Escolar Documentos
Profissional Documentos
Cultura Documentos
1. Introduction
1.1 Dfinition du budget
Le terme proviendrait de l'ancien franais
bougette , dsignant une petite bourse
accroche la ceinture de l'habit d'une personne,
contenant de la menue monnaie lui permettant de
faire face aux dpenses prvisibles de la journe.
Financirement parlant, le budget est la traduction
montaire, des objectifs, des politiques et des
moyens labors dans le cadre dun plan, couvrant
toutes les phases doprations et limit dans le
temps,
Tendance
Saisonnalit
Cycle
Alas
2.2.1 la tendance
Tendance La tendance est le mouvement gnral vers le haut
ou vers le bas du niveau moyen dans le temps. Un historique
de donnes couvrant plusieurs annes est souvent ncessaire
afin de dterminer les tendances. Parmi les facteurs
susceptibles d'expliquer une tendance, on retrouve les
avances technologiques, un changement de productivit,
l'inflation et l'volution de la population
2.2.2 la saisonnalit
La composante saisonnire est une fluctuation
de la demande au-dessus et au-dessous de la
tendance et qui se rpte intervalles
rguliers.
2.2.3 le cycle
Les cycles sont similaires aux composantes
saisonnires, l'exception que l'amplitude et
la longueur des cycles (plus d'un an) peuvent
varier dans le temps. Ces mouvements sont
souvent associs aux cycles conomiques
(inflation, rcession, chmage, prosprit,
etc.) et c'est pourquoi plus de 15 ou 20 ans de
donnes sont ncessaires la dtermination
de la composante cyclique
2.2.3 l Alatoire
La composante alatoire est une suite de
petits mouvements qui ne suivent aucun
patron reconnaissable. Ces alas sont causs
par des vnements imprvisibles ou qui ne se
rptent pas dans le temps tels que, par
exemple, des innondations, des guerres, des
grves, des lections, l'adoption de lois, etc.
=+1 )
Ventes relles
1
2
3
600
520
440
4
5
6
7
660
770
800
920
calculs
520
540
623,33
743,33
(600+520+440)/3
(520+440+660)/3
(440+660+770)/3
(660+770+800)/3
VR
1000
800
600
VR
400
200
0
1
Ventes relles
600
520
440
660
770
800
920
WMA
496 = 600*0,2+520*0,3+440*0,5
566 =520*0,2+440*0,3+660*0,5
671 =440*0,2+660*0,3+770*0,5
763 =660*0,2+ 770*0,3+800*0,5
i 0
t i
t 1
Pt
Vt (1 ) j Vt j (1 ) t P0
j 1
Parameters:
Alpha
0.9990
Sum of Squared Residuals
90657.66
En optimisant la slection Alpha doit tre gale 0,9.
Diffrences :
1. Le lissage exponentiel est une moyenne pondre de
toutes les donnes historiques. La prvision calcule
partir d'une moyenne mobile ne considre que les N
donnes les plus rcentes. Ceci reprsente un avantage
pour la moyenne mobile. En effet, dans ce cas, une donne
peu reprsentative ne sera plus considre aprs N
priodes alors qu'elle aura toujours une influence dans le
calcul de la prvision utilisant le lissage exponentiel.
2. Pour pouvoir utiliser les moyennes mobiles, il faut
conserver toutes les donnes des N priodes passes. Dans
le cas du lissage exponentiel, seule la dernire
Exemple: V = a + b T
sommes
Priodes (T)
1
2
3
4
5
6
7
28
ventes (V)
250
300
350
400
450
500
550
2800
Vi 2
1
4
9
16
25
36
49
140
ViTi
250
600
1050
1600
2250
3000
3850
12600
2
(Y
P
)
t t
4.2.2 Exemple
Le choix des paramtres alpha et bta ici est arbitraire, nous procderont par la
suite llaboration dune dtermination prcise
Priodes (Y)
1
2
3
4
5
6
7
8
=0,2
ventes (X)
250
300
380
400
450
520
550
=0,3
a
250**
300
356
406,24
456,06
509,55
558,97
b
Pt+1= at+bt
50*
50
300***
51,8
350
51,332
407,8
50,87768
457,572
51,66156 506,93528
50,98898 561,209787
609,956806
SSE
0
0
900
60,84
57,33518
170,6869
125,6593
1314,521
4.2.2 Exemple
Resultats Eviews
Sample: 1 7
Included observations: 7
Method: Holt-Winters No Seasonal
Original Series: VENTES__X_
Forecast Series: VENTESSM
Parameters:
Alpha
Beta
Sum of Squared Residuals
Root Mean Squared Error
0.0500
0.9702
1207.888
13.13604
Le tableau suivant reprsente les quantits de produits vendus au cours des quatre
dernires annes rparties par saison (H : Hiver, P : Printemps, E : Et, A :
Automne).
ventes
priodes
1 Hiver
2 printemps
3 t
4 Automne
5 hiver
6 printemps
7 t
8 Automne
9 hiver
10 printemps
11 t
12 automne
13 Hiver
14 printemps
15 t
16 Automne
ventes
5500
5100
3500
2900
6500
6300
5000
3800
7800
7300
6000
5400
9200
8800
7000
6300
10000
9000
8000
7000
6000
5000
4000
3000
2000
1000
0
ventes
9 10 11 12 13 14 15 16
5500
5100
3500
2900
17000
6500
6300
5000
3800
21600
7800
7300
6000
5400
26500
9200
8800
7000
6300
31300
hiver
*4332
5232
6132
7032
**4557
5457
6357
7257
4782
5682
6582
7482
automne
5007
5907
6807
***7707
printemps
*1,269621
1,242355
1,272016
1,308305
****1,273074177
**1,119157
1,15448
1,14834
1,212622
1,158650133
0,731911
0,879972
0,911577
0,935579
0,864759731
automne
0,579189
0,643305
0,793301
***0,817439
0,708308349
printemps
Etape 4 Rectifier les valeurs estimes de la tendance en les multipliant par les indices calculs.
Finalement, la prvision pour lhiver suivant sera de : 1.273 x 7932 = 10093 units
ventes
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
MB (N=4)
5500
5100
3500
2900
6500
6300
5000
3800
7800
7300
6000
5400
9200
8800
7000
6300
MB centre
4250
4500
4800
5175
5400
5725
5975
6225
6625
6975
7350
7600
7825
4375
4650
4987,5
5287,5
5562,5
5850
6100
6425
6800
7162,5
7475
7712,5
priodes
ventes
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
MB d'ordre 4
5500
5100
3500
2900
6500
6300
5000
3800
7800
7300
6000
5400
9200
8800
7000
6300
4250
4500
4800
5175
5400
5725
5975
6225
6625
6975
7350
7600
7825
MB centre
4375
4650
4987,5
5287,5
5562,5
5850
6100
6425
6800
7162,5
7475
7712,5
Ratio V/MB
centre
0,8
0,623656
1,303258
1,191489
0,898876
0,649573
1,278689
1,136187
0,882353
0,753927
1,230769
1,141005
TOTAL
Coefficient saisonnier
Coefficient ajust
1,2709053
1,282686616
1,156226998
1,166945244
0,860409782
0,868385796
0,675718422
0,681982344
3,963260502
10000
9000
8000
7000
Series2
6000
5000
ventes
dsaisonnalises =
ventes/coeff
4000
3000
2000
1000
0
1 2 3 4 5 6 7 8 9 10111213141516
TOTAUX
priodes T
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
136
ventes dsaisonnalises V
4287,875099
4370,385008
4030,466661
4252,3095
5067,488753
5398,710893
5757,809516
5571,991758
6080,986503
6255,64913
6909,37142
7918,093551
7172,445619
7541,056485
8060,933323
9237,77581
97913,34903
T*V
4287,875099
8740,770017
12091,39998
17009,238
25337,44376
32392,26536
40304,66661
44575,93407
54728,87853
62556,4913
76003,08561
95017,12261
93241,79305
105574,7908
120913,9998
147804,413
940580,1676
T2
1
4
9
16
25
36
49
64
81
100
121
144
169
196
225
256
1496
V= a*T +b;
a = COV (V,T) / S2T ; V = (97913,34903/16) = 6119, 58 ; T = (136/16) = 8,5
COV (V,T)=
1
S 2T =
2
=1
=1
V T
- T2
Quarts
17
*8827,501836
1,282686616
11322,91846
18
**9146,080367
1,166945244
10672,97499
19
9464,658899
0,868385796
8218,975352
20
9783,237431
0,681982344
6671,995195
m bt ) Ct+m-N
Exemple
On choisit arbitrairement :
= 0,2; = 0,3; = 0,25
On choisit galement la fin de la dernire anne, la quatrime dans
le prcdent exemple, comme temps appel t=0)
b0= (v2 v1)/ (K-1)*N
Avec
1,282686616
1,166945244
0,868385796
0,681982344
c-3
c-2
c-1
c0
1,28268
1,166945244
=0,2
0,868385796
=0,3
0,681982344
=0,25
b0= 297,92
a0 = 7378,12
priodes
1 Hiver
2 printemps
3 t
4 Automne
5 hiver
6 printemps
7 t
8 Automne
9 hiver
10 printemps
11 t
12 automne
13 Hiver
14 printemps
15 t
16 Automne
ventes
5500
5100
3500
2900
6500
6300
5000
3800
7800
7300
6000
5400
9200
8800
7000
6300
Il est alors possible de calculer a1, b1 et d'ajuster le facteur saisonnier C1. Ces nouveaux
paramtres permettront le calcul des prvisions pour les priodes suivantes.
Nous sommes maintenant la fin du premier quart de l'anne cinq qui correspond
t=1. La prvision pour les prochaines priodes se calcule en utilisant la formule suivante
P t+m= (at + m bt ) Ct+m-N
Pt+m est la prvision faite la priode t pour la priode t+m. Cette quation assume
que m < N. Si N < m < 2N, le facteur saisonnier appropri serait Ct+m-2N; Si 2N < m <
3N, le facteur saisonnier appropri serait Ct+m-3N et ainsi de sui
Pour la prvision de la prochaine priode, m=1. On a donc:
P 1+m= (at + m bt ) C1+m-N
P 1+1= (a1 + bt ) C1+1-4
P 2= (a1 + b1 ) C-2
P 2= (7232,36+164,816) * 1,1169 = 8261,9
Pour la prvision de la prochaine priode, m=2. On a donc: