocument();
ASSERT_VALID(pDoc);
if(active_frame=="MAIN")
{
if(Get_Sel_Button(point)=="Subs 1")
{
CDC *dc=this->GetDC();
CBitmap bmp;
BITMAP bmpInfo;
////////////////////////////////////////
bmp.LoadBitmap(IDB_SUBS_12);
bmp.GetBitmap(&bmpInfo);
fundal.SelectObject(&bmp);
122
3.4.3. Modele de analiză a deciziei
Modelele de analiză a deciziei sunt utilizate de sistemul suport întrucât
situaţia decizională formulată implică un număr rezonabil şi finit de alternative.
Astfel că, în funcţie de valorile înregistrate de parametrii fiecărui produs
financiar derivat, decizia constă în a alege cele mai bune derivate în funcţie de
cotaţiile pieţei, pentru a construi un portofoliu strategic.
Modelul care analizează decizia de a face parte sau nu din acest
portofoliu este definit de un algoritm robust al cărui cod sursă Visual C++ este
redat mai jos:
// X_TRADEView.cpp : implementation of the CX_TRADEView class //
#include "stdafx.h"
#include "X_TRADE.h"
#include "X_TRADEDoc.h"
#include "start.h"
#include "cotatii.h"
#include "optabel.h"
OnIndateCotatiicontractefutures)
ON_WM_CHAR()
//}}AFX_MSG_MAP
// Standard printing commands
ON_COMMAND(ID_FILE_PRINT, CView::OnFilePrint)
ON_COMMAND(ID_FILE_PRINT_DIRECT, CView::OnFilePrint)
ON_COMMAND(ID_FILE_PRINT_PREVIEW, CView::OnFilePrintPreview)
END_MESSAGE_MAP()
void CX_TRADEView::OnLButtonDown(UINT nFlags, CPoint point)
{
// TODO: Add your message handler code here and/or call default
CX_TRADEDoc* pDoc = GetDocument();
ASSERT_VALID(pDoc);
if(active_frame=="MAIN")
{
if(Get_Sel_Button(point)=="Subs 1")
{
CDC *dc=this->GetDC();
CBitmap bmp;
BITMAP bmpInfo;
////////////////////////////////////////
bmp.LoadBitmap(IDB_SUBS_12);
bmp.GetBitmap(&bmpInfo);
fundal.SelectObject(&bmp);
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 122 of 154 - Pages: 122, 122, 06/08/15 07:37 PM
123
if(dc->m_hDC!=NULL)
dc->BitBlt(87, 330, bmpInfo.bmWidth, bmpInfo.bmHeight, &fundal,0, 0,
SRCCOPY);
active_button="Subs 1";
}
}
if((active_frame=="Portofoliu1")||(active_frame=="Portofoliu2"))
{
if(Get_Sel_Button(point)=="Parametrii")
{
CDC *dc=this->GetDC();
CDC aux;
CBitmap bmp;
BITMAP bmpInfo;
////////////////////////////////////////
bmp.LoadBitmap(IDB_PARAMETRII);
bmp.GetBitmap(&bmpInfo);
aux.CreateCompatibleDC(dc);
aux.SelectObject(&bmp);
if(dc->m_hDC!=NULL)
dc->BitBlt(64, 186, bmpInfo.bmWidth, bmpInfo.bmHeight, &aux,0, 0,
SRCCOPY);
active_button="Parametrii";
}
if(Get_Sel_Button(point)=="Generare")
{
CDC *dc=this->GetDC(),aux;
CBitmap bmp;
BITMAP bmpInfo;
////////////////////////////////////////
bmp.LoadBitmap(IDB_GENERARE);
bmp.GetBitmap(&bmpInfo);
aux.CreateCompatibleDC(dc);
aux.SelectObject(&bmp);
if(dc->m_hDC!=NULL)
dc->BitBlt(250, 185, bmpInfo.bmWidth, bmpInfo.bmHeight, &aux,0, 0,
SRCCOPY);
active_button="Generare";
}
if(Get_Sel_Button(point)=="Management")
{
CDC *dc=this->GetDC(),aux;
CBitmap bmp;
BITMAP bmpInfo;
////////////////////////////////////////
123
if(dc->m_hDC!=NULL)
dc->BitBlt(87, 330, bmpInfo.bmWidth, bmpInfo.bmHeight, &fundal,0, 0,
SRCCOPY);
active_button="Subs 1";
}
}
if((active_frame=="Portofoliu1")||(active_frame=="Portofoliu2"))
{
if(Get_Sel_Button(point)=="Parametrii")
{
CDC *dc=this->GetDC();
CDC aux;
CBitmap bmp;
BITMAP bmpInfo;
////////////////////////////////////////
bmp.LoadBitmap(IDB_PARAMETRII);
bmp.GetBitmap(&bmpInfo);
aux.CreateCompatibleDC(dc);
aux.SelectObject(&bmp);
if(dc->m_hDC!=NULL)
dc->BitBlt(64, 186, bmpInfo.bmWidth, bmpInfo.bmHeight, &aux,0, 0,
SRCCOPY);
active_button="Parametrii";
}
if(Get_Sel_Button(point)=="Generare")
{
CDC *dc=this->GetDC(),aux;
CBitmap bmp;
BITMAP bmpInfo;
////////////////////////////////////////
bmp.LoadBitmap(IDB_GENERARE);
bmp.GetBitmap(&bmpInfo);
aux.CreateCompatibleDC(dc);
aux.SelectObject(&bmp);
if(dc->m_hDC!=NULL)
dc->BitBlt(250, 185, bmpInfo.bmWidth, bmpInfo.bmHeight, &aux,0, 0,
SRCCOPY);
active_button="Generare";
}
if(Get_Sel_Button(point)=="Management")
{
CDC *dc=this->GetDC(),aux;
CBitmap bmp;
BITMAP bmpInfo;
////////////////////////////////////////
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 123 of 154 - Pages: 123, 123, 06/08/15 07:37 PM
124
bmp.LoadBitmap(IDB_MANAGEMENT);
bmp.GetBitmap(&bmpInfo);
aux.CreateCompatibleDC(dc);
aux.SelectObject(&bmp);
if(dc->m_hDC!=NULL)
dc->BitBlt(740, 186, bmpInfo.bmWidth, bmpInfo.bmHeight, &aux,0, 0,
SRCCOPY);
active_button="Management";
}
}
if(active_frame=="Management derivate")
{
OpTabel op;
bool ok=false;
if(Get_Sel_Button(point)=="RolUsd")
{
if(op.Get_Exces_rand(pDoc->a_F_RolUsd,1)>op.Get_CI(pDoc-
>a_F_RolUsd,1))
{
if(portofoliu.GetAt(1)=='1')
Select_Box(1,0);
else
Select_Box(1,1);
}
ok=true;
}
if(Get_Sel_Button(point)=="EuroUsd")
{
if(op.Get_Exces_rand(pDoc->a_F_EuroUsd,1)>op.Get_CI(pDoc-
>a_F_EuroUsd,1))
{
if(portofoliu.GetAt(2)=='1')
Select_Box(2,0);
else
Select_Box(2,1);
}
ok=true;
}
if(Get_Sel_Button(point)=="UsdJpy")
{
if(op.Get_Exces_rand(pDoc->a_F_UsdJpy,1)>op.Get_CI(pDoc-
>a_F_UsdJpy,1))
if(portofoliu.GetAt(3)=='1')
Select_Box(3,0);
else
Select_Box(3,1);
}
124
bmp.LoadBitmap(IDB_MANAGEMENT);
bmp.GetBitmap(&bmpInfo);
aux.CreateCompatibleDC(dc);
aux.SelectObject(&bmp);
if(dc->m_hDC!=NULL)
dc->BitBlt(740, 186, bmpInfo.bmWidth, bmpInfo.bmHeight, &aux,0, 0,
SRCCOPY);
active_button="Management";
}
}
if(active_frame=="Management derivate")
{
OpTabel op;
bool ok=false;
if(Get_Sel_Button(point)=="RolUsd")
{
if(op.Get_Exces_rand(pDoc->a_F_RolUsd,1)>op.Get_CI(pDoc-
>a_F_RolUsd,1))
{
if(portofoliu.GetAt(1)=='1')
Select_Box(1,0);
else
Select_Box(1,1);
}
ok=true;
}
if(Get_Sel_Button(point)=="EuroUsd")
{
if(op.Get_Exces_rand(pDoc->a_F_EuroUsd,1)>op.Get_CI(pDoc-
>a_F_EuroUsd,1))
{
if(portofoliu.GetAt(2)=='1')
Select_Box(2,0);
else
Select_Box(2,1);
}
ok=true;
}
if(Get_Sel_Button(point)=="UsdJpy")
{
if(op.Get_Exces_rand(pDoc->a_F_UsdJpy,1)>op.Get_CI(pDoc-
>a_F_UsdJpy,1))
if(portofoliu.GetAt(3)=='1')
Select_Box(3,0);
else
Select_Box(3,1);
}
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 124 of 154 - Pages: 124, 124, 06/08/15 07:37 PM
125
ok=true;
if(Get_Sel_Button(point)=="Desif1")
{
if(op.Get_Exces_rand(pDoc->a_F_Desif1,1)>op.Get_CI(pDoc-
>a_F_Desif1,1))
{
if(portofoliu.GetAt(4)=='1')
Select_Box(4,0);
else
Select_Box(4,1);
}
ok=true;
}
if(Get_Sel_Button(point)=="Desnp")
{
if(op.Get_Exces_rand(pDoc->a_F_Desnp,1)>op.Get_CI(pDoc-
>a_F_Desnp,1))
{
if(portofoliu.GetAt(5)=='1')
Select_Box(5,0);
else
Select_Box(5,1);
}
ok=true;
}
if(Get_Sel_Button(point)=="Opt EuroUsd")
{
if(portofoliu.GetAt(6)=='1')
Select_Box(6,0);
else
Select_Box(6,1);
ok=true;
}
if(ok)
{
Draw_fundal();
Fill_Tabel();
Re_Draw();
}
}
if(active_frame=="Management derivate")
{
if(Get_Sel_Button(point)=="Management active")
{
active_frame="Management active";
Draw_fundal();
Fill_Tabel();
125
ok=true;
if(Get_Sel_Button(point)=="Desif1")
{
if(op.Get_Exces_rand(pDoc->a_F_Desif1,1)>op.Get_CI(pDoc-
>a_F_Desif1,1))
{
if(portofoliu.GetAt(4)=='1')
Select_Box(4,0);
else
Select_Box(4,1);
}
ok=true;
}
if(Get_Sel_Button(point)=="Desnp")
{
if(op.Get_Exces_rand(pDoc->a_F_Desnp,1)>op.Get_CI(pDoc-
>a_F_Desnp,1))
{
if(portofoliu.GetAt(5)=='1')
Select_Box(5,0);
else
Select_Box(5,1);
}
ok=true;
}
if(Get_Sel_Button(point)=="Opt EuroUsd")
{
if(portofoliu.GetAt(6)=='1')
Select_Box(6,0);
else
Select_Box(6,1);
ok=true;
}
if(ok)
{
Draw_fundal();
Fill_Tabel();
Re_Draw();
}
}
if(active_frame=="Management derivate")
{
if(Get_Sel_Button(point)=="Management active")
{
active_frame="Management active";
Draw_fundal();
Fill_Tabel();
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 125 of 154 - Pages: 125, 125, 06/08/15 07:37 PM
126
Re_Draw();
}
}
if(active_frame=="Management active")
{
OpTabel op;
bool ok=false;
if(Get_Sel_Button(point)=="Usd")
{
{
if(portofoliu.GetAt(7)=='1')
Select_Box(7,0);
else
Select_Box(7,1);
}
ok=true;
}
if(Get_Sel_Button(point)=="Euro")
{
if(op.Get_Exces_rand(pDoc->a_F_Euro,1)>op.Get_CI(pDoc-
>a_F_Euro,1))
{
if(portofoliu.GetAt(8)=='1')
Select_Box(8,0);
else
Select_Box(8,0);
}
ok=true;
}
if(Get_Sel_Button(point)=="Jpy")
{
{
if(portofoliu.GetAt(9)=='1')
Select_Box(9,0);
else
Select_Box(9,1);
}
ok=true;
}
if(Get_Sel_Button(point)=="Sif")
{
{
if(portofoliu.GetAt(10)=='1')
Select_Box(10,0);
else
Select_Box(10,1);
126
Re_Draw();
}
}
if(active_frame=="Management active")
{
OpTabel op;
bool ok=false;
if(Get_Sel_Button(point)=="Usd")
{
{
if(portofoliu.GetAt(7)=='1')
Select_Box(7,0);
else
Select_Box(7,1);
}
ok=true;
}
if(Get_Sel_Button(point)=="Euro")
{
if(op.Get_Exces_rand(pDoc->a_F_Euro,1)>op.Get_CI(pDoc-
>a_F_Euro,1))
{
if(portofoliu.GetAt(8)=='1')
Select_Box(8,0);
else
Select_Box(8,0);
}
ok=true;
}
if(Get_Sel_Button(point)=="Jpy")
{
{
if(portofoliu.GetAt(9)=='1')
Select_Box(9,0);
else
Select_Box(9,1);
}
ok=true;
}
if(Get_Sel_Button(point)=="Sif")
{
{
if(portofoliu.GetAt(10)=='1')
Select_Box(10,0);
else
Select_Box(10,1);
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 126 of 154 - Pages: 126, 126, 06/08/15 07:37 PM
127
}
ok=true;
}
if(Get_Sel_Button(point)=="Snp")
{
{
if(portofoliu.GetAt(11)=='1')
Select_Box(11,0);
else
Select_Box(11,1);
}
ok=true;
}
if(ok)
Draw_fundal();
Fill_Tabel();
Re_Draw();
void CX_TRADEView::OnLButtonUp(UINT nFlags, CPoint point) {
// TODO: Add your message handler code here and/or call default
if(active_frame=="MAIN")
{
if(Get_Sel_Button(point)=="Subs 1")
{
active_button="";
active_frame="Portofoliu1";
}
else
active_button="";
Draw_fundal();
Re_Draw();
}
if((active_frame=="Portofoliu1")||(active_frame=="Portofoliu2"))
{
if(Get_Sel_Button(point)=="Parametrii")
{
active_button="";
active_frame="Portofoliu1";
Draw_fundal();
Fill_Tabel();
//Invalidate();
Re_Draw();
}
else
if(Get_Sel_Button(point)=="Generare")
{
127
}
ok=true;
}
if(Get_Sel_Button(point)=="Snp")
{
{
if(portofoliu.GetAt(11)=='1')
Select_Box(11,0);
else
Select_Box(11,1);
}
ok=true;
}
if(ok)
Draw_fundal();
Fill_Tabel();
Re_Draw();
void CX_TRADEView::OnLButtonUp(UINT nFlags, CPoint point) {
// TODO: Add your message handler code here and/or call default
if(active_frame=="MAIN")
{
if(Get_Sel_Button(point)=="Subs 1")
{
active_button="";
active_frame="Portofoliu1";
}
else
active_button="";
Draw_fundal();
Re_Draw();
}
if((active_frame=="Portofoliu1")||(active_frame=="Portofoliu2"))
{
if(Get_Sel_Button(point)=="Parametrii")
{
active_button="";
active_frame="Portofoliu1";
Draw_fundal();
Fill_Tabel();
//Invalidate();
Re_Draw();
}
else
if(Get_Sel_Button(point)=="Generare")
{
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 127 of 154 - Pages: 127, 127, 06/08/15 07:37 PM
128
active_button="";
active_frame="Portofoliu2";
Draw_fundal();
Fill_Tabel();
Re_Draw();
}
else
if(Get_Sel_Button(point)=="Management")
{
active_button="";
active_frame="Management derivate";
Draw_fundal();
Fill_Tabel();
Re_Draw();
}
else
if(active_button!="")
{
active_button="";
Draw_fundal();
Fill_Tabel();
Re_Draw();
}
}
3.5. Managementul interfeţelor şi dialogurilor
Indiferent de forma de utilizare a SSD24 şi domeniile pentru care
acestea au fost concepute, componenta managementul interfeţelor şi
dialogurilor este cea care furnizează un suport efectiv pentru situaţii de
decizie insuficient structurate.
Managementul interfeţelor şi dialogurilor este considerat deci, unul
dintre cele mai importante componente ale unui sistem suport de asistare a
deciziei pe care îl dorim un sistem interactiv, flexibil, şi simplu în utilizare,
calităţi care se datorează în special interfeţelor grafice şi dialogului. Dincolo de
eforturile făcute pentru conceperea şi realizarea lui, viaţa acestuia depinde de
utilizatorii săi, ei fiind cei care decid dacă şi cât va fi folosit.
24 SSD – Sisteme suport de asistare a deciziilor
128
active_button="";
active_frame="Portofoliu2";
Draw_fundal();
Fill_Tabel();
Re_Draw();
}
else
if(Get_Sel_Button(point)=="Management")
{
active_button="";
active_frame="Management derivate";
Draw_fundal();
Fill_Tabel();
Re_Draw();
}
else
if(active_button!="")
{
active_button="";
Draw_fundal();
Fill_Tabel();
Re_Draw();
}
}
3.5. Managementul interfeţelor şi dialogurilor
Indiferent de forma de utilizare a SSD24 şi domeniile pentru care
acestea au fost concepute, componenta managementul interfeţelor şi
dialogurilor este cea care furnizează un suport efectiv pentru situaţii de
decizie insuficient structurate.
Managementul interfeţelor şi dialogurilor este considerat deci, unul
dintre cele mai importante componente ale unui sistem suport de asistare a
deciziei pe care îl dorim un sistem interactiv, flexibil, şi simplu în utilizare,
calităţi care se datorează în special interfeţelor grafice şi dialogului. Dincolo de
eforturile făcute pentru conceperea şi realizarea lui, viaţa acestuia depinde de
utilizatorii săi, ei fiind cei care decid dacă şi cât va fi folosit.
24 SSD – Sisteme suport de asistare a deciziilor
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 128 of 154 - Pages: 128, 128, 06/08/15 07:37 PM
129
3.5.1. Interfața și dialogul
Interfaţa reprezintă „punctul sau suprafaţa de contact a utilizatorului cu
sistemul informatic”25. Ea este considerată, încă de la începuturile utilizării
SSD, drept partea cea mai importantă a sistemului suport pentru decizii, cea
care poate determina succesul sau insuccesul aplicaţiei. De cele mai multe ori,
în ochii utilizatorului, interfaţa este sistemul însuşi. Principala cerinţă a
acestora este ca interfaţa să fie cât mai intuitivă şi uşor de utilizat. Această
latură este mult mai importantă decât aspectul grafic sau decât folosirea de
tehnologii de ultimă oră; eforturile, substanţiale uneori, depuse în acest sens
pot fi rapid şi iremediabil compromise de un mod de utilizare perceput drept
greoi, complicat sau ilogic de către utilizator. Afirmaţia noastră o putem justifica
prin faptul că, utilizatorul nu este interesat prea mult de echipamentele şi
programele informatice folosite, de modul în care sunt stocate datele în
memoria calculatorului, sau de algoritmii utilizaţi, toate acestea funcţionând
undeva în spatele sistemului, el neavând acces la toate acestea.
Ceea ce îl interesează pe utilizator, poate fi sintetizat în câteva direcţii
pe care noi ne-am propus să le urmărim de fiecare dată, atunci când vom
realiza interfaţa şi dialogul utilizatorului cu sistemul suport pentru
managementul de portofoliu. Distingem, aşadar următorul set de direcţii:
- accesul comod şi eficace la resursele interne ale SSD în timpul
desfăşurării activităţilor de elaborare a deciziilor;
- posibilitatea de a lucra în mod interactiv cu mediul de rezolvare al
problemei, putând furniza parametrii de control în timpul derulării
procesului;
- flexibilitate pentru a permite utilizatorilor să construiască o soluţie ca cel
mai bun răspuns la problema decizională.
În managementul interfeţelor şi dialogurilor dezvoltat pentru sistemul
suport s-a optat, în funcţie de resursele hard şi soft de care am dispus, pentru
folosirea combinată a metodelor de interacţiune recomandate de o serie de
specialişti din domeniu26. Astfel, am considerat că pentru a asigura
interactivitatea utilizatorului cu sistemul suport, dialogul prin meniuri, ferestre,
25 Power, D.J. – Decision Support Systems: Concepts and Resources for Managers,
Quorum Books, Westport, Connecticut, 2002. 26 Steven Alter, Robert Buzzell, Robert Man, John Rockart, De Long David, Ralph
Sprague, Eric Carlson, Edward Tufte, Efraim Turban, R.C. Summers, C. Wood, J.C May, K.L. Norman, A. Porter, B. Shneiderman, V. Zwass – fiecare dintre aceştia oferind pe Internet suficient material bibliografic pe tema interfeţei om-calculator
129
3.5.1. Interfața și dialogul
Interfaţa reprezintă „punctul sau suprafaţa de contact a utilizatorului cu
sistemul informatic”25. Ea este considerată, încă de la începuturile utilizării
SSD, drept partea cea mai importantă a sistemului suport pentru decizii, cea
care poate determina succesul sau insuccesul aplicaţiei. De cele mai multe ori,
în ochii utilizatorului, interfaţa este sistemul însuşi. Principala cerinţă a
acestora este ca interfaţa să fie cât mai intuitivă şi uşor de utilizat. Această
latură este mult mai importantă decât aspectul grafic sau decât folosirea de
tehnologii de ultimă oră; eforturile, substanţiale uneori, depuse în acest sens
pot fi rapid şi iremediabil compromise de un mod de utilizare perceput drept
greoi, complicat sau ilogic de către utilizator. Afirmaţia noastră o putem justifica
prin faptul că, utilizatorul nu este interesat prea mult de echipamentele şi
programele informatice folosite, de modul în care sunt stocate datele în
memoria calculatorului, sau de algoritmii utilizaţi, toate acestea funcţionând
undeva în spatele sistemului, el neavând acces la toate acestea.
Ceea ce îl interesează pe utilizator, poate fi sintetizat în câteva direcţii
pe care noi ne-am propus să le urmărim de fiecare dată, atunci când vom
realiza interfaţa şi dialogul utilizatorului cu sistemul suport pentru
managementul de portofoliu. Distingem, aşadar următorul set de direcţii:
- accesul comod şi eficace la resursele interne ale SSD în timpul
desfăşurării activităţilor de elaborare a deciziilor;
- posibilitatea de a lucra în mod interactiv cu mediul de rezolvare al
problemei, putând furniza parametrii de control în timpul derulării
procesului;
- flexibilitate pentru a permite utilizatorilor să construiască o soluţie ca cel
mai bun răspuns la problema decizională.
În managementul interfeţelor şi dialogurilor dezvoltat pentru sistemul
suport s-a optat, în funcţie de resursele hard şi soft de care am dispus, pentru
folosirea combinată a metodelor de interacţiune recomandate de o serie de
specialişti din domeniu26. Astfel, am considerat că pentru a asigura
interactivitatea utilizatorului cu sistemul suport, dialogul prin meniuri, ferestre,
25 Power, D.J. – Decision Support Systems: Concepts and Resources for Managers,
Quorum Books, Westport, Connecticut, 2002. 26 Steven Alter, Robert Buzzell, Robert Man, John Rockart, De Long David, Ralph
Sprague, Eric Carlson, Edward Tufte, Efraim Turban, R.C. Summers, C. Wood, J.C May, K.L. Norman, A. Porter, B. Shneiderman, V. Zwass – fiecare dintre aceştia oferind pe Internet suficient material bibliografic pe tema interfeţei om-calculator
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 129 of 154 - Pages: 129, 129, 06/08/15 07:37 PM
130
butoane de comandă, butoane de opţiuni, casete de dialog, liste derulante,
imagini (icons) corespunde celor câteva cerinţe legate de realizarea
interfeţelor, cristalizate în timp sub numele de „Regulile de aur ale lui
Shneiderman”27:
- consistenţa: necesitatea execuţiei aceloraşi acţiuni în cazul unor
situaţii similare; se vor executa aceleaşi opţiuni regăsite în cadrul
meniului, vor fi generate aceleaşi mesaje de către sistem;
- existenţa facilităţilor de tip short-cut permiţând utilizatorilor
experimentaţi să aibă la dispoziţie comenzi rapide;
- existenţa unui feedback care să ofere utilizatorilor informaţii asupra
modului de realizare a operaţiei;
- soluţionarea simplă a erorilor: să ofere alternative pentru rezolvarea
erorilor datorate disfuncţionalităţilor hard/soft;
- anularea facilă a efectelor unei comenzi executate;
- asigurarea controlului operaţiilor.
3.5.2. Formate de ecran folosite ca interfață pentru sistemul suport
Proiectarea unei interfeţe este unul dintre domeniile în care
creativitatea şi imaginaţia au un teren extrem de favorabil de manifestare.
Aceasta poate constitui o oportunitate de creştere a valorii percepute de
utilizator prin construirea unei interfeţe originale şi atractive după cum poate
constitui, la fel de bine, o capcană în care, atras de facilităţile grafice din ce în
ce mai bogate, proiectantul să compromită un sistem cu bune funcţionalităţi
printr-o interfaţă excesiv de încărcată sau pretenţioasă.
De aceea am preferat ca interfaţa sistemului suport să aibă în
componenţa sa formate de ecran (forms) şi zone de control (controls). Fiecare
dintre acestea dispun de controale grafice cu un set propriu de proprietăţi,
metode şi evenimente, constituind totodată suportul acestora.
Sistemul suport pentru asistarea deciziei în managementul de
portofoliu, dispune de:
un format de ecran pentru prezentare, care este o instanţă a clasei
Form, se numeşte Startup şi este încărcat de programul principal la
activarea fişierului executabil. Rolul acestui format de ecran este acela
27 Shneiderman B., Designing User Interface for Software, in Proceedings of the
International Conference on System Sciences, Kona, Hawaii, January 1998, page 454
130
butoane de comandă, butoane de opţiuni, casete de dialog, liste derulante,
imagini (icons) corespunde celor câteva cerinţe legate de realizarea
interfeţelor, cristalizate în timp sub numele de „Regulile de aur ale lui
Shneiderman”27:
- consistenţa: necesitatea execuţiei aceloraşi acţiuni în cazul unor
situaţii similare; se vor executa aceleaşi opţiuni regăsite în cadrul
meniului, vor fi generate aceleaşi mesaje de către sistem;
- existenţa facilităţilor de tip short-cut permiţând utilizatorilor
experimentaţi să aibă la dispoziţie comenzi rapide;
- existenţa unui feedback care să ofere utilizatorilor informaţii asupra
modului de realizare a operaţiei;
- soluţionarea simplă a erorilor: să ofere alternative pentru rezolvarea
erorilor datorate disfuncţionalităţilor hard/soft;
- anularea facilă a efectelor unei comenzi executate;
- asigurarea controlului operaţiilor.
3.5.2. Formate de ecran folosite ca interfață pentru sistemul suport
Proiectarea unei interfeţe este unul dintre domeniile în care
creativitatea şi imaginaţia au un teren extrem de favorabil de manifestare.
Aceasta poate constitui o oportunitate de creştere a valorii percepute de
utilizator prin construirea unei interfeţe originale şi atractive după cum poate
constitui, la fel de bine, o capcană în care, atras de facilităţile grafice din ce în
ce mai bogate, proiectantul să compromită un sistem cu bune funcţionalităţi
printr-o interfaţă excesiv de încărcată sau pretenţioasă.
De aceea am preferat ca interfaţa sistemului suport să aibă în
componenţa sa formate de ecran (forms) şi zone de control (controls). Fiecare
dintre acestea dispun de controale grafice cu un set propriu de proprietăţi,
metode şi evenimente, constituind totodată suportul acestora.
Sistemul suport pentru asistarea deciziei în managementul de
portofoliu, dispune de:
un format de ecran pentru prezentare, care este o instanţă a clasei
Form, se numeşte Startup şi este încărcat de programul principal la
activarea fişierului executabil. Rolul acestui format de ecran este acela
27 Shneiderman B., Designing User Interface for Software, in Proceedings of the
International Conference on System Sciences, Kona, Hawaii, January 1998, page 454
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 130 of 154 - Pages: 130, 130, 06/08/15 07:37 PM
131
de a face iniţializările variabilelor globale, de a afişa ecranul de
prezentare timp de 5 secunde, de a închide ecranul Startup şi de a
deschide fereastra de acces;
o forma principală care preia controlul programului din momentul în
care forma de prezentare Startup este descărcată din memorie. Acest
format de ecran este o interfaţă MDI (multipledocument interface -
multidocument) prin faptul că are capacitatea de a activa alte formate.
În fereastra MDI a sistemului sunt plasate mai multe controale grafice:
7 butoane şi 4 imagini corespunzătoare celor 4 subsisteme ale
aplicaţiei. Aceste obiecte de tip buton şi imagine sunt organizate într-o
structură Control Array, fiecare având câte un index, pentru a face o
prelucrare mult mai rapidă a evenimentelor asociate acestora.
format de ecran pentru actualizare, care are ca suport un şablon
comportamental28 al obiectelor şi claselor de obiecte analizate.
Definirea unui şablon facilitează realizarea rapidă a formatelor de ecran
pentru adăugare, modificare şi ştergere a datelor. Şablonul conţine 2
butoane necesare pentru confirmare (Salvare) şi pentru anulare a
acţiunilor (Renunţă). Pentru actualizarea înregistrărilor se adaugă 3
zone de control pentru editarea datelor.
Formate de ecran pentru actualizarea datelor au fost proiectate pentru
tabelele: cotaţii, clienţi, brokeri ale bazei de date.
3.5.3. Controale grafice Visual C++ folosite de sistem ca interfaţă şi pentru
dialogul cu utilizatorii
Controalele grafice specifice limbajului Visual C++, reprezintă arsenalul
de instrumente cu care susţinem o interfaţă robustă, atractivă şi uşor de folosit.
În funcţie de rolul pe care îl pot îndeplinii, controalele grafice permit:
- executarea acţiunilor (butonul de comandă, caseta imagine)
- introducerea şi afişarea informaţiei (eticheta, caseta-text, caseta-listă, caseta
combo)
- selectarea unei opţiuni (caseta şi butonul de opţiune)
- alte operaţii (cronometrul, bara de defilare), etc.
28 Zaharie D., Roşca I., - Proiectarea obiectuală a sistemelor informatice, Editura DualTech, Bucureşti, 2002, pag.211
131
de a face iniţializările variabilelor globale, de a afişa ecranul de
prezentare timp de 5 secunde, de a închide ecranul Startup şi de a
deschide fereastra de acces;
o forma principală care preia controlul programului din momentul în
care forma de prezentare Startup este descărcată din memorie. Acest
format de ecran este o interfaţă MDI (multipledocument interface -
multidocument) prin faptul că are capacitatea de a activa alte formate.
În fereastra MDI a sistemului sunt plasate mai multe controale grafice:
7 butoane şi 4 imagini corespunzătoare celor 4 subsisteme ale
aplicaţiei. Aceste obiecte de tip buton şi imagine sunt organizate într-o
structură Control Array, fiecare având câte un index, pentru a face o
prelucrare mult mai rapidă a evenimentelor asociate acestora.
format de ecran pentru actualizare, care are ca suport un şablon
comportamental28 al obiectelor şi claselor de obiecte analizate.
Definirea unui şablon facilitează realizarea rapidă a formatelor de ecran
pentru adăugare, modificare şi ştergere a datelor. Şablonul conţine 2
butoane necesare pentru confirmare (Salvare) şi pentru anulare a
acţiunilor (Renunţă). Pentru actualizarea înregistrărilor se adaugă 3
zone de control pentru editarea datelor.
Formate de ecran pentru actualizarea datelor au fost proiectate pentru
tabelele: cotaţii, clienţi, brokeri ale bazei de date.
3.5.3. Controale grafice Visual C++ folosite de sistem ca interfaţă şi pentru
dialogul cu utilizatorii
Controalele grafice specifice limbajului Visual C++, reprezintă arsenalul
de instrumente cu care susţinem o interfaţă robustă, atractivă şi uşor de folosit.
În funcţie de rolul pe care îl pot îndeplinii, controalele grafice permit:
- executarea acţiunilor (butonul de comandă, caseta imagine)
- introducerea şi afişarea informaţiei (eticheta, caseta-text, caseta-listă, caseta
combo)
- selectarea unei opţiuni (caseta şi butonul de opţiune)
- alte operaţii (cronometrul, bara de defilare), etc.
28 Zaharie D., Roşca I., - Proiectarea obiectuală a sistemelor informatice, Editura DualTech, Bucureşti, 2002, pag.211
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 131 of 154 - Pages: 131, 131, 06/08/15 07:37 PM
132
Una din metodele prin care proiectanţii de interfeţe grafice, la care noi
am subscris, îşi asigură adeziunea utilizatorilor este folosirea unui design cât
mai apropiat de cel cu care utilizatorii sunt deja obişnuiţi (similar aplicaţiilor
Windows consacrate). De aceea, întocmim o listă (vezi Tabelul 3.12) cu cele
mai frecvent folosite controale grafice Windows şi ActiveX, specificând
funcţionalitatea lor şi câteva indicaţii de utilizare.
Tabelul 3.12 – Controale grafice și funcționalitățile lor
Control grafic Funcţie Observaţii
Buton de comandă Comunicare mesaj
către un control Cel mai simplu element de acţiune
Casetă - text Introducere date Introducere texte, numere, parole
Casetă – text cu
mască de intrare
Numai introducere
date
Introducere informaţie formatată
(valute, date calendaristice, etc)
Rich Text Box Introducere/afişare
date Introducere informaţie formatată
Buton rotativ (Spin
Button) Introducere date
Introducere numere întregi sau fracţii;
de combinat cu o casetă-text
Bara de defilare Introducere date
Setare numere întregi; se utilizează
când datele nu trebuie introduse
„imediat”
Casetă de opţiune Introducere/afişare
date
Alegeri neexclusive; se folosesc în
număr mic
Buton de opţiune Introducere/afişare
date
Alegeri mutual exclusive; un grup cu
mai mult de 5 butoane poate fi
înlocuit cu o casetă-listă cu
proprietatea MultiSelect setată pe
None sau cu o casetă combinată.
Casetă – listă Afişare date
Nu este editabilă direct; este indicat
să nu conţină mai mult de 30 de
elemente
Casetă combinată Introducere/afişare
date Versiune editabilă a unei casete-listă
Caroiaj Afişare date
Nu este editabil direct; se foloseşte
pentru afişarea datelor dispuse pe
linii şi coloane
Caseta dialog Afişare date
132
Una din metodele prin care proiectanţii de interfeţe grafice, la care noi
am subscris, îşi asigură adeziunea utilizatorilor este folosirea unui design cât
mai apropiat de cel cu care utilizatorii sunt deja obişnuiţi (similar aplicaţiilor
Windows consacrate). De aceea, întocmim o listă (vezi Tabelul 3.12) cu cele
mai frecvent folosite controale grafice Windows şi ActiveX, specificând
funcţionalitatea lor şi câteva indicaţii de utilizare.
Tabelul 3.12 – Controale grafice și funcționalitățile lor
Control grafic Funcţie Observaţii
Buton de comandă Comunicare mesaj
către un control Cel mai simplu element de acţiune
Casetă - text Introducere date Introducere texte, numere, parole
Casetă – text cu
mască de intrare
Numai introducere
date
Introducere informaţie formatată
(valute, date calendaristice, etc)
Rich Text Box Introducere/afişare
date Introducere informaţie formatată
Buton rotativ (Spin
Button) Introducere date
Introducere numere întregi sau fracţii;
de combinat cu o casetă-text
Bara de defilare Introducere date
Setare numere întregi; se utilizează
când datele nu trebuie introduse
„imediat”
Casetă de opţiune Introducere/afişare
date
Alegeri neexclusive; se folosesc în
număr mic
Buton de opţiune Introducere/afişare
date
Alegeri mutual exclusive; un grup cu
mai mult de 5 butoane poate fi
înlocuit cu o casetă-listă cu
proprietatea MultiSelect setată pe
None sau cu o casetă combinată.
Casetă – listă Afişare date
Nu este editabilă direct; este indicat
să nu conţină mai mult de 30 de
elemente
Casetă combinată Introducere/afişare
date Versiune editabilă a unei casete-listă
Caroiaj Afişare date
Nu este editabil direct; se foloseşte
pentru afişarea datelor dispuse pe
linii şi coloane
Caseta dialog Afişare date
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 132 of 154 - Pages: 132, 132, 06/08/15 07:37 PM
133
Fiecare control grafic Visual C++ are un set de atribute, numite
proprietăţi; fiecare proprietate poate lua o valoare dintr-un set de valori
permise; valoarea implicită se poate modifica în funcţie de necesităţi, atribuind
o altă valoare din setul de valori permise. setarea iniţială a proprietăţii
controalelor se face cel mai comod în modul Design View.
Prin utilizarea meniurilor, a ferestrelor, butoanelor de comandă şi/sau
de opţiuni, a listelor derulante şi prin scrierea câtorva linii de cod, se oferă
utilizatorului o interfaţă atractivă, intuitivă, extensibilă, uşor de învăţat şi de
utilizat.
Abordarea orientată pe obiecte însușită la proiectarea structurii bazei
de date pentru a reflecta mai bine realitatea, şi-a pus amprenta şi asupra
procesului de realizare a unei interfeţe orientate obiect.
Subliniem că pentru sistemul suport am realizat o interfaţă orientată
obiect în adevăratul sens al cuvântului, fără a ne baza pe faptul că simpla
utilizare a unor controale grafice de genul celor prezentate în Tabelul 3.12.
conferă automat interfeţei caracterul de orientat obiect. Argumentul nostru este
că, în cazul în care utilizatorul trebuie să selecteze anumite informaţii din baza
de date, să le formateze şi apoi să listeze raportul astfel generat, va simţi
avantajele interfeţei orientate obiect în defavoarea unei interfeţe orientate spre
comenzi.
Într-o interfaţă grafică orientată spre comenzi (funcţii), utilizatorului i se
oferă o fereastră dialog (de exemplu o grilă QBE), în care i se cere să specifice
criteriul de selecţie; apoi, utilizatorul poate selecta opţiunile de formatare dintr-
un meniu derulant şi, în fine, poate da comanda de printare. Toate operaţiile se
execută grafic şi sunt puternic centrate pe acţiunile pe care trebuie să le
execute utilizatorul, adică pe comenzile pe care acestea i le transmite
calculatorul, şi nu pe datele efective pe care utilizatorul trebuie să le
manipuleze pentru a obţine raportul. De fapt utilizatorul vede datele pe care
trebuie să le prelucreze numai după executarea şi a ultimului pas din secvenţa
de prelucrări. Este necesar să îşi amintească numele tabelei, structura
câmpurilor, criteriul de selecţie, sintaxa acestuia, etc.
Într-o interfaţă orientată spre obiecte aşa cum este cea proiectată
pentru sistemul suport utilizatorul are la dispoziţie o fereastră-dialog ce conţine
înregistrările care populează baza de date, ceea ce facilitează în mod
semnificativ sarcina acestuia de a-şi aminti conţinutul bazei de date şi de a
compune un criteriu de selecţie corespunzător. Ca urmare, fereastra-dialog
133
Fiecare control grafic Visual C++ are un set de atribute, numite
proprietăţi; fiecare proprietate poate lua o valoare dintr-un set de valori
permise; valoarea implicită se poate modifica în funcţie de necesităţi, atribuind
o altă valoare din setul de valori permise. setarea iniţială a proprietăţii
controalelor se face cel mai comod în modul Design View.
Prin utilizarea meniurilor, a ferestrelor, butoanelor de comandă şi/sau
de opţiuni, a listelor derulante şi prin scrierea câtorva linii de cod, se oferă
utilizatorului o interfaţă atractivă, intuitivă, extensibilă, uşor de învăţat şi de
utilizat.
Abordarea orientată pe obiecte însușită la proiectarea structurii bazei
de date pentru a reflecta mai bine realitatea, şi-a pus amprenta şi asupra
procesului de realizare a unei interfeţe orientate obiect.
Subliniem că pentru sistemul suport am realizat o interfaţă orientată
obiect în adevăratul sens al cuvântului, fără a ne baza pe faptul că simpla
utilizare a unor controale grafice de genul celor prezentate în Tabelul 3.12.
conferă automat interfeţei caracterul de orientat obiect. Argumentul nostru este
că, în cazul în care utilizatorul trebuie să selecteze anumite informaţii din baza
de date, să le formateze şi apoi să listeze raportul astfel generat, va simţi
avantajele interfeţei orientate obiect în defavoarea unei interfeţe orientate spre
comenzi.
Într-o interfaţă grafică orientată spre comenzi (funcţii), utilizatorului i se
oferă o fereastră dialog (de exemplu o grilă QBE), în care i se cere să specifice
criteriul de selecţie; apoi, utilizatorul poate selecta opţiunile de formatare dintr-
un meniu derulant şi, în fine, poate da comanda de printare. Toate operaţiile se
execută grafic şi sunt puternic centrate pe acţiunile pe care trebuie să le
execute utilizatorul, adică pe comenzile pe care acestea i le transmite
calculatorul, şi nu pe datele efective pe care utilizatorul trebuie să le
manipuleze pentru a obţine raportul. De fapt utilizatorul vede datele pe care
trebuie să le prelucreze numai după executarea şi a ultimului pas din secvenţa
de prelucrări. Este necesar să îşi amintească numele tabelei, structura
câmpurilor, criteriul de selecţie, sintaxa acestuia, etc.
Într-o interfaţă orientată spre obiecte aşa cum este cea proiectată
pentru sistemul suport utilizatorul are la dispoziţie o fereastră-dialog ce conţine
înregistrările care populează baza de date, ceea ce facilitează în mod
semnificativ sarcina acestuia de a-şi aminti conţinutul bazei de date şi de a
compune un criteriu de selecţie corespunzător. Ca urmare, fereastra-dialog
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 133 of 154 - Pages: 133, 133, 06/08/15 07:37 PM
134
afişează datele care verifică acel criteriu de selecţie, iar caracterul interactiv al
interfeţei va permite modificarea criteriului şi afişarea datelor care îl verifică în
mod repetat, până când utilizatorul este satisfăcut de rezultat. Analog,
formatarea se face prin modificarea aspectului ferestrei dialog până la
obţinerea formatului dorit. Ultimul pas va fi tot printarea. Rezultatul nu este însă
„la prima vedere”, ci va fi unul cu care utilizatorul este familiarizat graţie feed-
back-ului imediat primit pe parcursul tuturor acestor operaţii centrate, de
această dată, pe datele de prelucrat.
Accentul pus pe abordarea orientată obiect în tot ceea ce a contribuit la
definitivarea sistemului suport pentru asistarea deciziei în managementul de
portofoliu se înscrie în această nouă orientare, care a devenit trăsătura
comună a generaţie actuale de metode de proiectare a sistemelor şi aplicaţiilor
informatice de gestiune. Practica a dovedit ceea ce studiile şi cercetările
teoretice au anticipat, că aplicarea acestui demers conduce la soluţii
superioare calitativ, în special în cazul sistemelor de mari dimensiuni şi
complexitate, aşa cum este sistemul bursier analizat de noi.
3.6. Funcţionalităţile sistemului pentru managementul de
portofoliu. Prezentarea generală a sesiunii de lucru
Dinamica operaţiunilor cu produse financiare derivate şi explozia
informaţională din „ringul bursier”, fac din utilizarea XTrade ca sistem interactiv
de asistare a deciziilor, o necesitate. În ciuda limitărilor impuse de
imposibilitatea reproducerii perfecte de către calculator a raţionamentelor
umane, XTrade reprezintă instrumentul indispensabil managerului modern de
portofoliu, întrucât marea majoritate a activităţilor decizionale de rutină,
volumul total al informaţiilor necesare modelului decizional împreună cu
tehnicile de căutare şi regăsire a informaţiei sunt preluate complet de către
acesta.
Funcţionalităţile oferite de XTrade managementului de portofoliu, dar şi
managementului Bursei, ca urmare a posibilităţilor de integrare a sa în sistemul
informatic general, sunt desprinse din avantajele generale ce decurg din
introducerea sistemelor soft în asistarea deciziilor, cu referire la:
accesul al informaţii pertinente şi controlul accesului;
manipularea informaţiilor şi prezentarea rezultatelor;
134
afişează datele care verifică acel criteriu de selecţie, iar caracterul interactiv al
interfeţei va permite modificarea criteriului şi afişarea datelor care îl verifică în
mod repetat, până când utilizatorul este satisfăcut de rezultat. Analog,
formatarea se face prin modificarea aspectului ferestrei dialog până la
obţinerea formatului dorit. Ultimul pas va fi tot printarea. Rezultatul nu este însă
„la prima vedere”, ci va fi unul cu care utilizatorul este familiarizat graţie feed-
back-ului imediat primit pe parcursul tuturor acestor operaţii centrate, de
această dată, pe datele de prelucrat.
Accentul pus pe abordarea orientată obiect în tot ceea ce a contribuit la
definitivarea sistemului suport pentru asistarea deciziei în managementul de
portofoliu se înscrie în această nouă orientare, care a devenit trăsătura
comună a generaţie actuale de metode de proiectare a sistemelor şi aplicaţiilor
informatice de gestiune. Practica a dovedit ceea ce studiile şi cercetările
teoretice au anticipat, că aplicarea acestui demers conduce la soluţii
superioare calitativ, în special în cazul sistemelor de mari dimensiuni şi
complexitate, aşa cum este sistemul bursier analizat de noi.
3.6. Funcţionalităţile sistemului pentru managementul de
portofoliu. Prezentarea generală a sesiunii de lucru
Dinamica operaţiunilor cu produse financiare derivate şi explozia
informaţională din „ringul bursier”, fac din utilizarea XTrade ca sistem interactiv
de asistare a deciziilor, o necesitate. În ciuda limitărilor impuse de
imposibilitatea reproducerii perfecte de către calculator a raţionamentelor
umane, XTrade reprezintă instrumentul indispensabil managerului modern de
portofoliu, întrucât marea majoritate a activităţilor decizionale de rutină,
volumul total al informaţiilor necesare modelului decizional împreună cu
tehnicile de căutare şi regăsire a informaţiei sunt preluate complet de către
acesta.
Funcţionalităţile oferite de XTrade managementului de portofoliu, dar şi
managementului Bursei, ca urmare a posibilităţilor de integrare a sa în sistemul
informatic general, sunt desprinse din avantajele generale ce decurg din
introducerea sistemelor soft în asistarea deciziilor, cu referire la:
accesul al informaţii pertinente şi controlul accesului;
manipularea informaţiilor şi prezentarea rezultatelor;
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 134 of 154 - Pages: 134, 134, 06/08/15 07:37 PM
135
structurarea informaţiilor sub formă de modele: relaţii între variabile,
sisteme de relaţii, arbori de decizie;
efectuarea de simulări, generarea de alternative (scenarii) şi
evaluarea acestora;
conservarea sub formă de bibliotecă a conceptelor şi informaţiilor
utile în interpretarea rezultatelor;
expertiză automată.
Referindu-ne la sistemul suport dezvoltat cu scopul de a asista
managementul de portofoliu, funcţionalităţile sale ca sistem interactiv de
asistare a deciziei constau în principal în:
culegerea şi prelucrarea rapidă a unui volum mare de date; pentru aceasta
utilizatorul foloseşte casetele de dialog Introducere date pentru…, care oferă
posibilităţi de vizualizarea a site-ului Burse în vederea preluării datelor
referitoare la cotaţiile produselor financiare derivate dar şi posibilitatea de
descărcare (Download) a datelor de pe serverele specializate în furnizarea
cotaţiilor bursiere;
utilizarea metodelor şi modelelor economico-matematice riguroase în analiza
şi interpretarea informaţiilor; în acest sens, nu este lipsit de interes să
precizăm faptul că am utilizat tehnici moderne de modelare a deciziei dar şi o
serie de modele matematice consacrate, astfel:
modelul de piaţă – a constituit punctul de plecare în fundamentarea
studiului privind modelarea situaţiei decizionale expuse;
algoritmul „exces de randament” – derivă din modelul de piaţă şi este
cel care răspunde cu rezultate foarte bune, necesităţii de selecţie dintr-
un lot de produse financiare derivate tranzacţionate, a acelora care
adunate într-un portofoliu strategic să aducă profit investitorului;
funcţiile de regresie – permit previzionarea evoluţiei cursului derivatelor,
indicând valori pe aceste le pot atinge într-o perioadă viitoare, în funcţie
de trendul specificat;
mediile mobile – ajustează seria cronologică în măsura în care setul de
date este suficient de mare; se practică cu succes, dacă intervalul ales
este de cel puţin 200 de zile;
oscilatorii bursieri – asistă cu succes utilizatorul în fundamentarea
deciziei de tranzacţionare, deoarece sunt capabili să sesizeze
intensitatea evoluţiilor de preţ, pe orice trend (fie acesta ascendent sau
descendent).
135
structurarea informaţiilor sub formă de modele: relaţii între variabile,
sisteme de relaţii, arbori de decizie;
efectuarea de simulări, generarea de alternative (scenarii) şi
evaluarea acestora;
conservarea sub formă de bibliotecă a conceptelor şi informaţiilor
utile în interpretarea rezultatelor;
expertiză automată.
Referindu-ne la sistemul suport dezvoltat cu scopul de a asista
managementul de portofoliu, funcţionalităţile sale ca sistem interactiv de
asistare a deciziei constau în principal în:
culegerea şi prelucrarea rapidă a unui volum mare de date; pentru aceasta
utilizatorul foloseşte casetele de dialog Introducere date pentru…, care oferă
posibilităţi de vizualizarea a site-ului Burse în vederea preluării datelor
referitoare la cotaţiile produselor financiare derivate dar şi posibilitatea de
descărcare (Download) a datelor de pe serverele specializate în furnizarea
cotaţiilor bursiere;
utilizarea metodelor şi modelelor economico-matematice riguroase în analiza
şi interpretarea informaţiilor; în acest sens, nu este lipsit de interes să
precizăm faptul că am utilizat tehnici moderne de modelare a deciziei dar şi o
serie de modele matematice consacrate, astfel:
modelul de piaţă – a constituit punctul de plecare în fundamentarea
studiului privind modelarea situaţiei decizionale expuse;
algoritmul „exces de randament” – derivă din modelul de piaţă şi este
cel care răspunde cu rezultate foarte bune, necesităţii de selecţie dintr-
un lot de produse financiare derivate tranzacţionate, a acelora care
adunate într-un portofoliu strategic să aducă profit investitorului;
funcţiile de regresie – permit previzionarea evoluţiei cursului derivatelor,
indicând valori pe aceste le pot atinge într-o perioadă viitoare, în funcţie
de trendul specificat;
mediile mobile – ajustează seria cronologică în măsura în care setul de
date este suficient de mare; se practică cu succes, dacă intervalul ales
este de cel puţin 200 de zile;
oscilatorii bursieri – asistă cu succes utilizatorul în fundamentarea
deciziei de tranzacţionare, deoarece sunt capabili să sesizeze
intensitatea evoluţiilor de preţ, pe orice trend (fie acesta ascendent sau
descendent).
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 135 of 154 - Pages: 135, 135, 06/08/15 07:37 PM
136
realizarea unor corelaţii multiple între elementele şi fenomenele
caracteristice situaţiilor decizionale analizate, corelaţii care oferă
posibilitatea unor analize şi interpretări complex fundamentate,
prezentate într-o manieră deosebit de sugestivă pentru decident;
descrierea şi analiza informaţiilor de bază cu instrumente statistice
(analize de date, previziuni);
obţinerea de rapoarte şi situaţii centralizatoare, pentru analiza şi
interpretarea cărora se foloseşte sintetizarea informaţiilor sub formă
grafică şi tabelară;
Pentru implementarea acestor funcţionalităţi, prima versiune a
sistemului suport oferă utilizatorilor săi, un veritabil instrument pentru asistarea
deciziilor, prezentând numeroase opţiuni de prelucrare a datelor, de analiză a
informaţiilor, având capacitatea de adaptare la nivel individual sau
organizaţional.
În plus, sistemul suport rulează pe o gamă largă de echipamente, nu
neapărat foarte sofisticate sau pretenţioase, fiind capabil să gestioneze volume
mari de date singur şi economic, într-o reţea de calculatoare sau monopost.
Construit pe o tehnologie cu performanţe verificate, baza de date a sistemului
este orientată obiect şi concepută astfel încât să micşoreze costurile de
întreţinere şi exploatare a sistemului de calcul, să gestioneze toate tipurile de
date, să ofere acces rapid la informaţie tuturor tipurilor de utilizatori.
Cu multă convingere, credem că XTrade este de mare ajutor pentru
identificarea şi măsurarea relaţiilor între diferite dimensiuni ale datelor şi în
special ale acelora care au în comun anumite seturi de valori ce pot previziona
la rândul lor, alte seturi de valori. Astfel, cu XTrade se pot obţine relaţii
complexe între date permiţând o analiză calitativă şi cantitativă a datelor
necesare derulării unui management eficient al operaţiunilor cu produse
financiare derivate.
Pentru XTrade am adoptat în realizarea sa, o abordare modulară,
astfel că pentru a rula programul este nevoie de modulele de bază. La acestea
se adaugă programele care definesc structurile de date, încărcarea şi salvarea
acestora pe suportul magnetic.
În ansamblu, la rularea fişierului executabil xtrade.exe se lansează în
execuţie sistemul interactiv de asistare a deciziei denumit XTrade şi proiectat
pentru a susţine utilizatorul – broker, trader, analist, în activitatea sa
decizională.
136
realizarea unor corelaţii multiple între elementele şi fenomenele
caracteristice situaţiilor decizionale analizate, corelaţii care oferă
posibilitatea unor analize şi interpretări complex fundamentate,
prezentate într-o manieră deosebit de sugestivă pentru decident;
descrierea şi analiza informaţiilor de bază cu instrumente statistice
(analize de date, previziuni);
obţinerea de rapoarte şi situaţii centralizatoare, pentru analiza şi
interpretarea cărora se foloseşte sintetizarea informaţiilor sub formă
grafică şi tabelară;
Pentru implementarea acestor funcţionalităţi, prima versiune a
sistemului suport oferă utilizatorilor săi, un veritabil instrument pentru asistarea
deciziilor, prezentând numeroase opţiuni de prelucrare a datelor, de analiză a
informaţiilor, având capacitatea de adaptare la nivel individual sau
organizaţional.
În plus, sistemul suport rulează pe o gamă largă de echipamente, nu
neapărat foarte sofisticate sau pretenţioase, fiind capabil să gestioneze volume
mari de date singur şi economic, într-o reţea de calculatoare sau monopost.
Construit pe o tehnologie cu performanţe verificate, baza de date a sistemului
este orientată obiect şi concepută astfel încât să micşoreze costurile de
întreţinere şi exploatare a sistemului de calcul, să gestioneze toate tipurile de
date, să ofere acces rapid la informaţie tuturor tipurilor de utilizatori.
Cu multă convingere, credem că XTrade este de mare ajutor pentru
identificarea şi măsurarea relaţiilor între diferite dimensiuni ale datelor şi în
special ale acelora care au în comun anumite seturi de valori ce pot previziona
la rândul lor, alte seturi de valori. Astfel, cu XTrade se pot obţine relaţii
complexe între date permiţând o analiză calitativă şi cantitativă a datelor
necesare derulării unui management eficient al operaţiunilor cu produse
financiare derivate.
Pentru XTrade am adoptat în realizarea sa, o abordare modulară,
astfel că pentru a rula programul este nevoie de modulele de bază. La acestea
se adaugă programele care definesc structurile de date, încărcarea şi salvarea
acestora pe suportul magnetic.
În ansamblu, la rularea fişierului executabil xtrade.exe se lansează în
execuţie sistemul interactiv de asistare a deciziei denumit XTrade şi proiectat
pentru a susţine utilizatorul – broker, trader, analist, în activitatea sa
decizională.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 136 of 154 - Pages: 136, 136, 06/08/15 07:37 PM
137
Sesiunea de lucru XTrade debutează cu fereastra principală, din
Figura 3.17.
Figura 3.17. – Fereastra principală
Fereastra principală a sistemului suport grupează în 3 zone distincte,
grupuri de butoane ce au ataşate imagini de tip .bmp, cu funcţionalitatea
caracteristică butoanelor de comandă. Astfel, la activare generează, conform
codului Visual C++ asociat, proceduri specifice în conformitate cu proprietatea
name atribuită şi declanşează casete de dialog pentru ca utilizatorul să
precizeze datele necesare prelucrărilor.
În continuare, delimităm cele 3 zone ale ferestrei principale şi
prezentăm sintetic funcţionalitatea fiecăreia, pentru familiarizarea viitorilor
utilizatori, cu acest sistem interactiv de asistare a deciziei, proiectat de noi
pentru a susţine managementul operaţiunilor cu produse financiare derivate.
Astfel:
Zona I este reprezentată prin Figura 3.18. şi permite conectarea rapidă
cu ajutorul butoanelor de comandă poziţionate în frame-ul
CONECTEAZĂ, la site-ul BMFMS şi la site-ul Bursei de Valori pentru a
vizualiza cotaţiile aferente derivatelor financiare şi activelor lor suport.
137
Sesiunea de lucru XTrade debutează cu fereastra principală, din
Figura 3.17.
Figura 3.17. – Fereastra principală
Fereastra principală a sistemului suport grupează în 3 zone distincte,
grupuri de butoane ce au ataşate imagini de tip .bmp, cu funcţionalitatea
caracteristică butoanelor de comandă. Astfel, la activare generează, conform
codului Visual C++ asociat, proceduri specifice în conformitate cu proprietatea
name atribuită şi declanşează casete de dialog pentru ca utilizatorul să
precizeze datele necesare prelucrărilor.
În continuare, delimităm cele 3 zone ale ferestrei principale şi
prezentăm sintetic funcţionalitatea fiecăreia, pentru familiarizarea viitorilor
utilizatori, cu acest sistem interactiv de asistare a deciziei, proiectat de noi
pentru a susţine managementul operaţiunilor cu produse financiare derivate.
Astfel:
Zona I este reprezentată prin Figura 3.18. şi permite conectarea rapidă
cu ajutorul butoanelor de comandă poziţionate în frame-ul
CONECTEAZĂ, la site-ul BMFMS şi la site-ul Bursei de Valori pentru a
vizualiza cotaţiile aferente derivatelor financiare şi activelor lor suport.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 137 of 154 - Pages: 137, 137, 06/08/15 07:37 PM
138
Figura 3.18. – Zona I: Conectare la site-ul Bursei
Zona II este reprezentată prin Figura 3.19. şi cuprinde un grup de
butoane de comandă utilizate pentru introducere de date şi actualizare
bază de date, realizare grafice, generare rapoarte, utilizare diverse
instrumente, furnizare asistenţă soft.
Figura 3.19. – Zona II: Butoane de comandă
La activare, butonul INTRODUCERE DATE, generează caseta de
dialog din Figura 3.20 în care utilizatorul are posibilitatea să vizualizeze
cotaţiile deja introduse în baza de date dar şi să actualizeze înregistrările
acesteia, prin folosirea butoanelor: ADAUGĂ, MODIFICĂ, ŞTERGE. Caseta de
dialog dispune de 5 frame-uri, care grupează operaţiuni de:
- alegere dintr-o listă derulantă a titlului derivat;
- actualizare a bazei de date. Atunci când se doreşte adăugarea de noi
cotaţii în baza de date, frame-ul DATE devine activ şi permite
introducerea de noi informaţii cu privire la cotaţia înregistrată, valoarea
indicelui BET şi a activului fără risc (AF), având posibilitatea de a selecta
data calendaristică dintr-un control de tip Data. Dacă se doreşte
actualizarea prin modificare sau ştergere, se alege înregistrarea în cauză
şi se activează butonul MODIFICĂ sau ŞTERGE.
138
Figura 3.18. – Zona I: Conectare la site-ul Bursei
Zona II este reprezentată prin Figura 3.19. şi cuprinde un grup de
butoane de comandă utilizate pentru introducere de date şi actualizare
bază de date, realizare grafice, generare rapoarte, utilizare diverse
instrumente, furnizare asistenţă soft.
Figura 3.19. – Zona II: Butoane de comandă
La activare, butonul INTRODUCERE DATE, generează caseta de
dialog din Figura 3.20 în care utilizatorul are posibilitatea să vizualizeze
cotaţiile deja introduse în baza de date dar şi să actualizeze înregistrările
acesteia, prin folosirea butoanelor: ADAUGĂ, MODIFICĂ, ŞTERGE. Caseta de
dialog dispune de 5 frame-uri, care grupează operaţiuni de:
- alegere dintr-o listă derulantă a titlului derivat;
- actualizare a bazei de date. Atunci când se doreşte adăugarea de noi
cotaţii în baza de date, frame-ul DATE devine activ şi permite
introducerea de noi informaţii cu privire la cotaţia înregistrată, valoarea
indicelui BET şi a activului fără risc (AF), având posibilitatea de a selecta
data calendaristică dintr-un control de tip Data. Dacă se doreşte
actualizarea prin modificare sau ştergere, se alege înregistrarea în cauză
şi se activează butonul MODIFICĂ sau ŞTERGE.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 138 of 154 - Pages: 138, 138, 06/08/15 07:37 PM
139
Figura 3.20 Caseta de dialog Actualizare bază de date
- vizualizare a intervalului de analiză, indicându-se prima şi ultima cotaţie
înregistrată în baza de date;
- descărcare a datelor de pe serverul specializat în furnizarea de cotaţii
bursiere; specificăm că această operaţiune este posibilă numai pentru
contractele futures EuroUsd şi UsdJpy oferind informaţii cu privire la
dată, preţ de deschidere, preţ maxim, minim şi de închidere; la activarea
butonului OK datele preluate pot fi adăugate în fişierul bazei de date (vezi
Figura 3.21.)
139
Figura 3.20 Caseta de dialog Actualizare bază de date
- vizualizare a intervalului de analiză, indicându-se prima şi ultima cotaţie
înregistrată în baza de date;
- descărcare a datelor de pe serverul specializat în furnizarea de cotaţii
bursiere; specificăm că această operaţiune este posibilă numai pentru
contractele futures EuroUsd şi UsdJpy oferind informaţii cu privire la
dată, preţ de deschidere, preţ maxim, minim şi de închidere; la activarea
butonului OK datele preluate pot fi adăugate în fişierul bazei de date (vezi
Figura 3.21.)
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 139 of 154 - Pages: 139, 139, 06/08/15 07:37 PM
140
Figura 3.21. – Caseta de dialog Download cotaţii
La activare, butonul GRAFICE realizează analiza grafică a evoluţiei
cotaţiilor futures, prin utilizarea unor tipuri de grafice specifice activităţii de
management al operaţiunilor, precum şi a unor grafice generale, utilizate în
analiza statistică a seriilor cronologice de date. Caseta de dialog Graficele
cotaţiilor futures (vezi Figura 3.22) prezintă graficele aferente cotaţiilor bursiere
înregistrate într-un anumit interval de timp, ale cărui limite sunt precizate în
frame-ul Interval de analiză. La baza zonei de afişare a graficului se află bara
de derulare, ce permite vizualizarea trendului cotaţiilor pentru derivatul
selectat, deplasându-ne de la un capăt la altul al intervalului de analiză.
Frame-ul Setări grafic oferă posibilitatea de a stabili numărul de paşilor de
afişare dar şi de a stabili sau nu un caroiaj pentru zona de vizualizare a
graficelor, cu scopul unei mai bune aprecierii a trendului.
140
Figura 3.21. – Caseta de dialog Download cotaţii
La activare, butonul GRAFICE realizează analiza grafică a evoluţiei
cotaţiilor futures, prin utilizarea unor tipuri de grafice specifice activităţii de
management al operaţiunilor, precum şi a unor grafice generale, utilizate în
analiza statistică a seriilor cronologice de date. Caseta de dialog Graficele
cotaţiilor futures (vezi Figura 3.22) prezintă graficele aferente cotaţiilor bursiere
înregistrate într-un anumit interval de timp, ale cărui limite sunt precizate în
frame-ul Interval de analiză. La baza zonei de afişare a graficului se află bara
de derulare, ce permite vizualizarea trendului cotaţiilor pentru derivatul
selectat, deplasându-ne de la un capăt la altul al intervalului de analiză.
Frame-ul Setări grafic oferă posibilitatea de a stabili numărul de paşilor de
afişare dar şi de a stabili sau nu un caroiaj pentru zona de vizualizare a
graficelor, cu scopul unei mai bune aprecierii a trendului.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 140 of 154 - Pages: 140, 140, 06/08/15 07:37 PM
141
Figura 3.22. – Caseta de dialog Graficele cotaţiilor futures
Butonul RAPOARTE oferă posibilitatea de a prelua datele din baza de
date, de a le sorta, grupa, rezuma şi analiza pentru a fundamenta decizii
corecte în funcţie de acestea.
Acest buton generează la activare un formular (vezi Figura 3.23) în
care sunt prezente o serie de situaţii centralizatoare şi rapoarte utile
managementului operaţiunilor, scopul principal al acestora fiind acela de a
reuni elementele individuale din baza de date şi de a le prelucra pentru ca
acestea să devină informaţie. Informaţia astfel obţinută va reprezenta date
compilate, pe care managerul de portofoliu le poate folosi pentru a lua decizii,
pentru a lansa studii şi pentru a înţelege mai bine fenomenele şi procesele
care se derulează în ringul bursei. De asemenea, informaţiile obţinute răspund
clar, coincis la întrebările de genul: Câte/Câţi? Cine? Ce se întâmplă? Unde?
Cât timp? Când? De ce?
141
Figura 3.22. – Caseta de dialog Graficele cotaţiilor futures
Butonul RAPOARTE oferă posibilitatea de a prelua datele din baza de
date, de a le sorta, grupa, rezuma şi analiza pentru a fundamenta decizii
corecte în funcţie de acestea.
Acest buton generează la activare un formular (vezi Figura 3.23) în
care sunt prezente o serie de situaţii centralizatoare şi rapoarte utile
managementului operaţiunilor, scopul principal al acestora fiind acela de a
reuni elementele individuale din baza de date şi de a le prelucra pentru ca
acestea să devină informaţie. Informaţia astfel obţinută va reprezenta date
compilate, pe care managerul de portofoliu le poate folosi pentru a lua decizii,
pentru a lansa studii şi pentru a înţelege mai bine fenomenele şi procesele
care se derulează în ringul bursei. De asemenea, informaţiile obţinute răspund
clar, coincis la întrebările de genul: Câte/Câţi? Cine? Ce se întâmplă? Unde?
Cât timp? Când? De ce?
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 141 of 154 - Pages: 141, 141, 06/08/15 07:37 PM
142
Figura 3.23. – Formularul cu rapoarte şi situaţii centralizatoare
La activare, butonul TOOLS lansează în execuţie aplicaţia WinPP, care
permite verificarea stabilităţii şi echilibrului sistemului bursier analizat. Aplicaţia
este ataşată sistemului suport şi constituie un veritabil instrument de analiză
care poate furniza informaţii în orice moment cu privire la «cât de stabilă este
piaţa?» şi «la ce este de făcut având în vedere semnalele arătate?»
Pentru a utiliza cu succes aplicaţia, din fereastra Open care apare
odată cu activarea executabilului, se alege fişierul phase.ode. Se introduc
parametrii, variabilele şi se observă dacă valorile obţinute se înscriu în zona de
stabilitate sau de instabilitate.
În Figura 3.24 se prezintă printr-o captură de ecran aplicaţia WinPP în
execuţie şi rezultatul care se obţine în urma trasării traiectoriilor de fază de
către acesta. Caseta de dialog Fixed Points (Punct de echilibru) indică
STABLE, adică stabilitatea echilibrului în funcţie de datele introduse. În acelaşi
timp, sunt oferite utilizatorului coordonatele punctului de echilibru precum şi
valorile proprii corespunzătoare.
142
Figura 3.23. – Formularul cu rapoarte şi situaţii centralizatoare
La activare, butonul TOOLS lansează în execuţie aplicaţia WinPP, care
permite verificarea stabilităţii şi echilibrului sistemului bursier analizat. Aplicaţia
este ataşată sistemului suport şi constituie un veritabil instrument de analiză
care poate furniza informaţii în orice moment cu privire la «cât de stabilă este
piaţa?» şi «la ce este de făcut având în vedere semnalele arătate?»
Pentru a utiliza cu succes aplicaţia, din fereastra Open care apare
odată cu activarea executabilului, se alege fişierul phase.ode. Se introduc
parametrii, variabilele şi se observă dacă valorile obţinute se înscriu în zona de
stabilitate sau de instabilitate.
În Figura 3.24 se prezintă printr-o captură de ecran aplicaţia WinPP în
execuţie şi rezultatul care se obţine în urma trasării traiectoriilor de fază de
către acesta. Caseta de dialog Fixed Points (Punct de echilibru) indică
STABLE, adică stabilitatea echilibrului în funcţie de datele introduse. În acelaşi
timp, sunt oferite utilizatorului coordonatele punctului de echilibru precum şi
valorile proprii corespunzătoare.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 142 of 154 - Pages: 142, 142, 06/08/15 07:37 PM
143
Figura 3.24 – Aplicaţia WinPP în execuţie
De asemenea, WinPP facilitează vizualizarea evoluţiei variabilelor în
timp dar şi evoluţia unei variabile în raport de cealaltă. Pentru aceasta, se
apelează meniul Graphics şi comanda View pentru ca, să se precizeze axele
de coordonate (x1, x2 sau t) şi să se obţină un grafic tridimensional în funcţie de
aceste variabile (caseta de dialog din Figura 3.25).
Figura 3.25 – Caseta de dialog View Parametrs
143
Figura 3.24 – Aplicaţia WinPP în execuţie
De asemenea, WinPP facilitează vizualizarea evoluţiei variabilelor în
timp dar şi evoluţia unei variabile în raport de cealaltă. Pentru aceasta, se
apelează meniul Graphics şi comanda View pentru ca, să se precizeze axele
de coordonate (x1, x2 sau t) şi să se obţină un grafic tridimensional în funcţie de
aceste variabile (caseta de dialog din Figura 3.25).
Figura 3.25 – Caseta de dialog View Parametrs
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 143 of 154 - Pages: 143, 143, 06/08/15 07:37 PM
144
La activare, butonul HELP pune la dispoziţia utilizatorului un sistem de
asistenţă soft. Acest sistem oferă informaţii Despre XTrade … şi Cum să …
folosească acest pachet software pentru asistarea deciziei în managementul
operaţiunilor cu produse financiare derivate (Figura 3.26.)
Figura 3.26. – Asistenţa soft realizată de sistemul suport
Se observă că sistemul de asistenţă este realizat în format HTML şi
se prezintă sub forma unui site web. Pentru realizarea acestuia au fost
create fişiere text, de tip .doc care au fost salvate în format .html. Fişierele
de help conţin salturi de la o pagină la alta, explicaţii în cadrul aceleiaşi
pagini asupra unor subiecte, cuvinte cheie cu ajutorul cărora utilizatorul
poate căuta un subiect, referinţe de context
Zona III este redată prin Figura 3.27. şi cuprinde alte 4 butoane de
comandă care segmentează aplicaţia în tot atâtea subsisteme, fiind
vorba despre: PORTOFOLIUL STRATEGIC, PROGNOZE PENTRU
COTAŢIILE FUTURES ŞI OPTIONS, INSTRUMENTE BURSIERE DE
ASISTARE A DECIZIEI şi TRANZACŢII.
144
La activare, butonul HELP pune la dispoziţia utilizatorului un sistem de
asistenţă soft. Acest sistem oferă informaţii Despre XTrade … şi Cum să …
folosească acest pachet software pentru asistarea deciziei în managementul
operaţiunilor cu produse financiare derivate (Figura 3.26.)
Figura 3.26. – Asistenţa soft realizată de sistemul suport
Se observă că sistemul de asistenţă este realizat în format HTML şi
se prezintă sub forma unui site web. Pentru realizarea acestuia au fost
create fişiere text, de tip .doc care au fost salvate în format .html. Fişierele
de help conţin salturi de la o pagină la alta, explicaţii în cadrul aceleiaşi
pagini asupra unor subiecte, cuvinte cheie cu ajutorul cărora utilizatorul
poate căuta un subiect, referinţe de context
Zona III este redată prin Figura 3.27. şi cuprinde alte 4 butoane de
comandă care segmentează aplicaţia în tot atâtea subsisteme, fiind
vorba despre: PORTOFOLIUL STRATEGIC, PROGNOZE PENTRU
COTAŢIILE FUTURES ŞI OPTIONS, INSTRUMENTE BURSIERE DE
ASISTARE A DECIZIEI şi TRANZACŢII.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 144 of 154 - Pages: 144, 144, 06/08/15 07:37 PM
145
Figura 3.27. – Zona III: Subsistemele sistemului suport în asistarea deciziei de
management portofoliu
Se observă că acestea, de fapt sunt activităţi care considerate în
ansamblul lor, constituie substanţa procesului de management al portofoliului.
3.7. Studiu de caz – prelucrarea şi analiza datelor pentru
managementul de portofoliu
Studiul de caz propus, cu scopul de a demonstra aplicabilitatea şi
funcţionalitatea sistemului suport în prelucrarea şi analiza datelor pentru
managementul portofoliului de produse financiare derivate, are ca punct de
plecare următoarele considerente:
PORTOFOLIUL STRATEGIC DE PRODUSE FINANCIARE
DERIVATE constă în primul rând, în construirea prin selecţie, a eşantionului de
produse financiare derivate care vor forma portofoliul strategic. Activând
butonul Parametrii active se determină (în procente) pentru fiecare titlu
tranzacţionat, un set de parametrii (rentabilitate, volatilitate, risc) care vor
indica utilizatorului performanţele individuale ale fiecărui derivat (vezi Figura
3.28.). În funcţie de parametrii determinaţi şi mai ales în funcţie de indicatorul
„exces de randament” care trebuie să fie superior indicatorului „C*, prin
activarea butonului Generare portofoliu strategic în conformitate cu algoritmului
stabilit se construieşte portofoliul strategic de produse financiare derivate.
În Figura 3.28. sunt prezentate rezultatele selecţiei efectuate de
algoritmul implementat, indicându-se acele derivate financiare care pot susţine
145
Figura 3.27. – Zona III: Subsistemele sistemului suport în asistarea deciziei de
management portofoliu
Se observă că acestea, de fapt sunt activităţi care considerate în
ansamblul lor, constituie substanţa procesului de management al portofoliului.
3.7. Studiu de caz – prelucrarea şi analiza datelor pentru
managementul de portofoliu
Studiul de caz propus, cu scopul de a demonstra aplicabilitatea şi
funcţionalitatea sistemului suport în prelucrarea şi analiza datelor pentru
managementul portofoliului de produse financiare derivate, are ca punct de
plecare următoarele considerente:
PORTOFOLIUL STRATEGIC DE PRODUSE FINANCIARE
DERIVATE constă în primul rând, în construirea prin selecţie, a eşantionului de
produse financiare derivate care vor forma portofoliul strategic. Activând
butonul Parametrii active se determină (în procente) pentru fiecare titlu
tranzacţionat, un set de parametrii (rentabilitate, volatilitate, risc) care vor
indica utilizatorului performanţele individuale ale fiecărui derivat (vezi Figura
3.28.). În funcţie de parametrii determinaţi şi mai ales în funcţie de indicatorul
„exces de randament” care trebuie să fie superior indicatorului „C*, prin
activarea butonului Generare portofoliu strategic în conformitate cu algoritmului
stabilit se construieşte portofoliul strategic de produse financiare derivate.
În Figura 3.28. sunt prezentate rezultatele selecţiei efectuate de
algoritmul implementat, indicându-se acele derivate financiare care pot susţine
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 145 of 154 - Pages: 145, 145, 06/08/15 07:37 PM
146
un portofoliu strategic. Sursa prelucrărilor efectuate de algoritm o constituie
structura bazei de date xtrade.mdb, ale cărei tupluri sunt reprezentate de
cotaţiile înregistrate de produsele financiare derivate (RolEuro, RolUsd,
Eurousd, UsdJpy, DeSIF1, DeSIF3, DeSNP, Bubor) în „ringul bursei”.
Totodată, se observă cum, în urma prelucrărilor sunt eliminate acele
derivate care nu îndeplinesc condiţiile specifice algoritmului şi sunt păstrate
acelea care prezintă valori favorabile, indicând structura portofoliului. Prin
reiterarea procesului de determinare a parametrilor se poate construi un nou
portofoliu strategic pe baza celor mai recente cotaţii înregistrate în baza de
date a sistemului.
Figura 3.28. – Definirea structurii portofoliului strategic de derivate financiare
O dată determinată componenţa portofoliului strategic, se calculează şi
„% de investire” aferent fiecărui derivat, iar utilizatorul poate realiza asistat de
sistem, un management de portofoliu. În acest sens, are la dispoziţie butonul
Managementul portofoliui care prin activare determină rentabilitatea, riscul şi
volatilitatea portofoliului strategic construit. Interesant este faptul că activând
rând pe rând butoanele de selecţie de acest tip, se determină contribuţia
individuală la managementul de portofoliu dar şi în tandem cu oricare titlu
selectat din eşantion. Astfel, utilizatorul realizează diverse combinaţii şi poate
determina pentru fiecare alegere a sa, indicatorii ce caracterizează situaţia
dată. Caseta galbenă de la baza ferestrei, cu eticheta EXPLICAŢII oferă detalii
în funcţie de simularea efectuată de utilizator.
146
un portofoliu strategic. Sursa prelucrărilor efectuate de algoritm o constituie
structura bazei de date xtrade.mdb, ale cărei tupluri sunt reprezentate de
cotaţiile înregistrate de produsele financiare derivate (RolEuro, RolUsd,
Eurousd, UsdJpy, DeSIF1, DeSIF3, DeSNP, Bubor) în „ringul bursei”.
Totodată, se observă cum, în urma prelucrărilor sunt eliminate acele
derivate care nu îndeplinesc condiţiile specifice algoritmului şi sunt păstrate
acelea care prezintă valori favorabile, indicând structura portofoliului. Prin
reiterarea procesului de determinare a parametrilor se poate construi un nou
portofoliu strategic pe baza celor mai recente cotaţii înregistrate în baza de
date a sistemului.
Figura 3.28. – Definirea structurii portofoliului strategic de derivate financiare
O dată determinată componenţa portofoliului strategic, se calculează şi
„% de investire” aferent fiecărui derivat, iar utilizatorul poate realiza asistat de
sistem, un management de portofoliu. În acest sens, are la dispoziţie butonul
Managementul portofoliui care prin activare determină rentabilitatea, riscul şi
volatilitatea portofoliului strategic construit. Interesant este faptul că activând
rând pe rând butoanele de selecţie de acest tip, se determină contribuţia
individuală la managementul de portofoliu dar şi în tandem cu oricare titlu
selectat din eşantion. Astfel, utilizatorul realizează diverse combinaţii şi poate
determina pentru fiecare alegere a sa, indicatorii ce caracterizează situaţia
dată. Caseta galbenă de la baza ferestrei, cu eticheta EXPLICAŢII oferă detalii
în funcţie de simularea efectuată de utilizator.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 146 of 154 - Pages: 146, 146, 06/08/15 07:37 PM
147
În Figura 3.29 este prezentată cea mai avantajoasă situaţie, aceea în
care se preferă ca toate derivatele financiare alese în urma algoritmului, să
participe în anumite proporţii (xi) la rentabilitatea (Rp), volatilitatea (p) şi riscul
(σp) portofoliului. Valorile acestor 3 parametrii importanţi se înscriu în limitele
recomandate de literatura de specialitate şi în cele urmărite de practicieni
atunci când tranzacţionează efectiv.
Figura 3.29. – Managementul portofoliului de produse financiare derivate
În acelaşi timp, utilizatorul poate realiza şi un studiu comparativ prin
care decizia sa, poate fi confirmată sau nu. Această posibilitate este oferită de
butonul Comparație active suport care la activare construieşte un portofoliu din
activele suport ale derivatelor aflate în componenţa portofoliului strategic,
respectiv valutele Euro, Usd, Jpy şi acţiunile SIF1 şi SNP. Rezultatele obţinute
sunt comparate şi susţin o decizie corectă de management al portofoliului
strategic de produse financiare derivate.
PROGNOZE PENTRU COTAŢIILE FUTURES ŞI OPTIONS, al-II-lea
subsistem al aplicaţiei, este deosebit de important deoarece, folosind tehnica
regresiilor pot fi previzionate cursurile derivatelor financiare incluse în
portofoliul strategic. În fereastra de lucru a acestui subsistem, utilizatorul
selectează un derivat financiar; automat este afişat intervalul de analiză şi sunt
preluate din baza de date înregistrările aferente; totodată se declanşează o
147
În Figura 3.29 este prezentată cea mai avantajoasă situaţie, aceea în
care se preferă ca toate derivatele financiare alese în urma algoritmului, să
participe în anumite proporţii (xi) la rentabilitatea (Rp), volatilitatea (p) şi riscul
(σp) portofoliului. Valorile acestor 3 parametrii importanţi se înscriu în limitele
recomandate de literatura de specialitate şi în cele urmărite de practicieni
atunci când tranzacţionează efectiv.
Figura 3.29. – Managementul portofoliului de produse financiare derivate
În acelaşi timp, utilizatorul poate realiza şi un studiu comparativ prin
care decizia sa, poate fi confirmată sau nu. Această posibilitate este oferită de
butonul Comparație active suport care la activare construieşte un portofoliu din
activele suport ale derivatelor aflate în componenţa portofoliului strategic,
respectiv valutele Euro, Usd, Jpy şi acţiunile SIF1 şi SNP. Rezultatele obţinute
sunt comparate şi susţin o decizie corectă de management al portofoliului
strategic de produse financiare derivate.
PROGNOZE PENTRU COTAŢIILE FUTURES ŞI OPTIONS, al-II-lea
subsistem al aplicaţiei, este deosebit de important deoarece, folosind tehnica
regresiilor pot fi previzionate cursurile derivatelor financiare incluse în
portofoliul strategic. În fereastra de lucru a acestui subsistem, utilizatorul
selectează un derivat financiar; automat este afişat intervalul de analiză şi sunt
preluate din baza de date înregistrările aferente; totodată se declanşează o
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 147 of 154 - Pages: 147, 147, 06/08/15 07:37 PM
148
procedură care pentru fiecare derivat inclus în portofoliul strategic şi pe baza
cotaţiilor înregistrate în intervalul de analiză, va calcula regresia de tip liniar,
hiperbolică, putere, exponenţială, logaritmică, parabolică. Cea pentru care se
obţine cea mai mică abatere periodică raportată la trendul cotaţiilor, înseamnă
că este cea care aproximează cel mai bine evoluţia în viitor. Utilizatorul va
trebui să bifeze tipul de regresie recomandat şi în zona de reprezentare grafică
se va trasa trendul previzionat prin această tehnică.
În Figura 3.30. este redat cazul în care utilizatorul doreşte să identifice
trendul viitor pentru contractul futures EuroUsd şi indică faptul că, tipul de
regresie liniar este cel care aproximează cel mai bine evoluţia în perioada
cerută (max 30 zile).
Figura 3.20. – Fereastra de lucru Funcţii de regresie pentru prognozarea trendului
INSTRUMENTE BURSIERE DE ASISTARE A DECIZIEI este
subsistemul III al aplicaţiei şi poate fi utilizat cu succes dacă mai întâi s-a
folosit subsistemul care prognozează trendul. Această succesiune a operaţiilor
este necesară deoarece instrumentele de asistare a deciziei utilizează
valoarea cotaţiilor previzionate în intervalul stabilit de utilizator (1, 2, 3 … max
148
procedură care pentru fiecare derivat inclus în portofoliul strategic şi pe baza
cotaţiilor înregistrate în intervalul de analiză, va calcula regresia de tip liniar,
hiperbolică, putere, exponenţială, logaritmică, parabolică. Cea pentru care se
obţine cea mai mică abatere periodică raportată la trendul cotaţiilor, înseamnă
că este cea care aproximează cel mai bine evoluţia în viitor. Utilizatorul va
trebui să bifeze tipul de regresie recomandat şi în zona de reprezentare grafică
se va trasa trendul previzionat prin această tehnică.
În Figura 3.30. este redat cazul în care utilizatorul doreşte să identifice
trendul viitor pentru contractul futures EuroUsd şi indică faptul că, tipul de
regresie liniar este cel care aproximează cel mai bine evoluţia în perioada
cerută (max 30 zile).
Figura 3.20. – Fereastra de lucru Funcţii de regresie pentru prognozarea trendului
INSTRUMENTE BURSIERE DE ASISTARE A DECIZIEI este
subsistemul III al aplicaţiei şi poate fi utilizat cu succes dacă mai întâi s-a
folosit subsistemul care prognozează trendul. Această succesiune a operaţiilor
este necesară deoarece instrumentele de asistare a deciziei utilizează
valoarea cotaţiilor previzionate în intervalul stabilit de utilizator (1, 2, 3 … max
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 148 of 154 - Pages: 148, 148, 06/08/15 07:37 PM
149
30 zile). Pentru asistarea deciziei, sistemul foloseşte ca instrumente MEDIILE
MOBILE şi OSCILATORII BURSIERI, care pot ghida utilizatorul în stabilirea
numărului de contracte ce pot fi tranzacţionate şi în identificarea momentului
de intrare/ieşire din piaţă.
Astfel, utilizând MEDIILE MOBILE, utilizatorul sistemului va primi suport
decizional prin simpla activare a butonului SUGESTII. Codul Visual C++ ataşat
acestui buton de comandă va testa valorile curente ale cotaţiei, valorile de
minim şi/sau maxim cu valorile calculate pentru media mobilă, fie ea, simplă
sau ponderată şi se vor emite sugestii de genul:
Figura 3.31. - Casetele cu sugestii, care asistă pas cu pas utilizatorul
În cazul mediei mobile exponenţiale, se determină punctele de
intersecţie ale graficului său cu graficul cotaţiilor şi se va sugera frecvenţa de
tranzacţionare, astfel: numărul mic de intersecţii indică posibilităţi mici de
pierdere, iar un număr mare de intersecţii indică majorarea numărului de
tranzacţii dar avertizează că şansele de pierdere cresc proporţional.
Utilizând OSCILATORII BURSIERI putem realiza o analiză mai „fină” a
fenomenelor derulate în „ringul bursier”, în sensul că oscilatorul RSI,
STOCHASTIC şi MAC oferă o privire de ansamblu pertinentă a
comportamentului pieţei studiată din interior. În acest fel, utilizatorul dispune de
asistenţă pentru deciziile sale de tranzacţionare în raport cu:
- semnalele de cumpărare/vânzare semnalate de RSI;
- determinarea poziţiilor relative ale preţurilor de închidere în cadrul
maximelor şi minimelor înregistrate pentru un număr specificat de
zile, de către STOCHASTIC;
- indiciile de intrare sau ieşire din piaţă furnizate de MAC.
TRANZACŢII este al-IV-lea subsistem al aplicaţiei care va fi
folosit atunci când utilizatorul a primit suficiente informaţii de la sistemul suport
pentru a adopta decizii. În acest moment el ştie ce are de făcut, având în
vedere că se cunosc:
149
30 zile). Pentru asistarea deciziei, sistemul foloseşte ca instrumente MEDIILE
MOBILE şi OSCILATORII BURSIERI, care pot ghida utilizatorul în stabilirea
numărului de contracte ce pot fi tranzacţionate şi în identificarea momentului
de intrare/ieşire din piaţă.
Astfel, utilizând MEDIILE MOBILE, utilizatorul sistemului va primi suport
decizional prin simpla activare a butonului SUGESTII. Codul Visual C++ ataşat
acestui buton de comandă va testa valorile curente ale cotaţiei, valorile de
minim şi/sau maxim cu valorile calculate pentru media mobilă, fie ea, simplă
sau ponderată şi se vor emite sugestii de genul:
Figura 3.31. - Casetele cu sugestii, care asistă pas cu pas utilizatorul
În cazul mediei mobile exponenţiale, se determină punctele de
intersecţie ale graficului său cu graficul cotaţiilor şi se va sugera frecvenţa de
tranzacţionare, astfel: numărul mic de intersecţii indică posibilităţi mici de
pierdere, iar un număr mare de intersecţii indică majorarea numărului de
tranzacţii dar avertizează că şansele de pierdere cresc proporţional.
Utilizând OSCILATORII BURSIERI putem realiza o analiză mai „fină” a
fenomenelor derulate în „ringul bursier”, în sensul că oscilatorul RSI,
STOCHASTIC şi MAC oferă o privire de ansamblu pertinentă a
comportamentului pieţei studiată din interior. În acest fel, utilizatorul dispune de
asistenţă pentru deciziile sale de tranzacţionare în raport cu:
- semnalele de cumpărare/vânzare semnalate de RSI;
- determinarea poziţiilor relative ale preţurilor de închidere în cadrul
maximelor şi minimelor înregistrate pentru un număr specificat de
zile, de către STOCHASTIC;
- indiciile de intrare sau ieşire din piaţă furnizate de MAC.
TRANZACŢII este al-IV-lea subsistem al aplicaţiei care va fi
folosit atunci când utilizatorul a primit suficiente informaţii de la sistemul suport
pentru a adopta decizii. În acest moment el ştie ce are de făcut, având în
vedere că se cunosc:
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 149 of 154 - Pages: 149, 149, 06/08/15 07:37 PM
150
- derivatele financiare care pot alcătui un portofoliu strategic;
- evoluţiile pe care le vor urma cursurile derivatelor financiare care
alcătuiesc structura portofoliului;
- valorile previzionate ale cotaţiilor bursiere;
- momentele în care poate intra şi/sau ieşi din piaţă;
- tipurile de operaţiuni pe care le poate iniţia: vânzare sau cumpărare.
La activare, butonul TRANZACŢII va genera un formular (vezi Figura
3.32.) în care există controale grafice proiectate pentru a prelua date
referitoare la broker, clientul în numele căruia se acţionează, obiectul
tranzacţiei, ordinul de tranzacţionare. Toate datele de acest tip vor popula cu
înregistrări tabelele bazei de date xtrade.mdb, astfel încât în urma prelucrărilor
pot fi obţinute o serie de situaţii centralizatoare, rapoarte, etc.
Figura 3.32 – Subsistemul IV: TRANZACŢII
150
- derivatele financiare care pot alcătui un portofoliu strategic;
- evoluţiile pe care le vor urma cursurile derivatelor financiare care
alcătuiesc structura portofoliului;
- valorile previzionate ale cotaţiilor bursiere;
- momentele în care poate intra şi/sau ieşi din piaţă;
- tipurile de operaţiuni pe care le poate iniţia: vânzare sau cumpărare.
La activare, butonul TRANZACŢII va genera un formular (vezi Figura
3.32.) în care există controale grafice proiectate pentru a prelua date
referitoare la broker, clientul în numele căruia se acţionează, obiectul
tranzacţiei, ordinul de tranzacţionare. Toate datele de acest tip vor popula cu
înregistrări tabelele bazei de date xtrade.mdb, astfel încât în urma prelucrărilor
pot fi obţinute o serie de situaţii centralizatoare, rapoarte, etc.
Figura 3.32 – Subsistemul IV: TRANZACŢII
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 150 of 154 - Pages: 150, 150, 06/08/15 07:37 PM
151
BIBLIOGRAFIE
[1] Airinei, D. (2002). Depozite de date, Editura Polirom, Iași.
[2] Agavriloaei, I., Craus, M., Alexandrescu, A. (2011). Performance Evaluation
of a Two Step Clustering Method, Buletinul Institutului Politehnic din Iaşi,
Tome LVII (LXI), Fasc. 2: 31–43.
[3] Azam, M., Khan, A.Q., Stefanescu, L. (2014). Determinants of Stock Market
Development in Romania, Journal of Applied Economic Science, Volume IX,
4(30): 555 – 565.
[4] Barbara, D. (2000). An introduction to cluster analysis for data mining,
http://www-users.cs.umn.edu/~han/dmclass/cluster_survey_10_02_00
[5] Berkhin, P. (2002). Survey of Clustering Data Mining Techniques, Accrue
Software, Inc.
[6] Churchman, W.C. (1968). The Systems Approach, Delacorte Press, New
York.
[7] Constantinescu, D., Ungureanu, A. (1998). Management, Editura Tehnică,
Bucureşti.
[8] Constantinescu M., Ungureanu L., Ștefănescu L. (2010). Portfolio optimal
choice under volatility and price risk impact applied to derivative
transactions, Journal of Applied Economic Sciences, 3(13): 184-196.
[9] Coates, C. (1998). Managerul total, Editura Teora.
[10] Connolly T., Begg C., Strachan A. (2001). Baze de date – proiectare,
implementare, gestionare, Editura Teora, Bucureşti.
[11] Filip, Ghe. (2002). Decizie asistată de calculator – decizii, decidenţi,
metode şi instrumente de bază, Editura Tehnică, Bucureşti.
[12] Fishburn, P.C. (1964). Decision and Value Theory. Operations Research
Society of America, Publications in Operations Research, No 10, John
Wiley and Sons, Inc., New York, London, Sidney, 437 S.
[13] Good, P.I. (2011). A Practitioner’s Guide to Resampling for Data Analysis,
Data Mining, and Modeling, Chapman and Hall Book, Taylor and Francisc
Group, CRC Press, ISBN 9781439855508.
[14] Gorunescu, F. (2006). Data mining. Concepte, modele și tehnici, Editura
Albastră, Clu-Napoca.
151
BIBLIOGRAFIE
[1] Airinei, D. (2002). Depozite de date, Editura Polirom, Iași.
[2] Agavriloaei, I., Craus, M., Alexandrescu, A. (2011). Performance Evaluation
of a Two Step Clustering Method, Buletinul Institutului Politehnic din Iaşi,
Tome LVII (LXI), Fasc. 2: 31–43.
[3] Azam, M., Khan, A.Q., Stefanescu, L. (2014). Determinants of Stock Market
Development in Romania, Journal of Applied Economic Science, Volume IX,
4(30): 555 – 565.
[4] Barbara, D. (2000). An introduction to cluster analysis for data mining,
http://www-users.cs.umn.edu/~han/dmclass/cluster_survey_10_02_00
[5] Berkhin, P. (2002). Survey of Clustering Data Mining Techniques, Accrue
Software, Inc.
[6] Churchman, W.C. (1968). The Systems Approach, Delacorte Press, New
York.
[7] Constantinescu, D., Ungureanu, A. (1998). Management, Editura Tehnică,
Bucureşti.
[8] Constantinescu M., Ungureanu L., Ștefănescu L. (2010). Portfolio optimal
choice under volatility and price risk impact applied to derivative
transactions, Journal of Applied Economic Sciences, 3(13): 184-196.
[9] Coates, C. (1998). Managerul total, Editura Teora.
[10] Connolly T., Begg C., Strachan A. (2001). Baze de date – proiectare,
implementare, gestionare, Editura Teora, Bucureşti.
[11] Filip, Ghe. (2002). Decizie asistată de calculator – decizii, decidenţi,
metode şi instrumente de bază, Editura Tehnică, Bucureşti.
[12] Fishburn, P.C. (1964). Decision and Value Theory. Operations Research
Society of America, Publications in Operations Research, No 10, John
Wiley and Sons, Inc., New York, London, Sidney, 437 S.
[13] Good, P.I. (2011). A Practitioner’s Guide to Resampling for Data Analysis,
Data Mining, and Modeling, Chapman and Hall Book, Taylor and Francisc
Group, CRC Press, ISBN 9781439855508.
[14] Gorunescu, F. (2006). Data mining. Concepte, modele și tehnici, Editura
Albastră, Clu-Napoca.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 151 of 154 - Pages: 151, 151, 06/08/15 07:37 PM
152
[15] Grossman, D., Frieder, O. (2004). Information Retrieval - algorithms and
heuristics (ed. 2nd). The Information Retrieval Series. Springer.
[16] Holsapple, C.W., Andrew B. Whinston, A.B. (Eds) (1993). Recent
Developments in Decision Support Systems, Volume 101, NATO ASI
Series.
[17] Holsapple, C.W., Andrew B. Whinston, A.B. (1996). Decision Support
Systems: A Knowledge-Based Approach, West Publishing Company.
[18] Jaramillo, P. Smith, R.A., Andreu J. (2005). Multi-Decision-Maker
Equalizer. A multiobjective Decision Support System for Multiple Decision-
Makers, Annals of Operations Research, 138(1): 97-111.
[19] Kimball, R. (1996). The Data Warehouse Toolkit, Wiley.
[20] Kudyba, S. (2014). Big Data, Mining, and Analytics: Components of
Strategic Decision Making, Auerbach Publications, Taylor and Francisc
Group, CRC Press, ISBN 9781466568709.
[21] Lepădatu, C (2013). Sistem pentru asistarea deciziilor bazat pe
descoperirea cunoștințelor din date: rezultate experimentale, Academia
Română, Institutul de Inteligență Artificială.
[22] Li, Y., Chung, S. (2005). Text document clustering based on frequent word
sequences. Proceedings of the 14th ACM international conference on
Information and knowledge management (CIKM '05), 293-294, ACM.
[23] Liu, B. (2011). Web Data Mining. Exploring Hyperlinks, Contents, and
Usage Data (Second Edition). New York: Springer.
[24] MacQueen, J.B. (1967). Some Methods for classification and Analysis of
Multivariate Observations. Proceedings of 5th Berkeley Symposium on
Mathematical Statistics and Probability. Berkeley University of California
Press. 1: 281–297. MR 0214227. Zbl 0214.46201.
[25] Maness, T.S., Zietlow, J.T. (2002). Short – Term Financial Management,
2nd Edition South-Weatern Thomson Learning, London.
[26] Mintzberg, H. (1980). The Nature of Managerial Work, Prentice-Hall.
[27] Nagy, I.M., Onaciu, A. (2012). Two Methodologies for Deriving the Data
Warehouse Structure, Proceedings of the 2nd Symposium on Business
Informatics, Austrian Computer Society Conference, 198 – 206, ISBN:
978-3-85403-280-9.
152
[15] Grossman, D., Frieder, O. (2004). Information Retrieval - algorithms and
heuristics (ed. 2nd). The Information Retrieval Series. Springer.
[16] Holsapple, C.W., Andrew B. Whinston, A.B. (Eds) (1993). Recent
Developments in Decision Support Systems, Volume 101, NATO ASI
Series.
[17] Holsapple, C.W., Andrew B. Whinston, A.B. (1996). Decision Support
Systems: A Knowledge-Based Approach, West Publishing Company.
[18] Jaramillo, P. Smith, R.A., Andreu J. (2005). Multi-Decision-Maker
Equalizer. A multiobjective Decision Support System for Multiple Decision-
Makers, Annals of Operations Research, 138(1): 97-111.
[19] Kimball, R. (1996). The Data Warehouse Toolkit, Wiley.
[20] Kudyba, S. (2014). Big Data, Mining, and Analytics: Components of
Strategic Decision Making, Auerbach Publications, Taylor and Francisc
Group, CRC Press, ISBN 9781466568709.
[21] Lepădatu, C (2013). Sistem pentru asistarea deciziilor bazat pe
descoperirea cunoștințelor din date: rezultate experimentale, Academia
Română, Institutul de Inteligență Artificială.
[22] Li, Y., Chung, S. (2005). Text document clustering based on frequent word
sequences. Proceedings of the 14th ACM international conference on
Information and knowledge management (CIKM '05), 293-294, ACM.
[23] Liu, B. (2011). Web Data Mining. Exploring Hyperlinks, Contents, and
Usage Data (Second Edition). New York: Springer.
[24] MacQueen, J.B. (1967). Some Methods for classification and Analysis of
Multivariate Observations. Proceedings of 5th Berkeley Symposium on
Mathematical Statistics and Probability. Berkeley University of California
Press. 1: 281–297. MR 0214227. Zbl 0214.46201.
[25] Maness, T.S., Zietlow, J.T. (2002). Short – Term Financial Management,
2nd Edition South-Weatern Thomson Learning, London.
[26] Mintzberg, H. (1980). The Nature of Managerial Work, Prentice-Hall.
[27] Nagy, I.M., Onaciu, A. (2012). Two Methodologies for Deriving the Data
Warehouse Structure, Proceedings of the 2nd Symposium on Business
Informatics, Austrian Computer Society Conference, 198 – 206, ISBN:
978-3-85403-280-9.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 152 of 154 - Pages: 152, 152, 06/08/15 07:37 PM
153
[28] Oashott, L. (1998). Essential Quantitative Methods for Business
Management and Finance, MacMillan Business Ltd.
[29] Popescu, I.A., Găvănescu, P., Rădulescu, D. (1983). Introducere în
fundamentarea deciziei, Editura Științifică și Pedagogică, București.
[30] Popescu, I., Ungureanu L., Muscalu, E. (2005). Decizia sau demersul
antientropic de la cauză la efect, Editura Universității Lucian Blaga, Sibiu.
[31] Popîrlan, C.I., Ștefănescu L. (2011). Intelligent software agents for data
analysis in knowledge-based systems, in Intelligent Decision Support
Systems for Managerial Decision Making, Chapter 2, pp. 25-48, ASERS
Publishing.
[32] Power, D.J. (2000). Web-Based and Model-Driven Decision Support
Systems: Concepts and Issues, Association for Information Systems AIS
Electronic Library (AISeL) AMCIS 2000 Proceedings Americas Conference
on Information Systems (AMCIS) 2000.
[33] Radu, F., Pescaru, Gh. (2006). Relația decizie – decident și rolul ei în
managementul militar. Evaluare psihologică, în Profesionalizarea
psihologiei militare românești, București, Editura Centrului Tehnic-Editorial
al Armatei, 207-217.
[34] Schach, S. (2006). Object-Oriented and Classical Software Engineering,
Seventh Edition. McGraw-Hill. ISBN 0-07-319126-4.
[35] Simon, H. (1960). The New Science of Management Decision, Edition
Harper and Bross, NY.
[36] Spradlin, T. (1997). A Lexicon of Decision Making, DSSResources.COM
[37] Spîrcu C., Lopătan I. (1995). Analiza, proiectarea şi programarea orientate
spre obiecte, Editura Teora, Bucureşti.
[38] Șușnea E. (2008). Extragerea cunoştinţelor din baze de date. Etape şi
metode, The 4th International Scientific Conference eLearning and
Software for Education; Bucharest, 14-17 April, 2008.
[39] Ştefănescu, L., Ungureanu, L., Ştefănescu, A. (2004). The use of the
Hicks Model for verifying the stability and balance of the stock market
system, Revista de Informatică Economică, nr.3, Editura Economică,
Bucureşti.
153
[28] Oashott, L. (1998). Essential Quantitative Methods for Business
Management and Finance, MacMillan Business Ltd.
[29] Popescu, I.A., Găvănescu, P., Rădulescu, D. (1983). Introducere în
fundamentarea deciziei, Editura Științifică și Pedagogică, București.
[30] Popescu, I., Ungureanu L., Muscalu, E. (2005). Decizia sau demersul
antientropic de la cauză la efect, Editura Universității Lucian Blaga, Sibiu.
[31] Popîrlan, C.I., Ștefănescu L. (2011). Intelligent software agents for data
analysis in knowledge-based systems, in Intelligent Decision Support
Systems for Managerial Decision Making, Chapter 2, pp. 25-48, ASERS
Publishing.
[32] Power, D.J. (2000). Web-Based and Model-Driven Decision Support
Systems: Concepts and Issues, Association for Information Systems AIS
Electronic Library (AISeL) AMCIS 2000 Proceedings Americas Conference
on Information Systems (AMCIS) 2000.
[33] Radu, F., Pescaru, Gh. (2006). Relația decizie – decident și rolul ei în
managementul militar. Evaluare psihologică, în Profesionalizarea
psihologiei militare românești, București, Editura Centrului Tehnic-Editorial
al Armatei, 207-217.
[34] Schach, S. (2006). Object-Oriented and Classical Software Engineering,
Seventh Edition. McGraw-Hill. ISBN 0-07-319126-4.
[35] Simon, H. (1960). The New Science of Management Decision, Edition
Harper and Bross, NY.
[36] Spradlin, T. (1997). A Lexicon of Decision Making, DSSResources.COM
[37] Spîrcu C., Lopătan I. (1995). Analiza, proiectarea şi programarea orientate
spre obiecte, Editura Teora, Bucureşti.
[38] Șușnea E. (2008). Extragerea cunoştinţelor din baze de date. Etape şi
metode, The 4th International Scientific Conference eLearning and
Software for Education; Bucharest, 14-17 April, 2008.
[39] Ştefănescu, L., Ungureanu, L., Ştefănescu, A. (2004). The use of the
Hicks Model for verifying the stability and balance of the stock market
system, Revista de Informatică Economică, nr.3, Editura Economică,
Bucureşti.
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 153 of 154 - Pages: 153, 153, 06/08/15 07:37 PM
154
[40] Ștefănescu L. (Ed.) 2011. Intelligent Decision Support Systems for
Managerial Decision Making, ASERS Publishing, ISBN 978-606-92386-5-
3, eISBN 978-606-92386-1-5, 216 pp.
[41] Ștefănescu L. (2005). Managementul operaţiunilor cu produse financiare
derivate asistat de calculator, Editura Didactică şi Pedagogică, Bucureşti.
[42] Ştefănescu, A., Ştefănescu, L. (2013). An intelligent agents’ approach to
support the management decision making process in the virtual
organization, AWERProcedia Information Technology & Computer
Science, 3: 1476-1482. Available from: http://www.world-education-
center.org/index.php/P-ITCS
[43] Thuraisingham, B. (2000). A primer for understanding and applying data
mining. IT Professional, 2(1): 28-31.
[44] Turban, E., Aronson, J. (2001). Decision Support Systems and Intelligent
Systems, Sixth Edition, Prentice Hall International, Upper Saddle River,
New Jersey.
[45] Ungureanu, L., Ungureanu, L. (2000). Elemente de dinamică economică,
Editura Universităţii din Piteşti, Piteşti.
[46] Ungureanu, L. (2012). Mathematical Methods in Economics, ASERS
Publishing, Craiova.
[47] Velicanu, M., Muntean, M. (2001). Modelarea multidimensională, Revista
Informatică Economică, 1(17):1-9.
[48] Wilmont P.,Dewynne J., Howison S., Options Princing, Mathematical
models and computation, Oxford Financial Press, 1995
*** http://www3.shore.net/~kht/text/dmwhite/dmwhite.htm
*** http://www.cio.com/archive/051598_mining.html
*** http://www.oracle.com/ip/analyze/warehouse/datamining/
*** http://www-4.ibm.com/software/data/iminer/fordata/about.html
*** http://www.cognos.com/
*** http://www.angoss.com/
*** http://www.microsoft.com/sql/productinfo/datamine.htm
*** http://www.scitegic.com/products_services/pipeline_pilot.htm
*** http://www.anvilinformatics.com/
154
[40] Ștefănescu L. (Ed.) 2011. Intelligent Decision Support Systems for
Managerial Decision Making, ASERS Publishing, ISBN 978-606-92386-5-
3, eISBN 978-606-92386-1-5, 216 pp.
[41] Ștefănescu L. (2005). Managementul operaţiunilor cu produse financiare
derivate asistat de calculator, Editura Didactică şi Pedagogică, Bucureşti.
[42] Ştefănescu, A., Ştefănescu, L. (2013). An intelligent agents’ approach to
support the management decision making process in the virtual
organization, AWERProcedia Information Technology & Computer
Science, 3: 1476-1482. Available from: http://www.world-education-
center.org/index.php/P-ITCS
[43] Thuraisingham, B. (2000). A primer for understanding and applying data
mining. IT Professional, 2(1): 28-31.
[44] Turban, E., Aronson, J. (2001). Decision Support Systems and Intelligent
Systems, Sixth Edition, Prentice Hall International, Upper Saddle River,
New Jersey.
[45] Ungureanu, L., Ungureanu, L. (2000). Elemente de dinamică economică,
Editura Universităţii din Piteşti, Piteşti.
[46] Ungureanu, L. (2012). Mathematical Methods in Economics, ASERS
Publishing, Craiova.
[47] Velicanu, M., Muntean, M. (2001). Modelarea multidimensională, Revista
Informatică Economică, 1(17):1-9.
[48] Wilmont P.,Dewynne J., Howison S., Options Princing, Mathematical
models and computation, Oxford Financial Press, 1995
*** http://www3.shore.net/~kht/text/dmwhite/dmwhite.htm
*** http://www.cio.com/archive/051598_mining.html
*** http://www.oracle.com/ip/analyze/warehouse/datamining/
*** http://www-4.ibm.com/software/data/iminer/fordata/about.html
*** http://www.cognos.com/
*** http://www.angoss.com/
*** http://www.microsoft.com/sql/productinfo/datamine.htm
*** http://www.scitegic.com/products_services/pipeline_pilot.htm
*** http://www.anvilinformatics.com/
Sisteme informatice de asistare a deciziilor final trimis 08,06,2015.pdf, Flat 154 of 154 - Pages: 154, 154, 06/08/15 07:37 PM
Top Related