Formulación y Evaluación de Proyectos de Inversión

Anlisis y comportamiento del mercado
Anlisis de la industria
Comportamiento bsico de indicadores econmicos
Anlisis del mercado/investigacin de mercados
El proceso de la investigacin de mercados
Tcnicas de prediccin para anlisis econmico
Tema: Tcnicas de prediccin para anlisis econmico
Caractersticas bsicas
Tcnicas cuantitativas de prediccin
Tcnicas cualitativas de prediccin

La prediccin de los comportamientos de las variables econmicas constituye,
sin duda, una de las mayores dificultades en el estudio de propuestas de
inversin. Sin embargo, su realizacin es ineludible por cuanto la esencia de la
evaluacin de proyectos es comparar una inversin o desinversin actual con el
flujo de caja posible de esperar en el futuro, si se opta por tomar la decisin.
El resultado de una prediccin se debe considerar slo como una medicin de
evidencias incompletas, basadas en comportamientos empricos de situaciones
parcialmente similares o en inferencias de datos estadsticos disponibles.
Las tcnicas de pronstico se clasifican de diversas formas en la literatura
econmica, se usarn dos grandes categoras: las cuantitativas y las cualitativas.

Raras veces las predicciones o previsiones son perfectas.
La mayora de las tcnicas de previsin asumen que existe cierta estabilidad

sostenida al sistema.
Tanto las predicciones de familias de productos como las predicciones en

conjunto son ms precisas que las previsiones de productos individuales.

Las tcnicas cuantitativas de prediccin poseen la ventaja de que al estar
expresadas matemticamente, su procedimiento de clculo y los supuestos
empleados carecen de toda ambigedad. Dos grupos se identifican en esta
categora:
Los modelos causales y los,
Modelos de series de tiempo.

Tcnicas cuantitativas
Modelos causales
Un pronstico causal, se fundamenta en la posibilidad de confiar en el
comportamiento de una variable que podra explicar los valores que asumira la
variable a proyectar. La variable conocida se denomina variable independiente y
la estimada variable dependiente.
Variables independientes tpicas son la tasa de crecimiento de la poblacin, la
tasa de ocupacin de un insumo por unidad producida, el crecimiento esperado
en el producto interno bruto, etctera.
Los modelos causales requieren que exista una relacin entre los valores de
ambas variables y que los de la variable independiente sean conocidos o que su
estimacin otorgue una mayor confianza. La forma ms comn de hacer una
proyeccin causal es el ajuste de curvas, el cual se puede realizar aplicando el
mtodo de los mnimos cuadrados o el de la funcin polinmica.

Modelos causales
El mtodo de los mnimos cuadrados, selecciona una lnea de tendencia
recta del tipo y = a + bx, donde y es la variable dependiente, x la
independiente, a el punto de interseccin de la funcin en el eje vertical y b
la pendiente de la funcin.
Este mtodo se conoce tambin como regresin lineal y busca determinar la
recta que represente de mejor manera la tendencia de las relaciones
observadas en el pasado para usarlas como base de la proyeccin de la
tendencia futura.
(1)
b = nxy - (x) (y)

nx2 - (x)2
(2)
a = - bx
Donde e x son los valores promedio de las

variables y n es el nmero de observaciones.
Como primer paso se debe recoger toda la informacin histrica que

permita expresar las relaciones observadas entre las variables x e y que
parezcan estrechamente relacionadas entre s, para luego determinar la
ecuacin que mejor se ajuste a dichas relaciones. Para ello se calcula el valor
de a y b aplicando las siguientes ecuaciones:

Modelos causales
Ejemplo:
Una empresa requiere proyectar la demanda potencial de juegos de entretenimientos electrnicos para nios antes de decidir respecto de la conveniencia de
emprender una ampliacin de sus instalaciones en otro sector de la ciudad. La informacin disponible en la cadena de negocios de la empresa (12 locales en total)
muestra los promedios histricos anuales de venta por local. Reemplazando en las ecuaciones (1) y (2), se obtienen los siguientes valores:
Cuadro informacin negocio

Cantidad Y
1
2
3
4
5
6
7
8
9
10
11
12
Suma
Promedio
Pob. Infantil x
(en miles)
14.68
22.93
16.65
35.99
32.48
38.77
10.03
24.26
52.46
36.80
17.34
43.69
346.08
28.84
Ventas y
3,845
5,450
5,099
8,890
6,681
9,678
4,542
4,557
13,289
10,506
5,134
9,066
86,737
7,228
xy
56,445
124,969
84,898
319,951
216,999
375,216
45,556
110,553
697,141
386,621
89,024
396,094
2,903,465
x
216
526
277
1,295
1,055
1,503
101
589
2,752
1,354
301
1,909
11,877
Anlisis de regresin lineal
b = 12*(2,903,465) - (346.08) (86,737) = 212.03

12*(11,877) - (346.08)2
a = 7,228 (212.03 * 28.84) = 1,113.20

Modelos causales
Como calcular en Excel:

1. Para activar herramienta de anlisis, hacer click en archivo.
2. Ir a opciones, buscar complementos,
3. En la parte donde dice administrar, seleccionar complementos de
excel y hacer click en ir,
4. Seleccionar herramientas para anlisis y aceptar,
5. Automticamente se habilitar en el men Datos, al lado derecho
anlisis de datos.
4
5

Modelos causales
Como calcular regresin en excel:
1. La base de datos para el clculo, de acuerdo a la
tabla informacin negocio,
2. Ir al men, datos y seleccin anlisis de datos,
3. En el cuadro de dialogo seleccione regresin,
4. En el cuadro de regresin, use al casillero rango Y
de entrada para anotar la posicin de los datos
de la variable dependiente (ventas);
5. Use el casillero de rango X de entrada para
especificar la posicin de los datos de la variable
independiente (Poblacin infantil);
6. Si incluye los ttulos de columna, debe activar la
casilla de verificacin rtulos. Esto permite
identificar de mejor manera las variables en la
salida de regresin.
7. Utilice las opciones de salida para especificar el
lugar donde quiere ubicar los resultados. Si elige
la opcin en un hoja nueva, asgnele un nombre
(resultados regresin).
8. Finalmente, elija aceptar. Excel insertar una
nueva hoja de clculo con los resultados.
Datos
Anlisis de
Datos

Modelos causales
Resultados de la regresin:
De acuerdo a los resultados de la regresin, la
ecuacin de la recta que mejor representa el
comportamiento de las ventas (y) en funcin de la
poblacin infantil (x), es coincidente con los
resultados obtenidos mediante el uso de las
frmulas.
De este modo, si la poblacin infantil asociada al
sector donde se quiere instalar un nuevo local fuera
de 45 (45,000 personas), entonces el modelo
predecira ventas de 10,654.45

Modelos series de tiempo
Los modelos de series de tiempo, pronostican el valor futuro de la variable que
se desea estimar extrapolando el comportamiento histrico de los valores
observados para esa variable. En esta categora se clasifican los mtodos de
promedios mviles, el de extrapolacin de la tendencia histrica y el de las
variables aleatorias, entre otras.
Cualquiera se el mtodo, el anlisis de las series de tiempo se aplica cuando se
considera que el valor que asume la variable dependiente se explica por el paso
del tiempo.
El mtodo de promedio mviles ms simple es el denominado promedio mvil

simple de n periodos, donde el valor esperado para la variable y se calcula por:
t+1 = y1 + yt+1 + + yt-n+1

n
Donde y es el valor proyectado para la variable y.

Previsin
Cuantitativa
Modelos de series
temporales
Media
mvil
Alisado
exponencial
Modelos
asociativos
Proyeccin
de tendencia
Regresin
lineal

Demanda del producto o servicio
Picos Estacionales
Componente de Tendencia
Lnea de
demanda
actual
Demanda media en
cuatro aos
Variacin
aleatoria
Primer
ao
Segundo
ao
Tercer
ao
Cuarto
ao

Descomposicin de una Serie Temporal
Tendencia
Ciclos
Estacionalidad
Variaciones Aleatorias

Tendencia
Es el movimiento gradual de ascenso o descenso de los datos a lo largo del tiempo.

Los cambios en la poblacin, ingresos, etc. influyen en la tendencia.
Varios aos de duracin.
Demanda
Mes, trimestre, ao

Estacionalidad
Muestra de datos de ascenso o descenso que se repite.

Se puede ver afectada por la climatologa, las costumbres, etc.
Se produce dentro de un periodo anual.
Verano
Demanda
Mes, trimestre, ao

Ciclos
Movimientos de ascenso o descenso que se repiten.

Se pueden ver afectados por interacciones de factores que influyen en la economa.
Suelen durar de 2 a 10 aos.
Ciclo
Demanda
Mes, trimestre, ao

Variaciones Aleatorias
Son saltos en los datos causados por el azar y situaciones
inusuales.
Son debidos a variaciones aleatorias o a situaciones imprevistas
como:
Huelga.
Terremoto
Inundaciones.
Tornados (para el caso del norte de Amrica).
Son de corta duracin, en algunas ocasiones se repiten.

Frmula general para estimar y proyectar:
Tt = bo + b1 * t
Ejercicio:
Ao
Ao 1
Ao 2
Ao 3
Ao 4
Grfico: Ventas (Miles S/.)

Trimestre
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
Ventas (Miles S/.)

4.80
4.10
6.00
6.50
5.80
5.20
6.80
7.40
6.00
5.60
7.50
7.80
6.30
5.90
8.00
8.40
9.00
8.40
7.80
8.00
7.40
7.00
6.50
6.00
5.00
6.80
6.30
6.00
5.80
6.00
4.80
4.00
8.00
7.50
5.90
5.60
5.20
4.10
3.00
2.00
1.00
0.00
1
3
Ao 1
3
Ao 2
3
Ao 3
3
Ao 4
Ao
Se debe realizar el promedio mvil de cuatro trimestres (un ao). En este caso se
debe realizar promedio mvil de las ventas (miles).
Prom mvil = Trim1 + Trim2 + Trim3 + Trim4

n
1
Prom mvil1 = 4.80 + 4.10 + 6.00 + 6.50 = 5.350

4
1
2
1
Ventas (Miles)
Yt
Trimestre
Prom Mvil
4to Trimestre
4.80
4.10
5.350
6.00
5.600
6.50
5.80
5.20
6.80
7.40
6.00
5.60
7.50
7.80
6.30
5.90
8.00
8.40
5.875
6.075
2
6.300
6.350
Prom mvil2 = 4.10 + 6.00 + 6.50 + 5.80 = 5.600

4
Prom mvil3 = 6.00 + 6.50 + 5.80 + 5.20 = 5.875
4
El primer promedio mvil 1, debe alinearse entre la variable ventas (miles), es decir entre los valores de las
variables, para el ejemplo el primer promedio mvil es de 5.350 (corresponde a un valor de ventas promedio sacado
del promedio mvil de cuatro trimestres), y se posicionado entre los valores de ventas (miles) que corresponde a
4.10 y 6.00 respectivamente, porque ese valor promedio se encuentra entre esos dos valores. Solo el primer valor
debe estar alineando de esa forma, los dems valores se colocan correlativo hacia abajo.
6.450
6.625
3
6.725
6.800
6.875
7.000
7.150

Ao
Trimestre
Ventas (Miles)
Yt
4.80
4.10
6.00
6.50
Prom Mvil
Prom Mvil
4to Trimestre
Centrado
2
2
Prom mvil centrado = Prom mvil1 + Prom mvil2

n
5.350
5.475
5.600
5.738
5.875
Una vez realizado el promedio mvil de cuatro (4) trimestres se calcula el promedio
mvil centrado.
5.80
5.975
Prom mvil centrado1 = 5.350 + 5.600 = 5.475

2

2

2
6.075
5.20
6.188
6.300
6.80
6.325
6.350
7.40
6.00
6.400
6.450
6.538
6.625
2
3
5.60
6.675
6.725
7.50
6.763
6.800
7.80
6.838
6.875
6.30
6.938
7.000
2
4
5.90
7.075
7.150
8.00
8.40
El primer promedio mvil centrado, debe alinearse entre los promedio mviles de cuatro
trimestres, para el ejemplo el primer promedio mvil centrado es de 5.475 (corresponde al valor
de ventas promedio sacado de los dos primeros promedios mviles de cuatro trimestres), y se ha
posicionado entre ambos, estando alineado exactamente al tercer trimestre del primer ao, y los
dems promedios mviles se van alineando en el cuatro trimestre y as sucesivamente.

Ao
Trimestre
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
Ventas (Miles) Prom Mvil

Yt
Centrado
4.80
4.10
6.00
5.475
6.50
5.738
5.80
5.975
5.20
6.188
6.80
6.325
7.40
6.400
6.00
6.538
5.60
6.675
7.50
6.763
7.80
6.838
6.30
6.938
5.90
7.075
8.00
8.40
Trimestre
1
2
3
4
Indice
Estacional
(Et)
0.93
0.84
1.09
1.14
Componente
Irreg. - Estac.
1.096
1.133
0.971
0.840
1.075
1.156
0.918
0.839
1.109
1.141
0.908
0.834
Una vez calculado los promedios mviles centrados y alineados

cada uno a un trimestre en especfico. Se procede a calcular los
componentes irregulares-estacionales, se calcula de la forma:
Componente Irr-Estac = Ventas (miles) / Prom. Mvil centrado
1
Componente Irr-Estac = 6.00 / 5.475 = 1.096
Componente Irr-Estac = 6.50 / 5.738 = 1.133
Una vez calculado los componentes irregulares-estacionales, se

deben agruparlos para poder calcular el ndice Estacional, se
calcula de la forma:
ndice Estacional = Comp. Irr-Estac. (trim) / n

1
ndice Estacional = (0.971 + 0.918 + 0.908) / 3 = 0.93
ndice Estacional = (0.840 + 0.839 + 0.834) / 3 = 0.84

Una vez calculados los ndices estacionales (Et), se calcula las
ventas desestacionalizadas (Yt / Et = Yt Desest):
Ao
Trimestre
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
Ventas Desestacionalizadas = Ventas (Yt) / ndice Estac. (Et)

1
1 Ao
(4 trimestres)
Ventas Desest = 4.80 / 0.93 = 5.15
Ventas Desest = 4.10 / 0.84 = 4.89
Ventas Desest = 6.00 / 1.09 = 5.49
Ventas Desest = 6.50 / 1.14 = 5.69
8.00
7.00
5.00
6.21
6.22
6.00
5.49
5.15
6.68
6.47
6.82
6.76
6.44
6.22
5.69
6.86
7.35
7.04 7.32
4.89
4.00
3.00
2.00
1.00
0.00
1
3
1
3
2
3
3
3
4
Ventas (Miles)
Indice
Ventas
(Yt)
Estacional (Et)
(Destacionalizadas)
(Yt / Et = Yt (Desest)
4.80
4.10
6.00
6.50
5.80
5.20
6.80
7.40
6.00
5.60
7.50
7.80
6.30
5.90
8.00
8.40
0.93
0.84
1.09
1.14
0.93
0.84
1.09
1.14
0.93
0.84
1.09
1.14
0.93
0.84
1.09
1.14
5.15
4.89
5.49
5.69
6.22
6.21
6.22
6.47
6.44
6.68
6.86
6.82
6.76
7.04
7.32
7.35

t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
136
Yt (Desest.)
5.15
4.89
5.49
5.69
6.22
6.21
6.22
6.47
6.44
6.68
6.86
6.82
6.76
7.04
7.32
7.35
101.60
t * Yt
5.15
9.79
16.46
22.74
31.11
37.24
43.54
51.78
57.93
66.84
75.46
81.87
87.86
98.60
109.75
117.55
913.67
t
1
4
9
16
25
36
49
64
81
100
121
144
169
196
225
256
1,496.00
Para estimar el pronstico de la serie de tiempo se debe confeccionar el cuadro de

regresin, como insumo para obtener los indicadores para el clculo, se tienen las
frmulas para los indicadores:
b1= t * Yt - ((t*Yt) / n)
t - (t) / n
bo= Ytm - b1 * tm
Para el clculo de bo hallar Y medios y t medios:
Yt medios: valor medio de la serie de tiempo, es decir Ytm = Yt / n
t medios: valor medio de t: es decir, tm = t / n

Para estimar b1, se debe estimar de acuerdo a las formulas planteadas de la forma:
(913.67) (136 * 101.60)
16
1,496.00 (136)2
16
Yt (Desest.)
t * Yt
5.15
5.15
4.89
9.79
5.49
16.46
5.69
22.74
16
6.22
31.11
25
6.21
37.24
36
6.22
43.54
49
Ytm = Yt / n
6.47
51.78
64
6.44
57.93
81
Ytm = 101.60 / 16 = 8.50
10
6.68
66.84
100
11
6.86
75.46
121
tm = t / n
12
6.82
81.87
144
13
6.76
87.86
169
tm = 136.00 / 16 = 6.35
14
7.04
98.60
196
15
7.32
109.75
225
b0 = 8.50 (0.147 * 6.35) = 5.10
16
7.35
117.55
256
101.60
913.67
1,496.00
b1 =
b1 = 0.147
136.00

Tt = bo + b1 * t
b1 = 0.147
b0 = 8.50 (0.147 * 6.35) = 5.10
12.00
Para estimar los siguientes trimestres, se realizar con la

frmula general, as como los ndices estacionales para la
estimacin final de ventas:
Trim
Et
Proyeccin de Ventas
9.87
10.00
9.19
8.00
Tt = 5.10 + (0.147 * 18) = 7.75 * 0.84 = 6.49

Tt = 5.10 + (0.147 * 19) = 7.90 * 1.09 = 8.63
Tt = 5.10 + (0.147 * 20) = 8.04 * 1.14 = 9.19
8.63
7.09
7.63
6.98
Tt
Tt = 5.10 + (0.147 * 17) = 7.60 * 0.93 = 7.09
9.28
6.49
6.00
4.00
2.00
0.00
17
18
19
20
21
22
23
24

Formulación y Evaluación de Proyectos de Inversión

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Formulación y Evaluación de Proyectos de Inversión

Transféré par

Droits d'auteur :

Formats disponibles

Anlisis y comportamiento del mercado

Tema: Tcnicas de prediccin para anlisis econmico

Tcnicas de prediccin para anlisis econmico

Tcnicas de prediccin para anlisis econmico

Raras veces las predicciones o previsiones son perfectas.

La mayora de las tcnicas de previsin asumen que existe cierta estabilidad

Tanto las predicciones de familias de productos como las predicciones en

Tcnicas cuantitativas de prediccin

Los modelos causales y los,

Modelos de series de tiempo.

Tcnicas cuantitativas de prediccin

Tcnicas cuantitativas de prediccin

b = nxy - (x) (y)

Donde e x son los valores promedio de las

Como primer paso se debe recoger toda la informacin histrica que

Tcnicas cuantitativas de prediccin

Cuadro informacin negocio

Anlisis de regresin lineal

b = 12*(2,903,465) - (346.08) (86,737) = 212.03

Tcnicas cuantitativas de prediccin

Como calcular en Excel:

Tcnicas cuantitativas de prediccin

Tcnicas cuantitativas de prediccin

Tcnicas cuantitativas de prediccin

El mtodo de promedio mviles ms simple es el denominado promedio mvil

t+1 = y1 + yt+1 + + yt-n+1

Tcnicas cuantitativas de prediccin

Tcnicas cuantitativas de prediccin

Demanda del producto o servicio

Tcnicas cuantitativas de prediccin

Tcnicas cuantitativas de prediccin

Es el movimiento gradual de ascenso o descenso de los datos a lo largo del tiempo.

Tcnicas cuantitativas de prediccin

Muestra de datos de ascenso o descenso que se repite.

Tcnicas cuantitativas de prediccin

Movimientos de ascenso o descenso que se repiten.

Tcnicas cuantitativas de prediccin

Son de corta duracin, en algunas ocasiones se repiten.

Tcnicas cuantitativas de prediccin

Grfico: Ventas (Miles S/.)

Ventas (Miles S/.)

Tcnicas cuantitativas de prediccin

Prom mvil = Trim1 + Trim2 + Trim3 + Trim4

Prom mvil1 = 4.80 + 4.10 + 6.00 + 6.50 = 5.350

Prom mvil2 = 4.10 + 6.00 + 6.50 + 5.80 = 5.600

Tcnicas cuantitativas de prediccin

Prom mvil centrado = Prom mvil1 + Prom mvil2

Prom mvil centrado1 = 5.350 + 5.600 = 5.475

Prom mvil centrado2 = 5.600 + 5.875 = 5.738

Prom mvil centrado1 = 5.875 + 6.075 = 5.975

Tcnicas cuantitativas de prediccin

Ventas (Miles) Prom Mvil

Una vez calculado los promedios mviles centrados y alineados

Componente Irr-Estac = 6.00 / 5.475 = 1.096

Componente Irr-Estac = 6.50 / 5.738 = 1.133

Una vez calculado los componentes irregulares-estacionales, se

ndice Estacional = Comp. Irr-Estac. (trim) / n

ndice Estacional = (0.971 + 0.918 + 0.908) / 3 = 0.93

ndice Estacional = (0.840 + 0.839 + 0.834) / 3 = 0.84

Tcnicas cuantitativas de prediccin

Ventas Desestacionalizadas = Ventas (Yt) / ndice Estac. (Et)

Ventas Desest = 4.80 / 0.93 = 5.15

Ventas Desest = 4.10 / 0.84 = 4.89

Ventas Desest = 6.00 / 1.09 = 5.49