Вы находитесь на странице: 1из 11

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/321753166

THE CONSUMER PRICE INDEX DYNAMICS AND ANALYSIS OF THE FACTORS


INFLUENCING THE CPI IN THE REPUBLIC OF BELARUS DURING 2010 – 2015
YEARS ДИНАМИКА ИПЦ РЕСПУБЛИКИ БЕЛАРУСЬ В 2010 – 2015...

Article · March 2016

CITATIONS READS

0 29

1 author:

Ruslan Ozarnov
Financial University under the Government of the Russian Federation
13 PUBLICATIONS   2 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Russian banking system View project

international finance and banking View project

All content following this page was uploaded by Ruslan Ozarnov on 12 December 2017.

The user has requested enhancement of the downloaded file.


Wschodnioeuropejskie Czasopismo Naukowe (East European Scientific Journal) | EKONIMIA # 7, 2016

ДИНАМИКА ИПЦ РЕСПУБЛИКИ БЕЛАРУСЬ В 2010 – 2015 ГОДАХ И АНАЛИЗ


ВЛИЯЮЩИХ НА НЕГО ФАКТОРОВ
Озарнов Руслан Владиславович
Финансовый университет при Правительстве РФ, факультет МЭО
Магистрант «Международные финансы и банки», г.Москва
THE CONSUMER PRICE INDEX DYNAMICS AND ANALYSIS OF THE FACTORS INFLUENCING THE CPI IN THE
REPUBLIC OF BELARUS DURING 2010 – 2015 YEARS
Ozarnov Ruslan. V., Financial University under the Government of the Russian Federation, Faculty of International Economic
Relations, MSc in International Finance and Banking, Moscow
АННОТАЦИЯ
В данной статье автор рассматривает эконометрическую модель, описываю-щую динамику индекса потребитель-
ских цен Республики Беларусь в 2010 – 2015 годах, анализирует факторы, которые оказывают влияние на темп рос-та
ИПЦ. С использованием математических методов анализируется влияние таких макроэкономических факторов как
темпы роста курсов валют Евро, Доллар США, российский Рубль и денежной массы М0 по отношению к белорусскому Ру-
блю. В результате проведенного исследования выявлены факторы, оказывающие влияние на ИПЦ Республики Беларусь,
подготовлен прогноз ИПЦ до конца 2016 года.
ABSTRACT
The research focuses on the econometric model describing the dynamics of consumer prices in the Republic of Belarus during 2010
- 2015 years as well as analyzes the factors influencing the CPI growth rate. Using the mathematical techniques, the author analyzes
the impact of macroeconomic factors like the growth rate of Euro, USD and Russian ruble as well as the money supply M0 against the
Belarusian ruble. As a result, the author identified some factors influencing the Republic of Belarus CPI as well as forecast the CPI
until the end of 2016.
Ключевые слова: эконометрика, макроэкономика, макроэкономическое прогнозирование, индекс потребительских
цен, денежно-кредитная политика, валютные курсы, международные финансы.
Keywords: econometrics, macroeconomics, consumer price index, monetary policy, exchange rates, international finance,
macroeconomic forecasting.

Вопрос о влиянии валютных курсов и денежной массы со средней и высокой инфляцией. В данной статье рас-
М0 на индекс потребительских цен (ИПЦ) занимает важ- сматривается эконометрическая модель, описывающая
ное место в международной макроэкономике. Кроме того, динамику ИПЦ Республики Беларусь в 2010 – 2015 годах,
степень их влияния оказывает значимое воздействие на анализируются факторы, которые оказывают влияние на
денежно-кредитную политику государства. Как правило, темп роста ИПЦ. На основе эконометрической модели де-
снижение курса национальной валюты ведет к инфляции. лается прогноз ИПЦ на 2016 год.
Актуальность изучения данной проблемы подтверждает- Данная работа выполнена при помощи программного
ся тем, что в настоящий момент существует множество продукта EViews.
работ посвященных эмпирическому анализу влияния ва- 1. Временной тренд ИПЦ в 2010-2015
лютных курсов на ИПЦ. Так, например, в работе Choudhri На рис.1 приводится график зависимости индекса по-
E.U. и Hakura D.S. [2] изучался так называемый эффект требительских цен от времени, выделяются два относи-
переноса изменений курса на цены товаров (exchange rate тельно стабильных периода. Первый до апреля 2011 года,
pass-through). В работе проанализированы 71 страна, в затем с апреля по октябрь следует увеличение темпа роста
результате авторы пришли к выводу, что в странах с низ- цен и с ноября 2011 года второй относительно стабильный
кой инфляцией эффект переноса меньше, чем в странах период на рассматриваемом промежутке времени.

-62-
Wschodnioeuropejskie Czasopismo Naukowe (East European Scientific Journal) | EKONIMIA # 7, 2016

P
4.5

4.0

3.5

3.0

2.5

2.0

1.5

1.0

0.5

Oct 13

Oct 15
Jan 10
Apr 10
Jul 10
Oct 10
Jan 11
Apr 11
Jul 11
Oct 11
Jan 12
Apr 12
Jul 12
Oct 12
Jan 13
Apr 13
Jul 13

Jan 14
Apr 14
Jul 14
Oct 14
Jan 15
Apr 15
Jul 15
Рис.1. ИПЦ Республики Беларусь 2010-2015

Для построения временного тренда ИПЦ были сгене- ставлял 1.0% в месяц. Затем рост цен ускорился и с апреля
рированы две фик-тивные переменные. Первая отражает 2011 по октябрь 2011 составлял 13.7% в месяц. Следующий
период роста цен - апрель – октябрь 2011, вторая – относи- период с ноября 2011 по октябрь 2015 характеризовался
тельно стабильный период, начиная с ноября 2011. замедлением темпа роста цен. В этот период темп роста
В результате проведенных вычислений получена следу- цен составил 4.2% в месяц. В годовом исчислении это со-
ющая модель: ставило 63.8% в год.
P=0.986-1.972*T1+0.282*T2+(0.010+0.127*T1+ Качественные характеристики модели 1 представлены
0.032*T2)*T (1) в таблице П1.
В период с января 2010 по март 2011 темп роста цен со-

Табл.П1
Модель 1 Временной тренд ИПЦ
Зависимая переменная: P
Метод: наименьших квадратов
Дата: 12/28/15 Время: 07:37
Выборка (скорректированная): 2010M01 2015M09
Включенные наблюдения: 69 после корректировки
Переменная Коэффициент Стандартная ошибка t-статистика Вероятность
C 0.985690 0.019388 50.83960 0.0000
T1 -1.971968 0.130281 -15.13622 0.0000
T2 0.281733 0.026731 10.53970 0.0000
T 0.010244 0.002132 4.803976 0.0000
T*T1 0.126821 0.007072 17.93175 0.0000
T*T2 0.031872 0.002167 14.71026 0.0000
R-квадрат 0.998932 Значение зависимой переменной 2.579199
Скорректированный Стандартное отклонение зависимой перемен-
0.998847 1.050968
R-квадрат ной

-63-
Wschodnioeuropejskie Czasopismo Naukowe (East European Scientific Journal) | EKONIMIA # 7, 2016

Продолжение таблицы П1
Стандартная ошибка
0.035682 Информационный критерий Акаике -3.745387
регрессии
Остаточная сумма
0.080213 Критерий Шварца -3.551117
квадратов
Логарифм правдопо-
135.2159 Критерий Хеннана – Куинна. -3.668314
добия
F-статистика 11785.56 Критерий Дарбина-Уотсона 0.450457
Вероятность (F-ста-
0.000000
тистика)

Графики прогноза и остатков показаны на рис.2. На интервалами до конца 2016 года.


рис.3 представлен прогноз ИПЦ с 95% доверительными
5

.08 2

.04 1

.00 0

-.04

-.08

-.12
Oct 13
Jan 10
Apr 10
Jul 10
Oct 10
Jan 11
Apr 11
Jul 11
Oct 11
Jan 12
Apr 12
Jul 12
Oct 12
Jan 13
Apr 13
Jul 13

Jan 14
Apr 14
Jul 14
Oct 14
Jan 15
Apr 15
Jul 15

Residual Actual Fitted


Рис.2. Остатки, наблюдения и прогноз модели 1

-64-
Wschodnioeuropejskie Czasopismo Naukowe (East European Scientific Journal) | EKONIMIA # 7, 2016

0
Oct 12

Oct 13
Jan 10
Apr 10
Jul 10
Oct 10
Jan 11
Apr 11
Jul 11
Oct 11
Jan 12
Apr 12
Jul 12

Jan 13
Apr 13
Jul 13

Jan 14
Apr 14
Jul 14
Oct 14
Jan 15
Apr 15
Jul 15
Oct 15
Jan 16
Apr 16
Jul 16
Oct 16
P PF PF_L PF_U
Рис.3. ИПС, прогноз, нижняя и верхняя 95% границы прогноза

В таблице1 приводятся данные прогноза на 2016 годы, го моделирования.


полученные в результате проведенного эконометрическо-

Табл.1
ИПЦ
Прогноз и 95% доверительные интервалы
obs P PF PF_L PF_U
2015M01 3,871 3.837 3.765 3.908
2015M02 3,934 3.879 3.807 3.950
2015M03 3,967 3.921 3.849 3.993
2015M04 4,003 3.963 3.891 4.035
2015M05 4,029 4.005 3.933 4.077
2015M06 4,058 4.047 3.975 4.119
2015M07 4,066 4.089 4.017 4.162
2015M08 4,075 4.131 4.059 4.204
2015M09 4,129 4.173 4.101 4.246
2015M10 4.216 4.143 4.289
2015M11 4.258 4.185 4.331
2015M12 4.300 4.226 4.373
2016M01 4.342 4.268 4.415
2016M02 4.384 4.310 4.458
2016M03 4.426 4.352 4.500
2016M04 4.468 4.394 4.542
2016M05 4.510 4.436 4.585
2016M06 4.552 4.478 4.627
2016M07 4.595 4.520 4.670
2016M08 4.637 4.562 4.712

-65-
Wschodnioeuropejskie Czasopismo Naukowe (East European Scientific Journal) | EKONIMIA # 7, 2016

Продолжение таблицы 1
2016M09 4.679 4.603 4.754
2016M10 4.721 4.645 4.797
2016M11 4.763 4.687 4.839
2016M12 4.805 4.729 4.881

1.1. Остатки модели 1 Гистограмма остатков указывает на значимое отклонение


На рисунке 4 показана гистограмма остатков модели 1. по критерию Жака-Бера от нор-мального распределения.
16
Series: P_T_RESID
14 Sample 2010M01 2016M12 IF T
<=69
12 Observations 69

10 Mean -4.68e-16
Median 0.005732
8 Maximum 0.055786
Minimum -0.098699
6 Std. Dev. 0.034345
Skewness -0.968862
4 Kurtosis 3.651884
2
Jarque-Bera 12.01672
Probability 0.002458
0
-0.10 -0.08 -0.06 -0.04 -0.02 0.00 0.02 0.04 0.06
Рис.5. Гистограмма остатков модели 1

График остатков модели 1, показанный на рис.5 указы-


вает на их нестационарность. Наблюдаются значительные
выбросы и амплитуда выбросов нарастает.
P_T_RESID
.06

.04

.02

.00

-.02

-.04

-.06

-.08

-.10
Oct 14
Jan 10
Apr 10
Jul 10
Oct 10
Jan 11
Apr 11
Jul 11
Oct 11
Jan 12
Apr 12
Jul 12
Oct 12
Jan 13
Apr 13
Jul 13
Oct 13
Jan 14
Apr 14
Jul 14

Jan 15
Apr 15
Jul 15

Рис.5. Остатки модели 1

Нестационарность также подтверждается значениями


автокорреляционной функции (табл.2).

-66-
Wschodnioeuropejskie Czasopismo Naukowe (East European Scientific Journal) | EKONIMIA # 7, 2016

Табл.2
Автокорреляционная функция остатков модели 1
Дата: 12/28/15 Время: 10:39
Выборка: 2010M01 2016M12 IF T<=69
Включенные наблюдения: 69
Автокорреля- Частная
AC PAC Q-Стат Вероятность
ция кор-реляция
. |***** | . |***** | 1 0.762 0.762 41.813 0.000
. |*** | **| . | 2 0.437 -0.343 55.751 0.000
. |** | . |** | 3 0.265 0.214 60.960 0.000
. |*. | **| . | 4 0.110 -0.279 61.866 0.000
.*| . | .*| . | 5 -0.086 -0.112 62.427 0.000
**| . | .|. | 6 -0.211 -0.025 65.888 0.000
**| . | .|. | 7 -0.225 0.017 69.872 0.000
**| . | .|. | 8 -0.206 -0.034 73.296 0.000
**| . | .*| . | 9 -0.223 -0.109 77.364 0.000
**| . | .|. | 10 -0.235 -0.052 81.958 0.000
.*| . | .|. | 11 -0.190 0.010 84.999 0.000
.*| . | .*| . | 12 -0.164 -0.137 87.323 0.000
.*| . | .|. | 13 -0.154 0.053 89.398 0.000
.*| . | **| . | 14 -0.173 -0.235 92.062 0.000
.*| . | . |*. | 15 -0.155 0.121 94.239 0.000

Поскольку остатки модели 1 нестационарны, то была белорусскому Рублю. Темпы роста для описания перемен-
произведена ее доработка. Одним из методов устранения ных модели ввиду нестационарности соответствующих
нестационарности временного ряда является его диффе- временных рядов были рассчитаны в процентах.
ренцирование или вычисление первых, а при необходимо- Модель 2 регрессии на вышеперечисленные факторы
сти и разностей большего порядка. имеет следующий вид:
2. Факторы, влияющие на ИПЦ D_PC_P = 1.598 - 0.297*D_PC_B_USD + 0.386*D_PC_B_
В качестве факторов, влияющих на темп роста ИПЦ EUR + 0.177*D_PC_B_R + 0.066*D_PC_M0 (2)
республики Беларусь в 2010-2015 годах рассматривались В таблице П2 приводятся качественные характеристи-
темпы роста курсов национальных валют Евро, Доллар, ки модели 2. В соответствии с табл.П2 влияние денежной
российский Рубль и денежной массы М0 по отношению к массы М0 оказывается незначимым.

Табл.П2
Модель 2 Отбор объясняющих переменных относительного приращения ИПЦ
Зависимая переменная: D_PC_P
Метод: наименьших квадратов
Дата: 12/28/15 Время: 18:01
Выборка (скорректированная): 2010M02 2015M09
Включенные наблюдения: 68 после корректировки
Переменная Коэффициент Стандарт-ная ошибка t-статистика Вероятность
C 1.597680 0.295036 5.415201 0.0000
D_PC_B_USD -0.296813 0.135477 -2.190878 0.0322
D_PC_B_EUR 0.385852 0.167879 2.298396 0.0249
D_PC_B_R 0.177065 0.033253 5.324817 0.0000
D_PC_M0 0.065683 0.042417 1.548507 0.1265
R-квадрат 0.385978 Значение зависимой переменной 2.129265
Скорректированный Стандартное отклонение зависимой перемен-
0.346993 2.706106
R-квадрат ной

-67-
Wschodnioeuropejskie Czasopismo Naukowe (East European Scientific Journal) | EKONIMIA # 7, 2016

Стандартная ошибка
2.186774 Информационный критерий Акаике 4.473417
регрессии
Остаточная сумма
301.2647 Критерий Шварца 4.636616
квадратов
Логарифм правдопо-
-147.0962 Критерий Хеннана – Куинна. 4.538082
добия
F-статистика 9.900556 Критерий Дарбина-Уотсона 1.094178
Вероятность (F-ста-
0.000003
тистика)

Вследствие чего были проведены вычисления с исклю- В табл. П3 приводятся качественные характеристики
чением М0. В ре-зультате была получена модель 3: модели 3. Все оценки параметров значимы с уровнем зна-
D_PC_P = 1.745 - 0.305*D_PC_B_USD + 0.396*D_PC_B_ чимости 0,05.
EUR + 0.1783*D_PC_B_R (3)

Табл.П3
Модель 3 Объясняющие переменные относительного приращения ИПЦ
Зависимая переменная: D_PC_P
Метод: наименьших квадратов
Дата: 12/28/15 Время: 18:19
Выборка (скорректированная): 2010M02 2015M09
Включенные наблюдения: 68 после корректировки
Переменная Коэффициент Стандартная ошибка t-статистика Вероятность
C 1.745320 0.282238 6.183851 0.0000
D_PC_B_USD -0.305299 0.136836 -2.231131 0.0292
D_PC_B_EUR 0.395925 0.169575 2.334808 0.0227
D_PC_B_R 0.178313 0.033604 5.306304 0.0000
Значение зависимой
R-квадрат 0.362608 2.129265
перемен-ной
Стандартное откло-
Скорректированный
0.332730 нение за-висимой 2.706106
R-квадрат
переменной
Стандартная ошибка Информационный
2.210526 4.481361
регрессии критерий Акаике
Остаточная сумма
312.7312 Критерий Шварца 4.611920
квадратов
Логарифм правдо- Критерий Хеннана –
-148.3663 4.533092
по-добия Куинна.
Критерий Дарбина-У-
F-статистика 12.13637 1.042836
отсона
Вероятность (F-ста-
0.000002
тистика)

Далее была проведена оценка статистических характе-
ристик остатков модели 3. График наблюдений, прогноза и
остатков представлен на рис.6.

-68-
Wschodnioeuropejskie Czasopismo Naukowe (East European Scientific Journal) | EKONIMIA # 7, 2016

16

12

4
12
0

8 -4

-4
Oct 10
Feb 10
Apr 10
Jul 10

Jan 11
Apr 11
Jul 11
Oct 11
Jan 12
Apr 12
Jul 12
Oct 12
Jan 13
Apr 13
Jul 13
Oct 13
Jan 14
Apr 14
Jul 14
Oct 14
Jan 15
Apr 15
Jul 15
Residual Actual Fitted
Рис.6. Относительное изменение ИПЦ в зависимости от относительного изменения курсов валют в % (наблюдения,
прогноз и остатки)

Из рисунка 6 следует, что значительные выбросы D_PC_P = 1.290 - 0.104*D_PC_B_USD + 0.143*D_PC_B_


остатков наблюдались в период нестабильности с апреля EUR + 0.062*D_PC_B_R (4)
2011 по октябрь 2011. Качественные показатели модели 4 приводятся в та-
Исключая из наблюдений период волатильности была блице П4.
получена модель 4:

Табл.П4
Модель 4 Объясняющие переменные относительного приращения ИПЦ (с исключенным периодом нестабильности)
Зависимая переменная: D_PC_P
Метод: наименьших квадратов
Дата: 12/28/15 Время: 18:38
Выборка (скорректированная): 2010M02 2011M04 2011M12 2015M09
Включенные наблюдения: 61 после корректировки
Переменная Коэффициент Стандартная ошибка t-статистика Вероятность
C 1.290495 0.093450 13.80941 0.0000
D_PC_B_USD -0.103816 0.047189 -2.200005 0.0319
D_PC_B_EUR 0.143342 0.058390 2.454896 0.0172
D_PC_B_R 0.062032 0.021939 2.827549 0.0065
R-квадрат 0.196166 Значение зависимой переменной 1.323279
Скорректированный Стандартное отклонение зависимой перемен-
0.153859 0.773356
R-квадрат ной
Стандартная ошибка
0.711379 Информационный критерий Акаике 2.220101
регрессии
Остаточная сумма
28.84539 Критерий Шварца 2.358519
квадратов
Логарифм правдопо-
-63.71308 Критерий Хеннана – Куинна. 2.274348
добия

-69-
Wschodnioeuropejskie Czasopismo Naukowe (East European Scientific Journal) | EKONIMIA # 7, 2016

Продолжение таблицы П.4


Критерий Дарбина-
F-статистика 4.636709 1.175872
Уотсона
Вероятность (F-ста-
0.005710
тистика)

График наблюдений, прогноза и остатков модели 4 В таблице 3 представлена автокорреляционная функ-


представлен на рисунке 7. ция остатков модели 4.
5

3 1

2 0

-1

-2
Feb 10
Apr 10
Jul 10
Oct 10
Jan 11
Apr 11
Jan 12
Apr 12
Jul 12
Oct 12
Jan 13
Apr 13
Jul 13
Oct 13
Jan 14
Apr 14
Jul 14
Oct 14
Jan 15
Apr 15
Jul 15
Residual Actual Fitted
Рис.7. Относительное изменение ИПЦ в зависимости от относительного изменения курсов валют в % (наблюдения,
прогноз и остатки) с исклю-ченным периодом нестабильности

Табл. 3
Автокорреляционная функция остатков модели 4
Дата: 12/28/15 Время: 18:52
Выборка: 2010M02 2011M04 2011M12 2015M09
Включенные наблюдения: 61
Автокорреля- Частная
AC PAC Q-Стат Вероятность
ция кор-реляция
. |** | . |** | 1 0.253 0.253 4.1025 0.043
. |** | . |** | 2 0.332 0.287 11.296 0.004
. |*. | .|. | 3 0.084 -0.056 11.765 0.008
.|. | .*| . | 4 0.000 -0.118 11.765 0.019
.|. | .|. | 5 0.019 0.037 11.789 0.038
.*| . | .*| . | 6 -0.165 -0.157 13.686 0.033
.*| . | .*| . | 7 -0.112 -0.074 14.573 0.042
.|. | . |*. | 8 0.009 0.173 14.578 0.068
.*| . | **| . | 9 -0.198 -0.207 17.483 0.042
.*| . | .*| . | 10 -0.121 -0.150 18.579 0.046
.|. | . |** | 11 0.006 0.253 18.582 0.069
.*| . | .*| . | 12 -0.145 -0.190 20.228 0.063

-70-
Wschodnioeuropejskie Czasopismo Naukowe (East European Scientific Journal) | EKONIMIA # 7, 2016

Продолжение таблицы 3
. |*. | .|. | 13 0.092 0.034 20.911 0.075
.|. | . |** | 14 0.012 0.229 20.922 0.104
.|. | **| . | 15 0.029 -0.215 20.990 0.137

В результате исследования автором были проанализи- Список использованных источников


рованы и определены факторы, оказывающие влияние на 1. Доугерти К. - Введение в эконометрику: Учебник,
темп роста ИПЦ Республики Беларусь, на основе эконо- 3-е изд. М.: ИНФРА-М, 2009. – 465 с.
метрической модели делается прогноз ИПЦ на 2016 год. 2. Choudhri E.U., Hakura D.S. Exchange rate pass-
Таким образом, проведенное автором исследование пока- through to domestic prices: does the inflationary environment
зало влияние курсов Евро, Доллара США и Российского matter? IMF working paper, 2001
Рубля на потребительские цены в Республики Беларусь. 3. Национальный банк Республики Беларусь http://
Однако это не означает, что необходимо сдерживать рост www.nbrb.by/
валютного курса либо сглаживать его колебания. Про- 4. Национальный статистический комитет Респу-
веденное научное исследование закладывает основу для блики Беларусь http://www.belstat.gov.by/
дальнейших как теоретических, так и эмпирических ис- 5. Федеральная служба государственной статистики
следований в области оптимальной денежно-кредитной и http://www.gks.ru/
валютной политики, а также макроэкономического про- 6. Центральный банк РФ http://www.cbr.ru/
гнозирования.

MARKETING RESEARCH OF THE COMPANYS ENTRY INTO THE FOREIGN MARKET


TO JUSTIFY DEVELOPMENT STRATEGY
Shatskaya E.Yu.,
North-Caucasus Federal University, candidate of economic scince
Voloshina A.,
North-Caucasus Federal University, student
Pankova E.,
North-Caucasus Federal University, student
ABSTRACT
In this article it is described the perspectives of Colorificio San Marco to entry the Sub-Sahara market
Key words: international project, market, Sub-Sahara Africa, San Marco Group

Colorificio San Marco, a firm producing paints and presence in the Sub – Saharan African market, especially in the
varnishes for the building sector with headquarters in Marcon decorative paints business.
(VE) and more than 200 employees. Its products can be The Sub-Saharan African market is now being considered
targeted as medium/high quality range, and customers are as one of the promising markets of the next decades, because
mainly retailers and professionals. of the revenues generated by the oil industry which is leading
Colorificio San Marco S.p.A. is the parent company of the to the growth of the middle class (from 18 million families
San Marco Group, which overall has 6 production units in of year 2000 to the expected 45 million of 2020). In this new
Europe, three commercial companies and 7 brands in Europe environment there is plenty of room for the expansion of
(EuroBeton, ABC, Tjaeralin, San Marco Adriatica, Novacolor, Italian firms even in the construction sector, since the “Made
Disegno and Farby). in Italy” seems to be very much appreciated because it can
Colorificio San Marco was officially founded in 1962, and be considered a synonym of the Italian taste and high quality
after just a few years the capital increased by 500% thanks to the products. Being able to enter this market and build customer
enormous activity growth. In 1982 the company launched the loyalty could bring significant revenues in the future [2].
Unimarc system, which represented the beginning of the firm Based on the information gathered it was combined the data
R&D function [1]. from the different macro sections of the analysis to determine
Nowadays, San Marco Group is among the best companies which countries could overall be interesting to analyze further.
in the provision of paints and varnishes for the professional It was chosen the countries which seem to score well in almost
building sector. Its products can be classified in four main all sections, and countries which had good scores in areas
categories, namely Solvent – free system, Thermal isolation which it was thought could be interesting to investigate deeper.
system, Professional system, Decorative finishes. These It was tried to avoid really small countries especially small
products are mainly sold to professional users, so painters, islands even though they might score really well in some of the
applicators, and so on. Only in marginal measure, paints are indexes because of the very limited size of the market. Hence,
available to final users (DIY channel). it was selected:
The case under analysis in this report refers to the intention 1. South Africa - this country has low country risk,
of Colorificio San Marco to enter and build a consolidated meaning that the institutional environment is rather good and

-71-
View publication stats