revista romÂnĂ de statisticĂ sumar / contents 9/2009 09_2009.pdf · o utilizare largă a...

Revista Română de Statistică nr. 9 / 2009

SUMAR / CONTENTS 9/2009

REVISTA ROMÂNĂ DE STATISTICĂ www.revistadestatistica.ro

REUNIUNEA PLENARĂ A INSTITUTULUI INTERNAŢIONAL DE STATISTICĂ (16-22 AUGUST 2009)

RAŢIUNEA UTILIZĂRII INDICATORILOR COMPOZIŢI PENTRU COMPARAŢIILE INTERNAŢIONALE 3

RATIONALITY OF USING COMPOSITE INDICATORS FOR INTERNATIONAL COMPARISONS 13

Prof. univ. dr. Vergil VOINEAGU Ec. Ilie DUMITRESCU Conf. univ. dr. Daniela ŞTEFĂNESCU

ANALIZA STRUCTURALĂ A ACTIVITĂŢII DE COMERŢ EXTERIOR 21

THE STRUCTURAL ANALYSIS OF THE FOREIGN TRADE ACTIVITY 29 Prof. univ. dr. Constantin ANGHELACHE Prof. univ. dr. Constantin MITRUŢ Prof. univ. dr. Alexandru ISAIC-MANIU Prof. univ. dr. Vergil VOINEAGU

STRUCTURA ORGANIZATORICĂ, MISIUNEA, SESIUNI ALE INSTITUTULUI INTERNAŢIONAL DE STATISTICĂ (IIS) 36

ACTUALITATE / EVENIMENTE - PRIMA ŞEDINŢĂ PLENARĂ A COMITETULUI SISTEMULUI STATISTIC

NAŢIONAL - COMSTAT 40 - CONFERINŢA MuPSoc 2009 - EFECTELE CRIZEI ASUPRA

PIEŢEI MUNCII 41

ABORDĂRI UTILIZATE ÎN CALCULUL PENTRU ESTIMAREA RISCULUI DE PIAŢĂ 43

APPROACHES USED IN THE CALCULATION FOR MARKET RISK ESTIMATION PURPOSES 62

Drd. Gabriela BUCULEI Prof. univ. dr. Vergil VOINEAGU Dr. Mihaela GRUIESCU Academia de Studii Economice Bucureşti

PERSPECTIVE PRIVIND MUNCA SI PIAŢA MUNCII. PLEDOARIE PENTRU O GÂNDIRE CRITICĂ 81

PERSPECTIVES REGARDING THE LABOUR AND THE LABOUR MARKET. THE PLEA FOR A CRITICAL THINKING 92

Dr. Vasilica CIUCĂ Dr. Cristina LINCARU INCSMPS

METODA DIAGONALĂ ÎN SISTEME INFORMATICE DE TIPUL DATA WAREHOUSE 94

THE DIAGONAL METHOD IN DATAWAREHOUSE SYSTEMS 109 Drd. ing. Radu RADOCEA

Romanian Statistical Review nr. 9 / 20092

Revista Română de Statistică, editată de Institutul Naţional de Statistică, este unica publicaţie de specialitate din ţara noastră, în domeniul teoriei şi practicii statistice. Articolele publicate se adresează oamenilor de ştiinţă, cercetătorilor, precum şi utilizatorilor de date şi informaţii statistice interesaţi în lărgirea şi aprofundarea orizontului cunoaşterii prin asimilarea noţiunilor de specialitate, abordarea de noi lucrări şi studii de referinţă pe care să le aplice ulterior în domeniul în care îşi desfăşoară activitatea. Prin prezentarea unor lucrări ştiinţifi ce şi de promovare a culturii statistice, necesară în economia de piaţă funcţională, revista se doreşte a fi un spaţiu propice schimbului de idei şi, totodată, o provocare. Orice studiu sau opinie care poate contribui la dezvoltarea gradului de înţelegere a statisticii ca ştiinţă este binevenit.

The Romanian Statistical Review, published by the National Institute of Statistics is the only specialized statistical publication in Romania in the fi eld of statistical theory and practice.The articles published apply to the scientists, researchers, and users of data and statistical information, interested in enlarging the knowledge horizon acquiring specialty notions, approaching new work papers and reference studies, to apply them further in their own fi eld. Through the presentation of some scientifi c paper works and statistical culture promotion, necessary for a functional market economy, the review wishes to be a favorable space for exchange of ideas and a challenge at the same time. Any study or opinion that can contribute to the development of the understanding degree of the statistics as a science is welcome.

La Revue Statistique Roumaine, editée par l’Institute National des Statistiques, est l’unique publication de spécialité de notre pays dans le domaine de la théorie et de la pratique statistique. Les articles publiés s’adressent aux scientifi ques, aux chercheurs, ainsi qu’aux utilisateurs de données et d’informations statistiques, interesés de développer leur horizon de conaissances avec des notions de spécialité, avec de nouveaux travaux et études de référence qu’on les applique ultériorement dans le domaine dans lequel ils déroulent leur activite. Par la présentation des certaines ouvrages scientifi ques et de promotion de la culture statistique, nécessaire dans l’économie de marché fonctionelle, la Revue se désire etre un espace propice pour l’échange des idées et en meme temps, une provocation. Chacune étude et opinion qui peut contribuer a la développement du degré de compréhension de la statistique comme science est bienvenue.

Revista Română de Statistică nr. 9 / 2009 3

REUNIUNEA PLENARĂ A

Institutului Internaţional de Statistică (16-22 august 2009) Membrii delegaţiei române au prezentat două comunicări care s-au bucurat de interes din partea audienţei. COMUNICAREA:

RAŢIUNEA UTILIZĂRII INDICATORILOR COMPOZIŢI PENTRU

COMPARAŢIILE INTERNAŢIONALE Prof. univ. dr. Vergil VOINEAGU Ec. Ilie DUMITRESCU Conf. univ. dr. Daniela ŞTEFĂNESCU

Retrospectivă De-a lungul timpului, economiştii, statisticienii, birourile naţionale de statistică, precum şi organismele internaţionale au manifestat o preocupare asiduă în încercarea de a determina nivelul de dezvoltare economică şi socială al ţărilor pe baza unor indicatori individuali şi/sau compuşi care să permită plasarea apoi a ţărilor comparate într-o ordine ierarhică-cât mai aproape de realitate. Într-adevăr, problema s-a dovedit deosebit de complexă, generând numeroase puncte de vedere şi controverse, care, în ciuda conceptelor teoretice defi nite, a experienţei practice acumulate, nu şi-a găsit încă soluţia optimă şi anume, o concepţie unică în ceea ce priveşte factorii (criterii şi indicatori) care să permită formularea unei idei generale asupra nivelului de dezvoltare a unei ţări faţă de o altă ţară sau asupra locului pe care aceasta îl ocupă într-un grup de ţări. Materiale interesante au apărut chiar înainte de al Doilea Război Mondial (Colin Clark, în 1940, în lucrarea sa, compară date privind costul vieţii în diferite ţări). Comparările cele mai semnifi cative au fost cele organizate în 1948/1949 de către Comisia Economică a Naţiunilor Unite şi în 1950 de către Organizaţia Naţiunilor Unite, comparări care se bazau pe estimări ale Venitului Naţional. ONU a continuat să realizeze astfel de comparări, răspunzând nu doar unor cerinţe ale cunoaşterii ştiinţifi ce ca atare, dar şi cerinţelor de ordin practic.

Statistică internaţională


Criteriul fundamental care stă la baza stabilirii cotelor părţi ale ţărilor la bugetul ONU este capacitatea de plată a fi ecărei ţări, iar ca indicator al capacităţii de plată se utiliză Venitul Naţional pe locuitor. Odată cu sublinierea acestei valenţe a Venitului Naţional, în lucrările ONU s-a consemnat şi aprecierea potrivit căreia acest indicator sintetic poate fi utilizat ca indicator aproximativ al nivelului de dezvoltare al unei ţări. Mult mai tarziu, la cea de-a 31-a Adunare Generală a ONU, s-a semnalat că, singur, venitul naţional exprimat în unităţi monetare, poate să nu refl ecte integral realităţile economice şi că “un nou indicator global al dezvoltării, care ar cuprinde în acelaşi timp aspecte economice, sociale, aspecte calitative şi structurale ale dezvoltării ar putea fi un indicator complet al nivelului general de dezvoltare al unei ţări”. Perioada 1951-1960 a însemnat un progres pentru compararea internaţională, datorită realizărilor spectaculoase în domeniul Contabilităţii Naţionale, în legătură cu metodele de culegere şi publicare a datelor-metode puse la punct de ONU şi alte instituţii specializate. Fară îndoială că punctul culminant al evoluţiei comparărilor internaţionale l-a reprezentat lansarea în anul 1970 a Proiectului de Comparare Internatională (PCI). Ulterior, acesta şi-a schimbat denumirea, devenind “Programul de Comparare Internaţională”. Nu este de neglijat faptul că în contextul unei comparări de amploare precum PCI, costurile antrenate sunt extrem de mari, iar ţările implicate trebuie să participe nemijlocit la comparare. Au fost ca urmare abordate şi folosite metode statistico-matematice care au permis gruparea diferiţilor indicatori şi stabilirea unor ierarhii ale ţărilor pe baza unei combinaţii de criterii şi variabile. Un exemplu edifi cator este aşa-numita “metodă modifi cată a indicatorilor fi zici”propusă de Beckerman, care urmăreşte determinarea celei mai corecte relaţii statistice între estimările venitului sau ale consumului real şi diverşi indicatori fi zici şi utilizarea apoi a acestor corelaţii pentru evaluarea venitului real al ţărilor. Alte metode au fost concepute de cercetători precum: I. Ferencz “Posibilitatea măsurării dezvoltării economice” (1963); W. Beckerman: “Compararea internaţională a venitului real” (1966); J.Drewnowski şi W.Scott: “Indicatorii nivelului de trai”; Z.Helwig şi A. Kayia: “Utilizarea analizelor comparative în comparările internaţionale”; Newiarowski: “Nivelul de trai: importanţă statistică şi evaluare”; G. Szilagy: “Metoda simplifi cată pentru compararea internaţională a venitului naţional”, B. Ivanovic: “Clasifi carea regiunilor subdezvoltate dupa nivelul de dezvoltare economică”; E. Erlich: “Nivelul Produsului Intern Brut în 37 ţări”. Experienţa a dovedit că lucrările de comparare au fost şi sunt necesare:



În primul rând, comparările sunt utile pentru înţelegerea şi modelarea procesului de creştere şi dezvoltare economică, afl at în relaţie directă cu situaţia internaţională; În al doilea rând, permit obţinerea unor elemente importante pentru evaluarea rezultatelor efortului de dezvoltare şi pentru adoptarea modelelor optime de creştere economică şi de ridicare a standardului de viaţă pentru luarea celor mai bune decizii de politică economică şi socială posibile. În al treilea rând, ele constituie fundamentul măsurilor care îşi propun o utilizare largă a rezultatelor comparărilor pe plan internaţional, o politică de cooperare şi colaborare.

Produsul Intern Brut- un reper incert al măsurării sănătăţii şi bunăstării unei naţiuni

Mai recent, specialiştii în statistică au ajuns la concluzia că problematica dezvoltării economico-sociale este difi cil de cuprins într-un singur număr. În ultima perioadă, toate măsurile alternative ale dezvoltării, indiferent dacă sunt ţintite spre aspecte politice, sociale, de mediu etc., pornesc de la conştientizarea limitelor măsurilor economice, în special a Produsului Intern Brut (PIB). Proiectat în timpul celui de-al Doilea Război Mondial pentru evaluarea strategică şi militară, ca şi pentru a evalua performanţa economiei dupa Marea Depresiune, acest indicator şi-a dovedit utilitatea pentru scopuri imediate în mod constant. Totuşi, economiştii au insistat prea multă vreme în “obsesia” lor pentru PIB ca măsură a dezvoltării. Unii susţinători ai caracterului global al PIB-ului mergând până la a-l considera un panaceu al comensurării laturilor calitativă şi cantitativă ale progresului economic, au avansat propunerea de extindere a sferei sale de cuprindere prin încastrarea unor variabile de natura dezvoltării umane, calitaţii vieţii. PIB a devenit cel mai cunoscut indicator de progres economic. El este folosit, pe scară largă, de autorii de politici, economişti, agenţiile internaţionale şi media ca reperul primar al sănătăţii şi bunăstării economice a unei naţiuni. Cu toate acestea, teoria şi practica economică arată că efectele şi cauzele unui fenomen nu pot fi măsurate întotdeauna nici ca volum şi nici ca precizie prin PIB, iar rezultatele pot varia în funcţie de nenumărate variabile, unele dintre acestea fi ind foarte greu de cuantifi cat. Produsul Intern Brut nu poate refl ecta concomitent şi coerent dezvoltarea şi bunăstarea publică. PIB-ul nu poate furniza o evaluare exactă a standardului de viaţă al cetăţenilor. Simon Kuznets, principalul arhitect al indicatorului, afi rma, acum patruzeci de ani, că nu a intenţionat să creeze o măsură a sănătăţii economice a unei societăţi: Prosperitatea unei naţiuni poate fi cu greu dedusă printr-o



măsurare a venitului naţional…Obiectivele de creştere ar trebui să specifi ce obiectul şi scopul fi nal al creşterii. O analiză mai pragmatică arată că Produsul Intern Brut este o refl ectare inadecvată a adevăratei bunăstări economice a unei ţări. Acesta reprezintă, pur şi simplu, o înregistrare globală a produselor şi serviciilor vândute şi cumpărate, fără a face distincţia între tranzacţiile care sporesc bunăstarea şi cele care o diminuează. Mai mult, funcţiile cruciale realizate de sectorul gospodăriilor şi sectorul voluntar rămân total neobservate, ca şi serviciile de ecosistem, cum ar fi efectul inundaţiilor, degradarea solului şi modifi carea diversităţii genetice. PIB-ul ignoră, de asemenea, activităţile de îngrijire a copiilor şi bătrânilor, mentoratul sau restaurarea ecologică. Indicatorul nu ia în considerare zona economiei neobservate, unde cheltuielile nu sunt înregistrate, precum şi întreaga economie informală - o componentă semnifi cativă a sistemului global de schimb. Într-o analiză din 2002, Fondul Monetar Internaţional a raportat că, la nivel mondial, valoarea adaugată de economia informală a atins “un nivel remarcabil”-pănă la 44% din PIB în ţările în curs de dezvoltare, 30% în economiile de tranziţie şi 16% în ţările din Organizaţia pentru Cooperare şi Dezvoltare Economică (OCDE). Uneori, utilizarea PIB ca barometru al bunăstării poate genera rezultate neconcludente, cum este de exemplu faptul că acesta sporeşte chiar în condiţiile epuizării capitalului natural. O economie dependentă de consumul de masă prin cumpărarea repetitivă de bunuri ieftine şi de proastă calitate poate avea un PIB mai mare, rezultat al irosirii şi inefi cienţei. Sustenabilitatea creşterii nu este luată în considerare de PIB. O naţiune poate avea o creştere temporară în PIB-ul său datorită delapidării investiţiilor sau supraexploatării resurselor naturale. O naţiune bogată în petrol poate avea un PIB înalt fără a fi industrializată, dar este incapabilă să susţină rate mari de creştere dacă petrolul şi gazele naturale se epuizează. PIB-ul nu măsoară input-urile utilizate pentru a produce output-uri. O creştere în PIB poate să nu refl ecte adevăratele baze ale output-ului. De exemplu, dacă populaţia a lucrat un număr dublu de ore, PIB-ul se dublează ca rezultat. Aceasta nu înseamnă că situaţia oamenilor este mai bună, deoarece ei au mai puţin timp pentru odihnă şi recreere. În PIB se refl ectă averea medie, şi nu cea mediană. Statele care au distribuţii distorsionate ale veniturilor pot avea un PIB per capita relativ înalt, în timp ce majoritatea cetăţenilor lor au nivele mici ale veniturilor din cauza concentrării avuţiei în mâinile câtorva membri ai populaţiei. O economie ce întâmpină un surplus de stocuri sau de locuinţe cu o rată scazută de economii personale pare să crească, din punct de vedere



statistic, mai repede, datorită consumului mai mare, ea practic ipotecându-şi viitorul pentru creşterea prezentă. PIB-ul nu măsoară calitatea vieţii şi nu cuantifi că fericirea umană. În ciuda acestor limitari, PIB-ul îşi menţine rolul proeminent de barometru al prosperităţii colective. Acesta se datorează faptului că nu a existat un consens semnifi cativ privind un înlocuitor potrivit. Mai mult, nu există un acord asupra modului în care bunăstarea poate fi măsurată în realitate şi dacă este nevoie, într-adevăr, de măsurători cantitative. Eforturile de a găsi înlocuitori sunt critice, de vreme ce indicatorul formează baza pentru deciziile importante de politică publică.

CRITERII DE ELABORARE ŞI EXEMPLE DE INDICATORI COMPOZIŢI

Criterii de elaborare a indicatorilor compoziţi În literatura de specialitate, se vehiculează măsuri alternative de cuantifi care a bunăstării, din care remarcăm: -Indicele Dezvoltării Umane (IDU); -Indicatorul Progresului Veritabil (IPV); -Indicele Bunăstării Economice Sustenabile (IBES); -Venitul Naţional Sustenabil (VNS); -Indicele Fericirii Naţionale Brute (IFNB). Preocupările pentru inegalitate, degradarea mediului înconjurător, investiţiile în generaţiile următoare şi în infrastructură au condus la elaborarea indicatorilor compoziţi, care exced valoarea informaţională şi gnosologică a PIB. În consecinţă, PIB-ul este folosit ca unul dintre indicatorii ce intră în compoziţia unui indicator/quasi-indicator compus. Paul Streeten, unul din autorii Indicelui Dezvoltarii Umane (IDU) caracterizează astfel această categorie de indicatori: “Aceşti indicatori sunt folositori pentru a concentra atenţia şi a simplifi ca problema. Ei prezintă o considerabilă atracţie pentru politicieni. Au un impact mai puternic asupra minţii, atrag cu mai mare forţă atenţia publicului decât o listă lungă de indicatori, combinaţi cu o discuţie calitativă. Dar cel mai mare argument în favoarea lor este că arată inadecvarea altor indicatori, precum PIB-ul”. Principala caracteristică a indicatorilor compoziţi este că vizează lărgirea cadrului de evaluare a progresului societal prin includerea unor variabile non-economice. Dezvoltarea unui cadru de calitate pentru indicatorii compoziţi nu este o sarcină uşoară. Calitatea globală a unui indicator compozit depinde de mai multe aspecte, legate atât de calitatea datelor elementare folosite pentru a construi indicatorul, cât şi de siguranţa procedurilor utilizate pentru elaborare.



Cercetătorul american Morse (2004) enumera câteva elemente specifi ce pentru aceşti indicatori. Ei trebuie să fi e: • Specifi ci, adică legaţi în mod clar de rezultatele căutate. • Măsurabili să fi e parametrici sau sub formă de ranguri. • Utilizabili pentru ghidarea politicilor economice şi sociale. • Senzitivi-să se schimbe atunci când o fac şi condiţiile economico-sociale. • Disponibili: colectarea datelor pentru construirea indicatorului trebuie să fi e o sarcină relativ simplă, chiar atunci când nu sunt public disponibili. • Efi cienţi din punct de vedere ai costului. Într-o analiză, Booysen (2002) adaugă că, atunci cand clasifi căm şi evaluăm indicatorii compuşi, trebuie să ne referim, printre altele, la următoarele întrebări: v Conţinut: ce aspecte sau faţete ale dezvoltarii măsoară indicatorul? v Focus: indicătorul măsoară dezvoltarea în termeni de inputuri (mijloace) sau outputuri (rezultate)? v Aplicarea comparativă: indicatorul compară nivelul de dezvoltare în spaţiu (transversal) şi timp (longitudinal) într-un mod absolut sau relativ? v Flexibilitate: cât de fl exibil este indicatorul pentru a permite schimbări în conţinut, scop, metodă, aplicaţii comparative? Selecţia datelor de bază trebuie să maximizeze calitatea globală a rezultatului fi nal. De obicei, la selectarea datelor sunt luate în considerare următoarele dimensiuni: relevanţa, acurateţea, oportunitatea, accesibilitatea, interpretabilitatea, coerenţa.

Exemple de indicatori compoziţi Indicele dezvoltării umane (IDU) este o măsură cantitativă a gradului succesului unei ţări în a-şi dezvolta capitalul uman. A fost introdus în 1990 de economistul pakistanez Mahbub ul Haq, în colaborare cu Gustav Ranis de la Universitatea Yale şi lordul Meghnad Desai de la Universitatea economică din Londra. Indicatorul reprezintă un mijloc standard de măsurare a dezvoltării umane- concept care, conform Programului de Dezvoltare al Naţiunilor Unite (PNUD), se referă la procesul de lărgire a opţiunilor persoanelor, oferindu-le oportunităţi mai mari pentru educaţie, îngrijirea sănătăţii, angajare, creşterea veniturilor. El este cuprins în Raportul Dezvoltării Umane, elaborat anual pentru fi ecare ţară de PNUD. Raportul urmăreşte relevarea performanţelor diferitelor ţări prin construirea de indicatori numerici ai dezvoltării umane.



Indicele Dezvoltării Umane cuprinde trei elemente de bază: longevitatea; mediul de educaţie; standardul de viaţă În funcţie de valoarea IDU, ţările au fost clasifi cate conform actualizării din 2008 a UNDP: - ţări cu dezvoltare umană înaltă (peste 0.8): Islanda, Norvegia, Canada, Australia, Japonia, Franţa, SUA, Spania, Italia, Germania, România-0.825 etc. - ţări cu dezvoltare umană medie (între 0,5 şi 0,79): Turcia, Peru, Columbia, Mongolia, Egipt, Moldova, Camerun - ţări cu dezvoltare umană scăzută: (sub 0,5): Nigeria, Malawi, Uganda, Benin, Zambia, Etiopia, Niger. Ca avantaje, IDU oferă explicaţii clare asupra cauzelor diferenţierilor în clasamentul mondial al ţărilor şi poate fi folosit chiar ca ţintă politică. Este simplu prin construcţie şi relevă cu acurateţe direcţia progresului (sau regresului) capitalului uman în cursul creşterii economice a unei ţări, precum şi problemele care însoţesc acest progres (regres). Indicatorul refl ectă priorităţile naţionale, pune în evidenţă disparităţile şi stimulează dialogul politicii de ajutorare. Dezagregat, acesta oferă o posibilitate de a studia profi lul uman al societăţii pe regiuni, pe sexe, clase de venit, grupuri etnice etc. De asemenea, furnizează o apreciere globală a progresului şi a diferitelor strategii urmate de state pentru realizarea bunăstării umane. Principalul dezavantaj al IDU se referă la alegerea dimensiunilor-nu include o serie de aspecte cum ar fi libertatea politică, valorile culturale, mediul înconjurător. În ceea ce priveşte variabilele, s-a propus să fi e luate în considerare, alături de speranţa de viaţa la naştere, şi mortalitatea infantilă şi securitatea alimentară pentru a se caracteriza mai bine sănătatea unei naţiuni. O altă critică se referă la tratarea venitului. Prin elementele sale componente, IDU asigură fuziunea indicatorilor economici şi sociali, ceea ce reprezintă una din calităţile sale importante. Totuşi, IDU nu tratează venitul ca un mijloc, dar îl reinterpretează în termenii fi nalităţilor pe care le deserveşte. O problemă ar fi şi alegerea ponderilor variabilelor din cadrul indicelui compozit: s-a dovedit că IDU este un indicator stabil-chiar atunci când au fost încercate diferite ponderi, ierarhia IDU pe ţări nu s-a schimbat. Chiar dacă nu este perfect, IDU este considerat util, deoarece are un grad de cuprindere mai mare decât PIB, măsurând şi alte posibilităţi umane alături de venit. Indicele Progresului Veritabil (IPV) este un concept ce ţine de domeniul economiei ecologice şi economiei bunăstării. A apărut la începutul anilor ’90, când în teoria dezvoltării umane există consensul că o creştere în oferta de bani, refl ectă, de fapt, o pierdere de prosperitate: lipsa serviciilor sociale



era plătită în bani şi acest lucru impulsiona economia, dar degrada viaţa. O serie de economişti faimoşi susţineau faptul că dezvoltarea unei ţări, producţia crescută de bunuri şi expansiunea serviciilor implica atât benefi cii, cât şi costuri. Indicele Progresului Veritabil (IPV) măsoară dacă dezvoltarea economică a unei ţări, în speţă creşterea volumului de bunuri şi servicii produse/oferite în ţara respectivă (cuantifi cate prin intermediul PIB) se refl ectă în creşterea gradului de bunăstare al populaţiei. Diferenţa dintre IPV şi PIB poate fi asimilată deosebirilor ce apar între profi tul net şi cel brut al unei companii. Principalul avantaj al indicatorului este că poate măsura mai exact progresul economic, deoarece diferenţiază creşterea reală de creşterea neeconomică. Indicatorul oferă o măsură a sănătăţii planetei din punct de vedere al mediului; IPV subliniază difi cultatea corectării pagubelor aduse mediului, chiar dacă poluarea continuă va fi stopată. Un alt avantaj este că, măsurând numărul divorţurilor, costul infracţiunilor, timpul dedicat muncii în gospodarie şi muncii voluntare, IPV indică îmbunătăţirile în calitatea vieţii cotidiene. În ultimul timp, cel putin 11 ţări (inclusiv Austria, Anglia, Suedia şi Germania) şi-au recalculat PIB utilizând IPV. Datele pentru ţările europene şi SUA arată un declin constant în ultimii 30 de ani. Indicatorul Bunăstării Economice Sustenabile (IBES) este aproape similar cu IPV. Scopul ambilor indicatori este acelaşi: să prezinte progresul economic (sau lipsa acestuia) mai precis, calculând acei factori care afectează calitatea vieţii şi abilitatea oamenilor de a o susţine pe viitor. Cele cinci categorii de bază incluse în ambii indicatori sunt urmatoarele: Baza de consum; Gruparea serviciilor care nu sunt considerate de consum; Scăderea supra estimărilor implicite ale bunăstării: Scăderea epuizării bazei de resurse naturale; Ajustări pentru acumularea şi circuitul capitalului. În prezent, Indicatorul Bunăstării Economice Sustenabile este calculat de nouă ţări, printre care SUA, Marea Britanie, Germania, Austria, Chile etc. IBES are urmatoarele avantaje ca indicator: -poate sprijini creatorii de politici pentru a lua decizii mai informate; -reprezintă o măsură efi cientă de monitorizare a trendurilor de sustenabilitate şi bunăstare. Venitul naţional sustenabil (VNS) a fost dezvoltat în anii ’70 de economistul olandez Roefi e Hueting. El măsoară distanţa între nivelul de producţie şi consum prezent şi cel sustenabil. Toate costurile ce trebuie efectuate pentru a întruni standardele de poluare şi a utiliza resursele pentru



a preveni depăşirea standardelor de sustenabilitate, fi e că sunt realizate de guvern, industrie sau gospodării, sunt considerate cheltuieli intermediare. VNS va fi diferenţa între venitul naţional standard şi cheltuielile efectuate pentru a respecta normele de sustenabilitate. Această diferenţă oferă informaţii despre nivelul actual al producţiei şi nivelul producţiei într-o situaţie sustenabilă. Dacă distanţa scade, atunci ne afl ăm pe drumul corect către sustenabilitate, iar partea din producţie care se bazează pe utilizarea nesustenabilă a mediului scade. Dacă distanţa creşte, atunci ne îndepărtăm de conceptul de durabilitate. Ca puncte slabe, modelul SNI-AGE este complex şi necesită personal înalt califi cat pentru operare şi întreţinere. Formularea standardelor de sustenabilitate este difi cilă, iar pentru publicul general, metodologia (modelul general aplicat de echilibru) poate fi greu de înţeles. Indicele Fericirii Naţionale Brute (IFNB) este o tentativă de a defi ni calitatea vieţii în termeni psihologici. Acesta a apărut în 1972, la iniţiativa fostului rege al Bhutan-ului Jigme Singye Wangchuck, care a deschis calea către modernizarea ţării. În timp ce modelele convenţionale de dezvoltare accentuează creşterea economică ca obiectiv fi nal, conceptul de IFNB porneşte de la premisa că adevărata evoluţie a societăţii umane are loc doar când creşterea materială şi cea spirituală se produc în paralel şi se consolidează reciproc. Cei patru piloni ai IFNB sunt: promovarea dezvoltării durabile, prezervarea şi promovarea valorilor culturale, conservarea mediului natural şi stabilirea bunei guvernări. IFNB, ca şi IPV, se referă la conceptul măsurării cantitative a bunăstării şi fericirii: Bunăstarea economică; Bunăstarea mediului; Bunăstarea fi zică;Bunăstarea mentală; Bunăstarea la locul de muncă; Bunăstarea socială; Bunăstarea politică.

România în context internaţional prin prisma indicatorilor compoziţi În prezent, pentru ţara noastră, din cei cinci indicatori se calculează doar Indicatorul Dezvoltării Umane (IDU) şi Indicele Progresului Veritabil (IPV). Conform actualizării din 2008 a PNUD, pentru România IDU este de 0.825, ceea ce o plasează în categoria ţărilor dezvoltate, pe locul 62 din 179 state. Valorile obţinute la fi ecare categorie a indicatorului sunt prezentate în continuare.



Indicatorul Dezvoltării Umane 2006 pentru România şi indicatorii de la baza sa în comparaţie cu ţările selectate

Valoarea IDU 2006

Speranţa de viaţă la naştere

(ani) 2006

Rata de alfabetizare a adulţilor (%)

2006

Rata brută de cuprindere în

învăţământul de toate nivelurile

(%) 2006

PIB per capita (dolari PPP)

2006

1.Islanda (0,968)

1. Japonia (82,4)

1.Georgia (100)

1.Australia (114,2)

1.Luxemburg (77.089)

60.Saint Kitts and Nevis (0,830)

77.Letonia (72,3)

27.Uruguay (97,8) 57.Filipine (79,6) 62.Venezuela

(11.115)61.Venezuela

(0,826)78.Iordania

(72,2)28.Argentina

(97,6)58.Santa Lucia

(79,3)63.Mauritius

(10.571)62.România

(0,825)79.România

(72,2)29.România

(97,6)59.România

(79,2)64.România

(10.433)63.Malaezia

(0,823)80.Brazilia

(72,0)30. Cipru

(97,6)60.Mongolia

(79,0)65.Bulgaria

(10.295)64. Muntenegru

(0,822)81.Seychelles

(72,0)31.Mongolia

(97,4) 61.Iordania (78,7) 66.Uruguay (10.203)

179.Sierra Leone (0,329)

179.Swaziland (40,2)

147. Mali (22,9)

179.Djibouti (25,5)

178.Congo (281)

Potrivit datelor din 2007, România a scăzut două locuri în clasamentul mondial (IDU pentru 2005 a fost de 0.813, plasând ţara noastră pe locul 60 din 177 de state). În prezent, România este în urma Bulgariei (56) în privinţa Indicelui de Dezvoltare Umană, dar înaintea unor ţări ca Federaţia Rusă (73), Brazilia (70) sau Turcia (76). Primele cinci ţari clasate sunt Islanda, Norvegia, Canada, Australia şi Irlanda. Franţa se afl a pe locul 11, Austria pe locul 14 înaintea SUA (15), Spania (16) şi Germania (23). Dintre vecinii României, cu excepţia Moldovei care se afl a pe locul 113 şi a câtorva state din fosta Iugoslavie, Serbia (65), Macedonia (68), Bosnia şi Herţegovina (75), ţara noastră este depăşită de Republica Cehă (35), Ungaria (38), Polonia (39), Slovacia (41), Estonia (42), Lituania (43), Letonia (44) şi Croaţia (45). În ceea ce priveşte dimensiunile dezvoltării umane care intră în algoritmul de calcul al IDU, România este mai bine situată în ceea ce priveşte rata de alfabetizare a adulţilor, ocupând locul 29 din 147 de ţări incluse în calcul. Mai slab poziţionată rămâne România în ceea ce priveşte speranţa de viaţă la naştere, locul 79 din 179 state, în ciuda faptului că în ultima decadă speranţa de viaţă a crescut cu mai bine de 2 ani, de la 69,9 la 72,2. Probabil că cel mai spectaculos salt înregistrat de România este cel de la nivelul PIB per capita, care a crescut de la 4310 dolari în 1997 la 10500 în 2008.



Concluzii

Recunoaşterea faptului că PIB-ul este o măsură insufi cientă a dezvoltarii sociale, dar şi nevoia colectivităţilor de a-şi evalua progresul a condus către elaborarea de indici alternativi, păstrând totodată calitatea primului de a exprima dezvoltarea într-un singur număr. Problema elaborării de indici compoziţi este una complexă, diverşi autori stabilind numeroase cerinţe, adesea contradictorii sau greu de îndeplinit, pentru a face posibile construcţii cât mai obiective şi mai utile pentru comparaţii. Începând cu anii ’60, un număr important de autorităţi şi organizaţii nonguvernamentale de la toate nivelele au fi nanţat elaborarea a numeroşi indici de dezvoltare de la nivel local, naţional, regional şi global, desemnaţi pentru a răspunde nevoilor de evaluare a dezvoltării sociale pentru diferite grupuri umane afl ate pe diverse trepte de dezvoltare. În afara implicaţiilor sociale şi politice, procesul elaborării şi validării unor asemenea indici are şi implicaţii pentru elaborarea de indicatori sociali în general.

PLENARY SESSION OF INTERNATIONAL STATISTICAL INSTITUTE

(16-22 AUGUST 2009) The Romanian members presented two working papers that rapt audience laurels.

WORKING PAPER:RATIONALITY OF USING COMPOSITE

INDICATORS FOR INTERNATIONAL COMPARISONS

PhD Univ. Professor Vergil VOINEAGU Ec. Ilie DUMITRESCU PhD. Univ. Reader Daniela ŞTEFĂNESCU

Overview Over the time, the economists, statisticians, national statistical offi ces, as well as international bodies, showed an assiduous concern in their attempt of establishing the economic and social development level of the countries based on individual indicators and/or composite indicators, allowing further on for setting up a hierarchy as realistic as possible. It was, indeed, an extremely complex issue, entailing a number of opinions,



sometimes controversial, which, despite the defi ned theoretical concepts, the acquired practical expertise, did not fi nd yet an optimal solution, namely a unique conception related to the factors (criteria and indicators) that could allow for formulating a general idea on the development level of a country as against another one or on the position it holds within a group of countries. Interesting papers have need released even before the Second World War (Colin Clark, 1940, compares in his paper data related to living costs in various countries). Nevertheless, the most signifi cant comparisons have been those organised in 1948/1949 by the Economic Commission of the United Nations and in 1950 by the United Nations, comparisons which were based on National Income estimates. Later on, at the 31st General Assembly of the United Nations, it was ascertained that the National Income itself, expressed in monetary units, might not entirely refl ect the economic realities and that “a new global development indicator, comprising at the same time economic and social issues, as well as quantitative and structural issues of development could be a comprehensive indicator of the general development level of a country”. The 1951-1960 period brought progresses in international comparison, due to the spectacular achievements in the fi eld of national accountancy related to data collection and publishing methods drawn up by the United Nations and other specialised institutions. Undoubtedly, the international comparisons evolution peak was represented by launching, in 1970, the International Comparison Project (ICP) (further on renamed, thus becoming the International Comparison Programme). A self-evident example is the so called “physical indicators adjusted method” proposed by Beckerman, envisaging the determination of the most accurate statistical relationship between the real income or consumption estimates and various physical indicators and, afterward, the use of these correlations in view to assess the real income of countries. Alternative methods have been developed by researchers: I. Ferencz “Possible measurement of economic development” (1963); W. Beckerman “International comparison of real income” (1966); J. Drewnowski and W. Scott “Living standard indicators”; Z. Helwig and A. Kayia “Using comparative analyses in international comparisons”; Newiarowski “Living standard: statistical signifi cance and assessment”; G.Szilagy “A simplifi ed method for national income international comparison”; B. Ivanovic “Classifi cation of underdeveloped regions by economic development level”; E. Erlich “Gross Domestic Product in 37 countries”. The experience proved that comparison works have been and they still are necessary for several reasons: First of all, comparisons are useful for understanding and modelling the economic growth and development process, directly related to the international situation; Secondly, they allow for obtaining major elements for the assessment of development endeavours and for the adoption of optimal models related to economic

International Statistics


growth and to the living standard improvement envisaging the best possible economic and social policy decisions making. Thirdly, they account for the background of measures intended for a large scale use of international comparisons results, as well as for a cooperation and collaboration policy.

Gross Domestic Product – an uncertain benchmark of measuring national health and welfare

Recently, the statisticians reached the conclusion that it is diffi cult to illustrate through a unique fi gure the whole topics of economic and social development. During the last period, all the alternative measures of development, irrespective of focusing on political, social or environmental issues, are based on the awareness of economic measures limitations, particularly in relation with the Gross Domestic Product (GDP). Originally designed during the Second World War for strategy and military assessment purposes, as well as for assessing the economic performance after the Great Recession, this indicator has constantly proved its usefulness for immediate purposes. However, the economists insisted too much in their “Obsession” for GDP as a measure of development. Some of the upholders of GDP global nature, considering it as a panacea of measuring the qualitative and quantitative sides of economic progress, proposed a widening of its coverage by incorporating certain variables, such as human development or living standard. GDP became the best known indicator of the economic progress. It is used at a large extent by policy makers, economists, international agencies and media as a primary benchmark of national health and economic welfare. Nevertheless, the economic theory and practice shows that the effects and the causes of a phenomenon cannot be always measured by GDP, neither in terms of volume, nor in terms of accuracy, while the results vary depending on lots of variables, some of them extremely diffi cult to assess. Thus, the Gross Domestic Product cannot concomitantly and coherently refl ect the development and the public welfare. GDP cannot provide for an accurate assessment of citizens living standard. A more pragmatic analysis shows that Gross Domestic Product is an inappropriate refl ection of the real economic welfare of a country. It simply represents a global record of goods and services sold and purchased, without a separation between the transactions entailing an improved welfare and those diminishing it. Moreover, the key functions of households sector and voluntary sector remain entirely unobserved, as well as the ecosystem related functions, such as fl oods, soil abasement and modifi cation of genetic diversity. Likewise, the GDP ignores children and elderly people caring activities, mentorship or ecological reclaim. The indicator does not take into account the unobserved economy, where expenses are not recorded, as well as the whole underground economy – a signifi cant component of the global exchange system. Within an analysis carried out in 2002, the International Monetary Fund reported that, at world level, the value added by underground economy has reached “an outstanding level” – up to 44% of GDP in developing countries, 30% in transition economies and 16% on OECD countries.



Sometimes, the use of GDP as a welfare barometer could generate inconclusive results, such that is increases even under the conditions of natural capital depletion. An economy which depends on general consumption by repetitive purchasing of cheap and low quality goods could generate a higher GDP, as result of waste and ineffi ciency. Growth sustainability is not taken into account by GDP. A nation could have a temporary growth of its GDP either as effect of investments embezzlement or as result of overexploiting natural resources. A nation with rich crude oil reserves could have a high GDP without being industrialised, but it is not able to sustain higher growth rates under the conditions of crude oil and natural gas depletion. The GDP does not measure the inputs used for outputs. Thus, a GDP growth might not refl ect the real bases of outputs. For example, if the population has worked a double number of hours, the GDP value doubles itself. This does not mean that people’s situation is better, since they have less time for leisure. The GDP refl ects the average welfare, not the median one. The states with distorted breakdowns of income could have a relatively high GDP per inhabitant, while most of their citizens have low levels of income due to welfare concentration among few citizens. An economy with a surplus of stocks or dwellings, with a low rate of personal savings, appears to grow faster from statistical point of view, due to higher consumption, while it practically bonds its future for the current growth. GDP does not measure the quality of life and cannot quantify human happiness. Despite these limitations, the GDP keeps its prominent role of collective welfare barometer. This is due to the fact that no signifi cant consensus was reached on an appropriate substitute. Moreover, no agreement was reached on the way of actually measuring the welfare and on the real need for quantitative measurements. However, the efforts for identifying substitutes are crucial, since the indicator accounts for the basis of major public policy decisions.

Building up criteria and examples of composite indicators Criteria for building up composite indicators Within the specialised literature, alternative measures for welfare quantifi cation are mentioned, such as: - Human Development Index (HDI) - Genuine Progress Indicator (GPI) - Sustainable Economic Welfare Index (SEWI) - Sustainable National Income (SNI) - Gross National Happiness Index (GNHI) The concerns on inequality, environment damage, investments in next generations and infrastructure entailed the building up of composite indicators, which exceed the information and gnosiological value of GDP. As consequence, the GDP is one of the individual indicators used for building up a composite/quasi-composite indicator.



Paul Streeten, one of the Human Development Index (HDI) authors characterised this indicators category as follows: “These indicators are useful in concentrating the attention and in simplifying the problem. They are considerably attractive for policy makers. They have a stronger impact upon the mind, draw up the public attention at a larger extent than a long list of indicators, combined with a qualitative discussion. But the stronger argument in their favour is that they show the inappropriateness of other indicators, such as GDP”. The main feature of composite indicators is that they envisage an enlarged framework for society progress assessment through the inclusion of certain non-economic variables. Developing a high quality framework for composite indicators is not an easy task. The global quality of a composite indicator depends on several issues, related both to the quality of primary data used for building up the indicator and on the safety of procedures used for compilation. The American researcher Morse (2004) has mentioned certain specifi c elements of these indicators. They should be: • Specifi c, i.e. clearly related to the envisaged results • Measurable, i.e. parametric or ranks type • Usable for economic and social policies guidance • Sensitive – changing with the economic and social conditions • Available: the collection of data for building up the indicator should be a relatively simple task, even when they are not publicly available • Cost-effective Within a recent analysis, Booysen (2002) adds that, when classifying and assessing composite indicators, one should refer, inter alia, to the following questions: v Content: which are the development issues or features measured by the indicator? v Focus: is the indicator measuring the development in terms of inputs (means) or outputs (results)? v Comparative application: is the indicator measuring the level of spatial (transversal) and temporal (longitudinal) development in absolute or in relative terms? v Flexibility: how fl exible is the indicator so that allowing for changes in content, purpose, method, comparative applications? The primary data selection should maximise the global quality of fi nal result. Usually, the following dimensions are taken into account for data selection: Relevance; Accuracy; Timeliness; Accessibility; Interpretability; Coherence.

Examples of composite indicators The Human Development Index (HDI) is a quantitative measure of a country’s success in developing the human capital. It was introduced in 1990 by the Pakistan’s economist Mahbub ul Haq, in collaboration with Gustav Ranis from Yale University and Lord Meghnad Desai from London Economic University.



The indicator represents a standardised way of measuring human development – a concept which, according to the United Nation Development Programme (UNDP), refers to the process of widening individuals’ choices, by offering them more opportunities for education, health care, employment, income increase. It is included in the Human Development Report, yearly issued by UNDP for each country. The report observes the performance of various countries by building up numerical indicators of human development. The Human Development Index comprises three basic elements: Longevity; Educational environment; Living standard. According to the HDI value, the countries have been classifi ed as1: countries with high human development (over 0.8, which includes Romania – 0,825 as well); countries with medium human development (0.5 – 0.79); countries with low human development (below 0.5). As advantage, HDI provides for clear explanations on the causes of discrepancies in the world hierarchy of countries and could be even used as political target. It is simple by construction and accurately points out the direction of human capital progress (or regress) within the economic growth of a country, as well as the problems associated to this progress (regress). The indicator refl ects national priorities, highlights disparities and gives an incentive to the dialogue in supporting policy. Disaggregated, it offers a possibility to study the society human dimension by region, by gender, income classes, ethnic groups, etc. At the same time it provides for a global assessment of progress and of various strategies pursued by the states in view to achieve human welfare. The main disadvantage of HDI relates to dimensions choice – it does not include a series of issues such as political freedom, cultural values and environment. As for variables, it was suggested that, besides life expectancy at birth, infant mortality and food security should be taken into account in view to better characterise the health of a nation. A problem could be the choice of weights for the variables included in the composite indicator; it was proved that the same problem is valid for all composite indicators. This means that when choosing various weights attention should be paid to the consistency of these weights as well as to the degree they convey to the composite indicator measurement power. The Genuine Progress Index (GPI) is a concept related to ecological economy and to economic welfare.The Genuine Progress Index (GPI) shows if the economic development of a country, namely the increase in the volume of goods and services supplied in the concerned country (quantifi ed through GDP) is also refl ected by an increase in population welfare level. The difference between GPI and GDP could be assimilated to the disparities between the net and the gross profi t of a company.The indicator provides for a measure of the world health in relation with the environment; GPI points out the diffi culty of recovering the environmental damages, even under the conditions of stopping pollution. Another advantage is that it shows the improvements in the quality of everyday life.



The Index of Sustainable Economic Welfare (ISEW) is almost similar to GPI. Both indicators share the same aim: to demonstrate the economic progress (or the lack of it) more accurate by calculating those factors that affect life quality and humans’ ability to sustain it in the future. The fi ve basic categories included by both indicators are the following: Consumption base; Additions for Services Not Counted as Consumption; Subtractions for Implicit Overestimates of Welfare; Subtractions for Depletion of Natural Resource Base; Adjustments for Capital Accumulation and Flow At present, the Index of Sustainable Economic Welfare is calculated by nine countries among which the USA, Great Britain, Germany, Austria, Chile, etc. As indicator, ISEW has the following advantages: includes the social and welfare aspects of the sustainable development and it supports policies makers in taking better advised decisions; It is an effi cient measure for monitoring the welfare and sustainability trends. The Sustainable National Income (SNI) was developed by the Dutch economist Roefi e Hueting in the ‘70s. It measures the difference between the current consumption and production level and the sustainable one. The SNI will be the difference between the standard national income and the expenses made in order to meet the sustainability standards. The weak points of the SNI-AGE model are the complexity of the model and the fact that the public may fi nd the methodology (the applied general equilibrium model) hard to understand. The Gross National Happiness (GNH) is an attempt to defi ne the life quality in psychological terms. It came into being in 1972 at the initiative of the former king of Bhutan, Jigme Singye Wangchuck, who led the way towards the modernization of his country. While the conventional developing models underline the economic growth as the fi nal objective, the GNH concept starts from the assumption that the real evolution of the human society occurs only when the material and spiritual growth take place at the same time and strengthen each other. The four pillars of the GNH are: the promotion of the sustainable development, the preservation and promotion of cultural values, the preservation of the environment and the establishment of good governance. The GNH, as well as the GPI, refers to the concept of quantitative measurement of welfare and happiness: Economic Wellness; Environmental Wellness; Physical and Mental Wellness; Workplace and Social Wellness; Political Wellness.

Romania in the International Context in Terms of Composite Indicators At present, for our country, out of the fi ve indicators, only the Human Development Index (HDI) and the Genuine Progress Indicator (GPI) are calculated. According to the 2008 updating of the UNDP, the HDI for Romania is 0,825 which place our country among the developed countries, on the 62nd place out of a total of 179 states. The values obtained for each category of the indicator are shown in the table below.



The 2006 HDI for Romania and the indicators it is based on compared to the selected countries

The HDI value in 2006

Life expectancy at birth (years)

in 2006

Rate of adult literacy (%) in

2006

Gross enrolment at all levels of

education (%) in 2006

GDP per capita (PPP US dollars)

in 2006

1. Island (0.968) 1. Japan (82.4) 1. Georgia (100) 1. Australia (114.2)

1. Luxemburg (77 089)

60. Saint Kitts and Nevis 77. Latvia (72.3) 27. Uruguay

(97.8)57. Philippines

(79.6) 62. Venezuela

(11 115)

61. Venezuela (0.826) 78. Jordan (72.2) 28. Argentina

(97.6)58. Santa Lucia

(79.3)

63. Mauritius (10 571)

62. Romania (0.825)

79. Romania (72.2)

29. Romania (97.6)

59. Romania (79.2)

64. Romania (10 433)

63. Malaysia (0.823) 80. Brazil (72.0) 30. Cyprus (97.6) 60. Mongolia

(79.0)65. Bulgaria

(10 295)64. Montenegro

(0.822) 81. Seychelles

(72.0)31. Mongolia

(97.4) 61. Jordan (78.7) 66. Uruguay (10 203)

179. Sierra Leone (0.329)

179. Swaziland (40.2) 147. Mali (22.9) 179. Djibouti

(25.5)178. Congo

(281)

Compared to the data of 2007, Romania dropped two places in the world classifi cation (the HDI for 2005 was 0.813, placing our country on the 60th place out of 177 states). At present, Romania ranges down Bulgaria (56) as to the HDI, but up some countries such as Russian Federation (73), Brazil (70) or Turkey (76). The fi rst fi ve classifi ed countries are Island, Norway, Canada, Australia and Ireland. France ranges the 11th, Austria the 14th ahead the USA (15), Spain (16) and Germany (23). Out of Romania’s neighbours, except for Moldavia, on the 113 place and some former Yugoslavia states, Serbia (65), Macedonia (68), Bosnia and Herzegovina (75), our country is outrun by the Czech Republic (35), Hungary (38), Poland (39), Slovakia (41), Estonia (42), Lithuania (43), Latvia (44) and Croatia (45). As to the dimensions of the human development that is included in the calculation algorithm of the HDI, Romania is better positioned in terms of the rate of adult literacy, occupying the 29th place out of 147 states included in the survey. A lower position still occupies Romania in terms of life expectancy at birth, the 79th place out of 179 states, despite the fact that life expectancy increased by more than 2 years, from 69.9 to 72.2 during the latest decade. Probably, the most spectacular jump registered by Romania is that related to the GDP per capita which increased from 4310 dollars in 1997 to 10500 dollars in 2008.

Conclusions Accept the fact that the GDP is a defi cient measure of the social development which led, together with the need of societies to evaluate their own progress, to the elaboration of alternative indices, keeping, at the same time, the quality of the GDP to express development by a single digit.



The problem of composite indices elaboration is a complex one, various authors determining numerous requirements, often contradictory or hard to meet, in order to render possible constructions as objective and useful as possible for comparisons. Ultimately different authorities being national or international ones are developing composite indicators to meet the needs for the social development evaluation for different human groups on different development levels.

COMUNICAREA:ANALIZA STRUCTURALĂ A

ACTIVITĂŢII DE COMERŢ EXTERIOR

Prof. univ. dr. Constantin ANGHELACHE Prof. univ. dr. Constantin MITRUŢ Prof. univ. dr. Alexandru ISAIC-MANIU Prof. univ. dr. Vergil VOINEAGU

Abstract În comunicare se prezintă principalii indicatori care se pot folosi la analiza structurală a activităţii de comerţ exterior. Sunt descrise detaliat rata de schimb, indicele de preţ, indicele de preţ şi volum. Formula de calcul este inclusă şi explicată. Fiecare indicator are un sens specifi c, care este detaliat de anumite valori. Este important a se cunoaşte sensul valorii indicatorului când se compară cu un set de valori de referinţă. Rata netă de schimb prezintă efectele preţului. O valoare mare a acestor indicatori indică o situaţie defavorabilă pentru ţara exportatoare, deoarece importurile tind să se ieftinească. Rata de schimb factorială este un indicator mai complex. Pentru a analiza acest indicator, trebuie stabilită o corelaţie cu alţi indicatori înrudiţi care descrie efi cienţa economiei unei ţări (derivat din exporturi, export de produse, relaţia dintre import şi producţia internă). Pentru analiza completă a activităţii de comerţ exterior, analiştii folosesc un set de indicatori, rezumat sau detaliat, pe criterii de regiune, timp, familii de produse. Toţi aceşti indicatori ajută explicarea interdependenţie dintre producţie, comerţ exterior, rata de schimb, valută, import, export. Cuvinte cheie: indice, comeţ internaţional, rată de schimb, valută, import, export.

*** Pentru activitatea de comerţ exterior se pot calcula trei indici: indicele valoric; indicele volumului fi zic; indicele preţurilor.



Indicele raportului de schimb, cunoscut în literatura de specialitate internaţională şi sub denumirea de “currence of rate”, se calculează ca un ra-port între indici ai preţurilor sau ai valorii importurilor şi expor turilor, care au aceeaşi bază de raportare. Noţiunea de “raport de schimb” intră, din punct de vede re al volumului fi zic şi al preţurilor, în categoria indicilor raportului de schimb, putând fi calculat ca indice brut, indice net sau al venitului din raportul de schimb. • Indicele raportului de schimb brut se calculează ca un raport între indicele volumului fi zic al importului şi indicele raportului fi zic al exportului. Relaţia de calcul al acestui indice este următoarea:

100

)(

)(

0/1

0/10/1 ×=

MI

XII

q

qrsb în care: X = reprezintă exporturile (1)

M = reprezintă importurile.

Indicele se poate calcula şi sub formă inversă, se înmulţeşte cu 100 şi se exprimă sub formă de procent. Un indice mai mic de 1 sau 100, în cazul în care se raportează exportul la import, este considerat negativ, invers, este considerat pozitiv din punct de vedere al raportului de schimb care se realizează. • Indicele raportului de schimb net evidenţiază efec tul preţurilor, măsurând astfel costuri la cursul de revenire al importului în termeni ai exportului. Se face rapor tul mediu unitar la import şi indicele preţului mediu unitar la export. Relaţia de calcul:

100)M(I

)X(II

p

0/n

p

0/nrsn

0/n ×= (2)

O valoare ridicată a acestui indice arată că importurile devin relativ mai ieftine decât exporturile şi arată o tendinţă în defavoarea ţării exportatoare. • Indicele venitului din raportul de schimb exprimă modifi cările intervenite în volumul schimburilor comerciale. Acest indice este folosit la determinarea volumului importurilor ce se obţin din venitul rezultat din export. Acest indice este dat de relaţia:

100)II(I rsnE

q

vrs

0/n ××= (3)

Se stabileşte că produsul dintre indicele volumului fi zic al exportului şi indicele raportului de schimb net ne conduce de fapt la indicele venitului din raportul de schimb.



Indicele factorial al raportului de schimb Indice ţine seama de factorul calitativ, respectiv de modifi carea productivităţii muncii. Se obţine ca produs între indicele raportului de schimb net şi indicele productivităţii muncii, exprimat în uni tăţi fi zice, în industrie sau ramura exportatoare. Relaţia de calcul este: Ifrs = 100.

)(

)(/

/

/ xIMI

XI prfionp

on

pon (4)

Indicele factorial al raportului de schimb se analizează în corelaţie cu alţi indici, cum ar fi : • Indicele acoperirii exportului prin import: arată efi cienţa economiei naţionale a unei ţări, realizată prin activi tatea de export, şi modul în care acest export compense ază importurile realizate pentru acele produse care nu se pot realiza pe piaţa internă. • Cota-parte a exportului în producţia internă: este o mărime care se utilizează în analiza factorială a raportului de schimb, care se obţine prin valorifi carea la export a unei cantităţi de produse. Acest indice se calculează după formula: I vep = 100

.Pr:

.Prx

non

Xo

non

Xn!"

#$%

& (5)

• Indicele de completare prin importuri a producţiei interne: este un indice care se obţine din raportul între import şi producţia internă, în perioada curentă şi în perioada de bază. Se calculează după relaţia:

Icipi = 100.Pr

:.Pr

xnon

Mo

non

Mn!"

#$%

&

Cota-parte a exportului din consumu

(6)

• Cota-parte a exportului din consumul intern: este o mărime calculată în analiza factorială a raportului de schimb care ajută la calculul indicelui evoluţiei exportului faţă de consumul intern şi se determină utilizând formula:

care ajut la calculul indicelui evolu

Ieveci = 100.

:.

xnCons

Xo

nCons

Xn!"

#$%

&

ficientul ob!inut din raportul dintre

(7) Coefi cientul obţinut din raportul dintre import şi consu mul intern dă posibilitatea calculării indicelui gradului de dependenţă a consumului intern de import şi indicele gradului de dependenţă a importului faţă de alte mărimi structurale. Pentru analiza activităţii de comerţ exterior se pot cal cula o serie de alţi indici, atât pe total, cât şi pe regiuni, grupe de ţări, grupe de mărfuri, perioade etc., toţi aceştia fi ind utilizaţi în analiza statică sau dinamică a evoluţiei activităţii



de comerţ exterior, cu trimiteri exacte la interdependenţele care există între producţie, export, import şi consum.

Indicele de concentrare a comerţului exterior O alta problemă care se pune în condiţiile actuale ale economiei de piaţă este şi aceea de a cunoaşte modul în care activitatea de comerţ exterior, respectiv importul şi exportul, este dispersată în profi l teritorial (geografi c). Se calculează indicele de concentrare care se construieşte ca raport dintre doi coefi cienţi calculaţi în prealabil pe baza evoluţiei concentrării comerţului total, a exportului, a importului, atât în ceea ce priveşte numărul şi pon derea grupelor de mărfuri, precum şi mărfurile luate separat, care au o anumită greutate specifi că în structura totală a pieţelor pe care le exportă sau a pieţelor de pe care le importă. Pentru măsurarea acestui raport de concentrare se utilizează coefi cientul Michaely-Gini, care se obţine prin determina rea ponderii de marfă sau ţară în comerţul total. Indicele de concentrare se calculează după relaţiile: • pentru export: pentru import:

100

X

XCI

j

2

ij

x '()

nci când analiz m concentrar

100

M

MCI

j

2

ij

m '()

din punct de vedere geografi

(8)

Atunci când analizăm concentrarea activităţii de comerţ exterior din punct de vedere geografi c se utilizează doi indici de concentrare, respectiv: • pentru export: pentru import:

100

X

XGI

j

2

ij

x '() 100

M

MGI

j

2

ij

m '() (9)

în care: j = piaţa (ţara) externă; i = produsul; Xjj = exportul produsului “i” către ţara “j”; Xi = total exporturi; Xij/Xj = ponderea produsului “i” în exportul ţării “j”; M = importul. Aceşti indici au o semnifi caţie deosebită, întrucât, fi ind mărimi de structură, pe total trebuie să dea 100, ceea ce înseamnă că evidenţiază modul în care ţara respectivă, care îşi aliniază concentrarea activităţii comerciale, este foarte restrânsă sau, dimpotrivă, foarte diversifi cată.



Indici internaţionali de preţuri, niveluri şi valori medii Precizăm că volumul sau valoarea importurilor şi exporturilor depind, în primul rând, de preţurile la care se realizează mărfurile respective, precum şi de cheltuie lile de transport, respectiv navlurile, la importuri. Activitatea de comerţ exterior trebuie completată şi prin calcularea unor mărimi care să pună în evidenţă aceste valori. O astfel de analiză trebuie completată, de fi ecare dată, prin calculul indicelui Reuter, care este cunoscut în Marea Britanie şi se determină din anul 1933, având ca bază de raportare anul 1931. În alte ţări se calculează indicele Moody, indicele Volkswirt în Germania etc. Indicele cel mai utilizat în statistica internaţională este indicele ONU pentru materii prime, care se întâlneşte sub denumirea de Index of Primary Commodities. Sunt stabiliţi anumiţi ani 1950, 1953, 1958, 1963 etc. ca ani de bază, în funcţie de care se ajustează preţurile curente. Pe plan internaţional se mai calculează indici internaţionali de preţuri, respectiv de valori medii, pentru produsele fi nite: se calculează indicele preţului de vânzare pentru produsele de export pe fi ecare produs şi zonă geografi că, în funcţie de care se poate face analiza de efi cienţă a importurilor respective sau a exporturilor. Pe de altă parte, se calculează indicii internaţionali ai navlurilor, care reprezintă o categorie particulară în cadrul indi cilor de preţuri.

Determinarea elasticităţii cererii şi ofertei în comerţul exterior Activitatea de comerţ exterior este un domeniu care tre buie să se desfăşoare în mod organizat şi bine documentat din punct de vedere al analizelor. Se impune cunoaşterea fenomenului specifi c comerţului exterior, atât al ţării importatoare sau exportatoare, cât şi al partenerilor externi cu care se intră în relaţii comerciale. Se stabileşte o interdependenţă între cererea de consum şi factorii care o infl uenţează, această interdependenţă fi ind dată de relaţia:

)x(fY = (10) Sin această funcţie de introducere a datelor de referinţă rezultă o ecuaţie pe baza căreia se pot calcula coefi cienţii de elasticitate şi care se pot exprima sub formă de coefi cient sau procent. În funcţie de aceştia, se pot desprinde trei concluzii: • cererea este elastică atunci când schimbarea relativă ale preţului determină o schimbare procentuală mai mare a cantităţii sau cheltuielii pe care o exprimă cererea;



• cererea este inelastică atunci când unei modifi cări ale preţului îi corespunde numai o mică modifi care pro centuală a cererii; • cererea este unitară, coefi cientul fi ind întotdeauna egal cu 1, aceasta presupunând că modifi carea pro centuală a cererii este de aceeaşi mărime cu modifi carea procentuală a preţului. În funcţie de cele trei situaţii în care ne putem găsi în urma calculului efi cienţei sau al elasticităţii pe baza funcţiei stabilite, decidem care este momentul oportun pentru plasarea exportului sau realizarea importului respectiv. Analiza elasticităţii cererii în activitatea de comerţ exte rior urmăreşte, în principal, următoarele obiective: • determinarea măsurii în care poate fi exprimată cere rea de produse de provenienţă internă în produse de origine externă; • stabilirea măsurii în care locul unor mărfuri din exte rior poate fi ocupat de alte mărfuri de provenienţă străină; • identifi carea modului în care noul nivel de preţuri poate determina o nouă cerere, în detrimentul altor produse. Elasticitatea cererii şi ofertei în comerţul exterior este analizată şi sub aspectul modului în care este interpretată realizarea simultană de importuri şi exporturi, de către o anumită ţară. În acest sens, problema elasticităţii cererii şi ofertei trebuie privită şi sub următoarele aspecte: • elasticitatea cererii interne pentru exporturile proprii; • elasticitatea ofertei interne de bunuri pentru export, care este infl uenţată de cererea acestor bunuri pe propria piaţă; • elasticitatea ofertei disponibilităţilor pieţei externe pentru importurile proprii; • elasticitatea cererii pe piaţa internă pentru importuri, care poate fi infl uenţată de disponibilităţile interne pentru mărfurile înlocuitoare sau mărfurile concurente. Formula generală de calcul utilizată pentru elasticitatea din punctul “E” exprimă raportul dintre preţurile “p” şi cererea “c” înmulţit cu raportul dintre derivatele lui “p” şi “c”, dar cu semn contrar, respectiv:

E = P

dp

C

dcE

dp

dc

C

P:.

" #

" (11)

Se pot calcula coefi cienţii de elasticitate din exterior, în mai multe ipostaze, respectiv: • elasticitatea în funcţie de preţul propriu, de regulă, pentru o anumită marfă:

i

iEI

piP

dp

C

dcE :)( "

(12)



• elasticitatea în funcţie de preţ, în cazul înlocuirii sau substituirii unei mărfi :

i

iEI

pP

dp

c

dcE :)( "

(13)

În general, pentru calculul coefi cientului de elasticitate se poate utiliza relaţia generală:

01

01

01

01 .PP

PP

CC

CCE

−

+

+

−= (14)

Din multe cauze, pentru calculul coefi cientului de elasti citate se utilizează metoda geometrică:

multe cauze, pentru

E =dy

dx

y

x.

Acesta vine s eviden!

(15) Se evidenţiază modifi carea şi efi cienţa pe care o are realizarea unui anumit import sau export, în funcţie de o anumită marfă. Coefi cienţii de elasticitate reprezintă un instrument sigur de analiză a situaţiei pieţei mondiale, în funcţie de care trebuie să se fundamenteze luarea deciziilor optime pentru realizarea importurilor sau exporturilor respective, ţinând seama de con junctura internă, precum şi de piaţa internaţională pentru aceleaşi produse: produse similare, produse înlocuitori sau produse care pot fi substituite.

Determinarea efi cienţei şi rentabilităţii activităţii de comerţ exterior Activitatea de comerţ exterior reprezintă, pentru orice ţară, un factor de creştere a economiei naţionale, în contextul în care această activitate se realizează pe principii şi criterii de efi cienţă. În analiză există o gamă întreagă de indici care conduc la conturarea concludentă a efi cienţei econo mice în activitatea de comerţ exterior. Pentru a completa tabloul referitor la analiza activităţii de import şi export, sub aspectul stabilirii efi cienţei şi rentabilităţii, în realitate ne putem situa în următoarele cazuri: • preţul intern şi preţul extern pot fi constante; • preţul intern este constant, iar preţul extern este variabil; • preţul intern este variabil, dar preţul extern rămâne constant; • atât preţul intern, cât şi cel extern sunt variabile. La realizarea exporturilor şi importurilor, în activitatea de comerţ exterior trebuie să se aibă în vedere analiza următorilor factori: nivelul preţurilor interne, preţurile realizate în valută sau transformate în valută, raportul cursului valutar prezent şi în perspectivă, cheltuielile de circulaţie.



Analiza acestor patru factori, în strânsă concordanţă cu nevoile economiei naţionale, poate să conducă la realizarea unor schimburi corecte şi efi ciente pentru economia naţională. Pentru cuantifi carea efi cienţei şi rentabilităţii activităţii de comerţ exterior, se calculează Cursul de revenire brut la export şi Cursul de revenire corectat la export. • Cursul de revenire net la export – indicator sufi cient de expresiv, se calculează după formula: )(

)( bac

baE

cErn

MMP

MMPC

−−

+−= (16)

P Ec = preţul de cost complet de export FOB;

cP = preţul extern CIF;

aM = contravaloarea materiilor prime, materialelor, energiei, combustibililor, din import;

bM = contravaloarea materiilor prime, materialelor, energiei, combustibililor, exportabile independent; • Aportul net în valută – indicator calitativ, determinat după relaţia:

$%100x

P

MMPA

E

e

ba

E

E

nv

! "

Cu cât acest indicator este mai aprop

(17) Cu cât acest indicator este mai apropiat de 100, cu atât rentabilitatea la export a produsului respectiv este mai ridicată, şi invers, dacă acesta are valori din ce în ce mai mici, re zultă că activitatea de export s-a realizat în condiţii neefi ciente. Indicii prezentaţi se folosesc, de regulă, pentru analiza activităţii de export, cât şi în analiza importurilor.

Bibliografi e selectivă - Anghelache, C. (1999) – “Comerţul exterior – fi nanţare şi analiză fi nanciar-bancară”. Editura Economică, Bucureşti - Anghelache, C. (2008) – “Tratat de statistică teoretică şi economică”, Editura Economică, Bucureşti - Anghelache ,C., Capanu, I. (2001) – “Indicatorii macroeconomici – conţinut, metodologie de calcul şi analiză economică”, Editura Economică, Bucureşti - Andrei, T. (2003) – “Statistică şi econometrie”, Editura Economică, Bucureşti



THE STRUCTURAL ANALYSIS OF THE FOREIGN TRADE ACTIVITY

PhD Univ. Professor Constantin ANGHELACHE PhD Univ. ProfessorConstantin MITRUŢ PhD Univ. Professor Alexandru ISAIC-MANIU PhD Univ. Professor Vergil VOINEAGU

Abstract The paper describes the main indicators that can be used in the structural analysis of the foreign trade activity. The currence of rate, the price index, the volume price index are described in detail. For each indicator included in the article, the calculation formula is included and explained. Each indicator has a peculiar meaning, which is detailed by certain values. It is very important to know the meaning of the indicator’s value when compared with a reference set of values. The net currence of rate presents the effects of the prices. A high value of these indicators indicates a unfavorable situation for the exporting country, as the imports tend to be cheaper. The factorial currence of rate is a more complex indicator. In order to analyze this indicator, a correlation must be established with other related indicators, which describe the effi ciency of a country’s economy (derived form exports), the export of products, the relationship between the import and the internal production. For the complete analysis of the foreign trade activity, the analysts use a set of indicators, summarized or detailed on regional, time, family of products criteria. All this indicators help explain the interdependencies between production, foreign trade and internal consumption. Key words: index, international trade, currence of rate, currency, import, export

*** For the foreign trade activity, three indexes can be calculated: the value index, the physical volume index and the price index. The exchange ratio index, also known in the international literature as “the currence of rate”, is calculated as a report between price indexes or indexes of import and export values, that have the same base for the report. The concept of “exchange ratio” is included, from the view point of the physical volume and prices, in the category of exchange ratio; it can be calculated as a gross index, net index or as an index of the income from the exchange ratio. • The gross exchange ratio index is calculated as a report between the physical volume index for import and the physical volume index for export. The relationship used for the calculation of the index is the following:

100

)(

)(

0/1

0/10/1 ×=

MI

XII

q

qrsb where: X = represents the exports (1)

M = represents the imports. The index can be represented in an inverse manner, multiplied by 100 and is



expressed as a percentage An index below 1 or 100, when the export is divided by import, is considered negative, otherwise, it is considered positive from the view point of the obtained exchange ratio. • The net exchange ratio index emphasizes the effect of prices, thus measuring the costs at the return cost of the import in terms of export. For this, the unit report between the import and the unit average export price index. The formula is:

100)M(I

)X(II

p

0/n

p

0/nrsn

0/n ×= (2)

A high value of this index shows that the import becomes relatively cheaper than the exports and indicates an unfavorable tendency for the exporting country. • The income from the exchange ratio index expresses the modifi cations occurred in the volume of commercial exchanges. This index is used in the determination of the volume of import that are obtained from the revenue achieved from export. This index is calculated with the following formula:

100)II(I rsnE

q

vrs

0/n ××= (3) According to that formula, it is stated that the product between the export physical volume index and the net exhange ratio index leads actually to the income from the exchange ratio index.

The factorial exchange ratio index This index keeps into account the qualitative factor, that is the modifi cation of the productivity of labor. It is obtained as a product between the net exchange ratio index and the index of the productivity of labor, expressed in physical units, in the exporting industry or fi eld. The following formula is used for its calculation:

Ifrs = 100.)(

)(/

/

/ xIMI

XI prfionp

on

pon (4)

The factorial exchange ratio is analyzed in correlation with other indexes, such as: • The export coverage by import index: shows the effi ciency of the national economy of a country, realized through the export activity and the mode in which this export compensates the imports realized for the products that cannot be fabricated on the internal market. • The exports’ share in the internal production: is another measure used in the factorial analysis of the exchange ratio, that can be obtained through the export of a quantity of products. This index is calculated according to this formula:



calculeaz dup formula:

I vep = 100.Pr

:.Pr

xnon

Xo

non

Xn!"

#$%

&

Indicele de completare prin import

(5) • The index of import completion of the internal production: is an index that is obtained from the report between the import and the internal production, during the current and the base period. Th index is calculated by using the following formula: Icipi = 100

.Pr:

.Prx

non

Mo

non

Mn!"

#$%

&

Cota-parte a exportului din consumu

(6)

• The exports’ share in the internal consumption: is a measure calculated in the factorial analysis of the exchange ratio that helps to compute the index if the export’s evolution against the internal consumption and is determined by using the formula below:

care ajut la calculul indicelui evolu iei ex

Ieveci = 100.

:.

xnCons

Xo

nCons

Xn!"

#$%

&

ficientul ob!inut din raportul dintre

(7)

The quotient obtained from the report between the import and internal consumption offers the possibility to calculate the index for the degree of the internal consumption dependency on import and of the index for the degree of imports dependency on other structural measures. For the analysis of the foreign trade activity, a series of indexes can be calculated, both on a summarized form or by region, groups of countries, groups of merchandises, time periods etc., all these being used in the static or dynamic statistical analysis of the foreign trade activity, with precise referrals to the interdependencies existing between production, export, import and consumption.

The concentration of the foreign trade index Another problem that arises in the present conditions of the market economy is knowing the mode in which the foreign trade activity, the export and the import, is dispersed in a territorial (geographical) profi le. In order to achieve that, the concentration index is calculated, built as a report between two quotients previously calculated on the basis of evolution and concentration of the total commerce, export, import, both for the number and weight of the groups of merchandises, as well as for the merchandises taken individually, that have a certain specifi c weight in the total structure of the markets where exports or on the markets where imports. For the measurement of this concentration report, the Michaely-Gini quotient is used, and is obtained through the calculation of the merchandise or country weight in the total trade. This concentration index is calculating with the following relationships: • for export: for import:

pentru export:

100X

XCI

j

2

ij

x '()

nci când analiz m concentrar

pentru import:

100M

MCI

j

2

ij

m '()

din punct de vedere geografic s

(8)

When analyzing the concentration of the foreign trade activity from the geographical view point two concentration indexes are used, namely:



• for export: for import:

100

X

XGI

j

2

ij

x '()

pentru import:

100M

MGI

j

2

ij

m '() (9)

where: j = the foreign market (country); i = the product; Xjj = the export of the “i” product to the “j” country; Xi = total exports; Xij/Xj = weight of the “i” product in the export of “j” country; M = import. These indexes have a particular signifi cance, because, being structural measures, they must total 100, which means that they emphasize the mode in which the respective country, that lines its concentration of the commercial activity, is very restrained or, on the contrary, very diversifi ed.

The international indexes for prices, levels and average values It must be stated the fact that the volume or value of the import and export depend, in the fi rst place, on the prices at which the merchandises are realized, as well as on the transport expenses, respective the freight, especially when talking about import. The foreign trade activity must be completed with the calculation of some measures to emphasize these values. Such analysis must be completed, each time, with the calculation of the Reuter index, that is known in the United Kingdom and calculated from 1933 on, having as base of report the year 1931. In other countries the Moody index is calculated, the Volkswirt index in Germany etc. The most widely used index in the international statistics is the UN index for raw materials, that is known under the name of Index of Primary Commodities. This index starts from the establishment of certain years: 1950, 1953, 1958, 1963, etc. as base years, depending on which the current prices are adjusted. On the international, international price indexes are calculated, respectively indexes of average values, for the fi nished products. Here is calculated the sales price index of the exported products, on each product and geographical area, depending on which the effi ciency analysis of the respective imports of exports can be performed. On the other hand, the international indexes of freight are calculated, they represent a peculiar category inside the price indexes.

Determination of the elasticity for demand and supply in the foreign trade The foreign trade activity is an activity that must be deployed in a well-organized and documented mode form the analysis point of view. Therefore, it is mandatory the knowledge of the phenomenon specifi c to the foreign trade, both for the importing and exporting country and for the external partners with whom commercial relationships are established. It has been stated that interdependency is established between the



consumption demand and its factors of infl uence, this interdependency is described by the relationship below:

)x(fY = (10)

Certainly, from this function of reference data input results an equation based on which the elasticity indicators can be calculated and they can be expressed as quotients or percentages. Depending on those, three conclusions might be outlined: • the demand is elastic when the relative change of price leads to a greater percentage change of the quanitity or expense expressed by the demand; • the demand is inelastic when to a modifi cation of the price there is a small corresponding percentage modifi cation of the demand; • the demand is unitary, the quotient being always equal to 1, supposing that the percentage modifi cation of the demand is the same with the percentage modifi cation of the price. Depending on the three situation we may fi nd into after the calculation of effi ciency or elasticity based on the established function, we decide the opportune moment for the launching of the respective export or for the realization of the respective import. The elasticity analysis in the foreign trade activity aims mainly towards the following objectives: • the determination of the amount in which the demand of internal products can expressed in products of external origin; • the establishment of the measure in which the place of some external merchandises can be taken by other merchandises of foreign origin; • identifi cation of the mode in which the new level pf prices may cause a new demand, at the expense of other products. The elasticity of supply and demand in the foreign trade is viewed also in terms of how the simultaneous realization of imports and exports by a certain country is interpreted. • The elasticity of the internal demand for the own exports; • The elasticity of the internal supply for export goods, that is infl uenced by the demand for those goods on the internal market; • The elasticity of the foreign market availability supply for the proper imports; • The elasticity of the internal market demand for import, which can be infl uenced by the internal availabilities for substitute or concurrent merchandises. The general calculation formula used for the “E” point elasticity expresses the ratio between the “p” prices and the “c” demand, multiplied by the ratio between the derivates of “p” and “c”, but with opposite sign, respectively:

E = P

dp

C

dcE

dp

dc

C

P:.

" #

" (11)

This way, the elasticity quotients from the exterior can be calculated, in many hypostases, respectively:



• The elasticity according to the own price, which is calculated, usually, for a given merchandise, according to the formula below:

i

iEI

piP

dp

C

dcE :)( "

(12) • The elasticity according to the price, in the case of merchandise substitution, given by the formula:

i

iEI

pP

dp

c

dcE :)( "

(13) From the above presented, in general, the following relationship can be used for the calculation of the elasticity quotient:

01

01

01

01 .PP

PP

CC

CCE

−

+

+

−= (14)

Because of many considerations, for the calculation of the elasticity quotient the geometrical method is used, given by the formula below:

E =dy

dx

y

x.

sta vine s eviden!iez

(15)

This comes to emphasize the modifi cation and the effi ciency that the realization of a certain import or export has, according to a certain merchandise.The elasticity quotients are a safe instrument for the analysis of the global market situation, according to which the optimal decision for the realization of the respective imports and exports must be based, taking into account the internal conjecture, but also the global market for the same products, similar products, substitute goods or products that can be substituted.

Determination of the effi ciency and profi tability of the foreign trade activity

The foreign trade activity represents, for any country, a growth factor of the national economy, in the context in which this activity is realized on principles and criteria of effi ciency. For the analysis of this activity there is an entire set of indexes that lead to the conclusive shape of the economical effi ciency in the foreign trade activity.In order to complete the picture regarding the analysis of the import and export activity, in terms of determining the effi ciency and profi tability, in fact we can be in one of the following situations: • The internal and external price can be constant; • The internal price is constant, but the external price is variable; • The internal price is variable, but the external price is constant; • Both the internal and external prices are variable. At the realization of the import and export, in the foreign trade activity, the analysis of the following factors must be taken into account: the level of internal prices, the prices realized in currency or transformed into currency, the ratio of the



present and perspective exchange rate, the circulation expenses. The analysis of those four factors, in tight correlation with the needs of the national economy, can lead to the realization of some exchanges, correct and effi cient for the national economy. For the quantifi cation of the effi ciency and profi tability of the foreign trade, the gross return rate of export and the corrected return rate of export are calculated. • The net return rate of export – a suffi ciently expressive indicator, is calculated with the formula:

Cursul de revenire net la exp

$%$% bac

ba

E

cE

rnMMP

MMPC

! " (16)

P Ec = complete export cost price FOB;

cP = external price CIF;

aM = value of the raw materials, other materials, energy, combustibles,

from import;

bM = value of the raw materials, other materials, energy, combustibles,

independently exportable;

• The net foreign currency contribution – a qualitative indicator, is determined by the relationship below:

$%100x

P

MMPA

E

e

ba

E

E

nv

! "

Cu cât acest indicator este mai aprop

(17)

As this indicator is close to 100, the profi tability of export product is higher, and conversely, if the values are becoming smaller, it appears that the export was done under ineffi cient conditions. These indexes are usually used for the analysis of export activity. For the analysis of import, we use the same kind of indicators.

Selective bibliography - Anghelache, C. (1999) – “The Foreign Trade – Financing and Financial-Banking Analysis”, Economica Publishing House, Bucharest - Anghelache, C. (2008) – “Treaty of Theoretical and Economical Statistics”, Economica Publishing House, Bucharest - Anghelache ,C., Capanu, I. (2001) – “Macro-Economical Indicators – Contents, Calculation Methodology and Economic Analysis”, Economica Publishing House, Bucharest - Andrei, T. (2003) – “Statistics and Econometrics”, Economica Publishing House, Bucharest



STRUCTURA ORGANIZATORICĂ, MISIUNI ŞI SESIUNI ALE

Institutului Internaţional de Statistică (IIS) - Participarea românească -

Institutul Internaţional de Statistică (IIS) reprezintă una dintre cele mai vechi instituţii statistice cu caracter ştiinţifi c ce funcţionează în lumea modernă. Primul Congres al IIS s-a întrunit în anul 1853, societatea fi ind stabilită formal în anul 1885. În mandatul Institutului sunt inserate drept obiective: îmbunătăţirea şi dezvoltarea metodelor statistice de aplicat în promovarea activităţilor statistice internationale şi a cooperării în statistică. Comunitatea internaţională a statisticienilor este recunoscătoare pentru suportul continuu pe care IIS îl acordă ştiinţei şi practicii statisticii pentru progresul statisticii într-o lume globalizată în evoluţie rapidă. Biroul Permanent al IIS este situat în Haga, Olanda. Institutul are statut consultativ pentru Consiliul Economic şi Social al Naţiunilor Unite (ECOSOC) şi pentru Organizaţia Cultural Stiinţifi că şi Educaţională a Naţiunilor Unite (UNESCO). IIS este compus din peste 2500 de membrii aleşi individual din 133 de ţări, recunoscuţi internaţional drept „lideri” de opinie în domeniul statistic. Categoriile de membrii ai IIS sunt: membrii onorofi ci şi aleşi; membrii ex-ofi cio (statisticieni şefi ); membrii corporativi (universităţi, bănci, departamente etc). Misiunea IIS este promovarea progresului şi a bunelor practici ale statisticii în întreaga lume. Pentru atingerea obiectivelor declarate, se apelează la: promovarea excelenţei în cercetarea statistică şi cercetarea formării profesionale; promovarea excelenţei în practica statisticii; promovarea excelenţei în educaţia statistică; susţinerea comunităţii statisticii internaţionale în promovarea stabilirii şi menţinerii de instituţii statistice solide; creşterea încrederii instituţilor ofi ciale de statistică pentru a mări valoarea statisticii şi metodele statistice; facilitarea colaborării între grupurile de membri ISI şi societăţile de statistică, alte organizaţii naţionale şi internaţionale cu preocupări statistice; asigurarea de servicii de coordonare, precum întreţinerea unui website, organizare de sesiuni plenare, publicaţii, promovarea standardelor profesionale, iniţierea de programe de afi liere cu alte organisme; promovarea de noi iniţiative pentru a reuşi ca ştiinţa statistică să ţină pasul cu evoluţia socităţilor moderne.



Structura organizatorică a IIS cuprinde: Adunarea Generală; Consiliul; Comitetul Executiv; Biroul Permanent. Institutul Internaţional de Statistică este renumit în mod special pentru reuniunile internaţionale organizate la fi ecare doi ani, sesiuni plenare de anvergură în cadrul cărora membrii participanţi schimbă idei, dezvoltă noi relaţii de cooperare, iniţiază discuţii, dezbat problematici şi emit puncte de vedere în legatură cu trendurile actuale ale lumii statistice. Cea de-a 57 a Sesiune a IIS a avut loc în Durban (Africa de Sud) în perioada 16-22 august 2009 şi a fost plasată sub deviza „Statistica: trecutul nostru, prezentul şi viitorul”. Şeful Institutului National de Statistică al Africii de Sud, domnul Pali Lehohla, a subliniat onoarea de a organiza prestigioasa reuniune ce reprezintă o piatră de hotar în „călătoria” dezvoltării statistice pentru Africa. Lucrările sesiunii au fost organizate în reuniuni plenare şi într-un număr mare de secţiuni. În deschiderea sesiunii au rostit alocuţiuni de salut domnul Jacob Zuma, preşedintele Republicii Africa de Sud, domnul Pali Lehohla, preşedintele Institutului National de Statistică al Africii de Sud şi doamna profesor Denise Lievesley, preşedintele în exerciţiu al IIS. În alocuţiunea sa, preşedintele Republicii Africa de Sud a spus, printre aletele “criza economică mondială care a început în statele dezvoltate obligă statisticienii să caute soluţii de care să benefi cieze toate naţiunile”. Agenda sesiunii din Durban a acoperit topice din întreaga gamă a statisticii teoretice şi practice, inclusiv a tematicii organizaţiilor specializate ale IIS. Au fost prezentate lucrări ştiintifi ce pe diferite teme statistice: - Statistica matematică: distribuţii statistice; metode de re-eşantionare; erori de măsurare; modelarea datelor; procese statistice şi proprietăţile acestora; analiza funcţională a datelor; entropia; metode bayesiene; procese stohastice etc. - Statistica ofi cială: provocări metodologice de actualitate în statistica socială şi economică; cuantifi carea datelor calitative ale anchetelor statistice; rolul statisticii ofi ciale în rezolvarea provocărilor globale; statistica agriculturii; evaluarea riscurilor fi nanciare; mărimea şi impactul revizuirilor în statistică; întărirea instituţională; abordări statistice în măsurarea bunăstării societăţilor; cooperare înstituţională şi asistenţa tehnică; populaţia ocupată şi creşterea economică; globalizarea şi statistica ofi cială; măsurarea şi evaluarea sarcinii de răspuns a reondenţilor; conturi economice şi de mediu; problematica eticii în statistica ofi cială; diseminarea statisticii; controlul calităţii în statistică; sisteme statistice naţionale etc. - Învăţământul statistic: identifi carea echilibrului optim între locul de muncă şi cercetare în cazul viitorilor statisticieni; metode interactive în predarea statisticii etc.



- Tehnologia informaţională şi statistica; legarea surselor de date multiple; statistica de web; constituire de baze de date în timp real; software şi e- statistica etc. Participarea românească la Institutul Internaţional de Statistică, de-a lungul timpului, a fost marcată de interesul instituţiei de statistică ofi cială de a fi conectată la dezbaterile internaţionale pe problematici de actualitate. Vicisitudinile diferitelor perioade, şi lipsa de resurse fi nanciare a împiedicat prezenţa reprezentanţilor din România la sesiunile plenare IIS.

SESIUNI ALE INSTITUTULUI INTERNAŢIONAL DE STATISTICĂ -Participare românească, din 1957-

Sesiunea Anul Locul Participanţi

Membru ex-ofi cio Membrii ordinari şi invitaţi

30 1957 Stokholm M. Levente V. Malinski, M. Mănescu

31 1958 Bruxelles M. Levente V. Malinski, M. Mănescu, R. Mănescu, A. Rugină. S. Manuilă

32 1960 Tokyo M. Levente V. Malinski1

33 1961 Paris M. Levente 2

34 1963 Ottawa M. Biji3 M. Anastasescu

35 1965 Belgrad - P. Năvodaru, M. Mănescu, V.Catană, Gh. Ciucu, F. Ferenbach

36 1967 Sydney C. Ionescu N. Costake37 1969 Londra C. Ionescu N. Costake, M. Iosifescu4

38 1971 Washington P.Buzoianu I. Dumitrescu, Gh. Mănescu, T Postelnicu, T. Podea

39 1973 Viena C. Ionescu I. Răvar, T. Postelnicu, I Bordea40 1975 Varşovia P. Ghimbuluţ V. Gh Dumitrescu, M. Iosifescu, T. Postelnicu47 1989 Paris - T. Postelnicu48 1991 Cairo Pepelea P. I. Dumitrescu49 1993 Firenze A. Radocea9 I. Dumitrescu, T. Postelnicu, D.M Enăchescu50 1995 Beijing A. Radocea C.I Ungureanu, D.M Enăchescu5

51 1997 Istambul P.Wagner D.E Ştefănescu52 1999 Helsinki V.Dinculescu53 2001 Seoul A.Camara D.M Enăchescu, Camelia Enăchescu, C. Turtoi

54 2003 Berlin - G. Jifcu, I Dumitrescu, Toma Aida, T Postelnicu6, Vraciu L.

55 2005 Sydney C.I Ungureanu M. Pietreanu

56 2007 Lisabona V. Voineagu7 I. Dumitrescu, D.E Ştefănescu, G. Vaida, C. Mitrut, C. Anghelache

57 2009 Durban V. Voineagu8 I. Dumitrescu, D.E Ştefănescu, C. Mitruţ, C. Anghelache



Sesiunile plenare la care nu au participat reprezentanţii statisticii româneşti, după 1946

Sesiunea Anul Locul

25 1947 Washington26 1949 Berna27 1951 New Delhi28 1953 Roma29 1955 Rio de Janeiro41 1977 New Delhi42 1979 Manila Filipine43 1981 Buenos Aires44 1983 Madrid45 1985 Amsterdam46 1987 Tokyo

Note 1. 1960- Tokyo – V. Malinski – Sursa de acumulare şi dezvoltare economica a Republicii Populare România 2. 1961- Paris- M.Levente- Contribuţia studiului statistic 3. 1963 – Ottawa- M.Biji – Funcţiile statisticii ofi ciale în funcţie de schimbări 4. 1969- Londra M.Iosifescu – Lanţuri Multiple Markov 5. 1995 Berlin – Enăchescu D. Melvin- Un nou test pentru răspunsuri aberante într-o mostră experimentală 6. 2003 Berlin T. Postelnicu – Estimări… pentru Indicele de Capabilitate 7. 2007 Lisabona - Vergil Voineagu, Ilie Dumitrescu, Daniela Ştefănescu – Etică Profesională – Cerinţele necesare pentru creşterea încrederii în statistica ofi cială. 8. 2009 Durban- Vergil Voineagu, Ilie Dumitrescu, Daniela Ştefănescu - Raţiunea utilizarii indicatorilor compoziţi pentru comparaţiile internaţionale; Constantin Anghelache, Constantin Mitruţ ; Alexandru Isaic Maniu, Vergil Voineagu- Analiza structurală a activităţii de comerţ exterior. 9. 1993 Firenze - Alexandru Radocea, Ilie Dumitrescu - Statistica s-a schimbat. Cum să ne convingem utilizatorii?

Date şi informaţii furnizate deDirecţia integrare europeană şi cooperare internaţională

(INS, expert Luiza Nedelcu)



Actualitate / evenimente - Prima Şedinţă plenară a Comitetului Sistemului Statistic Naţional - COMSTAT - Conferinţa MuPSoc 2009 - Efectele crizei asupra pieţei muncii

PRIMA ŞEDINŢĂ PLENARĂ A COMITETULUI SISTEMULUI STATISTIC

NAŢIONAL – COMSTAT

Luni, 28 septembrie 2009, a avut loc la Institutul Naţional de Statistică – în sala de consiliu „Dionisie Pop Marţian” Şedinţa plenară a COMSTAT. Au fost prezenţi reprezentanţi ai Academiei Române, numeroşi reprezentanţi ai ministerelor şi organelor de specialitate din subordinea Guvernului, de la Banca Naţională a României şi Comisia Naţională de Prognoză, ai unităţilor cu profi l statistic din cadrul unor autorităţi şi instituţii publice, precum şi reprezentanţi ai Institutului Naţional de Statistică. Lucrările primei şedinţe plenare a COMSTAT au fost conduse de prof. univ. dr. Vergil Voineagu – preşedintele INS. S-a făcut referire la prevederile Legii organizării şi funcţionării statisticii ofi ciale în România (Nr. 226/5 iunie 2009) prin care a fost reglementat inclusiv Sistemul Statistic Naţional fi ind hotărâtă înfi inţarea COMSTAT. S-au precizat atribuţiile, componenţa şi conducerea Comitetului Sistemului Statistic Naţional, modul de lucru şi principalele categorii de lucrări, prezentându-se participanţilor Regulamentul de organizare şi funcţionare. Potrivit propunerilor formulate va fi defi nitivat Regulamentul - afl at în stadiu de proiect - cu precizarea membrilor din componenţa COMSTAT care va fi stabilită stabilită prin Ordin al preşedintelui Institutului Naţional de Statistică.

Cercetare, colaborare, cooperare


CONFERINŢA MuPSoc 2009 - EFECTELE CRIZEI ASUPRA PIEŢEI MUNCII

Institutul Naţional de Cercetare Ştiinţifi că în domeniul Muncii şi Protecţiei Sociale a organizat la Bucureşti în zilele de 17-18 septembrie 2009 a 5-a Conferinţă naţională cu participare internaţională MuPSoc 2009– „Efecte ale crizei economice şi acţiuni corective pe piaţa muncii din România în vederea relansării economice”, continuând tradiţia de a promova dezbateri ştiinţifi ce ca posibilităţi de analiză în vederea deciziei politice informate în domeniu. La manifestare au fost prezenţi reprezentanţi din numeroase instituţii, naţionale şi internaţionale, fapt ce a creat premisele unei dezbateri largi şi sugerarea de multiple soluţii. Au participat invitaţi străini de la Universita degli Studi di Roma „La Sapienza”, Facolta di Economia, University of Strasbourg, Bureau d’Economie Theoretique et Appliquee – Pole Europeen de Gestion et d’Economie, Innovative Restructuring European Networks of Experts IRENE. În cadrul acţiunilor comune de colaborare şi cooperare, din România au fost prezenţi numeroşi specialişti din cadrul Institutului şi Ministerului Muncii, Familiei şi Protecţiei Sociale, de la Academia de Studii Economice, Comisia Naţională de Prognoză, Institutul Naţional de Statistică şi Societatea Română de Statistică, Institutul Naţional de Cercetări Economice, reprezentanţi ai Agenţiei Naţionale pentru Ocuparea Forţei de Muncă, Autoritatea Naţională pentru Cercetare Ştiinţifi că, Centrul Naţional pentru Dezvoltarea Învăţământului Profesional şi Tehnic, Casa Naţională de Pensii şi alte Drepturi de Asigurări Sociale, Asociaţia Oamenilor de Afaceri din România, Camera de Comerţ şi Industrie a României, Camera de Comerţ şi Industrie Bucureşti, Patronatul Român din Cercetare şi Proiectare, Institutul Naţional de Cercetare - Dezvoltare pentru Protecţia Muncii, Universitatea Bucureşti, Universitatea de Ştiinţe Agronomice şi Medicină Veterinară Bucureşti, Universitatea „Spiru Haret” Bucureşti, Universitatea „Valahia” din Târgovişte, Universitatea „Danubius” Galaţi, Şcoala Naţională de Studii Politice şi Administrative, Universitatea din Piteşti, Centrul de Sociologie Urbană şi Regională, Creare Resurse Umane Bucureşti, IAROM S.A.. Programul a cuprins 40 de comunicări ştiinţifi ce reprtizate pe trei secţiuni: Relansarea cererii şi efecte asupra ocupării (Secţiunea I), Ocupare, solidaritate şi coeziune socială în contextul recesiunii economice (Secţiunea a II-a) – Reforme structurale, inovare şi economia cunoaşterii (Secţiunea a III-a). Au fost supuse dezbaterii tematici vizând efectele crizei economice şi fi nanciare asupra pieţei muncii din perspectivă naţională, europeană şi internaţională, aspecte specifi ce ale pieţei muncii ca: fl exi-securitatea, mobilitatea forţei de muncă, inserţia absolvenţilor de învăţământ superior pe



piaţa muncii, legătura salarii şi ocupare, impactul politicilor monetar-fi scale pe piaţa muncii, legăturile dintre sistemul de impozite şi taxe şi dinamica productivităţii muncii şi ocupării, evoluţii ale sărăciei şi perspective ale dinamicii acesteia, rolul economiei creative, al inovării şi cunoaşterii în relansarea economică. Dezbaterile provocate de comunicările prezentate în cadrul conferinţei au conturat necesitatea creşterii rolului cercetării-dezvoltării în analizarea infl uenţei factorilor şi evaluarea efectelor crizei, elaborarea de prognoze de evoluţie privind piaţa muncii şi evaluarea impactului diferitelor politici asupra creşterii economice şi ocupării, necesitatea utilizării în lucrările elaborate a bogatului fond de date şi informaţii ofi ciale existente în publicaţiile editate rezultate din cercetările organizate în România.

A consemnat ec. Ioan B. Gâlceavă, potrivit informaţiilor INCMPS,

Director General dr. Vasilica Ciucă, Director ştiinţifi c dr. Speranţa Pîrciog



Abordări utilizate în calculul pentru estimarea riscului de piaţă Drd. Gabriela BUCULEI Prof. univ. dr. Vergil VOINEAGU Dr. Mihaela GRUIESCU Academia de Studii Economice Bucureşti

Abstract

Managementul riscurilor de piaţă este parte integrantă a tuturor proceselor decizionale şi de afaceri din cadrul unei societăţi fi nanciar-bancare şi are drept scop identifi carea, evaluarea, monitorizarea şi controlul riscului de piaţă. Cel mai cunoscut instrument de estimare a riscului de piaţă este Value-at-Risk (VaR), pentru care s-au dezvoltat mai multe metodologii de calcul, utilizate cu succes în industria bancară. Prin articolul prezentat sunt analizate o serie de abordări cunoscute de calcul VaR cu scopul de a răspunde, cel puţin în parte, la o serie de probleme care sunt permanent dezbătute şi se referă la lungimea optimă a eşantionului de măsurare a volatilităţii randamentelor unui instrument fi nanciar, dependenţa volatilităţii estimate de lungimea eşantionului, precum şi diferite soluţii pentru realizarea unor estimări a volatilităţii pentru un orizont de timp mai mare. Cuvinte cheie: risc de piaţă, Value-at-Risk, volatilitate, estimare, orizont de timp, nivel de încredere.

*** Preocupări pentru dezvoltarea unor modele efi ciente, care să fi e utilizate la măsurarea riscului valutar (componentă a riscului de piaţă), au apărut începând cu anul 1973, când la Summit-ul Bretton Woods s-a hotărât renunţarea la ratele de schimb fi xe între valute. Hotărârea a determinat creşterea volatilităţii ratelor de schimb şi, în consecinţă, creşterea incertitudinii în tranzacţiile internaţionale. Pe lângă renunţarea la sistemului Bretton Woods1, apariţia şocurilor petroliere şi a altor serii de evenimente au produs dereglări severe ale pieţelor internaţionale. Publicarea în 1973 a “Teoriei Black-Scholes privind evaluarea unei opţiuni2”şi tranziţia rapidă la sistemul ratelor de schimb fl otante între valute, în majoritatea ţărilor dezvoltate, au impulsionat necesitatea de a măsura şi controla riscul ratelor de schimb între valute.

Economie şi statistică


Philippe Jorion3, în lucrarea «Financial Risk Manager – Handbook», defi neşte riscul de piaţă ca fi ind riscul de a înregistra pierderi datorită modifi cării variabilelor pieţei fi nanciare. Variabilele includ ratele de dobândă, ratele de curs de schimb, cotaţiile acţiunilor şi preţurile mărfurilor. Potenţialele pierderi se pot înregistra atât la nivelul poziţiilor bilanţiere, cât şi extrabilanţiere. Conform Amendamentului la Acord Basel I privind încorporarea riscurilor de piaţă4 defi niţia riscului de piaţă propusă de Comitetul Basel îl prezintă ca fi ind ”riscul înregistării pierderilor în poziţiile bilanţiere, cât şi extrabilanţiere datorate modifi cărilor în evoluţia preţurilor pieţei.” Începând cu 1996, Comitetul Basel5 a dat publicităţii “Amendamentul privind încorporarea riscurilor de piaţă”, care prevedea încorporarea riscului de piaţă, şi calcularea de către toate instituţiile bancare a cerinţelor minime de capital reglementat începând cu anul 1998. Amendamentul a reglementat două abordări de calcul a cerinţelor minime de capital, după cum urmează: • abordarea standard – prezentată în Amendament; • abordarea alternativă, care permite băncilor utilizarea propriilor

modele de managment al riscului de piaţă. Prima metodologie - standard estimează riscul de piaţă şi calculează cerinţele minime de capital reglementat pentru riscurile: de poziţie, de decontare, valutar şi de marfă. Acordul Basel II6 a venit cu două elemente de noutate, prin regle-mentarea de a acoperi şi riscul utilizării produselor derivative de credit şi a operaţiunilor tranzacţionate de Unităţile organismelor de Plasament Colectiv. Cea de-a doua abordare bazată pe modele interne reprezintă o formă mai sofi sticată de calcul care a impus stabilirea cerinţelor minime de capital reglementat pentru riscul: de poziţie, valutar şi de marfă. Acordul Basel II a înglobat riscul aferent Unităţilor Organismelor de Plasament Colectiv. Conform Acordului, băncile pot utiliza modele interne pentru calcularea cerinţelor minime de capital, caz, în care va fi necesară recunoşterea prealabilă din partea instituţiei de supraveghere. Criteriile cantitative şi calitative7 pentru recunoaşterea unui model intern de risc de piaţă, impuse de instituţiile de supraveghere stau la baza autorizării necesare băncilor pentru astfel de abordări. Menţionăm următoarele: • modelul intern de cuantifi care a riscului să facă parte integrantă

din procesul de management zilnic al riscului şi serveşte pentru raportarea către managementul instituţiei a expunerilor la risc;

• existenţa unei unităţi de control al riscului, independentă de unităţile



care desfăşoară activităţi de tranzacţionare, care să raporteze direct managementului superior rezultatele activităţii de risc;

• top managementul băncilor să fi e implicat în mod activ în procesul de control al riscului, iar rapoartele zilnice realizate de către unitatea de control sunt revăzute de către un nivel al managementului cu autoritate sufi cient pentru a impune atât diminuarea poziţiilor luate de către cei care tranzacţionează în mod individual, cât şi diminuarea expunerii totale la risc a instituţiei;

• instituţia să aibă personal sufi cient, califi cat în utilizarea modelelor sofi sticate în domeniile tranzacţionării, controlului riscului, auditului şi al back-offi ce-ului;

• instituţia bancară să stabilească proceduri pentru monitorizarea şi asigurarea respectării procedurilor de control interne privind funcţionarea generală a sistemului de cuantifi care a riscului şi să desfăşoare, cel puţin o dată pe an, o revizuire independentă a sistemului său de cuantifi care a riscului;

• modelele instituţiei să aibă un istoric care să dovedească acurateţe rezonabilă în cuantifi carea riscului;

• instituţia să deruleaze, în mod frecvent, un program riguros de stress-testing (simulare de criză), iar aceste rezultate revăzute de către managementul superior şi se refl ectă în politicile şi în limitele pe care acesta le stabileşte;

Băncile monitorizează acurateţea şi efi cacitatea modelelor sale prin derularea unui proces de back-testing, care să furnizeze o comparaţie, pentru fi ecare zi de tranzacţionare, între nivelul valorii la risc pe o zi, obţinut în urma aplicării modelului folosit de instituţie pe baza poziţiilor portofoliului de la sfârşitul zilei, şi nivelul variaţiei pe o zi a valorii portofoliului, constatat la sfârşitul următoarei zile lucrătoare. Efectuarea back-testing-ului în ceea ce priveşte schimbările ipotetice în valoarea portofoliului se bazează pe o comparaţie între valoarea portofoliului la sfârşitul zilei şi, presupunând poziţii neschimbate, valoarea portofoliului la sfârşitul zilei următoare. În cazul când, prin aceste comparaţii rezultă diferenţe care depăşesc estimarea din ziua precedentă, avem de-a face cu aşa numitele excepţii. În funcţie de numărul excepţiilor, estimările se înscriu în una din zonele marcate în tabelul prezentat şi sunt multiplicate cu un factor de multiplicare. Conform Acordului Basel II, au fost luate în calcul 20 de contrapartide cu estimări făcute în 250 de zile, pentru obţinerea rezultatelor.



Cele trei zone cu excepţii şi cu factorii de multiplicare aferenţi

Zona Număr de excepţii Factor de multiplicare

Zona Verde

0-1920-3940-5960-7980-99

11111

Zona Galbenă

100-119120-139140-159160-179180-199

1.131.171.221.251.28

Zona Roşie Peste 200 1.33

Sursa: Acordul Basel II

Modele Value-at-Risk8

Primele măsurători ale volatilităţii randamentului unui instrument fi nanciar s-au realizat utilizând abaterea medie pătratică a modifi căriilor înregistrate de preţurile instrumentelor pe piaţa fi nanciară, metodă care a stat la baza elaborării majorităţii metodologiilor moderne în domeniu. Metoda a devenit insufi cientă pentru că nu permitea agregarea riscului pe diferite pieţe. La sfârşitul anilor ’80, Value-at-Risk a fost generalizată în industria fi nanciar-bancară, fi ind considerată o adevărată inovaţie în domeniu, pentru că permite agregarea riscurilor pentru un portofoliu întreg de titluri al unei instituţii, ţinând cont de diversitatea portofoliului, furnizând o măsură a riscului asociat cu o probabilitate. Un moment hotărâtor care a contribuit la dezvoltarea şi răspândirea utilizării acestei metodologii, a fost reprezentat, de publicarea la sfârşitul anului 1994, de către echipa de cercetare a Băncii de Investitii J.P. Morgan, a unei metodologii de calcul Value-at-Risk, metodologie care ulterior a fost acceptată ca un standard în industria fi nanciar-bancară, cunoscută sub denumirea de RiskmetricsTM. Metodologiile au fost aprobate de către G-309, ca parte a “celor mai bune practici” pentru a se ocupa cu instrumentele fi nanciare derivate. JP Morgan a dezvoltat trei metode cantitative: varianţă-covarianţă (VC), simularea istorică (HS) şi simularea Monte Carlo (MC). În capitolul I privind riscul de piaţă al lucrării10 publicată în 2006, de către Kalyvas, L., împreună cu Akkizidis, I., Zourka, I., şi Bouchereau, V., aceştia fac precizarea că prima (VC) şi a treia metodă (MC) sunt bazate pe estimări parametrice, iar cea de-a doua pe estimări nonparametrice.



Metodologia VAR are la bază tehnici care nu sunt noi, de fapt reprezintă o fuziune a teoriei fi nanciare, care se concentrează asupra senzitivităţii preţurilor şi asupra instrumentelor fi nanciare, precum şi a datelor statistice, cât şi a studiilor privind comportamentul factorilor de risc11. VAR a schimbat radical conceptul de gestiune a riscului de piaţă, prin aplicarea consistentă a metodologiei chiar la nivel de companie, iar, în prezent această metodologie este extinsă atât pentru riscul de credit, cât şi pentru riscul operaţional. Value-at-risk (VaR) pentru un portofoliu este defi nită, ca pierderea maximă care nu poate fi depăşită pentru un orizont de timp specifi cat şi un anumit nivel de încredere 1-α. De exemplu, dacă o bancă raportează o valoare-la-risc de 10 milioane de lei pentru un nivel de încredere de 99% şi un orizont de timp de o zi, aceasta înseamnă că banca se aşteaptă ca pierderile să nu depăşească 10 milioane decât, într-o singură zi din cele 100 de zile de tranzacţionare. Cadrul curent de reglementare cere instituţiilor fi nanciare, care utilizează modele interne pentru riscul de piaţă să calculeze şi să raporteze VaR la un nivel de încredere de 99% pentru un interval de 10 zile. VaR măsoară riscul tuturor instrumentelor fi nanciare (tranzacţii valutare, opţiuni, tranzacţii cu titluri etc.), care intră în componenţa portofoliului unei instituţii fi nanciar-bancare şi trebuie să răspundă la urmatoarea întrebare: cât de mare poate să fi e pierderea potenţială a unei bănci, pierdere calculată cu o probabilitate dată de %α , pe un orizont de timp dat. În termeni formali, dacă avem V, valoarea dată a portofoliului de instrumente12, V0, valoarea iniţială a portofoliului, iar α−1 este nivelul sau probabilitatea de încredere (de exemplu 99%), atunci α−1VaR (de exemplu, valoarea pierderii care poate să depăşească doar într-un procentaj de 1%, cazurile potenţiale egale cu α , denumit şi probabilitatea de toleranţă la risc) este:

αα =−<− − )( 10 VaRVVPr (1)

sau alternativ, când 0VV − reprezintă o pierdere când 0VV < ,

αα =>− − )( 10 VaRVVPr (2)

Saita, F.13, în lucrarea Value at Risk and Bank Capital Management încearcă, prin dezvoltarea abordărilor cunoscute, de calculul VaR, ocazie cu care răspunde la o serie de întrebări, ridicate tot mai des de către managerii de risc ai instituţiilor fi nanciar-bancare, cum ar fi : cum estimează managerul de risc VaR în practică? Considerăm un broker care tranzacţionează acţiuni în Marea Britanie şi calculează potenţialul de pierdere, pe un orizont de timp zilnic, la un nivel



de încredere de 99%. Brokerul a investit într-un coş de acţiuni, un coş cu o structură asemănătoare cu cea a indicelui FTSE100. Pentru calcul, brokerul consideră randamentele zilnice ale FTSE100 din ultimile 200 de zile de tranzacţionare, pe care le sortează în ordine ascendentă şi identifi că procentul VaR., începând cu cele mai mici trei valori ale randamentului din eşantion. Dacă, de exemplu, cele mai mari trei pierderi au fost: -4,1%, -4,7% şi -6,95%, atunci, conform relaţiei prezentate, pierderea maximă care poate fi depăşită doar în 1% din cazuri este 4.1%. Coşul de acţiuni achiziţionat de broker, poate pierde mai mult decât s-a determinat prin simularea istorică VaR doar într-un procent de 1%, cu alte cuvinte înregistrarea de pierderi doar în două zile, dintr-un eşantion de 200 de zile. În aceste condiţii, managerul de risc ar putea să conchidă cu presupunerea că distribuţia randamentelor de mâine ar putea, în mod rezonabil, să fi e aproximată cu distribuţia randamentelor din ultimile 200 de zile. Este foarte importantă stabilirea numărului de zile de tranzacţionare, din eşantionul analizat. Dacă luăm 100 de zile, se poate obţine o estimare consistentă, la un nivel curent al volatilităţii, dar poate reprezenta un eşantion mult prea mic pentru rezultate relevante. Dacă luăm 1000 de zile, eşantionul are o şansă bună să cuprindă exemple de randamente negative extreme asupra cărora managerul de risc este preocupat, dar eşantionul poate să nu fi e destul de senzitiv pentru a releva schimbări ale volatilităţii pe piaţă. Dacă, de exemplu, au fost 11 randamente negative semnifi cative în ultimii trei ani, s-ar putea continua determinarea VaR, cu nivelul de încredere de 99%, ţinând cont în estimare de cele 11 randamente din eşantionul ales. O alternativă este să presupunem că randamentele FTSE100 au o distribuţie normală, caz în care, randamentul zilnic cel mai mic al indicelui poate fi defi nit bazându-ne doar pe medie şi abaterea medie pătratică a distribuţiei randamentelor. Conform precizărilor Băncii Internaţionale de Reglementare, o bancă va folosi în calcularea VaR un nivel de încredere de 99%, o perioadă maximă de 10 zile şi va lua în consideraţie o perioadă de minim un an de observaţii istorice. De asemenea, va recunoaşte efectele corelării dintre diversele categorii de factori de risc (rata dobânzii, curs de schimb valutar, evoluţia preţurilor mărfurilor etc.), dar va trebui să calculeze cifrele VaR ale diverselor categorii de risc pe baza unei sume simple. Abordarea varianţei-covarianţei la calculul VaR este cea mai cunoscută şi a fost pentru prima dată explicată în detaliu în RiskMetricsTM Technical Document14 în anul 1996. VaR pentru poziţii bilanţiere sau extrabilanţiere individuale şi pentru portofolii poate fi uşor de obţinut estimând varianţa şi covarianţa (sau abaterea



medie pătratică şi corelaţiile) randamentelor unor factori de risc predefi niţi şi a senzitivităţii portofoliului la acei factori de risc. Considerăm un broker, a cărui portofoliu este reprezentat de o poziţie long asupra acţiunii Alpha în valoare de 100.000 de dolari. Brokerul ştie că volatilitatea zilnică a acţiunii este 2%, aceasta putând fi calculată ca abatere medie pătratică σ a unui randament log zilnic R pentru nişte active date:

1

)(1

2

−

−=

∑=

−

n

RRn

ii

σ (3)

unde: iR este randamentul log zilnic în ziua i, −

R este randamentul mediu zilnic al perioadei analizate şi n numărul randamentelor zilnice din eşantion. Este cea mai comună defi niţie a volatilităţii, dar anumite dimensiuni ale lui σ sunt utilizate în calculul lui VaR. Dacă brokerul presupune că distribuţia este normală, atunci VaR va fi obţinut într-o manieră foarte directă. O distribuţie Gaussiana este defi nită de doi parametri: media x , şi abaterea medie pătratică σ , şi funcţia de distribuţie va fi :

2)x

(2

1

2

1)( σ

σπ

−−

××

=x

exf (4)

Este uşor de demonstrat că probabilitatea de a extrage o valoare din intervalul );( σσ kxkx +− centrat pe media x şi a cărei jumatate este multiplu k al abaterii medie pătratice, depinde doar de multipli k. Probabilitatea este egală cu:

' ( dxedxxfkxxkxPxx

kx

kx

kx

kxr

2)(2

1

2

1)(

$

!!&

!

&

!%

%""&))! **

(5)

Dacă notăm

σ

xxz

−= obţinem:

' ( **&

!

!!

!&

!%"%

%"&))!

k

k

zxx

kx

kxr dzedxekxxkxP22

2

1)(

2

1

2

1

2

1

$ $

(6)

Reiese clar că probalilitatea nu depinde de x sau σ şi că poate fi obţinută prin analizarea doar a distribuţiei normale standard. De exemplu, probabilitatea de a extrage o valoare în intervalul cuprins între media minus abaterea medie pătratică )( σ−x şi media plus abaterea



medie pătratică )( σ+x este aproximativ 68%. Distribuţia normală fi ind simetrică, înseamnă că rămân 32%, care sunt divizaţi în 16% probabilităţi care să observe valorile mai mici de )( σ−x şi 16% valorile mai mari de )( σ+x. Să presupunem că brokerul doreşte să estimeze potenţialul de pierdere maxim în 95% posibile cazuri. Dacă presupune că distribuţia randamentelor Alpha este normală şi estimează ca .0=x 0.05% şi %2=σ în fi ecare zi, atunci posibilitatea de a observa valori mai mici (de exemplu -1,95%) decât )( σ−xeste 16%. Astfel, 1,95% este potenţialul maxim de pierdere în 84% din cazuri, sau echivalent 1,95% este VaR pentru poziţia long la un nivel de încredere de 84%. Dacă există preocupare pentru pierderile extreme şi se identifi că risc cu un procentaj maxim de pierdere, ar fi bine să se ia în considerare un portofoliu cu o gamă mai largă. De exemplu, există o probabilitate de 95% de a extrage o valoare în intervalul )645.1;645.1( σσ +− xx pentru orice distribuţie normală. Atât timp cât 645.1 =− σx -3.24% şi 645.1 =+ σx +3.34 există o probabilitate de 95% de a extrage o valoare între -3.24% şi +3.34% şi doar 5% va fi probabilitatea de a obţine un randament mai mic de -3.24%. De aceea 3,24% este procentajul VaR la un nivel de încredere de 95% pentru poziţia long a acţiunii Alpha.

Distribuţia frecvenţelor unei distribuţii normale şi defi nirea nivelului de încredere

0

5

10

15

20

25

10% 8% 6% 4% 2% 0% 2% 4% 6% 8% 10%

Distributia frecventei

randamentului

zilnic

Randament

zilnic

Media = 0.05%

STD dev= 2%

Pr(-3.24%<R<3.34%)=90%

Media +1.645xstd dev=3.34%

Pr(R>3.34%)=5%

Media -1.645xstd dev='3.24%

Pr(R;3,24%)=5%

$" $

$



În funcţie de cât de prudent este brokerul, pot fi utilizaţi diferiţi multipli k. Dacă cineva este interesat de valorile VaR în %1 α− cazuri, atunci pentru orice α există o valoare a lui k; pentru cel mai mic α corespunde cel mai mare k şi cea mai potrivită estimare pentru VaR.

Intervale de incredere pentru o distribuţie normală

kProb

)( σσ kxxkx +<<−

Prob

σkxx >−Prob

)( σkxx −<

VaR corespunzator

nivelului de încredere

1 68.27% 31.73% 15.87% 84.13%

1.645 90% 10% 5% 95%

2.326 98% 2% 1% 99%

2.58 99% 1% 0.5% 99.5%

Sursa: Saita, F. –“Value at Risk and Bank Capital Management”

În practică VaR pentru riscul de piaţă este calculat în ipoteza ca x să fi e zero. Această ipoteză simplifi cată permite să se indentifi ce procentajul VaR în mod simplu, ca fi ind volatilitatea randamentului σ înmulţit cu multiplu

α−1k , care este o funcţie a nivelului de protecţie dorit α−1 şi valoarea de piaţă (MV):

!!!##$#$

""" 1%11 kMVVaRMVVaR

#$#

#$#

!

(7)

Dacă considerăm că brokerul a avut o poziţie long pe acţiuni Alpha cu o valoare de piaţă de 100.000 de dolari şi a estimat zilnic un VaR cu un nivel de încredere de 95% şi 99%, rezultă:

USDkMVVaR 3290%2645.1000.100%95%95 $##$##$

$##$#

!

(8)

USDkMVVaR 4652%2326.2000.100%99%99 $##$##$

!

(9)

VaR măsoară variaţia, dependentă de un nivel de protecţie predefi nit. În mod tipic, nivelul de încredere este 99% sau mai mare, de exemplu 99.97%. De asemenea, orizontul de timp este important, dacă volatilitatea săptămânală sau lunară este mai mare decât cea zilnică şi poate produce estimări VaR prea mari. Extindem această abordare răspunzând la o serie de problematici: A. Alegerea unui set de variabile aleatoare care afectează valoarea expunerii ce trebuie măsurată. Se aleg variabilele aleatoare care să explice comportamentul variaţiei valorii portofoliului. Metode:



• abordarea delta normal, unde principalele variabile sunt reprezentate de factorii de risc ai pieţei (de exemplu: randamentul acţiunii, ratele de dobândă, rate de curs de schimb etc.); • abordarea activ normal, unde variabila importantă este reprezentată de randamentele unui set de active de referinţă (de exemplu acţiuni, indici bursieri, obligaţiuni cu cupon zero, rate de schimb valutar); • abordarea portofoliului normal, unde randamentele istorice a unui portofoliu curent sunt recalculate şi randamentul întregului portofoliu este considerat ca fi ind principala variabilă. B. Maparea portofoliului într-un număr de poziţii pentru a reduce complexitatea. Maparea este procesul prin care un portofoliu real al unei bănci este transformat şi descompus în vectori ai expunerii într-un număr limitat de variabile aleatoare. Pentru a calcula VaR este absolut necesară această transformare într-un portofoliu “restrâns”, dar cu atenţie, având în vedere că un astfel de portofoliu simplifi cat foarte mult poate da estimări VaR sărace, chiar dacă metodologia pentru estimarea volatilităţii este destul de sofi sticată. Evident că alegerea numărului total de variabile este critică, pentru că are scopul de a găsi balanţa perfectă între obţinerea unor estimări VaR computaţionale, maleabile şi garantarea unei reprezentări corecte şi solide a portofoliului original. C. Calcularea VaR pentru un portofoliu După maparea portofoliului, urmează calcularea VaR pentru un portofoliu de expuneri mapate. Considerăm că avem cazul unor active normale, în care managerul de risc presupune că randamentele activului sunt distribuite normal şi apoi comparăm cu abordarea delta normal. În cazul unui portofoliu normal de active, problemele dispar, atâta timp cât managerul de risc va reconstrui pentru portofoliul curent seriile istorice ale randamentelor din urmă, obţinând astfel un singur randament al seriilor. Calculând VaR pentru un portofoliu compus doar din: 1) un coş de acţiuni ca o replică a unui indice de bursă; 2) un cupon zero scadent la 5 ani, a căror ponderi relative sunt α şi, respectiv α−1 . VaR pentru un portofoliu poate fi scris ca un multiplu α−1k a valorii de piaţă a portofoliului, MVp şi apoi înmulţit cu volatilitatea portofoliului:

pPP kMVVaR ! ""# $1

!

(

(10) unde volatilitatea portofoliului poate fi exprimată în termenii volatilităţilor randamentului Aσ şi Bσ a două active A şi B care compun portofoliul şi corelaţia lor liniară BAp ,

15.

BABABAP p ,222 )1(2)1( σσαασασασ −+−+= (11)



Înlocuind formula în cea precedentă, vom obţine:

BABABAPP pkMVVaR ,222

1 )1(2)1( !! ! !! $%$%"# $ =

= & ' & '& ' #$%$% $$$$ BABPAPBPAP pkMVkMVkMVkMV ,112

12

1 )1(2)1()( ! ! ! ! !!!!

= BABABA pVaRVaRVaRVaR ,22 2%% (12)

Atâta timp cât MVMV #! "i deci VaRkMV # ! , aceea"i logic este "i pentru

(

(

(

Dacă aMVP = MVA şi deci a MVPksA= VaRA, aceeaşi logică este şi pentru B. Expresia nu cere în mod strict ca distribuţia să fi e normală, dar poate fi aplicată atunci când este nevoie de multiplu de volatilitate α−1k pentru obţinerea cuantilelor distribuţiei de randament (de exemplu procentul VaR), care este la fel atât pentru active individuale, cât şi pentru un portofoliu întreg16. Formula poate fi aplicată în abordarea delta normal, atunci când managerul de risc presupune că factorii de risc (de exemplu indicii bursieri, ratele de schimb, ratele de dobândă) sunt normal distribuiţi. În abordarea delta normal, schimbarea valorii de piaţă a poziţiei este obţinută prin înmulţirea variaţiei factorilor de risc a celui mai rău caz ksrf , cu senzitivitatea δactivelor la modifi carea factorilor de risc. De exemplu, în abordarea delta normal, managerul de risc ar putea considera indicele de bursă şi ratele pe 5 ani (decât randamentul unui cupon zero cu scadenţa la 5 ani) ca factori de risc. Senzitivitateaδ a unui coş de acţiuni la factorii de risc va fi una singură, în timp ce senzitivitatea randamentelor cuponului zero cu scadenţa la 5 ani la modifi cările ratei de dobândă, va fi reprezentată de fi ecare plată a cuponului. Considerând, o obligaţiune (B), VaRB va fi exprimată ca MVBdBksrf = MVBk (dBsrf ) unde termenii în paranteze reprezintă estimarea volatilităţii obligaţiunii şi deci, echivalent cu Bσ , deci VaRB = MVBksB . Cu mai mult de două poziţii, VaR pentru un portofoliu devine:

ji

n

i

n

i ijiiiP pVaRVaRVaRVaR ,

1 1

2∑ ∑∑= = ≠

×+= (13)

sau sub forma matriceală

−−

××= TP VCVVaR (14)

Unde

−

V şi

−TV reprezintă vectorul VaR individual şi respectiv,

vectorul VaR transpus defi nit ca:



=

−

−

n

n

VaR

VaR

VaR

VaR

V

1

2

1

.... ; (2.3.21) [ ]−

−

−

= nnT VaRVaRVaRVaRV 121 ... (15)

şi C este matricea corelaţiei

=

−

−−−

−

−

1...

1...

:::::

...1

...1

1,,2,1

,11,21,1

,21,22,1

,11,12,1

nnnn

nnnn

nn

nn

ppp

ppp

ppp

ppp

C (16)

D. Estimarea volatilităţii şi corelaţiei: Medii Mobile Simple17 (SMA) Am prezentat cum se calculează volatilitatea pentru orice factor de risc sau activ de referinţă. Când estimăm volatilitatea cu ajutorul datelor istorice, formula clasică este abaterea medie pătratică pentru randamente:

1

)(1

2

−

−=

∑=

−

n

RRn

ii

σ (17)

unde Ri este randamentul log zilnic, în ziua i, −

R este randamentul mediu zilnic al perioadei supuse analizei şi n este numărul randamentelor zilnice din eşantion. Cu toate că se utilizează o formulă simplă, există două probleme, care arată limitele modelului. Prima este că

−

R nu reprezintă media reală a distribuţiei randamentelor, şi s-ar putea identifi ca un randament mediu de echilibru şi înlocuirea lui cu randamentul mediu istoric. Soluţia aleasă în practică este să presupunem un randament mediu egal cu zero, care este considerat o aproximare rezonabilă a randamentului mediu real într-o zi de bază. De asemenea, înlocuind valoarea medie

−

R a eşantionului cu orice valoare diferită înseamnă prudenţă şi mai mare în estimarea lui s. A doua problemă se referă la lungimea arbitrară a eşantionului de date istorice aşa numitul “echo effect”. Propriu-zis, prin creşterea mărimii eşantionului (de exemplu utilizând 500 de date, ceva mai puţin de doi ani de zile de tranzacţionare decât 250 de date) managerul de risc benefi ciază de o



imagine completă a distribuţiei randamentului şi va evita să fi e prea optimist chiar dacă, de exemplu, datele recente au arătat o volatilitate redusă. În acelaşi timp, crescând eşantionul prea mult, se poate obţine o estimare foarte stabilă a volatilităţii, care poate determina o reacţie slabă la condiţiile unei pieţe noi. În cazul unui eşantion de 250 de zile, de exemplu un randament negativ din ziua de 5 martie va creşte estimarea volatilităţii pentru 6 martie, ceea ce e corect, dar, în acelaşi fel, va infl uenţa estimarea volatilităţii pentru urmatoarele 249 de zile, chiar dacă nu se va mai înregistra un randament negativ. Scoaterea datelor anormale din eşantion va duce la scăderea volatilităţii chiar dacă nu s-a produs nici o schimbare în condiţiile pieţei. Ne referim la echo effect: prin atribuirea unor ponderi egale tuturor datelor din eşantion, datele anormale infl uenţând remarcabil estimarea volatilităţii, atunci când intră în eşantion şi atunci cand ies, întrucât produc un echo nedorit, indiferent de nivelul real al volatilităţii pieţei. De aceea, managerii de risc preferă utilizarea unor metode exponenţiale de ponderare a mişcării mediei.

E. Estimarea volatilităţii şi corelaţiei: Media mobilă cu pondere exponenţială (EWMA)18 şi GARCH Un mod de a evita neajunsurile ce decurg din metoda SMA constă în atribuirea de pondere mai mare datelor recente din eşantion, de fapt, aceasta este ideea de bază a modelului EWMA, care este măsurat prin relaţia:

1210

2121

222

121

0

, ...

...−−

−−

−−−

−−

++++++

=nn

ntn

ntn

ttnt

rrrr

λλλλ

λλλλσ (18)

Volatilitatea la momentul t a unui eşantion cu n randamente, este calculată prin atribuirea unui randament, care s-a produs cu i zile înainte de a se face estimarea, cu ponderea egală cu 1−iλ cu 1<λ . λ Fiind un factor de degradare, iar atâta timp cât 1<λ , datele cele mai vechi vor avea ponderea cea mai mică. Valori mari ale lui λ înseamnă că volatilitatea estimată va reacţiona mult mai încet la noile informaţii şi efectul şocurilor trecute va continua să persiste, cel puţin, pe o perioadă de timp. Valori mici pentru λ înseamnă că volatilitatea estimată este mult mai activă şi are o “memorie scurtă” privind şocurile din trecut, astfel că odată cu intrarea unor date noi în eşantion ponderea va scădea rapid. Alegerea unui factor optim de degradate este o problemă empirică. Mulţi manageri de risc utilizează pentru estimări zilnice ale volatilităţii un λ =0,94, iar pentru cele lunare λ =0,97, având în vedere că folosirea acestei tehnici simple prezentată de JP Morgan, în 1996 sub forma RiskMatricsTM Technical Document a avut succes. Întrucât numitorul este o serie geometrică, poate fi înlocuit cu relaţia



∑−

=

−−

−−

==+++1

0

''1210

1

1....

n

i

inn

λ

λλλλλλ (19)

care, pentru valori sufi cient de mari ale lui n pot fi aproximate cu )1/(1 λ− . Rezultă:

∑∑=

−=

=−

−−−

−−

−−−

−− −≅−−

=+++

+++=

n

ii

in

ii

inn

ntn

ntn

ttnt rr

rrrr

1

21

1

1

21

1''1210

2121

222

121

0

, )1(1

1

...

...λλλ

λ

λ

λλλλ

λλλλσ

(20)

În acest mod, putem demonstra că estimarea volatilităţii EWMA la momentul t+1 poate fi calculată pe baza estimării la momentul t şi a ultimului randament zilnic rt . Prezentând formula în termenii varianţei, decât a abaterii mediei pătratice, rezultă:

"( ! " ! " " &&&)

"

)

" !

)

" !

!

1

212

2

21

120

1

21

121 )1(1)1()1()1()1(

jjt

jt

iit

ii

iit

it rrrrr ##########$

22

1

212 )1()1()1( itj

jtj

i rrr #$##### ! "*+

,-.

/ ! " &

)

"

(21)

Într-un mod similar, managerul de risc poate să măsoare covarianţa şi corelaţiile. Covarianţa între randamentele a două active poate fi estimată prin SMA:

1

))((

),( 1

2,21,1

2,121

!"!

n

rrrrrrCov

n

iii

#

'

(((

( ((( **

(22)

Se poate exprima şi luând în calcul metodologia EWMA, presupunând un eşantion infi nit şi o medie a randamentelor zero:

jtjt

i

j rrrrCov −−

∞

=

−∑−= ,2,11

121 )1(),( λλ (23)

Care poate fi transformată în:

121,2,121 ),()1(),( −+−= ttt rrCovrrrrCov λλ (24)

Este uşor de calculat coefi cientul liniar de corelaţie 2,1p , care este dat de relaţia:

tt

tt

rrCovp

,2,1

21,2,1

),(

σσ= (25)

Prin alocarea unei ponderi în scădere a datelor din eşantion, pe măsură ce acestea devin mai puţin recente, metoda evită echo effect care



apare utilizând metoda SMA şi face ca volatilităţile estimate să fi e mai puţin senzitive la mărimea eşantionului ales. Cu un factor de degradare egal cu 0,94 dacă managerul de risc dublează eşantionul de la 250 la 500 de zile, ponderea agregată a celor mai vechi 250 de zile ar fi la fel de mică ca 0.00002%. Observaţia că volatilitatea pieţei nu este constantă, este cel mai bine pusă în valoare prin metoda EWMA, metodă preluată din modelele GARCH. Modelele GARCH presupun că varianţa condiţionată a randamentelor nu este constantă şi randamentele activelor pot arăta perioade alternative, cu volatilitate ridicată şi cu volatilitate scăzută. Originea modelelor GARCH poate fi găsită la Modelele ARCH ale lui Engle19, care exprimă varianţa condiţionată 2

1+tσ la momentul t+1, astfel:

2

12

122

102

1 ... +−−+ ++++= ptpttt εαεαεαασ (26)

Unde iε este eroarea de estimare (de exemplu diferenţa dintre estimare şi valoarea realizată20) la timpul i şi coefi cienţii α , care trebuie estimaţi prin regresie (cu 00 >α şi 0,...,, 21 >pααα ). Cu această abordare şi în funcţie de valorile atribuite coefi cienţilor α , erorile de estimare semnifi cative pot rezulta când se estimează o volatilitate în creştere. Modelele lui Engle au fost generalizate de către Bollerslev21, în anul 1986, prin introducerea în ecuaţia varianţei condiţionată la timpul t estimări ale varianţei mai vechi la momentele nttt −−− ,...,2,1 . De aceea un model GARCH (p,q) este defi nit prin ecuaţia:

21

212

211

21

212

210

21 ...... +−−+−−+ ++++++++= qtqtptpttt σβσβσβεαεαεααα (27)

Cu 00 >α si 0,...,, 21 >pααα si 0,...,1 ≥qββ Cea mai cunoscută versiune a modelului GARCH, consideră doar o estimare din trecut a varianţei condiţionate şi o singură valoare din trecut a erorii de estimare care s-a realizat:

2

12110

21 tt σβεααα ++=+ 00 >α , 01 ≥α , 01 ≥β (28)

Dacă presupunem că media randamentelor este egală cu zero, obţinem:

211

2110

21 σβααα ++=+ rt 00 >α , 01 ≥α , 01 ≥β (29)



Rezultă că modelul EWMA RiskMetricsTM, mai poate fi exprimat prin:

2221 )1( ttt r ( ( $)%$

+ , +

#

(30)

Poate fi considerat ca un caz particular al modelului GARCH22 unde 00 =α şi 111 =+ βα .

Până în prezent EWMA este considerată un caz particular GARCH, atâta timp cât diferenţele faţă de modelele cum ar fi cazul general GARCH (1,1) sunt legate doar de estimarea volatilităţii pe un orizont de timp mai lung.

Estimările VaR şi importanţa orizontului de timp Când estimările VaR pentru riscul de piaţă sunt de obicei obţinute zilnic, ar putea fi necesară estimarea potenţialului pierderilor peste un orizont de timp mai lung. JP Morgan, în RiskMatricsTM Technical Document sugerează adoptarea unor factori de degradare diferiţi (0,97 decât 0,94) pentru a estima volatilitatea şi corelaţiile lunar. Alegerea orizontului de timp pentru care se calculează estimările pierderilor este problema managerului de risc. Să presupunem că randamentele erau nişte serii necorelate, ceea ce presupune23 că volatilitatea acestora pentru un orizont de timp T zile poate fi egală cu produsul dintre volatilitatea zilnică a randamentului şi rădăcina pătrată din T. TicziT *% ln

+ , + , + ,

#

(31)

Marea majoritate a modelelor GARCH permit, în schimb, pentru o structură mai precisă a volatilităţii, pe termen lung, identifi carea varianţei medii necondiţionată şi volatilitatea aşteptată pe termen lung depinde, în parte, de volatilitatea curentă şi de cea pe termen lung. În practică, dacă volatilitatea estimată pentru ziua următoare este 1+tσşi pe termen lung este σ şi dacă avem σσ >+1t , atunci estimarea pe termen lung ar fi mai mare decât 1+tσ înmulţit cu rădăcina pătrată din numărul de zile de tranzacţionare, întrucât se presupune că volatilitatea σ va reveni la media pe termen lung. Invers se va întâmpla dacă volatilitatea curentă era mai mare decât cea pe termen lung. Varianţa necondiţionată pe termen lung în modelul GARCH este defi nită ca valoarea aşteptată a varianţei condiţionată 2

1+tσ , de exemplu:

+ , + , + , 2

12

10211

2110

21

2 ! ## !## $$%$$%% $ EREE t

#

(32)



Calculând 2σ , obţinem:

11

02

1 βα

ασ

−−= (33)

O astfel de valoare nu poate fi defi nită în modelul EWMA, care este un caz particular a modelului GARCH (1,1) unde 00 =α şi 111 =+ βα . De aceea modelele EWMA sunt incapabile să modeleze distribuţia a varianţei randamentelor viitoare pe un orizont de timp şi în practică, varianta curentă este proiectată prin simpla ei scalare. Aceasta poate conduce la supraestimarea sau subestimarea volatilităţii, astfel când volatilitatea curentă este mare, respectiv mică decât volatilitatea necondiţionată pe termen lung24. Utilizarea unui factor de degradare fi x este mult mai uşor de realizat decât estimarea şi revizuirea în mod continuu a parametrilor GARCH. Aceasta ne ajută în explicarea succesului de care se bucură EWMA în practică. O altă problemă când măsurăm VaR pe un orizont de timp mare este legată de ipoteza de lucru în care presupunem randamentul mediu egal cu zero, ipoteză acceptabilă pentru un orizont zilnic, dar care devine complexă pentru portofoliile mari (de exemplu portofoliile de obligaţiuni sau acţiuni unde managerul poate doar să cumpere, dar nu să le şi vândă). În acest caz, pierderile aşteptate sunt egale cu k înmulţit cu abaterea medie pătratică a randamentelor pentru un orizont de T zile minus randamentele aşteptate pentru un orizont de T zile. Ipotezele privind pierderile aşteptate sunt importante atâta timp cât un randament aşteptat supraestimat înseamnă şi un VaR subestimat. Aceaste probleme sunt inexistente pentru un portofoliu pe termen scurt (de exemplu VaR relativ contra unui VaR de referinţă este calculat pentru un activ aparţinând unui portofoliu real cu poziţie long şi pentru portofoliu de referinţă poziţia este scurtă), unde randamentele aşteptate ale poziţiilor lungi pot fi în mod rezonabil compensate cu randamentele aşteptate ale poziţiilor scurte.

Concluzii

Abordarea varianţă-covarianţă pentru calcularea Value-at-Risk presupune o distribuţie normală a randamentelor (pentru factorii de risc/active de referinţă). În primul rând, se selectează factorii de risc cheie/activele de referinţă şi maparea portofoliului real într-un portofoliu echivalent expus doar la factorii de risc/active de referinţă. Din punct de vedere conceptual acest pas este simplu, dar practic, este un pas relevant atâta timp cât condiţionează calitatea fi nală a VaR-ul estimat. Estimarea volatilităţii şi corelaţiile utilizând EWMA, prin alocarea



unor ponderi în scădere a datelor din eşantion, pe măsură ce acestea devin mai puţin recente, rezolvă în mare măsură aşa numitul ”echo effect” care apare utilizând metoda SMA şi face ca volatilităţile estimate să fi e mai puţin senzitive la mărimea eşantionului ales. Când măsurăm VaR pe un orizont de timp mare, în afară de utilizarea unor factori de degradare diferiţi (prin metoda EWMA), mai există soluţia, în ipoteza în care randamentele sunt considerate serii necorelate.Caz în care se presupune că volatilitatea lor pe un orizont de T zile poate fi egală cu produsul dintre volatilitatea zilnică a randamentului şi rădăcina pătrată din T. Utilizarea în practică a Value-at-Risk prezintă o serie de avantaje: • măsoară riscul de piaţă asociat pentru un intrument, acţiune, obligaţiune, diferite titluri sau pentru fi ecare portofoliu de instrumente în parte sau realizează agregarea riscului pentru întreg portofoliu de active al unei băncii; • în general măsoară riscul de piaţa pe un orizont scurt de timp, dar abordările dezvoltate prezintă soluţii pentru orizonturi de timp mai mari; • extinderea utilizării şi în cazul riscurilor de credit şi operaţional; • VaR este utilizat pe scară largă în industria fi nanciar-bancară, fi ind un instrument, care se bazează pe o serie de metodologii, abordări, care sunt îmbunătăţite şi dezvoltate în permanenţă.

Note 1. Sistem monetar care, la jumătatea secolului XX a stabilit un nou cadru privind relaţiile comerciale şi fi nanciare a ţărilor industrializate, destinat în mare parte evitării repetării politicilor economice dezastruoase, care au contribuit la marea recesiune din anii 1930. În iulie 1944, la Conferinţă de la Bretton Woods s-au pus bazele înfi inţării Fondului Monetar Internaţional şi a Băncii de Reconstrucţie şi Dezvoltare, care astăzi este parte a Grupului Băncii Mondiale. Una dintre reglementările stabilite la Bretton Woods a fost cea privind ratele de schimb fi xe între valute. Sursa:Wikipedia, the free encyclopedia. 2. Modelul Black - Scholes creat de Fisher Black şi Myron Scholes pentru evaluarea opţiunilor pe acţiuni. Modelul ia în calcul factori cum ar fi volatilitatea randamentului acţiunii de bază, nivelul ratelor dobânzii, relaţia dintre preţul acţiunii de bază şi preţul de exercitare al opţiunii precum şi timpul rămas până la expirarea opţiunii. Modelul Black-Scholes este utilizat în încercarea de a determina dacă o anumită opţiune pe o acţiune se tranzacţionează corect, adică un preţ care se formează după o judecată raţională a celor care tranzacţionează şi în condiţiile cunoaşterii tuturor factorilor relevanţi. 3. JORION, P., -« Financial Risk Manager – Handbook », Second Edition, John Wiley /Sons, Hoboken, New Jersez, 2003. 4. Basle Committee on Banking Supervision – «Amendment to the Capital Accord to Incorporate Market Risks» (1996). 5. Comitetul Basel –Comitetul de Supraveghere Bancară al Băncii Reglementelor Internaţionale cu sediul la Basel. 6. Basle Committee on Banking Supervision –« International Convergence of Capital Measurement and Capital Standards » (2004).



7. Norma nr. 5/2004 a Băncii Naţionale a României, privind adecvarea capitalului instituţiilor de credit, Monitorul Ofi cial, Partea I 768 din 23 aug.2004. 8. VaR - Valoare-la-Risc. 9. Group of thirty - Grup consultativ privind afacerile economice şi monetare, înfi inţat în anul 1978, într-un cadru privat, internaţional, bazat pe nonprofi t, din care fac parte reprezentanţi de seamă din mediul public, privat şi academic. 10. Kalzvas, L., Akkiyidis, I., Zourka, I. şi Bouchereau, V. –”Integrating Market, Credit and Operational Risk –A complete guide for bankers and risk professionals”, Risk Book a Division of Incisive Financial Publishing Ltd., 2006. 11. Jorion, P., - op.cit. 12. Instrumente: a) titluri transferabile (valori mobiliare); b) unităţi în organisme de plasament colectiv. 13. Saita, F., –“Value at Risk and Bank Capital Management” –Academic Press, Elsevier Inc.2007. 14. JP Morga/Reuters - RiskMetricsTM Technical Document, Fourth Edition, December 1996, New York. 15. În realitate, această formulă poate fi aplicată dacă randamentul portofoliului este egal cu o medie ponderată a randamentelor a două active. Este adevărat, dacă randamentele ar fi fost măsurate ca ponderi de randamente şi nu mai este adevărat, dacă utilizăm randamente log, cum se întâmplă de obicei pentru măsurarea riscului. Formula de calcul pentru randamentul unui portofoliu cu N active cu ponderile Nωωω ,...,, 21 şi cu randamentul log Nrrr ,...,, 21

este dată de: !"

#$%

&'( )

(

N

i

n

iP er1

ln .. Pentru valori sufi cient de mici ale lui ri, avem: i

N

iiP rr ∑

=

=1

ω . Utilizăm formula cunoscută pentru volatilitatea unui portofoliu (vezi JP Morgan 1996) 16. Rosenberg, J.V., Schuermann, T., - A General Approach to Integrate Risk Management with Skewed, Fat -Tailed Risks , Federal Reserve Bank of Nwe Zork Staff Report, no185, may, 2004. 17. Simple Moving Averages, engleză. 18. Modelul EWMA (Exponentially Weighted Moving Averages, engleză) a fost pus în practică pentru prima dată, de către RiskMetricsTM, în anul 1996. 19. ENGLE, Rr. F. (1982) –Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of the United Kingdom Infl ation”, Econometrica, 50, 987-1007. 20. Întrucât estimarea varianţei condiţionată presupune estimarea unei medii condiţionate care, de obicei este obţinută printr-un model autoregresiv AR(1) de forma: yt+1 = a + pyt + e, unde 1+ty şi ty sunt randamentele activelor la momentele t+1şi t şi α şi p sunt constante şi estimate prin regresie, eroarea regresiei fi ind ε (Vezi Alexander - 2001) . 21. Bollerslev, T., - « Modelling the Coherence in Short- run Nominal Exchange Rates : Multivariate Generalised ARCH Model », Review of Economics and Statistics, 72. 22. Modele GARCH cuprind mai multe variate sofi sticate ale modelului de bază, utilizate pentru a obţine o mai mare aderenţă a evidenţelor empirice privind randamentele activelor, cum ar fi GARCH asimetric şi exponenţial.



23. Să defi nim tR , un activ al cărui randament log, peste T zile, este suma randamentelor log zilnice nRRR ,..., 21 . Dacă nRRR ,..., 21 sunt independente şi uniform distribuite, varianţa pentru tR poate fi prezentată ca:

∑=

×==∑=T

iRRRR iiiT

T1

2222 σσσσ

24. Estimarea volatilităţii pentru un orizont de T zile pentru un model general GARCH (1,1) ar putea fi egală cu:

∑

=+

− −++×=T

kt

kT T

1

221

12 )()( σσβασσ

Această valoare este diferită de Tt 1+σ , care ar putea fi estimată cu modelul

EWMA.

Bibliografi e selectivă: - EITEMAN, D.K., STONEHILL, A.I. şi MOFFETT, H.H., (2004) –”Multinational Business Financ” – 10th edn (Additon Wesley). - Basle Committee on Banking Supervision (1996a) – « Amendment to the Capital Accord to Incorporate Market Risks » . - Basle Committee on Banking Supervision, (2004) –« International Convergence of Capital Measurement and Capital Standards ». - Basle Committee on Banking Supervision, (1988) –« International Convergence of Capital Measurement and Capital Standards ».

APPROACHES USED IN THE CALCULATION OF THE VALUE-AT-RISK,

FOR MARKET RISK ESTIMATION PURPOSES

PhD Candidate Gabriela BUCULEI PhD Univ. Professor Vergil VOINEAGU PhD Mihaela GRUIESCU The Academy of Economic Studies of Bucharest

Abstract The management of market risks represents an integral part of all the decision-making and business processes within a fi nancial-banking institution and has as purpose the identifi cation, the estimation, the monitoring and control of the market risk. The most well-known instrument for the estimation of the market risk is Value-at-Risk (VaR), for which various calculation methodologies have been developed, used



successfully in the banking industry. This paper aims at analyzing a series of known VaR calculation approaches, in order to address, at least partially, a series of issues that are subject to permanent debate, concerning the optimal length of the sample measuring the volatility of the return of a fi nancial instrument, the dependency of the estimated volatility on the sample length, as well as various solutions for the performance of volatility estimations over a larger time horizon. Keywords: market risk, Value-at-Risk, volatility, estimate, time horizon, confi dence level.

*** The preoccupation to develop effi cient models, which can be used to measure the currency risk (currency risk is a component of the market risk) fi rst appeared in 1973, when, on the occasion of the Bretton Woods Summit, a decision was made to renounce the fi xed exchange rates. This measure resulted in an increase of the volatility of the exchange rates and, subsequently, in an increase of the level of uncertainty, as far as international transactions were concerned. Along with the collapse of the Bretton Woods1 system, the occurrence of the Oil Shocks and of other series of events generated severe turbulences on the international markets. The publication, in 1973, of the “Black-Scholes Theory on Option Estimation2”and the quick transition to the fl oating exchange rates, in most developed countries, triggered the necessity to measure and control the risk related to the currency exchange rates. Philippe Jorion3, in his work «Financial Risk Manager – Handbook», defi nes market risk as the risk to experience losses due to the change in the variables of the fi nancial market. Such variables include interest rates, exchange rates, the stock exchange listing and the commodity prices. The potential losses can be experienced both at the level of the balance sheet accounts, as well as at the level of the off-balance accounts. According to the Amendment to the Basel I Agreement to Incorporate Market Risk4, the defi nition of the market risk suggested by the Basel Committee presents it as ”the risk to experience losses at the level of the balance sheet accounts or at the level of the off-balance accounts, due to the changes occurring in the evolution of the market prices.”

Methodology of the Basel Committee regarding market risk

Starting in 1996, the Basel Committee5 has published the “Amendment to Incorporate Market Risks”, which established the incorporation of the market risk and the calculation, by all banking institutions, of the minimum regulatory capital requirements, since 1998. From the beginning, the Amendment provides two calculation approaches of the minimum regulatory capital requirements, as follows: • The standardized approach – presented in the Amendment; • The alternative approach, allowing banks to use their own models for the

Economics And Statistics


management of market risk. The fi rst methodology – the standard methodology, estimates the market risk and calculates the minimum regulatory capital requirements for the following risks: the equity position risk, the settlement risk, the currency risk, and the commodity risk. The Basel II6 Accord brought two new elements, by its regulation to also cover the risk related to the use of derivative credit instruments and the operations traded by the units of the Collective Placement Bodies. The second approach, based on internal models, is a more sophisticated calculation method, which imposed the determination of the minimum regulatory capital requirements for the equity position risk, for the currency risk and for the commodity risk. For this approach as well, the Basel II Accord included the risk related to the units of the Collective Placement Bodies. Pursuant to the Accord, the banks can use internal models to calculate the minimum regulatory capital requirements, case in which the prior acknowledgment of the supervisory body is required. The quantity and quality related criteria7 for the acknowledgment of an internal market risk model, imposed by the supervisory bodies, represent the basis for the bank’s authorization for such approaches. Among them, we would like to mention: • The internal risk quantifi cation model must be an integral part of the daily risk management process and serves to report, to the management of the institution, the risk exposure situations; • The existence of a risk control unit, separate and independent from the units involved in trading activities, which reports directly to the top management, regarding the results of the risk activity; • The banks’ top management must be actively involved in the risk control process, and the daily reports drawn up by the control unit are reviewed by a management level having suffi cient authority to impose both the diminishing of the positions adopted by the persons trading individually, as well as the decrease of the institution’s total exposure to risk; • The institution must have suffi cient personnel, qualifi ed in the use of the sophisticated models for trading, risk control, audit and back-offi ce; • The banking institution must establish procedures in order to monitor and ensure the observance of the internal control procedures regarding the general operation of the risk quantifi cation system and to perform, at least once a year, an independent audit of its risk quantifi cation system; • The institution’s models must be accompanied by a historical overview proving their reasonable accuracy in quantifying risks; • The institution must carry out, on a regular basis, a rigorous stress-testing program (crisis simulation), and the results thereof must be analyzed by the top management and refl ected in the policies and limitations established by the top management; The banks monitor the accuracy and effi cacy of their models by carrying out



a back-testing process, which must provide a comparison, for each day of trading, between the level of the value at risk for one given day, obtained after applying the model used by the institution, based on the positions of the portfolio at the end of the day, and the level of the variation of the value of the portfolio, for one day, determined at the end of the following workday. The performance of the back-testing in relation to the hypothetical changes of the value of the portfolio are based on a comparison between the value of the portfolio at the end of the day and, assuming that the positions are unchanged, the value of the portfolio at the end of the following day. In the event in which such comparisons result in differences which exceed the estimation obtained during the previous day, we are dealing with the so-called exceptions. Depending on the number of exceptions, the estimates are recorded in one of the areas marked in the table below and are multiplied by a multiplication factor. Pursuant to the Basel II Accord, 20 counterparts with estimates carried out over 250 days have been considered, in order to obtain the results.

The three areas containing exceptions and the related multiplication factors

Area Number of exceptions Multiplication factor

Green Area

0-1920-3940-5960-7980-99

11111

Yellow Area

100-119120-139140-159160-179180-199

1.131.171.221.251.28

Red Area Over 200 1.33 Source: The Basel II Accord

III. Value-at-Risk8 models The fi rst measurements of the volatility of the return of fi nancial instruments were carried out using the standard deviation of the changes in the instruments’ prices on the fi nancial market, method which represented the basis for the elaboration of most modern methodologies in the fi eld. Soon enough, this method proved to be insuffi cient, as it did not allow for risk aggregation on various markets. At the end of the 80’s, the use of Value-at-Risk was generalized in the fi nancial and banking industry, being considered a true innovation in this fi eld, as it allowed for the risk aggregation of an entire portfolio of titles of a given institution, considering the diversity of the portfolio and thus providing a measure of the risk associated to a certain probability. A decisive moment which contributed to the development and spreading of



this methodology was the publication, at the end of the year 1994, by the research team of the J.P. Morgan Investment Bank, of a calculation methodology of the Value-at-Risk, methodology which was later accepted in the entire fi nancial and banking industry, known as RiskmetricsTM. At the same time, these methodologies were approved by G-309, as a part of “the best practices” when dealing with derivative fi nancial instruments. JP Morgan developed three quantitative methods: variance-covariance (VC), historical simulation (HS), and Monte Carlo simulation (MC). In the 1st chapter, addressing market risk, of the paper10 published in 2006, by Kalyvas, L., with Akkizidis, I., Zourka, I., and Bouchereau, V., mention is made that the fi rst method (VC) and the third method (MC) are based on parametric estimates, whereas the second is based on non-parametric estimates. The VAR methodology is primarily based on techniques which are by no means new, which in fact represent a fusion of fi nancial theory, focused on price sensitivity and on fi nancial instruments, and statistical data, which are based on studies regarding the behavior of risk factors11. VAR has brought a radical change to the concept of market risk management, by consistently applying the methodology at company level, and currently this method has been extended to include credit risk and even operational risk. Value-at-risk (VaR) for a portfolio is defi ned as the maximum loss which cannot be exceeded over a specifi ed time horizon and a certain confi dence level 1- α. For example, if a bank reports a Value-at-Risk of RON 10 million, for a confi dence level of 99% and a time horizon of one day, this means that the banks expects the losses not to exceed 10 million, with the exception of 1 day of a total of 100 trading days. The current regulatory framework requires the fi nancial institutions which use internal models for the market risk to calculate and report VaR at a confi dence level of 99% for a 10-day interval. VaR measures the risk of all fi nancial instruments (currency transactions, options, bonds, etc.), which are included in the portfolio of a fi nancial and banking institution, and must answer the following question: how high can a potential loss be for a bank, loss calculated with a given probability of %α , within a given time horizon. Formally, if we consider V, the given value of the instruments portfolio12, V0, the initial value of the portfolio, and α−1 is the level or the probability of confi dence (for example 99%), then α−1VaR (for example, the value of the loss which can exceed only by a percentage of 1%, the potential cases equal to α , also called the risk tolerance probability) is:

αα =−<− − )( 10 VaRVVPr (1)

or alternatively, when 0VV − represents a loss when 0VV < ,

αα =>− − )( 10 VaRVVPr (2)



Saita, F.13, in the work entitled Value at Risk and Bank Capital Management tries, by developing the known approaches for the calculation of VaR, to answer a series of questions, arising with increased frequency at the level of the risk managers of the fi nancial-banking institutions, such as: how does the risk manager estimate VaR in practice? Let us consider a broker who trades stocks in Great Britain and who calculates a loss potential, on a daily time horizon, at a confi dence level of 99%. The broker has invested in a stock basket, a basket having a similar structure to that of the FTSE100 indicator. For the calculation, the broker takes into account the daily return of FTSE100 over the last 200 days of trading, sorted in ascending order and then identifi es the percentage VaR , starting with the third-lowest return in the sample. If, for instance, the largest three losses were: -4.1%, -4.7% and -6.95%, then, according to the relation above, the maximum loss which can be exceeded only in 1% of the cases is of 4.1%. To conclude, the stock basket purchased by the broker can lose more than what was determined by the historical simulation of VaR only to a percentage of 1%, in other words it can have losses in 2 days only, from a sample of a total 200 days. In these conditions, the risk manager might conclude that the distribution of tomorrow’s return might reasonably be approximated to the distribution of the return over the last 200 days. The number of trading days to be considered in the sample is undoubtedly of great importance. If we consider 100 days, we can obtain a consistent estimate, at a current level of volatility, but such sample can be much too small to give us relevant results. If we consider 1000 days, the sample has a good chance to include examples of extreme negative returns, which are an aspect with which the risk manager is preoccupied, however it is possible that the sample is not sensitive enough to indicate volatility changes on the market. If, for instance, a number of 11 negative returns have been recorded over the last three years, we could continue to determine VaR, with a confi dence level of 99%, taking into account, upon elaborating the estimate, the 11 returns of the chosen sample. Another alternative is to assume that the FTSE100 returns have a normal distribution, a case in which the lowest daily return of the indicator can be defi ned based only on the mean and on the standard deviation of the return’ distribution. According to the regulations of the International Settlement Bank, a bank shall use in the calculation of VaR a confi dence level of 99%, a maximum period of time of 10 days and shall take into account a period of historical observations of at least one year. Also, such bank shall acknowledge the effects of the correlation between the various categories of risk factors (interest rate, exchange rate, evolution of commodity prices etc.), but must calculate the VaR fi gures of the various risk categories based on a simple sum.

The variance-covariance approach for the calculation of the VaR This is the most well-known approach and was explained for the fi rst time, in detail, in the RiskMetricsTM Technical Document14, in 1996. VaR for individual balance or off-balance accounts and for portfolios can be easily obtained by estimating the variance and covariance (or alternatively, standard



deviations and the correlations) of the returns of predefi ned risk factors and of the sensitivity of the portfolio to such risk factors. Let us consider a broker, whose portfolio consists of a long position on the Alpha stock, amounting to USD 100,000. The broker is aware of the fact that the daily stock volatility is of 2%, this being able to be calculated as a standard deviation σ of a daily return log R for some given assets:

1

)(1

2

−

−=

∑=

−

n

RRn

ii

σ (3)

where: iR is the daily return log on the day i, −

R is the average daily return of the analyzed interval, and n is the number of daily returns included in the sample. This is the most common defi nition of volatility, but we shall see that certain dimensions of σ are used in the calculation of VaR.

If the broker considers that the distribution is normal, then VaR shall be

obtained directly. A Gauss distribution is defi ned by two parameters: the x mean and the standard deviation σ , and in this situation the distribution function is:

2)x

(2

1

2

1)( σ

σπ

−−

××

=x

exf

(4)

It is easy to demonstrate that the probability to extract a value of the interval

);( σσ kxkx +− centered on the x mean and whose half size is a multiple k of a standard deviation depends only of the k multiples. The probability is equal to:

' ( dxedxxfkxxkxPxx

kx

kx

kx

kxr

2)(

2

1

2

1)(

$

!!&

!

&

!%

%""&))! **

(5)

If we consider σ

xxz

−= we shall obtain:

' ( **&

!

!!

!&

!%"%

%"&))!

k

k

zxx

kx

kxr dzedxekxxkxP22

2

1)(

2

1

2

1

2

1

$ $

(6)

clearly indicating that the probability is not x or σ dependent and that it can be obtained only by analyzing the normal standard distribution.

For example, the probability to extract a value of the interval between the

mean minus the standard deviation )( σ−x and the mean plus the standard deviation

)( σ+x is of 68% approximately.Since, the normal distribution is symmetric, which

means that the remaining 32% is divided into 16% probability to observe the values

lower than )( σ−x and another 16% to observe the values higher than )( σ+x .



Let us assume that the trader wants to estimate the maximum loss potential

in 95% of the possible cases. If he assumes that the distribution of the Alpha returns

is normal and estimates that 0=x 0.05% and %2=σ on a daily basis , then the

possibility to observe lower values (such as -1.95%) than )( σ−x is of 16%. Hence 1.95% is the maximum loss potential in 84% of the cases or the equivalent 1.95% is the VaR for the long position, at a confi dence level of 84%. If the broker is preoccupied by extreme losses and a risk is identifi ed with a maximum loss percentage a larger range should be considered. For example, there is

a 95% probability to extract a value in the interval )645.1;645.1( σσ +− xx for

any normal distribution.

As long as 645.1 =− σx -3.24% and 3645.1 +=+ σx +3.34%, there is a 95% probability to extract a value between -3.24% and +3.34%, and only a 5% probability to obtain a return lower than -3.24%. This is why 3.24% represents the VaR percentage at a confi dence level of 95% for the long position of the Alpha stock (Figure 1).

Frequency distribution of a normal distribution and confi dence level defi nition

0

5

10

15

20

25

10% 8% 6% 4% 2% 0% 2% 4% 6% 8% 10%

Distributia frecventei

randamentului

zilnic

Randament

zilnic

Media = 0.05%

STD dev= 2%

Pr(-3.24%<R<3.34%)=90%

Media +1.645xstd dev=3.34%

Pr(R>3.34%)=5%

Media -1.645xstd dev='3.24%

Pr(R;3,24%)=5%

Depending on the broker’s level of caution, we can use different multiples k. If someone is interested in the values of VaR in %1 α− cases, then for any αthere is a value of k; the lowest α has as correspondence the highest k and the most appropriate estimate for VaR (Table 2.)



A few confi dence intervals for a normal distribution

kProb

)( σσ kxxkx +<<−

Prob

σkxx >−

Prob

)( σkxx −<

VaR for the confi dence

level

1 68.27% 31.73% 15.87% 84.13%

1.645 90% 10% 5% 95%

2.326 98% 2% 1% 99%

2.58 99% 1% 0.5% 99.5%

Source: Saita, F. –“Value at Risk and Bank Capital Management”

In practice, the VaR for the market risk is calculated on the assumption that x is zero. This simplifi ed hypothesis allows for the identifi cation of VaR in a simple way, as being represented by the volatility of the return σ times multiplied by a multiple of α−1k , which is a function of the desired protection level α−1 .

VaR is the market value (MV):

!!!##$#$

""" 1%11 kMVVaRMVVaR

#$#

#$#

!

(7)

In a simplifi ed example, if we consider that the broker had a long position on Alpha stock with a market value of USD 100,000 and that he estimated daily a VaR with a confi dence level of 95% and 99%, we shall have:

USDkMVVaR 3290%2645.1000.100%95%95 $##$##$

$##$#

!

(8)

USDkMVVaR 4652%2326.2000.100%99%99 $##$##$

!

(9)

VaR measures the variation, dependent on a predefi ned protection level. Typically, the confi dence level is of 99% or higher, for example 99.97%. Also, the time horizon is important, as long as the weekly or monthly volatility is higher than the daily volatility and it can cause too high VaR estimates. Further on, we shall elaborate on this approach, in order to address a series of issues: A. Choosing a set of random variables which affect the exposure value to be measured. We have to choose three sets of random variables to explain the behavior of the variation of the portfolio value. There are three methods available: • The normal delta approach, where the main variables are represented by the market’s risk factors (for example: the stock’s return, the interest rates, the exchange rates, etc.); • The normal asset approach, where the important variable is represented by the return of a set of assets of reference (for example shares, stock exchange indicators, zero-coupon bonds, exchange rates);



• The normal portfolio approach, where the historical return of a current portfolio are recalculated and the return of the entire portfolio is considered to be the main variable. B. Mapping the portfolio to a number of positions in order to reduce

complexity. Mapping is the process by means of which the real portfolio of a bank is transformed and broken up into exposure vectors within a limited number of random variables. In order to calculate VaR, this transformation from a “restricted” portfolio is absolutely necessary; however, it must be done attentively, considering that such an oversimplifi ed portfolio can result in poor VaR estimates, even if the methodology for volatility estimation is quite sophisticated. It is obvious that the choice of the total number of variables is a critical issue, as its purpose is to fi nd a perfect balance between obtaining estimates of VaR that are computational, fl exible, as well as guaranteeing a correct and sound representation of the original portfolio. C. Calculation of VaR for a portfolio After mapping the portfolio, the following step is to calculate VaR for a portfolio of mapped exposures. For starters, we shall consider the case of normal assets, in which the risk manager assumes that the return of the asset are distributed normally, and then we compare this case to the normal delta approach. In the case of a normal assets portfolio, the problems disappear as long as the risk manager reconstructs, for the current portfolio, the historical series of the previous returns, thus obtaining a single return of the series. Calculating VaR for a portfolio composed only of: 1) a stock basket as replica of a stock market index ; 2) a 5-year zero-coupon bond , whose relative weights are α and α−1 , respectively. VaR for a portfolio can be written as a multiple α−1kmultiples by the market value of the portfolio, MVp

and then multiplied by the

volatility of the portfolio:

pPP kMVVaR ! ""# $1

!

(

(10)

Where the volatility of the portfolio can be expressed by means of the terms of the return volatilities Aσ and Bσ of two assets, A and B, which form the portfolio and their linear correlation BAp ,

15.

BABABAP p ,222 )1(2)1( σσαασασασ −+−+= (11)



Replacing the formula in the previous one, we shall obtain:

BABABAPP pkMVVaR ,222

1 )1(2)1( !! ! !! $%$%"# $ =

= & ' & '& ' #$%$% $$$$ BABPAPBPAP pkMVkMVkMVkMV ,112

12

1 )1(2)1()( ! ! ! ! !!!!

= BABABA pVaRVaRVaRVaR ,22 2%% (12)

! # !

(

(

( (

As long as aMVp=MVA and therefore aMVpksA=VaRA, this logic also applies to B. The expression does not strictly require the distribution to be normal, but can be applied when a volatility multiple α−1k is required to obtain the quantiles of the return distribution (such as the VaR percentage), which is the same for individual assets and for a whole portfolio16. This formula can be applied in the normal delta approach, i.e. when the risk manager assumes that the risk factors (such as the stock exchange indicators, the exchange rates, the interest rates) are normally distributed. In the normal delta approach, the change of the market value of the position is obtained by multiplying the worst-case variation of the risk factors rfkσrf by the sensitivity δ of the assets to changes of the risk factors. For example, in the normal delta approach, the risk manager might consider the stock index and the 5-year rates (rather than 5-years ero-coupon bond return) as risk factors. The sensitivity δ of a stock basket to the risk factors would be only one, while the sensitivity of the return of the zero-coupon bond in the 5 years interest rate would be represent by its modifi ed duration Considering a bond (B), BVaR shall be expressed as a cuponului.

ca )( rfBBrfBB kMVkMV ( ( # ,, where the terms between parentheses represent an estimate of the volatility of the bond and thus, equivalent to Bσ , therefore

deci BBB kMVVaR # .Cu mai mult de

.

With more than two positions, VaR for a portfolio shall become:

ji

n

i

n

i ijiiiP pVaRVaRVaRVaR ,

1 1

2∑ ∑∑= = ≠

×+= (13)

Or as a matrix

−−

××= TP VCVVaR (14)

Where

−

V and −TV represent the individual VaR vector and, respectively, the

transpose VaR vector, defi ned as:



=

−

−

n

n

VaR

VaR

VaR

VaR

V

1

2

1

....; (2.3.21) [ ]

−

−

−

= nnT VaRVaRVaRVaRV 121 ... (15)

and C is the correlation matrix

=

−

−−−

−

−

1...

1...

:::::

...1

...1

1,,2,1

,11,21,1

,21,22,1

,11,12,1

nnnn

nnnn

nn

nn

ppp

ppp

ppp

ppp

C (16)

D. Estimation of volatility and correlation: Simple Moving Averages17 (SMA)

So far we have shown how we can calculate the volatility of any risk factor or reference asset. When we estimate volatility using historical data, the classical formula is the standard deviation of returns:

1

)(1

2

−

−=

∑=

−

n

RRn

ii

σ (17)

where iR is the daily log return , on day i, −

R is the daily average return for the analyzed period of time and n is the number of daily returns contained in the sample. Although using a simple formula, there are two issues indicative of the model’s limitations. The fi rst is that

−

R does not represent the real average of the returns’ distribution, therefore an equilibrium mean return could be identifi ed and the replacement thereof with the average historical return. The solution chosen in practice is to assume an average return equal to zero, which is considered to be a reasonable approximation of the real average return on a given reference day. Also, substituting the average value

−

R of the sample by any different value is indicative of even higher caution in the estimation of σ .



The second issue concerns the arbitrary length of the sample of historical data, the so-called “echo effect”. Basically, by increasing the sample size (e.g. using 500 data, less than two years of trading, instead of 250 data), the risk manager shall have a full picture of the return distribution and shall be able to avoid too optimistic an attitude if, for example, recent data shows a reduced volatility. At the same time, increasing the sample too much can result in a very stable estimate of volatility, which can cause a weak reaction to the conditions of a new market. In the case of a 250-day sample, a negative return on March 5th shall increase the volatility estimate for March 6th, which is correct, but, in the same way, it shall infl uence the volatility estimation for the next 249 days, even if no other negative return is recorded. Worth mentioning that the removal of abnormal data from the sample will lead to lower volatility, even if there was no change in market conditions. This is called “the echo effect”: by assigning equal weights to all data included in the sample, the abnormal data markedly infl uencing the volatility estimation, when they are included in the sample, as well as when they are taken out of it, they will produce an unwanted echo, regardless of the actual market volatility. Therefore, risk managers prefer to use exponential methods for average variation weighting. E. Estimation of volatility and correlation: the exponentially weighted moving averages (EWMA)18 and GARCH An easy way to avoid the shortcomings of the SMA method is to attribute a higher weight to the recent data included in the sample; in fact, this is the idea behind the EWMA model, which is measured as:

1210

2121

222

121

0

, ...

...−−

−−

−−−

−−

++++++

=nn

ntn

ntn

ttnt

rrrr

λλλλ

λλλλσ (18)

where volatility at t moment of a sample containing n returns is calculated by attributing a return, which occurred a i number of days before the estimate, with a weight equal to 1−iλ with 1<λ . λ is a degradation factor, and while 1<λ , the oldest data shall have the lowest weight. The high values of λ mean that the estimated volatility shall react much slower to the new information and that the effect of the past shocks shall continue to exist, for a period of time, at least. Small values of λ mean that the estimated volatility is much more active and it has a ‘short memory’ of past shocks, and consequently any entry of new sample data shall result in a rapid decrease of the weight. The choice of an optimal degradation factor is an empirical issue. Many risk managers use for daily volatility estimates a λ =0.94, and for monthly estimates, they use λ =0.97, considering the fact that the use of this simple technique presented by JP Morgan, in 1996 and entitled RiskMatricsTM Technical Document was successful. As the denominator is a geometrical series, it can be replaced by the following expression

∑−

=

−−

−−

==+++1

0

''1210

1

1....

n

i

inn

λ

λλλλλλ (19)



where, for suffi ciently high values of n we can approximate by )1/(1 λ− . Consequently, we can write:

∑∑=

−=

=−

−−−

−−

−−−

−− −≅−−

=+++

+++=

n

ii

in

ii

inn

ntn

ntn

ttnt rr

rrrr

1

21

1

1

21

1''1210

2121

222

121

0

, )1(1

1

...

...λλλ

λ

λ

λλλλ

λλλλσ (20)

Thus, we can easily demonstrate that the EWMA volatility estimate at the moment t+1 can be calculated based on the estimate at the moment t and of the last daily return tr . If we want to express the formula in terms of variation, rather than in terms of standard deviation, we shall have:

"( ! " ! " " &&&)

"

)

" !

)

" !

!

1

212

2

21

120

1

21

121 )1(1)1()1()1()1(

jjt

jt

iit

ii

iit

it rrrrr ##########$

22

1

212 )1()1()1( itj

jtj

i rrr #$##### ! "*+

,-.

/ ! " &

)

"

(21)

Similarly, the risk manager can measure the covariance and the correlations. The covariance between the returns of two assets can be estimated using, thus:

1

))((

),( 1

2,21,1

2,121

!"!

n

rrrrrrCov

n

iii

#

'

(((

( ((( **

(22)

This can be also expressed considering the EWMA methodology, assuming that the sample is infi nite and the zero mean returns, thus:

jtjt

i

j rrrrCov −−

∞

=

−∑−= ,2,11

121 )1(),( λλ (23)

Which can be easily converted into:

121,2,121 ),()1(),( −+−= ttt rrCovrrrrCov λλ (24)

And afterwards the linear correlation coeffi cient 2,1p is easier to calculate, as given by the relation:

tt

tt

rrCovp

,2,1

21,2,1

),(

σσ= (25)

By allocating a decreasing weight to the data included in the sample, as they become less recent, this method avoids the echo effect which can appear using the SMA method, and makes the estimated volatilities less sensitive to the size of the chosen sample. With a degradation factor of 0.94, if the risk manager doubles the length of the sample, from 250 days to 500 days, the aggregated weight of the items older than 250 days would be as low as 0.00002%.



The observation that market volatility is not constant is best emphasized by the EWMA method, a method originating from the GARCH models . The GARCH models assume that the conditioned variation of the returns is not constant, and as such the returns of the assets can indicate alternative periods of high and low volatility. The origin of the GARCH models can be traced back to the ARCH models of Engle13, which express the conditioned variance 2

1+tσ at the moment t+1, as:

2

12

122

102

1 ... +−−+ ++++= ptpttt εαεαεαασ (26) where iε is the estimation error (for example the difference between the estimate and the achieved value20) at time i and the coeffi cients α , which must be estimated by regression (with 00 >α and 0,...,, 21 >pααα ). With this approach and depending on the values attributed to the α coeffi cients, the signifi cant estimation errors can result when an increasing volatility is estimated. Engle’s models have been further generalized by Bollerslev21, in 1986, by inserting into the variance equation, conditioned at time t, estimations of the older variance at the moments nttt −−− ,...,2,1 . This is why a GARCH (p,q) model is defi ned by the equation:

21

212

211

21

212

210

21 ...... +−−+−−+ ++++++++= qtqtptpttt σβσβσβεαεαεααα (27)

with 00 >α and 0,...,, 21 >pααα si 0,...,1 ≥qββ The most well-known version of the GARCH takes into account only one past estimate of the conditioned variance and a single past value of the estimation error that occurred, therefore:

21

2110

21 tt σβεααα ++=+ 00 >α , 01 ≥α , 01 ≥β (28)

If we assume mean return is equal to zero, we shall obtain:

211

2110

21 σβααα ++=+ rt 00 >α , 01 ≥α , 01 ≥β (29)

It is easy to notice that the EWMA RiskMetricsTM model which can also be expressed by :

222

1 )1( ttt r ( ( $)%$

+ , +

#

(30)

can be considered a particular case of the GARCH22 model, where 00 =αand 111 =+ βα . So far EWMA is considered a particular case of GARCH, as long as the differences between the models such as general case GARCH (1,1) are connected only to the volatility estimation, over a longer time horizon.



VaR estimates and the importance of the time horizon While estimates of VaR for market risk are typically produced daily, an estimate of the potential losses over a longer time horizon might also be necessary. JP Morgan, in RiskMatricsTM Technical Document suggests the adoption of different degradation factors (0.97 rather than 0.94 ) to monthly estimate volatility and correlations. But the choice of time horizon for which loss estimates are calculated is an issue dealt with by the risk manager. Usually, to solve this problem we have to assume that returns were uncorrelated series, which implies23 that their volatility for a time horizon of T days can be equal to the product between the daily volatility of the return and the square root of T. TdailyT ×= σσ (31)

The large majority of GARCH models allows, in exchange, for a more precise structure of the volatility, in the long run, to identify the average unconditioned variance and, from there on, the expected long-term volatility depends partially on the current volatility and on the long-term volatility. In practice, if the estimated volatility for the following day is 1+tσ and the long-term volatility is σ and if we have σσ >+1t , then the long-term estimate would be larger than 1+tσ multiplied by the square root of the number of trading days, since the volatility is assumed to be reverting to its long-term average σ . The reversed situation occurs if current volatility is higher than long-term volatility. The long-term unconditioned variance in the GARCH model is defi ned as the expected value of the conditioned variance 2

1+tσ , for example:

+ , + , + , 2

12

10211

2110

21

2 ! ## !## $$%$$%% $ EREE t

#

(32)

Thus, calculating 2σ , we shall obtain:

11

02

1 βα

ασ

−−= (33)

Such value cannot be defi ned in the EWMA model, which is a particular case of the GARCH (1,1) model, where 00 =α and 111 =+ βα . Therefore, the EWMA models are incapable to model the time structure of the variance of future returns for a given time horizon, and in practice the current variant is projected by simple scaling thereof. This can lead to the overestimation or the underestimation of volatility, so that when current volatility is higher, lower respectively, than the unconditioned long-term volatility24. At the same time, the use of a fi xed degradation factor is more easily achieved, compared to the estimation and continuous review of the GARCH parameters. This helps explain the success that the EWMA method enjoys in practice. Another issue when measuring VaR on a large time horizon is related to the working hypothesis where we assume that the zero mean returns, a hypothesis acceptable for a daily time horizon, but which becomes exceedingly complex for large portfolios (e.g. portfolios of bonds or shares where the manager can only buy, but not sell).



In this case, the expected losses are equal to k multiplied by the standard deviation of the returns for a horizon of T days minus the expected returns for a horizon of T days. Therefore, the assumptions on the expected losses are important as long as an expected overestimated return also means an underestimated VaR. These issues disappear for a short-term portfolio (e.g. the relative VaR versus the reference VaR is calculated for an asset belonging to a real portfolio with long position, and for the reference portfolio the position is short), where the expected returns of the long positions may be reasonably compensated with the expected returns of the short positions.

Conclusions The variance-covariance approach for the calculation of the Value-at-Risk assumes a normal distribution of returns (for the risk factors / reference assets). First, the key risk factors/reference assets are selected, afterwards the mapping of the actual portfolio to an equivalent portfolio exposed only to the risk factors / reference assets must be performed. From a conceptual standpoint, this step is quite simple, but practically, it is a relevant step as long as it conditions the fi nal quality of the estimated VaR. The estimation of the volatility and of the correlations using EWMA, by allotting decreasing weights to the sample data, as they become less recent, largely solves the so-called “echo effect” issue that occurs when using the SMA method, and estimated volatilities become less sensitive to the size of the chosen sample. When we measure VaR on a large time horizon, in addition to the use of different degradation factors (the EWMA method), there is another solution, assuming that the returns are considered to be uncorrelated series. In this case it is assumed that their volatility over a horizon of T days may be equal to the product of the daily volatility of the return and the square root of T. To conclude, we would like to mention that the practical use of the Value-at-Risk has a series of advantages, such as: • it measures the market risk associated to an instrument, share, bond, to various securities or to each portfolio of instruments, or performs the risk aggregation for the entire asset portfolio of a bank; • generally, it measures the market risk on a short time horizon, but developed approaches present solutions for larger time horizons; • it can also be expanded for use in the case of credit risks and operational risks; • VaR is widely used in the fi nancial and banking industry, being an instrument supported by an entire series of methodologies, approaches, which are continuously developed and improved.

Notes 1. The monetary system that, in the mid 20th century, established a new framework for the commercial and fi nancial relations of industrial states, aiming mostly at avoiding the repeti-tion of the disastrous economic policies that led to the great recession of the ‘30s. In July 1944, at the Bretton Woods Conference, the foundation was set for the creation of the International



Monetary Fund (IMF) and of the Bank for Reconstruction and Development (BRD), which today are a part of the World Bank. One of the regulations established in Bretton Woods con-cerned the fi xed exchange rates. Source: Wikipedia, the free encyclopedia. 2. The Black-Scholes model, created by Fisher Black and Myron Scholes in order to es-timate stock options. The model considers factors such as the volatility of the basic stock return , the interest rate level, the relation between the price of the basic stock and the price related to the exercise of the stock option, as well as the time remaining until the option expires. The Black-Scholes model is used in an attempt to determine whether a certain stock option is traded at a correct and fair price, i.e. a price established after a reasonable judgment of the persons involved in the transaction, and provided that all the relevant factors are known. 3. JORION, P., -« Financial Risk Manager – Handbook », Second Edition, John Wiley /Sons, Hoboken, New Jersey, 2003. 4. Basel Committee on Banking Supervision – «Amendment to the Capital Accord to Incorporate Market Risks» (1996a). 5. The Basel Committee –The Banking Supervisions Committee of the Bank for Inter-national Settlements, based in Basel. 6. Basel Committee on Banking Supervision –« International Convergence of Capital Measurement and Capital Standards » (2004). 7. Regulation no. 5/2004 of the National Bank of Romanian on capital adequacy of credit institutions, Offi cial Gazette, Section I 768 of August 23, 2004. 8. VaR - Value-at-Risk. 9. Group of thirty – Consultative group on economic and monetary affairs, created in 1978, in a private international non-profi t framework, including important representatives of the public, private and academic environment. 10. Kalyvas, L., Akkizidis, I., Zourka I. şi Bouchereau, V. –”Integrating Market, Credit and Operational Risk –A complete guide for bankers and risk professionals”, Risk Book a Divi-sion of Incisive Financial Publishing Ltd., 2006. 11. Jorion, P., - op.cit., pages 243-245. 12. Instruments: a) transferable securities; b) units of collective placement bodies. 13. SAITA, F., –“Value at Risk and Bank Capital Management” –Academic Press, Elsevier Inc.2007, pag.25-44 14. JP Morgan/Reuters - RiskMetricsTM Technical Document, Fourth Edition, Decem-ber 1996, New York. 15. Actually, this formula can be applied if the return of the portfolio is equal to a weighted average of the returns of two assets. It would be true, if the returns would have been measured as return weights, but it ceases to be true if we use log returns, as is the case, usually, with risk measurement, the calculation formula for the return of a portfolio containing N as-sets, with the weights Nωωω ,...,, 21 and a log return Nrrr ,...,, 21 is given by:

!"

#$%

&'( )

(

N

i

n

iP er1

ln ..

For suffi ciently low values of ri, we have: i

N

iiP rr ∑

=

=1

ω .

Thus allowing us to use the known formula for the volatility of a portfolio (see JP Morgan 1996. Pages48-49)



16. Rosenberg, J.V., Schuermann, T., - A General Approach to Integrate Risk Man-agement with Skewed, Fat -Tailed Risks , Federal Reserve Bank of New York Staff Report, no. 185, May 2004. 17. Simple Moving Averages. 18. The EWMA model (Exponentially Weighted Moving Averages.) was applied for the fi rst time by RiskMetricsTM, in 1996. 19. Engle, Rr. F. (1982) –Autoregressive Conditional Heteroscedasticity with Esti-mates of the Variance of the United Kingdom Infl ation”, Econometrica, 50, 987-1007. 20.As the estimate of the conditioned variance implies the estimate of a conditioned average which usually is obtained by an autoregressive model AR(1) having the form: yt+1 = a + pyt + e, where 1+ty and ty represent the returns of the assets at the mo-ments t+1and t and α and p are constant and are estimated through regression, the regression error being ε (See Alexander - 2001). 21. Bollerslev, T., - « Modelling the Coherence in Short- run Nominal Exchange Rates : Multivariate Generalised ARCH Model », Review of Economics and Statistics, 72, pag.498-505. 22. The GARCH models include more sophisticated variants of the basic model, used in order to attain a higher adherence of the empiric evidence regarding the return of the assets, such as asymmetric and exponential GARCH.

23. Let us defi ne tR , as an asset whose log return , within T days, is the sum of the

daily log returns nRRR ,..., 21 . If nRRR ,..., 21 are independent and uniformly distributed,

the variance for tR can be expressed as:

∑=

×==∑=T

iRRRR iiiT

T1

2222 σσσσ

24. The volatility estimate for a horizon of T days for a general GARCH (1,1) model could be equal to:

∑

=+

− −++×=T

kt

kT T

1

221

12 )()( σσβασσ

This value is different from Tt 1+σ , which could be estimated using the EWMA

model.

Selective bibliography - EITEMAN, D.K., STONEHILL, A.I. şi MOFFETT, H.H., (2004) –”Multinational Business Financ” – 10th ed. (Additon Wesley). - Basel Committee on Banking Supervision (1996a) – « Amendment to the Capital Accord to Incorporate Market Risks ». - Basel Committee on Banking Supervision, (2004) –« International Convergence of Capital Measurement and Capital Standards ». - Basel Committee on Banking Supervision, (1988) –« International Convergence of Capital Measurement and Capital Standards ».



Perspective privind munca şi piaţa muncii*. Pledoarie pentru o gândire critică Dr. Vasilica CIUCĂ Dr. Cristina LINCARU INCSMPS

Abstract Munca şi piaţa muncii, reprezintă mister si provocare pentru generaţii şi generaţii, în întreaga istorie a umanităţii. … De la începutul acesteia, munca a transformat şi s-a transformat, împreună cu „omul” de care este indisolubil legată şi a legat la rândul ei indivizii, în structuri din ce în ce mai complexe, în spaţii diferite. Suntem îndreptăţiţi să afi rmăm că munca şi piaţa muncii au reprezentat de-a lungul întregii istorii o măsură a progresului şi dezvoltării societăţii umane. Viziunea asupra muncii croieşte şi „făureşte” şi piaţa muncii, într-o arhitectură structurată evolutiv. Considerând evoluţiile pieţei muncii, în primul rând un fenomen istoric obiectiv, dar puternic infl uenţat şi determinat de elemente subiective nu mai pare imposibilă identifi carea unor situaţii dăunătoare, periculoase sau chiar, menţinerea acestora indefi nit dar şi generarea de noi situaţii difi cile sau problematice. Cuvinte cheie: muncă, piaţa muncii, cunoaştere, istoria economică a pieţei muncii.

Piaţă şi marfă, consideraţii generale Există „piaţă (atunci) când există schimb de mărfuri” [1]. În rândul abstracţiunilor specifi ce gândirii economice se include şi „schimbul”. Schimbul se poate produce în prezenţa, prin intermediul banilor pe o piaţă monetară sau schimbul se poate realiza în absenţa banilor, în acord cu istoria trocului pe pieţe nemonetare, atunci „schimbul de mărfuri mijlocit de bani, numită şi circulaţie a mărfurilor”[2]. Efectul transformator al schimbului poate fi pus în evidenţă şi prin observaţia conform căreia „obiectele A şi B nu sunt mărfuri înainte de schimb”, însă „devin mărfuri [...] datorită schimbului” [3]. O altă referire cu refl exe interesante este defi niţia care stabileşte faptul că „obiectul pieţei îl constituie marfa/mărfurile” dar putem admite totodată

* Cu referire inclusiv la activitatea desfăşurată în acest domeniu de prof. univ. dr. Gheorghe RĂBOACĂ

Statistică socială


şi faptul că obiectul schimbului diferenţiază şi dă identitate pieţelor (piaţa bunurilor, piaţa muncii, piaţa monetară…etc.) . Rămânând în această zonă de maximă generalitate, putem pune alături schimbul de cooperare, iar selecţia, în condiţii de limitare şi de raritate a resurselor, alături de competiţie. Piaţa, ca fenomen, spaţiu (virtual sau fi zic), obiect specifi c al relaţiilor de schimb, o entitate colectivă, un proces, o instituţie, mecanism economic (de formare a preţului în mod liber, numită şi „mâna invizibilă”, un mod de viaţă care „îi obligă pe oameni să alcătuiască o societate, să lege relaţii paşnice în care folosul şi profi tul o iau înaintea superstiţiilor”[4] o putem prezenta sintetic în două paliere.

Paralelisme ale pieţei

Pia!aSchimb Cooperare Deschidere

/Universalitate

Comparabilitate

Selec ie (limitare "iraritate a resurselor)

Competi ie Specializare Unicitate/diferen!iere

Obiect

Rela ii

Fără a pretinde o prezentarea completă, propunem o înlănţuire de dualităţi: schimb/selecţie, cooperare/competiţie, universalitate/specializare, comparabilitate/unicitate cu dezvoltare atât în planul relaţiilor, cât şi în planul obiectului respectivei pieţe. Un alt concept economic esenţial în înţelegerea delimitării şi funcţionării pieţelor este acela de marfă. Accentuăm importanţa sublinierii făcute de Profesorul Răboacă cu referiri la modul în care este defi nită marfa astăzi, mai ales în sens economic: Defi niţia 1: Marfa este „rezultatul muncii activităţii omeneşti”[5] Defi niţia 2: Marfa „este un produs al muncii destinat schimbului prin procesul de vânzare-cumpărare”[5]. Atragem atenţia asupra acestei defi niţii, extrem de utile în desfăşurarea întregii construcţii logice a temei. Importanţa acestei defi niţii este ilustrată pe de o parte de legătura dintre muncă şi marfă, marfa fi ind în primul rând un rezultat al muncii iar pe de altă parte, restricţionarea rezultatului muncii care poate fi numit marfă în sensul de legătură cu piaţa, ca principal spaţiu în care se produce schimbul, în care se desfăşoară tranzacţiile. Fără a epuiza bogăţia terminologică a noţiuni de marfă, ne referim la unele defi niţii care consideră marfa ca „un ansamblu de atribute materiale şi imateriale, observabile, care pot să satisfacă dorinţele clienţilor efectivi



şi potenţiali şi care este primită în schimbul banilor sau al altui echivalent bănesc”[6]. Într-un efort de abstractizare acceptat, obiectul pieţei poate fi extrem de divers: bunuri materiale/tangibile, bunuri imateriale/bunuri intangibile, inclusiv „bunuri economice” intrate relativ recent în spaţiul economic sub formă de bunuri comerciale: informaţia şi introducem cunoaşterea (în anumite aspecte) afl ată în plin proces de delimitare ca bun comercial. Din această perspectivă conţinutul conceptului de marfă a cunoscut din punct de vedere istoric o seamă de îmbogăţiri: marfă, serviciu, informaţie şi anticipăm noi… cunoaştere. Referitor la piaţă şi la marfă, încheim cu viziunea modernă în care marfa reprezintă „un fenomen cu care se confruntă piaţa actuală, respectiv […] un proces, o transformare, o evoluţie, o cauză sau un efect produs asupra naturii şi asupra societăţii în ansamblu, cu toate manifestările sale în timp şi în spaţiu”[5] …sau în aceeaşi perspectivă „piaţa constă din relaţii de schimb de bunuri prin comensurare, de mărfuri, calitate în care ea este un fenomen”. Delimitarea bunului economic de bunul comercial, poate fi realizată prin alocarea, dezvoltarea unor atribute specifi ce obiectului destinat schimbului de piaţă.

Obiectul destinat schimbului pe piaţă şi atributele sale cantitative

Mergând pe palierul schimb, cooperare, universalitate şi comparabilitate, devine implicit evidentă o dimensiune mai puţin apelată, anume aceea de comensurare/măsurare a obiectului destinat schimbului, ca etapă iniţială esenţială pentru a putea fi posibilă comunicarea, formarea preţului preţ, (cantitate/calitate) şi în fi nal realizarea schimbului. Preţul, reprezintă o informaţie de sinteză care cumulează proprietăţi diverse (posibilitate de înmagazinare/ stocare/capturare, grad de accesibilitate, consum şi regenerare,



utilitate etc.). Nu în ultimul rând, o altă componentă care serveşte în delimitarea obiectului care va fi subiect de schimb este şi desfăşurarea unei activităţi de cercetare, activitate vitală pentru activităţile de identifi care, codifi care, etichetare,….din cadrul dimensiunii de comensurare/măsurare.

Munca şi piaţa muncii, concept şi controversă

Sensibilitatea subiectului explică dihotomia concept şi controversă. Fără a insista asupra întregii panoplii de dezacorduri şi neacceptări care conduc la relaţii, unele confl ictuale sau chiar aparent ireconciliabile, din sfera pieţei muncii, acestea pot fi generate de: termen, denumire, concept, mijloace, instrumente, reglementări/ dereglementări, rezultate, direcţii de perfecţionare, direcţii de creştere a performanţelor etc., ne referim la câteva remarci privitoare la viziunea asupra munci, a pieţei muncii. Se consideră absolut esenţiale două viziuni generate de modul în care este privită munca din perspectivă economică: prima viziune consideră munca ca orice marfă, iar a doua viziune priveşte munca ca o marfă specială, o marfă deosebită în întreaga lume a mărfurilor.

Valorizări şi asocieri ale muncii în diverse culturi şi perioade istorice[7]

Perioade istorice Munca a fost permanent în istorie stigmatizată ca degradantă

Cultura greco-romanăAsociată cu sclavia, cu tortura, cu supliciul (tourment); în limba latină munca fi zică era identifi cată cu „trapelium” (instrument de tortură).Munca intelectuală/ de contemplare rămâne izolată, nesemnifi cativă

Cultura barbară„Ţăranul era dispreţuit pentru a se considera statutul de ostaş, războinicului acordându-i-se o serie de avantaje şi privilegii.

Cultura iudeo-creştină „întoarce complet spatele muncii fi zice, pentru a aprecia exclusiv contemplarea, gândirea, exponenţii muncii intelectuale”

Astăzi

În urma acumulării de mari capitaluri şi tehnologii de mare productivitate care se extind în toate sectoarele economiei, munca fi zică în ansamblul ei, şi chiar sistemul salarial, …tind să cunoască intense procese de depreciere, pentru a se înălţa şi asocia capitalului,progresului economic şi social, doar sau aproape numai gândirea şi capacitatea de creaţie a omului.

Valorizările şi asocierile muncii în diverse culturi şi perioade istorice identifi că corelaţii directe cu libertăţile, drepturile şi obligaţiile de care se bucură agenţii pieţei muncii, inclusiv cu relaţiile dintre cererea şi oferta de forţă de muncă.



I Prima viziune - Viziunea clasică, Munca este o marfă ca oricare marfă. Sau relaţia patron-angajat relaţie pură de schimb – Adam Smith

Păstrând succesiunea istorică, Piaţa capitalistă a muncii revoluţionează si delimitează conceptual piaţa muncii, în condiţii de libertate completă, pentru toţi agenţii pieţei, o piaţă liberă pentru oameni liberi. În această viziune se realizează saltul uriaş de la etapa de om marfă (care a caracterizat perioada sclavagistă şi parţial cea feudală) la serviciul oferit de persoană sub forma închirierii forţei de muncă, fără a fi afectată în vreun fel şi libertatea individuală a persoanei. Perspectiva că munca este o marfă ca oricare altă marfă este refl ectată în defi niţia lui Adam Smith, defi niţia originală, clasică, conform căreia piaţa muncii este „un proces de vânzare-cumpărare a forţei de muncă prin intermediul salariului”[8]. Reformulată, dar cu aceeaşi esenţă de raportare la conceptul economic pur, de schimb/piaţă, amintim şi defi niţia pieţei muncii ca fi ind „o relaţie de schimb între angajaţi şi angajatori care, întemeindu-se pe instrumente adecvate – preţuri (salarii) – asigură alocarea muncii pe meserii şi profesii, pe fi rme şi regiuni”[9]. Această viziune recunoaşte libertatea de mobilitate ocupaţională şi geografi ca a individului care îşi vinde forţa de muncă, după criteriul de maximizare a preţului obţinut pentru tranzacţionarea acesteia. De aceeaşi libertate se bucură angajatorul, care poate utiliza/angaja conform nevoilor sale, fără nici un fel de obligaţie forţa de muncă. Patronii sunt liberi să cumpere la preţul cel mai mic, determinat de piaţă serviciile forţei de muncă. Relaţia de schimb este „o relaţie impersonală, o relaţie pură de schimb, eliberată de orice obligaţie sau angajament statutar în afară de plata salariului, care rezultă din echilibrul cerere-ofertă”[7]

II A doua viziune-viziunea conform căreia munca este o marfă deosebită în întreaga lume a mărfurilor – Paul Samuelson “Omul este mai mult decât o marfă”[10]

Progresele şi dezvoltarea societăţii umane se manifestă şi prin dezvoltarea şi diversifi carea atributelor muncii. În viziunea potrivit căreia: munca este o marfă specială, distinctă de întreaga lume a mărfurilor, se face referire la principalele atribute ale muncii:



Principalele atribute ale muncii în viziunea „munca este o marfă specială”[7]

Munca este o modalitate de cheltuire a forţei de muncă

Cheltuială de energie fi zică, psihică, mentală, intelectuală.Munca este o formă de manifestare umană creatoare, atribut care aparţine doar forţei de muncă, omului

Munca -Resursă naturală

Principala resursă de producţie şi de creştere economică

Conţinutul şi rolul particular al muncii/ al forţei de muncă

Munca reprezintă singurul factor capabil de a se autovalorifi ca şi care are rol valorizator al celorlalţi factori de producţie

Capitalul Capitalul este muncă încorporată, forţa de muncă este o formă de capital încorporat în fi inţa umană,

Managementul

O resursă umană creatoare, cu capacitate de angajare de resurse (materiale şi de muncă) cu funcţiile de coordonare a combinării resurselor în producerea efi cientă de bunuri şi de servicii, precum şi de protecţie a capitalului împotriva oricăror incertitudini şi riscuri….chiar sursă de confl ict

Limitele modelului „laisser-faire” au fost depăşite, prin modifi cări şi evoluţii succesive ale structurilor şi reglementărilor din domeniul pieţei muncii atât în plan de întreprindere, sectorial, naţional cât şi internaţional…amintind constituirea BIM. Daniel Le Grand a iniţiat primele corecţii ale pieţei muncii libere, prin promovarea unei legislaţii a muncii (1840-1850) unanim şi agreată care să stopeze şi să micşoreze pericolul, recunoscut inclusiv de către patronate, de alunecare într-o zonă a competiţiei fără limite, respectiv anularea cooperării prin „legea junglei”. Încununarea recunoaşterii apartenenţei muncii la fi inţa umană, munca fi ind şi o formă de manifestare a gândirii şi a capacităţii creatoare a omului, aceasta a fost scoasă integral din lumea mărfurilor în cadrul lucrărilor BIM prin Declaraţia de la Philadelphia 1944, când s-a proclamat că „munca nu este o marfa”. În această viziune, piaţa muncii „reprezintă un proces prin care munca este angajată în producţie, cadrul instituţional constituit pentru angajarea forţei de muncă (a muncii), condiţiile de muncă şi de remunerare în care aceasta va funcţiona (drepturile şi obligaţiile), precum şi condiţiile de încetare a raporturilor de muncă între angajaţi şi angajator” iar în teoria economică piaţa muncii trebuie privită ca „locul unde se întâlnesc cererea şi oferta de muncă”[11]. Pe baza acestei recunoaşteri, de o importanţă evidentă, se subliniază: „Categoria de forţă de muncă nu are cum să fi e condiţionată de actul de vânzare-cumpărare”[7]. Din această perspectivă are sens dezideratul de ocupare deplină - mai ales prin constituirea categoriei de forţă de muncă relativ la potenţialul de muncă, la potenţialul creativ şi de gândire ca formă de manifestare liberă a fi ecărui om şi nu doar prin restricţionarea apartenenţei la această categorie prin actul de vânzare-cumpărare!!!



Perspective privind munca şi piaţa muncii

Studiul şi abordarea ca obiect de cercetare: munca şi piaţa muncii a reprezentat preocuparea slujitorilor mai multor ştiinţe: economia, sociologia, matematica, istoria, ştiinţele politice…etc . Specifi cul acestor ştiinţe se poate ilustra şi în planul instrumentelor, metodelor de cercetare şi a metodologilor de investigare. Pe baza literaturii economiei muncii exemplifi căm câteva abordări ale subiectelor de interes, subiecte care sunt delimitate de chiar dualitatea cunoaşterii[12]: Abordări cantitative cu privire la piaţa muncii (ca expresie a cunoaşterii explicite): • Analiza integrării pieţelor regionale ale muncii, • Ataşarea de locul de muncă • Flexibilitatea salariului • Orele de muncă şi fl uctuaţia forţei de muncă Abordări din perspectiva cunoaşterii tacite - cunoaştere imposibil sau foarte greu de formalizat: • Evaluarea de personal • Negocierea şi reconcilierea diferendelor personale • Învăţarea de şi limbi străine şi diverse alte limbaje de comunicare • Dezvoltarea sindicatelor • Impactul legislaţiei din domeniul social în secolul XX asupra performanţei pieţei muncii „mulţi oameni ştiu cum să facă ceva fără a fi capabili să formalizeze ceea ce fac. În ştiinţele sociale, acest lucru este numit „problema de a povesti ceea ce faci”. Ca exemple precizăm: mersul pe bicicletă, strânsul şiretelor, vorbirea limbilor străine, negocierea contractelor, reconcilierea diferendelor personale, evaluarea angajaţilor şi utilizarea procesorului vorbirii”1 Goguen, 1997:33 Studiul pieţei muncii reprezintă o necesitate dictată de nevoile de dezvoltare durabilă, recunoscute sau nu, ale societăţii şi indivizilor, în condiţii de creştere economică fundamentate pe principii şi relaţii democratice şi de pace socială. Diversitatea, amploarea şi intensitatea schimbării, induc numeroase probleme, diferenţiate după factori şi cauze în raportări diferite la piaţa muncii. Fenomenele şi procesele înregistrate pe piaţa muncii exced de multe ori spaţiile naţionale, sunt greu de identifi cat şi mai ales de înţeles şi de aplicat în planul politicilor şi acţiunilor. Această înlănţuire nu poate fi ignorată mai ales din perspectiva consecinţelor şi efectelor care se acumulează sub diferite forme: „de nelinişte şi suferinţe pentru indivizi, de nesiguranţă şi pierderi pentru progresul economic şi social”. Cu referire la aceste aspecte, rezultă importanţa poziţionării pieţei muncii relativ la celelalte pieţe.



„Piaţa muncii ocupă un loc strategic în sistemul de pieţe, trimiţându-le acestora propriile impulsuri, piaţa muncii favorizează dezvoltarea economică, transferul tensiunilor economice şi sociale în întreaga societate”. Piaţa capitalului, piaţa monetar-valutar-fi nanciară şi piaţa bunurilor şi serviciilor/infl aţia induc efecte pozitive/negative direct pe piaţa muncii. Aceasta, dincolo de îndeplinirea funcţiei de ajustarea a ofertei la cererea de forţă de muncă reprezintă, după sublinierea Profesorului Răboacă un „colector de efecte preponderent vicioase ale celorlalte pieţe”[7]. „Piaţa muncii colectează impulsuri şi efecte de pe toate celelalte pieţe de factori de producţie, de bunuri şi de servicii; ea colectează impactul tehnologiei, al intensităţii capitalului, al evoluţiei demografi ce, al reglementărilor legislative, ale pieţei monetare, valutare, fi nanciare, modifi carea veniturilor nominale în venituri reale. ş.a. Piaţa muncii este însă un sistem complex, cibernetic care realizează şi legătura inversă , întrucât transmite şi ea, la rândul ei, efectele pozitive şi negative (comportamentul forţei de muncă, costul salarial, gradul de investire a economiilor etc.) asupra celorlalte pieţe,putând genera distorsiuni şi dezechilibre în zona investiţiilor, a monedei, a defi citului bugetar etc.”[7] Contextul actual, caracterizat de globalizare şi intensifi care a competiţiei economice internaţionale, stimulată de accelerarea progresului tehnologic în condiţii de îmbătrânire demografi că, impune o nouă evaluare a priorităţilor. Dincolo de progresele realizate de teoria şi cunoaşterea din acest domeniu, rămân deschise o seamă de întrebări, al căror răspuns viitor ne-ar putea schimba radical viziunea asupra muncii şi a pieţei muncii. Actualitatea şi specifi citatea acestui domeniu este pusă în lumină prin formularea unor întrebări esenţiale: „În ce viziune ar trebui concepută şi organizată piaţa muncii, pentru ca aceasta să concure la evitarea confl ictului de interese, s-ar asigura condiţiile parteneriatului – capital – cunoştinţe ştiinţifi ce ale forţei de muncă – indispensabile dezvoltării economice şi sociale durabile?” Cât de strâns sunt legate pieţele muncii afl ate la distanţă geografi că? Cât de fl exibile au fost pieţele în trecut – în ce măsură au variat salariile ca răspuns la şocurile cererii? Mobilitatea spaţială şi ocupaţională a lucrătorilor reprezintă un răspuns la condiţiile induse de ciclicitate sau de sezonalitate? Au fost (în ce măsură sunt) relaţiile dintre lucrător şi angajator de lungă durată sau de scurtă durată? De ce se schimbă aceste relaţii si care sunt implicaţiile pentru fl exibilitatea şi integrarea pieţelor?”2

O abordare specifi că economiei evoluţioniste, pleacă de la întrebarea “Care este legătura dintre istoria pieţelor muncii şi istoria economiei?3 „ şi oferă şi alte viziuni şi judecăţi noi:



Viziunea economiştilor şi a istoricilor cu privire la istoria economică a pieţei muncii

Viziunea Probleme Economiştilor Istoricilor

Cu privire la istoria economică a pieţei muncii:

Cât este de efi cient şi de echitabil alocată munca?Abordare sociologică - o formă umană de organizare

Legături critice

Legătura rezultatelor pieţei muncii cu evoluţia:• tehnologiei • resurselor disponibile• preferinţelor individuale

Viziuni diferite privind înţelegerea cauzalităţii istorice

Din perspectiva „Legii naturale”:Procesul istoric de tendinţă continuă psihologică de a optimiza ocuparea resurselor rare.

Din perspectiva revoluţiei subiectiviste de la fi nele secolului XVIII, pentru care istoria reprezintă desfăşurarea diverselor tendinţe ale spiritului uman; fi ecare perioadă istorică are propriul umanism şi propriul tip de economie.

Explicaţii ale evoluţiilor de pe piaţa muncii

Probleme formulate clar dar încă nerezolvate de analiza economică modernă: - Afi rmaţia lui Marx „extinderea pieţelor competitive ale muncii în perioada incipientă a industrializării reduce spectrul de oportunităţi economice pentru lucrătorii săraci, transformându-i în proletari fără nici o alternativă să lucreze pentru salariu. - Dezbaterea cu privire la problema dacă extinderea pieţelor competitive ale muncii au slăbit sau au exacerbat discriminarea economică bazată pe caracteristici personale, fără nici o legătură cu performanţa economică. (autorii citează o variantă „ciudată”, numită economia sclavagistă şi sistemele rasiale bazate pe managementul coercitiv al muncii, sistem care a caracterizat agricultura comercială, tropicală şi subtropicală din Lumea Nouă la fi nele secolului XIX (Engerman 1992)- Evoluţia contractului pe piaţa muncii poate fi explicat pe baza unei teorii de „selecţie naturală” determinată de răspunsurile, efi ciente sau stimulente-compatibile, date mediului.- Imposibilitatea persistentă a pieţelor competitive ale muncii de a realiza niveluri ale salariilor reale compatibile cu ocuparea deplină. (cercetătorii au încercat să explice cauzele şi caracteristicile şomajului cât şi determinanţii salariului de-a lungul timpului)

Piaţa muncii se reglează la anumite condiţii sau anumite condiţii reglează piaţa muncii.

Structuri Structuri de piaţă (produc rezultate specifi ce) Cum s-a dezvoltat actuala structură



Referirea esenţială este aceea relativ la faptul că nu putem gândi creşterea economică în afara pieţei muncii, o piaţă care să funcţioneze efectiv în condiţii de efi cienţă economică şi de echitate socială pentru toţi membrii societăţii. Alături de atâtea provocări moştenite se adaugă şi alte provocări cum ar fi cele induse de tranziţia la economia cunoaşterii. Nu putem să nu avem în vedere şi ipoteza unui nou „ciclu de viaţă al pieţei muncii”, dacă „forţa de muncă încorporează ştiinţa şi tehnologia” sau „Cunoaşterea se afl ă în oameni”4, atunci apare cât se poate de justifi cată cerinţa ca veniturile forţei de muncă să se stabilească sub semnul protecţiei sociale şi în condiţiile nou create! Ambele viziuni cu privire la piaţa muncii, în opinia noastra, coexistă. Defi niţia corespunzătoare primei viziuni corespunde lucrătorilor pe cont propriu, lucrătorilor familiali neremuneraţi, muncii în afara legii (la negru). Defi niţia celei de a doua viziuni corespunde muncii salariale, a muncii reglementate. Criza actuală a pieţei muncii este cea mai profundă din ultimii 200 de ani şi afectează nu numai practica cât şi teoria pieţei muncii. Diagnostic pus încă de la începutul anilor 2000: „Noua criză a muncii şi a pieţei muncii se plasează la sfârşitul unei lungi evoluţii istorice a societăţii omeneşti precum şi la începutul unei alte ere istorice cu o tehnologie absolut nouă, cu puternice resurse de capital, precum şi cu importante obiective de evoluţie globală a civilizaţiei umane pe Planeta Pământ.”[7]. „Dar studiul problemei, deşi urgent, rămâne deschis întrucât cercetătorilor din toate domeniile ştiinţei şi în primul rând din ştiinţele sociale le revine obligaţia şi răspunderea pentru conceperea şi organizarea statului, armonizarea funcţiilor acestuia cu acelea ale pieţei, pentru realizarea unei societăţi cu adevărat moderne, durabile.”[7]

Concluzii Economia politică a făcut progrese de netăgăduit prin internalizarea metodelor şi abordărilor propuse de economia pozitivă, dar provocarea ce vine din planul teoriei pieţei muncii, rămâne de mare actualitate. Dincolo de soluţii şi de avansul realizat, punem în discuţie această problemă fundamentală a pieţei muncii, generată din chiar viziunea asupra muncii, mai ales în cele două abordări. Chiar dacă defi niţia conform căreia munca este o marfă ca oricare alta, aduce un grad mare de abstractizare, abordarea conform căreia munca este mai mult decât o marfă NU trebuie ignorată. Între provocările cărora le acordăm un nivel ridicat de prioritate amintim în special redistribuirea şi crearea de capital efectiv, atât la nivel microeconomic, cât si la nivel macroeconomic precum şi întreaga cohortă de probleme care ţin de evaluarea acestei mărfi speciale, reprezentată de muncă.




Între perspectivele „ameninţătoare”, care impun urgent un grad mare de atenţie, enunţăm: Nu avem scări/sisteme de referinţă pentru a asigura comparabilitatea pentru a putea evalua corect această marfă. Nu ştim să evaluăm aportul muncii la capital. Realitatea nu reprezintă modelul de piaţă perfectă, astfel este imposibilă atomizarea sistemului de producţie la nivel individual. Accentuăm aspectul de caracter de marfă specială a muncii, care chiar în ipoteza extrem de optimistă de abordare atomizată a contribuţiei fi ecărui individ, prin aspectele induse de caracterul tacit al cunoaşterii vor limita comparabilitatea şi, prin urmare, putem afi rma fără nici un fel de tăgadă limita evaluării pur cantitative, generalizarea acestei abordări reprezintă chiar o capcană. Piaţa muncii în societatea cunoaşterii vine cu alte probleme şi putem spune că adaugă probleme noi şi nu le rezolvă pe cele vechi.

Note 1. GOGUEN J. A. (1997) „Toward a social, ethical theory of information “, in social science, technical system s and cooperative work, beyond the great divide” 2. ***, “Labour Market Evolution, The economic history of market integration, wage fl exibility and the employment relations, edited by George Grantham and Mary MacKinnon, Routledge, 1994 3. George Grantham, Economic History and the History of labour markets, published in: Labour Market Evolution, The economic history of market integration, wage fl exibility and the employment relations, Edited by George Grantham and Mary MacKinnon, Routledge, 1994 4. Paul M.Hildreth, Chris Kimble, The duality of knowledge, Information Research, vol.8, No.1, October 2002;

Bibliografi e [1] Vasile Marian, Refl ecţii asupra conceptelor de piaţă şi de marfă, Institutul de Istorie „George Bariţ”, Cluj Napoca, An. Inst. de Ist. „G. Bariţiu” din Cluj-Napoca, Series Humanistica, tom. VI, 2008 [2] ***, Dicţionar de economie, coordonator Niţă Dobrotă, Editura Economică, 1999, Bucureşti, Pg.105 [3] Karl Marx, Capitalul, vol. I. [4] Pascal Bruckner, Mizeira prosperităţii, Bucureşti, Editura Trei, 2002 [5] Carmen Păunescu, Marfa şi globalizarea pieţei, Editura ASE, Bucureşti, 2004 [6] ***, Dicţionar de merceologie, editura ASE, Bucureşti, 1996; [7] Răboacă, Gheorghe, „Piaţa muncii şi dezvoltarea durabilă”, Editura Tribuna Economică, Bucureşti, 2003 [8] Adam Smith, Avuţia naţiunilor [9] Helfgott, Roz B. Labour Economics, Ed. II-a, Random House Inc. New Yoork, 1980. [10] Paul Samuelson, Economics, vol.2. Armand Colin, Paris, 1968 [11] ***, Dicţionarul Macmillan de economie modernă (versiunea românească, sub coordonarea prof.univ.dr. Sorica Sava), editura Codecs, Bucureşti, 1999


[12] Paul M.Hildreth, Chris Kimble, The duality of knowledge, Information Research, vol.8, No.1, October 2002 [13] Răboacă, Gheorghe, Bugetul pieţei muncii. Resurse, cheltuieli, efi cienţă, INSCMPS, iulie 1997 [14] Răboacă, Gheorghe, Ocuparea deplină şi folosirea efi cientă a forţei de muncă în România, editura Politică, Bucureşti, 1988 [15] Răboacă, Gheorghe, Oferta de muncă. Factori de infl uenţă şi mijloace de ajustare. Mijloace de ajustare a ofertei de forţă de muncă pe diferite orizonturi de timp, INCSMPS, nov 2000; [16] Răboacă, Gheorghe, Piaţa muncii teorie si practica, Munca si Progres Social, Nr1-2, Nr.3, Nr4, 1990, Bucureşti [17] Răboacă Ghorghe, „Evoluţia produsului Intern Brut al României şi factorii determinanţi ai acesteia în perioada 1989-2001, Studiu de caz, Editura Fundaţiei România de mâine, 2003;

PERSPECTIVES REGARDING THE LABOUR AND THE LABOUR MARKET*. THE PLEA

FOR A CRITICAL THINKING -SYNTHESIS-

PhD Vasilica CIUCĂ PhD Cristina LINCARU INCSMPS

The labour and the labour market represent an “endless story”, mystery and challenge for generations and generations, throughout the entire history of humanity… From its very beginning, labour transformed and has been transformed, together with the “man” of which is unbinding interlinked and interlinked also at its turn the individuals, into structures more and more complex, in different spaces. Consequently we could make the statement that the labour and the labour market represented into the whole history a measure of the progress and development of human society. The vision over the labour outlines and “forges” the labour market, into an evolutionary structured architecture. Considering the labour market evolutions, mainly as objective historic phenomenon, but strongly infl uenced and determined by subjective elements is no longer impossible to identify some distress, dangerous, perilous situations or even, of maintaining them indefi nitely but also the generating of the new diffi cult or problematic situation.

* Referring including to the activity developed in this fi eld by PhD Univ. Professor Gheorghe RĂBOACĂ

Social statistics


The economics made remarkable progresses through the adoption of the methods and the approaches offered by the positive economics, but the challenge that comes from the theory or labour economics plan, is still remains as a high priority. Above the solutions and the progress obtained, we put into discussion this fundamental problem of the labour market, sprang from the very vision over the labour market, especially from those two approaches before specifi ed. Among the challenges with a high priority level we mention the capital reallocation and the effective creation of capital, as well at microeconomic level as at macroeconomic level, with special awareness for the entire cohort of problems with content linked with this special merchandise evaluation, represented by the labour. The reality doesn’t represent the model of perfect market, so it is evident impossible to consider the production system atomized at individual level. We put the accent on the special character of special merchandise for the labour, which even in the very optimistic hypothesis, with the atomized approach of the individual contribution of every individual, through the aspects of the tacit character of the knowledge, is limited the comparability, and fi nally we could affi rm without any reserve the limit of pure quantitative evaluation, the generalization of this approach could be a trap. The labour market in the knowledge society comes with other problems, and we could say that adds new problems without solving the old ones.


Metoda Diagonală în sisteme informatice de tipul Data Warehouse Drd. Ing. Radu RADOCEA

Abstract În articol se prezintă o metodă originală privind construirea şi intreţinerea efi cientă a “dimension tables” într-o structură de tip “data warehouse”, metodă denumită în continuare Metoda Diagonală. Metoda Diagonală, fi ind pretabilă a fi implementată cu ajutorul oricărui instrument ETL sau mediu de programare specifi c sistemelor de gestiune a bazelor de date si reprezintă o abordare algoritmică, efi cientă şi independentă din punct de vedere tehnologic. “Dimension tables” oferă contextul pentru “fact tables” şi implicit constituie suportul pentru toate mărimile care sunt prezentate într-o structură data warehouse. Având în vedere că “dimensions tables” reprezintă caile de acces la informaţii, ele sunt de o maximă importanţă pentru orice structură “data warehouse”. Practic utilitatea şi succesul intregii structuri “data warehouse” este în strânsă legatură şi depinde de efi cienţa, fl exibilitatea şi corectitudinea “dimension tables”. Cuvinte cheie: Datawarehouse, Sisteme de gestiune a bazelor de date, algoritm, limbaj de interogare, sisteme ETL (Extract Transform and Load).

*** Furnizarea corectă şi la timp a “dimension tables” este o prerechizită cheie în orice implementare “data warehouse”. Exceptând acele “dimension tables” care provin dintr-o sursă unică, care prezintă un numar restrins de tupluri (de obicei nu depasesc ordinul miilor) şi a caror evoluţie în timp nu este de interes din punct de vedere al utilizatorilor fi nali, furnizarea “dimension tables” este un proces departe de a fi intuitiv sau facil. Elaborarea unor metode efi ciente pentru construirea şi întretinerea “dimension tables” este necesară în implementarile structurilor “data warehouse”. Prin Metoda Diagonală se propune o abordare sistematică şi efi cientă pentru construirea şi intreţinerea “dimension tables” complexe, cu accent deosebit în ceea ce priveste urmatoarele aspecte: • Independenţa faţă de particularitaţiile instrumentelor ETL (Extract Transform and LOAD) folosite.

Informatică şi statistică


• Unifi carea proceselor ETL pentru construirea şi intreţinerea iniţială şi cele pentru intreţinerea periodică recurentă a “dimension tables”. • Extragerea DELTA (incrementală) a modifi cărilor din sursele de date şi minimizarea impactului asupra sistemelor operaţionale din care aceste date sunt extrase. • Efectuarea unui numar minim de operaţii INSERT respectiv UPDATE la nivelul sistemului de gestiune a bazei de date a structurii “data warehouse”. • Determinarea facilă şi înregistrarea istoriei pentru “dimension tables” pentru oricare dintre cele 5 tipuri de SCD (slowly changing dimension) existente: 1, 2, 3, 4 şi 6. • Determinarea facilă şi înregistrarea tranzacţiilor generate de tranziţia diverselor atribute ale tuplurilor din “dimension tables”. În majoritatea cazurilor, construcţia unei structuri “data warehouse”, presupune elaborarea, alături de procesele de populare recurente, elaborarea proceselor pentru popularea iniţiala a structurii “data warehouse”. O consecinţa directă a utilizării metodei diagonale este faptul că procesele de populare iniţială şi cele de populare recurente (zilnice) sunt unifi cate într-o manieră naturală. Extragerea informaţiilor din sistemele sursă reprezintă un proces recurent (de obicei zilnic) şi totodată este prima etapă în înlatuirea proceselor ETL specifi ce structurilor “data warehouse”. În cadrul aceastei prime etape sunt întilnite diverse abordări: • Extragerea completă, pretabilă de obicei pentru “dimension tables” de dimensiuni mici (numarul de tupluri nu depaseste citeva mii), pentru care efortul de gestionare a informatiilor de control necesare unei extrageri incrementale nu se justifi că iar impactul asupra sistemelor sursă, din care datele sunt extrase, este nesemnifi cativ. • Extragerea DELTA (incrementală) doar a modifi cărilor survenite de la precedenta extragere şi până în prezent, pretabilă pentru “dimension tables” de dimensiuni medii şi mari (numarul de tupluri poate depăşi zecile de milioane), pentru care o eventuală extragere completă ar deveni prohibitivă pentru structura “data warehouse” şi ar avea un impact semnifi cativ negativ (de cele mai multe ori inacceptabil) asupra sistemelor sursă din care datele sunt extrase. • Extragerea DELTA Extinsă presupune extragerea modifi carilor survenite de la precedenta extragere şi pînă în prezent (similar extragerii DELTA) şi, în plus, extragerea suplimentară a datelor necesare procesării operaţiei INNER JOIN pentru combinarea datelor şi încarcarea lor în“dimension tables”. În cadrul Metodei Diagonale este sufi cientă extragerea DELTA a datelor din sistemele sursă întrucât, aceasta, prezintă avantajul de a simula procesarea operatiei INNER JOIN prin combinarea datelor extrase incremental din surse şi aducerea informatiilor lipsă din “structura datawarehouse” (target). O particularitate a metodei diagonale este că în cadrul proceselor de trasformare a datelor, etapă intermediara a proceselor ETL (Extract Eransform



and Load), va disjunge în mod corect tuplurile ce vor fi incărcate în structura “data warehouse” prin inserare (INSERT) de acelea care vor fi actualizate (UPDATE) şi va evita în mod categoric efectuarea operaţiei costisitoare (inefi cientă) UPDATE-else-INSERT. Metoda Diagonală, garantează ca pentru fi ecare tuplu care va fi incărcat în structura “data warehouse” se va efectua o singura operaţie fi e de tip INSERT fi e de tip UPDATE. În problematica “data warehouse”, o importanţă aparte o are înregistrarea variaţiei în timp a valorilor atributelor tuplurilor din “dimension tables”. Din punct de vedere al metodei utilizate pentru gestionarea acestor schimbări, “dimension tables” se clasifi că în“slowly changing dimension (dimensiuni cu variatie lenta)” (SCD) de Tip 1, 2, 3, 4 şi 6. Slowly changing dimensions de tip 1 (SCD-1), numită şi metoda suprascrierii, actualizează atributele din “dimension table”, fără a conserva în vreun fel istoria schimbarilor aparute. Se prezentă sumar şi ipotetic o “dimension table” care gestionează datele şi informaţiile cu privire la furnizori.

SupplierS_Key S_Name S_State001 Coca-Cola Prahova

În cazul în care la un anumit moment în timp, furnizorul “Coca-Cola”, identifi cat de cheia unică 001 (S_Key), îşi schimbă sediul din judeţul (S_State) “Prahova” în judeţul “Bihor”. Continutul “dimension table” de tip SCD-1 devine:

SupplierS_Key S_Name S_State001 Coca-Cola Bihor

Principalul dezavantaj a metodei SCD-1 este că suprascrierea (actualizarea) informaţilor face imposibilă reconstituirea imaginii anterioare a tuplurilor. Slowly changing dimensions de tip 2 (SCD-2), numită şi metoda “adaugă tuplu nou”, va inregistra schimbarile atributelor din “dimension tables” prin versionarea (multiplicarea) tuplurilor. Metoda SCD-2 va genera chei noi pentru tuplurile modifi cate.

SupplierS_Key S_Code S_Name S_State S_Active001 CC Coca-Cola Prahova 0 (false)002 CC Coca-Cola Bihor 1 (true)

O altă variantă, des utilizată, pentru SCD-2 este marcarea momentului schimbarii intervenite, în care tuplul activ este identifi cat prin valoarea <null> pentru atibutul de tip data “To”:Supplier

S_Key S_Code S_Name S_State From To001 CC Coca-Cola Prahova 1-Jan-00 21-Dec-04002 CC Coca-Cola Bihor 22-Dec-04 <null>



Metoda SCD-2 prezintă avatantajul de a înregistra nelimitat istoria variaţiei atributelor tuplurilor din “dimension tables”. Tuplurile din “fact tables”, acelea care gestionează tranzactiile într-o structura “data warehouse”, vor fi puse în legatura cu acea imaginea a tuplurilor din “dimension table” care sunt valide/corecte la momentul tranzacţiei. Măsurile înregistrate în “fact tables” vor fi prezentate utilizatorilor fi nali doar din perspectiva valorilor atributelor din “dimension tables” valide la momentul la tranzactiilor ceea ce, din punct de vedere al sistemului de gestiune al bazei de date, presupune efectuarea operatiei INNER JOIN natural (cheie la cheie, egalitate intre chei) între “fact table” şi “dimension tables”. Slowly changing dimensions de tip 3 (SCD-3), numită şi metoda “adaugă atribut nou”, va inregistra parţial schimbările atributelor din “dimension tables” prin păstrarea valorii precendente într-un alt atribut:

SupplierS_Key S_Name S_State_Original S_State_Actual S_State_Effective001 Coca-Cola Prahova Bihor 22-Dec-04

Metoda SCD-3 este utilă în cazurile în care, din punct de vedere al utilizatorilor fi nali, nu fi ecare tranziţie a atributelor tuplurilor din “dimension tables” este utilă ci doar tranziţia între valoarea originală şi cea actuală a atributelor prezintă interes. Slowly changing dimensions de tip 4 (SCD-4) va inregistra schimbarile atributelor din “dimension tables”, prin mutarea tuplurilor modifi cate intr-o altă structură de tip “dimension table” cu rol de arhivă pastrind aceasi cheie pentru tupluri.

SupplierS_Key S_Code S_Name S_State001 CC Coca-Cola Bihor

Supplier_HistoryS_Key S_Code S_Name S_State From To001 CC Coca-Cola Prahova 01-Jan-04 21-Dec-04001 CC Coca-Cola Bihor 22-Dec-04 <null>

Metoda SCD-4 este fl exibilă atunci cind parte dintre utilizatorii fi nali sunt interesaţi în prezentarea mărimilor înregistrate în structurile “data warehouse” din perspectiva valorilor cele mai actuale ale atributelor tuplurilor din “dimension tables” în timp ce parte dintre utilizatorii fi nali sunt interesaţi de evidenţierea măsurilor din perspectiva valorilor atributelor din valide la momentul la tranzacţiilor. Din punct de vedere al sistemului de gestiune al bazei de date, pentru prima categorie de utilizatori, impune efectuarea operaţiei INNER JOIN natural (cheie la cheie, egalitate intre chei) între “fact table” şi “dimension tables” (Supplier). Pentru cea de-a doua categorie de utilizatori se va efectua operatia INNER JOIN între “fact table” şi “dimension tables” (cu rol de arhiva) cu cheie dublă (multiplă) dintre care o egalitate (pentru atributul S_KEY) şi o poziţionare



conjunctivă a datei tranzacţiei din “fact table” care trebuie să fi e cuprinsă între valorile From şi To din acele “dimension tables” cu rol de arhivă. Slowly changing dimensions de tip 6 (SCD-6), numită şi SCD-Hybrid combină caracteristicile metodelor 1, 2 şi 3 (de unde şi denumirea: 1+2+3=6). Plecând de la observaţia că în metoda SCD-4, mutarea tuplurilor într-o “dimension table” cu rol de arhivă s-a facut din considerente de performanţa utilă doar unei anumite parţi ale utilizatorilor fi nali, metoda SCD-6 propune gestionarea unei singure “dimension table” atât pentru valorile curente cât şi pentru cele anterioare/istorice, astfel:SupplierS_Key S_Code S_Name S_State From To001 CC Coca-Cola Prahova 01-Jan-04 21-Dec-04001 CC Coca-Cola Bihor 22-Dec-04 <null>

Din punct de vedere al sistemului de gestiune al bazei de date, pentru utilizatorii interesaţi de prezentarea mărimilor în raport cu valorile atributelor actuale din “dimension tables” se va efectua operatia INNER JOIN natural (cheie la cheie, egalitate intre chei) între “fact table” şi “dimension tables” (Supplier) şi se vor fi ltra datele din “dimension tables” pentru tuplurile care au valoarea atributului To = <null>. Pentru utilizatorii interesaţi de prezentarea mărimilor în raport cu valorile atributelor din “dimension tables” valide la momentul tranzacţiei, se va efectua operaţia INNER JOIN între “fact table” şi “dimension tables” cu cheie dubla (multipla) dintre care o egalitate (pentru atributul S_KEY) şi o pozitionare conjunctivă a datei tranzactiei din “fact table” care trebuie să fi e cuprinsă între valorile From şi To din “dimension tables” – similar metodei SCD-4. Simpla înlocuire a valorii <null> pentru atributul To din “dimension tables” cu o valoare a cărei semnifi caţie să fi e “infi nit”, de exemplu ’31-Dec-2099’, în cadrul metodelor SCD-4 şi SCD-6, conduce la simplifi carea condiţiei de pozitionare pentru operaţia INNER JOIN cu cheie dublă (multiplă).SupplierS_Key S_Code S_Name S_State From To001 CC Coca-Cola Prahova 01-Jan-04 21-Dec-04001 CC Coca-Cola Bihor 22-Dec-04 31-DEC-2099

Una dintre diferenţele majore între structurile “data warehouse” şi alte sisteme de raportare cunoscute constă în capacitatea structurilor “data warehouse” de a acumula şi de a prezenta evoluţia în timp a diferitelor mărimi prezente în “fact tables” în raport cu “dimension tables”. Informaţiile prezente în“Fact tables” intr-o structura “data warehouse” sunt extrase, de obicei, din sisteme operaţionale (sisteme sursă). De o importanţă majoră şi specifi c doar structurilor “data warehouse” este capacitatea acestora de a genera tranzacţii în“fact tables” de tip activităţi (activities) care nu provin şi nu sunt prezente în nici un sistem sursă. Tranzacţiile respective sunt originate întocmai de tranziţia valorilor atributelor tuplurilor din



“dimension tables” şi au menirea de a raspunde urmatoarelor tipuri generice de intrebări ale utilizatorilor fi nali: • Care este numarul de furnizori (suppliers) care au avut schimbare de adresă într-o anumită perioadă de timp, respectiv întrebari legate de raportarea tranzactională directă (“nr de …”). • Care este valoarea de achizitie a produselor livrate intr-o anumită perioadă de timp (perioada 1) doar de catre furnizori (suppliers) care au avut schimbare de adresă într-o altă (sau aceasi) perioadă de timp (perioada 2). Aceste întrebari sunt în legatura cu posibilitatea de a fi ltra setul de tranzacţii existente (livrări) pentru care există totodată şi un alt set de tranzacţii de o cu totul altă natura iar cele doua seturi de tranzacţii sunt relaţionate printr-o dimensiune comună. Este în sarcina proceselor ETL ca atunci când valorile atributelor tuplurilor din “dimension tables” variază sa gestioneze atât înregistrarea istoriei (Metodele SCD 2, 3, 4 şi 6) cât şi să înregistreze aceste tranziţii în “fact tables” de tip activităţi (activities). Completând cu înregistrarea tranziţiei atributului “S_State”, exemplul SCD-2 prezentat anterior devine:SupplierS_Key S_Code S_Name S_State From To001 CC Coca-Cola Prahova 1-Jan-00 21-Dec-04002 CC Coca-Cola Bihor 22-Dec-04 <null>

Supplier_Activity Tr_Type Tr_Date Old_Supplier New_Supplier10001 22-Dec-04 001 002

Atributul Tr_Type “Transaction Type” reprezintă cheia către o “dimension table” statică care conţine lista tipurilor de tranzactii care pot fi prezente în“fact tables” de tip activitaţi (activities) de exemplu – Schimbare de adresa. Atributele Old_Supplier şi New_Supplier reprezintă cheile către “dimension table” Suplier pentru imaginile de dinainte şi de după tranziţie a atributului S_State. În cazul în care într-o “dimension table” există două (sau mai multe) atribute a căror valoare variază în aceasi zi, atunci în “fact table” de tip activitaţi (activities) corespunzator se vor înregistra două (sau mai multe) înregistrări, fi ecare reprezentând un alt tip de tranzacţie. Într-o structură “data warehouse”, doar variaţia anumitor atribute ale tuplurilor din “dimension tables” prezintă interes pentru înregistrarea şi conservarea variaţiei valorilor atributelor. Într-o structura “data warehouse”, doar variaţia anumitor atribute ale tuplurilor din “dimension tables” prezintă interes pentru generarea şi înregistrarea tranzacţiilor în “fact tables” de tip acticvitaţi (activities). Mulţimea atributelor tuplurilor din “dimension tables” care se califi că pentru generarea şi înregistrarea tranzacţiilor în “fact tables” de tip activitaţi (activities) este o submultime a atributelor tuplurilor din “dimension tables” care



prezintă interes pentru înregistrarea şi conservarea variaţiei valorilor atributelor. Utilizarea metodei diagonale prezintă avantajul atât al calcularii facile, în cadrul procesului ETL, a informaţiilor necesare pentru înregistrarea tranzacţiilor de tip activitaţi (activities) cât şi înregistrarea variaţiei valorilor atributelor pentru “dimension tables” în oricare dintre variantele SCD-2, 3, 4 şi 6 prezentate. Metoda Diagonală este deopotrivă fl exibilă, efi cientă, scalabilă, simplă şi, constă în urmatoarea succesiune de paşi: • Extragerea datelor din sistemele sursă. • Extragerea datelor din structura “data warehouse” – “retrieve from target”. • Procesarea relaţiei diagonale şi actualizarea structurii “Data Warehouse”

Prezentarea de ansamblu a metodei diagonaleGrafi c 1

Sursa 1

Sursa 2

Sursa n

Relatia

diagonala

intermediar

a

Relatie

pentru

colectarea

cheilor

Extragerea datelor din sistemele sursa

Extragerea datelor din structura “data warehouse” – “retrieve from target”

Dimensiune data warehouse

Procesarea relatiei diagonale si actualizarea

În prezentarea Metodei Diagonale se presupune că, pentru fi ecare relaţie sursă, există criterii şi extragerea este de tip DELTA. Spre deosebire de alte metode, particularităţile Metodei Diagonale, în ceea ce priveste procesul de extragere a datelor, constau în: • Datele din sistemele sursă sunt extrase în paralel – câte un fi r de execuţie (thread) pentru fi ecare relaţie (tabelă). Timpul de extragere şi impactul asupra sistemelor sursă este minim. Extragerea datelor se face într-o zonă tampon/temporară (staging area), într-o relaţie comună (A) care, la sfi rşitul procesului de extragere, va fi completată doar pe diagonala principală – de aici şi numele metodei. Tuplurile care ajung în relatia (A) vor fi marcate corespunzator ca fi ind tupluri extrase din surse. • Concomitent cu scrierea în relaţia comuna (A), fi ecare fi r de execuţie (thread) din procesul de extragere va scrie şi într-o altă relaţie (tabelă) (B) valoarea cheii pentru fi ecare tuplu extras. Extragerea DELTA prezintă principalul avantaj al timpului de rulare şi al impactului asupra sistemelor sursă minime. Dezavantajul major al extragerii



DELTA este că pentru datele extrase din sistemele sursă nu se poate efectua operatia INNER JOIN. Soluţia propusă prin Metoda Diagonală pentru abordarea acestei defi cienţe este să extragă din structura “data warehouse” tuplurile corespunzatoare cheilor colectate în relatia (B) la primul pas. Evident, nu toate cheile colectate în relaţia (B) la primul pas există totodată şi în structura “data warehouse”. Tuplurile extrase din structura “data warehouse” vor fi inserate în relatia (A) – întocmai cea folosită la primul pas şi vor fi marcate corespunzator ca fi ind extrase din structura “data warehouse”. Este de notat faptul că datele extrase din structura “data warehouse” în relatia (A) nu vor mai fi dispuse pe diagonală ci vor popula toate atributele relaţiei (A). Procesarea relaţiei diagonale presupune parcurgerea şi sumarizarea tuplurilor existente în relatia (A). Se vor folosi funcţiile analitice disponibile în majoritatea produselor ETL precum şi în limbajul SQL (Structured Query Language) exstins. Tuplurile se vor grupa după cheie şi vor fi marcate disjunct ca tupluri provenite din sistemele sursă respectiv provenite din structura “data warehouse”. Efectuarea operatiilor UPDATE sau INSERT în structura “data warehouse” se face prin parcurgerea relaţiei diagonale procesate: • Tuplurile marcate ca fi ind provenite din sistemul sursă se vor adauga (INSERT) în structra “data warehouse”. • Tuplurile marcate ca fi ind provenite din structura “data warehouse” se vor actualiza (UPDATE) în structra “data warehouse”. Următoarele avantaje sunt elemente constitutive ale efi cienţei Metodei Diagonale: • Datele din sistemele operaţionale sunt extrase incremental (DELTA) şi sunt marcate ca atare intr-o structura intermediara (A). Impactul asupra sistemelor sursă este minim. • Extragerea suplimentara a datelor din structura “data-warehouse” se face intr-un timp mult inferior faţă de extragerea DELTA Extinsă fără a avea vreun impact asupra sistemelor sursă. • De retinut că, prin folosirea metodei diagonale, nu se vor efectua operaţii costisitoare (inefi ciente) de genul UPDATE-else-INSERT în structura “data-warehouse” ci doar operatii UPDATE sau INSERT. Performanţa Metodei Diagonale este abordată prin comparaţie cu o altă metodă de referinţă bazată pe tehnica UPDATE-else-INSERT.

Exemplifi carea Metodei Diagonale Fie următorul exemplu simplifi cat care îşi propune construirea şi întretinerea cu ajutorul Metodei Diagonale a unei relaţii de tip “dimension table” – DIM_CUSTOMER, dintr-o structură data warehouse cu date din 4 relaţii ce provin din acelasi sistem sursă: NAME, ADDRESS, NAME_2_ADDRESS_2_CUSTOMER şi CUSTOMER.



Diagrama fi zică a sistemului sursăGrafi c 2

NAME_ID = NAME_ID

1..1

ADDRESS_ID = ADDRESS_ID

1..1

CUSTOMER_ID = CUSTOMER_ID1..1

NAME

NAME_IDCUSTOMER_IDSALUTATIONFIRST_NAMELAST_NAMEUPDATE_DATE

NUMBERNUMBERVARCHAR2(32)VARCHAR2(64)VARCHAR2(64)DATE

ADDRESS

ADDRESS_IDCUSTOMER_IDCITYSTATECOUNTRYSTREETSTREET_NUMBERUPDATE_DATE

NUMBERNUMBERVARCHAR2(64)VARCHAR2(64)VARCHAR2(64)VARCHAR2(64)VARCHAR2(64)DATE

NAME_2_ADDRESS_2_CUSTOMER

N2A_KEYNAME_IDADDRESS_IDCUSTOMER_IDUPDATE_DATE

NUMBERNUMBERNUMBERNUMBERDATE

CUSTOMER

CUSTOMER_IDSSNSTATUSUPDATE_DATE

NUMBERVARCHAR2(64)INTEGERDATE

Toate relaţiile sistemului sursă prezintă atributul UPDATE_DATE care va fi folosit în vederea extragerii incrementale (DELTA). Încalcarea formei normale 3 în modelul de mai sus (existenţa atributelor CUSTOMER_ID în relaţiile NAME şi ADDRESS) este intenţionata şi are în vedere simplifi carea procesului de extragere a datelor, accentul fi ind pus pe prezentarea metodei diagonale.

Structura dimensiunii DIM_CUSTOMER Grafi c 3

DIM_CUSTOMER

CUST_KEYCUST_FULL_NAMECUST_FULL_ADDRESSsrc_SALUTATIONsrc_FIRST_NAMEsrc_LAST_NAMEsrc_CITYsrc_STATEsrc_COUNTRYsrc_STREETsrc_STREET_NUMBER

NUMBERVARCHAR2(1024)VARCHAR2(1024)VARCHAR2(32)VARCHAR2(64)VARCHAR2(64)VARCHAR2(64)VARCHAR2(64)VARCHAR2(64)VARCHAR2(64)VARCHAR2(64)

Specifi caţia transformărilor sursă-destinatie pentru exemplul prezentat este urmatoarea:Sursă Join DestinatieNAME NAME.CUSTOMER_ID =

CUSTOMER.CUSTOMER_IDANDADDRESS.CUSTOMER_ID = CUSTOMER.CUSTOMER_ID

DIM_CUSTOMER

ADDRESS

CUSTOMER



COLOANA sursă Transformare DIM_CUSTOMERCUSTOMER.CUSTOMER_ID

CUST_KEY

NAME.SALUTATION,NAME.FIRST_NAME,NAME.LAST_NAME

SALUTATION || ‘ ‘ || FIRST_NAME || ‘ ‘ || LAST_NAME

CUST_FULL_NAME

ADDRESS.CITY,ADDRESS.STATE,ADDRESS.COUNTRY,ADDRESS.STREET,ADDRESS.STREE_NUMBER

ADDRESS.CITY || ‘ ‘ ||ADDRESS.STATE || ‘ ‘ ||ADDRESS.COUNTRY || ‘ ‘ || ADDRESS.STREET || ‘ ‘ || ADDRESS.STREE_NUMBER

CUST_FULL_ADDRESS

NAME.SALUTATION src_SALUTATIONNAME.FIRST_NAME src_FIRST_NAMENAME.LAST_NAME src_LAST_NAMEADDRESS.CITY src_CITYADDRESS.STATE src_STATEADDRESS.COUNTRY src_COUNTRYADDRESS.STREET src_STREETADDRESS.STREET_NUMBER

src_STREET_NUMBER

CUSTOMER.SSN SSNCUSTOMER.STSATUS STATUS

Pasul 1: Extragerea datelor din sistemul sursă Datele se vor extrage din relatiile: NAME, ADDRESS şi CUSTOMER prin fi ltrare (clauza WHERE) după UPDATE_DATE:

NAME

SELECT NAME_ID,

CUSTOMER_ID,

SALUTATION,

FIRST_NAME,

LAST_NAME

FROM NAME

WHERE UPDATE_DATE >= [START_DATE]

AND UPDATE_DATE < [END_DATE]

ADDRESS

SELECT ADDRESS_ID,

CUSTOMER_ID,

CITY,

STATE,

COUNTRY,

STREET,

STREET_NUMBER

FROM ADDRESS WHERE



CUSTOMER

SELECT CUSTOMER_ID,

SSN,

STATUS

FROM CUSTOMER





[START_DATE] şi [END_DATE] sunt parametrii de intrare pentru procesele ETL. Procesele ETL (Extract Transform and Load) de extragere a datelor din cele 3 relaţii vor rula în paralel şi vor insera datele în relatiile intermediare AUX_DIAGONAL_CUSTOMER (A) şi AUX_DIAGONAL_CUSTOMER_KEYS (B).

Structura relatiilor intermediare (A) şi (B)

Grafi c 4

AUX_DIAGONAL_CUSTOMER

SRC

CUSTOMER_ID

NAME_ID

SALUTATION

FIRST_NAME

LAST_NAME

ADDRESS_ID

CITY

STATE

COUNTRY

STREET

STREET_NO

SSN

STATUS

INTEGER

NUMBER

NUMBER

VARCHAR2(32)

VARCHAR2(64)

VARCHAR2(64)

NUMBER

VARCHAR2(64)

VARCHAR2(64)

VARCHAR2(64)

VARCHAR2(64)

VARCHAR2(64)

VARCHAR2(64)

INTEGER

AUX_DIAGONAL_CUSTOMER_KEYS

CUSTOMER_ID NUMBER

Consideram că, în urma procesului de extragere a datelor din sistemul sursă, relatiile AUX_DIAGONAL_CUSTOMER (A) şi AUX_DIAGONAL_CUSTOMER_KEYS (B) vor avea următorul conţinut:

Conţinutul relaţiei AUX_DIAGONAL_CUSTOMER în urma procesului de extragere a datelor din sistemul sursă

Grafi c 5

SRC

CU

STO

ME

R_I

D

NA

ME

_ID

SAL

UT

AT

ION

FIR

ST_N

AM

E

LA

ST_N

AM

E

AD

DR

ESS

_ID

CIT

Y

STA

TE

CO

UN

TR

Y

STR

EE

T

STR

EE

T_N

O

SSN

STA

TU

S

1 1 11 Dna Ana Paun1 2 12 Dl Ion Leu1 1 21 Arad AR RO 1 Mai 101 2 22 Bals OT RO Tei 51 1 S11 A1 2 S21 S1 3 S32 A

Rezultă dispunerea datelor pe diagonala principala a relaţiei intermediare AUX_ DIAGONAL_CUSTOMER.



Atributul CUSTOMER_ID este completat pentru toate tuplurile. Tuplurile provenite din sistemul sursă sunt identifi cate de SRC = 1. Extragerea incrementală, pentru clientul identifi cat de CUSTOMER_ID = 3, s-au adus date doar din relatia CUSTOMER a sistemului sursă.

Conţinutul relaţiei AUX_DIAGONAL_CUSTOMER_KEYS în urma procesului de extragere a datelor din sistemul sursă

Grafi c 6CUSTOMER_ID1212123

Pasul 2: Extragerea datelor din structura “data warehouse” Datele din structura “data warehouse”, din dimensiunea DIM_CUSTOMER se vor extrage, prin JOIN cu un VIEW defi nit pe AUX_DIAGONAL_CUSTOMER_KEYS iar datele se vor insera înAUX_DIAGONAL_CUSTOMER:

DIM_CUSTOMER,

AUX_DIAGONAL_CUSTOMER_

KEYS

SELECT src_SALUTATION,

src_FIRST_NAME,

src_LAST_NAME,

src_CITY,

src_STATE,

src_COUNTRY,

src_STREET,

src_STREET_NUMBER,

SSN,

STATUS

FROM DIM_CUSTOMER,

(SELECT DISTINCT CUSTOMER_ID AS

CUSTOMER_ID

FROM AUX_DIAGONAL_CUSTOMER_KEYS) AS

KEYS

WHERE DIM_CUSTOMER.CUST_KEY = KEYS.

CUSTOMER_ID Vom presupune că, în structura “data warehouse”, în dimensiunea DIM_CUSTOMER există deja informaţii în legatura cu tuplul identifi cat de CUSTOMER_KEY = 3, astfel că, în cele ce urmează, este de asteptat ca la fi nalul execuţiei acesta să fi e actualizat în dimensiunea DIM_CUSTOMER iar tuplurile identifi cate de CUSTOMER_KEY = 1 şi CUSTOMER_KEY = 2 să fi e inserate în aceasi dimensiune – fi ind inexistente. În exemplul de faţă, vom considera că, în urma procesului de extragere a datelor din structurea “data warehouse”, relaţia AUX_DIAGONAL_CUSTOMER (A) va avea urmatorul conţinut:



Conţinutul relaţiei AUX_DIAGONAL_CUSTOMER în urmaprocesului de extragere a datelor din strunctura “data warehouse”

Grafi c 7

SR

C

CU

ST

OM

ER

_ID

NA

ME

_ID

SA

LU

TA

TIO

N

FIR

ST

_N

AM

E

LA

ST

_N

AM

E

AD

DR

ES

S_

ID

CIT

Y

ST

AT

E

CO

UN

TR

Y

ST

RE

ET

ST

RE

ET

_N

O

SS

N

ST

AT

US

1 1 11 Dna Ana Paun 1 2 12 Dl Ion Leu 1 1 21 Arad AR RO 1 Mai 10 1 2 22 Bals OT RO Tei 5 1 1 S11 A1 2 S21 S1 3 S32 A2 3 Dl Ben Liu Aiud AB RO Brad 7 S31 S

Notă: Se observă că tuplurile provenite din structura “data-warehouse” sunt identifi cate de SRC = 2. Se observă că înstructura “data-warehouse” există clientul identifi cat prin CUSTOMER_ID = 3 cu valori ale atributelor SSN şi STATUS ce trebuie actualizate.

Pasul 3: Procesarea relaţiei diagonale şi Actualizarea structurii “data warehouse”

Procesarea relaţiei diagonale presupune parcurgerea şi sumarizarea tuplurilor existente în relaţia intermediară AUX_DIAGONAL_CUSTOMER. Pentru aceasta se vor folosi funcţiile analitice FIRST şi LAST disponibile în majoritatea produselor ETL precum şi în limbajul SQL (Structured Query Language) exstins.

Functie Rezultat

FIRST([nume_coloana])

Functie de sumarizare care prezintă pentru

fi ecare grupa valoare primei aparitii NOT NULL

(nenula) a atributului [nume_coloana]

LAST([nume_coloana])

Functie de sumarizare care prezintă pentru

fi ecare grupa valoare ultimei aparitii NOT

NULL (nenula) a atributului [nume_coloana]



Parcurgerea relaţiei intermediare AUX_DIAGONAL_CUSTOMER se va face astfel:

SELECT LAST(SRC),

CUSTOMER_ID,

FIRST(SALUTATION),

FIRST(FIRST_NAME),

FIRST(LAST_NAME),

FIRST(CITY),

FIRST(STATE),

FIRST(COUNTY),

FIRST(STREET),

FIRST(STREET_NO),

FIRST(SSN),

FIRST(STATUS)

FROM AUX_DIAGONAL_CUSTOMER

GROUP BY CUSTOMER_ID

ORDER BY SRC

Ce are ca rezultat urmatoarea structură:

Rezultatul procesarii relaţiei AUX_DIAGONAL_CUSTOMERGrafi c 8

Ce are ca rezultat urmatoarea structur :

SR

C

CU

ST

OM

ER

_ID

SA

LU

TA

TIO

N

FIR

ST

_N

AM

E

LA

ST

_N

AM

E

CIT

Y

ST

AT

E

CO

UN

TR

Y

ST

RE

ET

ST

RE

ET

_N

O

SS

N

ST

AT

US

1 1 Dna Ana Paun Arad AR RO 1 Mai 10 S11 A1 2 Dl Ion Leu Bals OT RO Tei 5 S21 S2 3 Dl Ben Liu Aiud AB RO Brad 7 S32 A

Notă: Se observă că, în urma procesării relaţiei diagonale, tuplurile dobândesc valori pentru toate atributele. Actualizarea structurii “data warehouse” în exemplul de faţă constă în actualizarea tuplurilor existente, acelea care au suferit actualizari în sistemul operational, precum şi inserarea noilor tupluri. În urma procesarii, la pasul 3, a relaţiei AUX_DIAGONAL_CUSTOMER, atributul SRC va contine valori 1 şi 2. Tuplurile identifi cate cu SRC = 1 se vor insera iar cele identifi cate cu SRC = 2 se vor actualiza (UPDATE) în structura “data warehouse”.

Performanţa Metodei Diagonale Prezentăm studiul performanţei metodei diagonale în comparaţie cu metoda trivială UPDATE-else-INSERT, măsurând efectiv timpii totali (end-to-end) de rulare, în conditii de laborator, pentru: • Procesul de încarcare initială a dimensiunii DIM_CUSTOMER



• Procesul de încarcare recurentă a dimensiunii DIM_CUSTOMER S-au efectuat 3 seturi de teste cu: 1000, 10000 şi 1000000 tupluri extrase din sistemul operaţional. În cadrul testării procesului de încarcare recurentă a dimensiunii DIM_CUSTOMER s-a avut în vedere o distribuţie de 50% de tupluri noi. Testarea s-a facut în urmatoarea confi guratie software:

SGBD(*) Sistem sursă Oracle 10gSGBD Structura data warehouse Oracle 10gETL Informatica Power Mart 7.13

(*) Sistem de gestiune a bazelor de date. Rezultatele constatate sunt urmatoarele:

Studiul performanţei metodei diagonale

Grafi c 9

Încarcare initiala (stânga), încarcare recurentă (dreapta)

Concluzii În cadrul metodei diagonale, în cadrul rularii procesului de încarcare recurentă care presupune extragerea tuplurilor din structura “data-warehouse” în relatia diagonala intermediara (A) – pasul 2, ceea ce conduce la un timp de rulare cu cca 8% mai mare decât în cazul rulării procesului de încărcare initială. În testele efectuate, nu s-au identifi cat diferenţe între timpii de rulare pentru metoda de referintă între cele două procese (încarcare initială şi încărcare recurentă).

Bibliografi e selectivă - R. Kimball, ETL Toolkit, Wiley 2004. - Wikipedia, The Free Encyclopedia 2009, Slowly Changing Dimension. - J.D. Ullman, Database Systems The Complete Book, Prentice Hall 2001. - J. Han, M. Chamber, Data Mining: Concepts and Techniques, Morgan Kaufmann Publishers 2000. - Chuck Ballard & co, Data Modeling Techniques For Data Warehousing, IBM RedBooks 1998. - Missao Ishikawa & co, Getting Started with DataWarehouse and Business Intelligence, IBM RedBooks 1999.



- Paul Westerman, Data Warehousing Using the Wal-Mart Model, Morgan Kaufmann Publishers 2001. - Mircea Petrescu, Baze Date, Note de curs 1999.

- Mircea Petrescu, Proiectarea Bazelor de Date, Note de curs 2000.

THE DIAGONAL METHOD IN DATAWAREHOUSE SYSTEMS

PhD. Candidate, engineer Radu RADOCEA

The present paper paresent an original method, The Diagonal Method, for building and delivering dimension tables in a data warehouse structure. The Diagonal Method consists of an algorithmic approacch, technology independent which can be used in conjuction with almost any comercial ETL (Extract Transform and Load) tool or other querying languages embedded in relational database management systems. In a tipical data warehouse system, dimension tables represent the context for fact tables and thus they represent the support for all the measures presented. Since dimensions tables represent the path toward the information, they are of great importance to any modern data warehouse structure. The success of the whole data warehouse system is directly infl uenced by the effi ciency, fl exibility and correctness of dimension tables. In a data wahouse environment the Diagonal Method can deliver optimal performance when delivering dimension tables and can be implemented with any of the modern ETL tool. It also minimize the overhead impact on operational systems where the initital data is extracted.



Responsabil de număr: Ec. Ilie DUMITRESCU Echipa logistică: Nicolae IONESCU, Iancu UCEANU,

Gheorghe VAIDA-MUNTEAN, Oana BURDUŞEL, Tiberiu PREDA

Condiţii pentru prezentarea materialelor spre publicare

Lucrările ştiinţifi ce sau tehnice, originale, se pot prezenta redacţiei spre publicare fi e sub formă de articole, fi e sub formă de scurte comunicări în limba română şi în limba engleză (traducere integrală). Precizările privind condiţiile tehnice pentru predarea materialelor se afl ă pe site-ul www.revistadestatistica.ro, secţiunea „Procesul de recenzare”.

Conditions for the articles designated for the Romanian Statistical Review

The original scientifi c or technical works can be sent to be published either under article form or short communications in Romanian and English (complete translation). The technical conditions for the articles to be presented can be found at www.revistadestatistica.ro in the “Peer review” section.

ISSN 1018-046X

Reproducerea conţinutului articolelor fără acordul Institutului Naţional de Statistică este interzisă, iar utilizarea conţinutului acestei publicaţii, cu titlul explicativ sau justifi cativ, în diferite lucrări este autorizată numai cu precizarea clară a sursei.

Se precizează că punctele de vedere, datele şi informaţiile cuprinse în articolele publicate aparţin autorilor şi nu angajează răspunderea Institutului Naţional de Statistică

revista romÂnĂ de statisticĂ sumar / contents 9/2009 09_2009.pdf · o utilizare largă a...

Documents