MARCO TEORICO

TASA DE INTERES REAL

La tasa real tiene en cuenta un factor macro-econmico muy importante para decirnos
cual fue en realidad el inters real del dinero que gan durante el tiempo que preste mi
dinero, o por el contrario el inters real que pague por un dinero que me prestaron. Este
factor es la inflacin.

Podemos definir a la tasa de inters real como los intereses ganados menos el porcentaje
relativo al aumento en la inflacin; esta se debe a un aumento generalizado en el nivel de
precios del mercado, por lo que cuando aumenta la inflacin de un pas, su moneda pierde
valor adquisitivo, significando esto que no podemos comprar lo mismo este ao con 100
Dlares que el ao siguiente. En general el nivel de precios es creciente por lo que cada
vez ms las cosas aumentan su valor y es ms caro comprarlas. Dicho esto, es muy
probable que el prximo ao con los mismos 100 dlares podamos comprar menos que
este ao al aumentar el nivel de precios.

TASA DE INFLACION
La inflacin es la elevacin sostenida de los precios de los bienes y servicios. Una tasa,
por otra parte, es un coeficiente que expresa la relacin entre dos magnitudes. Ambos
conceptos nos permiten acercarnos a la nocin de tasa de inflacin, que refleja el aumento
porcentual de los precios en un cierto perodo temporal.

Segn el BCRP, es un aumento continuo, sustancial y general del nivel de precios de la

economa, que trae consigo aumento en el costo de vida y prdida del poder adquisitivo
de la moneda. En la prctica, la inflacin se estima como el cambio porcentual del ndice
de Precios al Consumidor.

METODOLOGIA DE BOX-JENKINS
En el anlisis de series de tiempo, la metodologa de Box-Jenkins, nombrada as en honor
a los estadsticos George E. P. Box y Gwilym Jenkins, se aplica a los modelos
autorregresivos de media mvil ARMA o a los modelos autorregresivos integrados de
media mvil (ARIMA) para encontrar el mejor ajuste de una serie temporal de valores, a
fin de que los pronsticos sean ms acertados, para ello se siguen los siguientes pasos o
pautas:

Estacionariedad y estacionalidad: El primer paso en el desarrollo de un modelo

de Box-Jenkins es determinar si la serie de tiempo es estacionaria y si hay alguna
estacionalidad significativa que necesite ser modelada.

Deteccin estacionalidad: La estacionariedad puede evaluarse a partir de una

secuencia de largo plazo. La secuencia ejecutada debe mostrar ubicacin y escala
 constante. Tambin se puede detectar a partir de una secuencia de autocorrelacin.
En concreto, la no estacionariedad se indica a menudo por un grfico de
autocorrelacin con una cada muy lenta.

Deteccin estacionalidad: La Estacionalidad (o periodicidad) generalmente se

puede evaluar a partir de un diagrama de autocorrelacin, una subserie de una
temporada, o una trama espectral.

Diferenciacin para lograr estacionariedad: Box y Jenkins recomiendan el

enfoque de diferenciacin para lograr estacionariedad. Sin embargo, ajustando
una curva y restando los valores ajustados de los datos originales tambin se puede
utilizar en el contexto de los modelos de Box-Jenkins.

Diferenciacin estacional: En la fase de identificacin del modelo, el objetivo es

detectar la estacionalidad, si existe, y para identificar el orden de los trminos
autorregresivos y de media mvil estacional de temporada. Para muchas series, el
perodo es conocido y un solo trmino estacionalidad es suficiente.

AR (PROCESO AUTORREGRESIVO)
Para que un proceso autorregresivo (AR) sea estacionario, el mdulo de las races de la
ecuacin caracterstica debe ser mayor a uno. La funcin de auto correlacin simple de
un proceso AR(p) es una mezcla de exponenciales, debidas a los trminos con races
reales, y sinusoidales, debidas a las races complejas conjugadas. Su estructura puede ser,
en consecuencia, muy compleja. Para determinar el orden se introduce la funcin de
autocorrelacin parcial.

Los procesos AR tienen memoria relativamente larga, ya que el valor actual est
correlacionado con todos los anteriores, aunque con coeficientes decrecientes. Los
procesos AR no pueden representar series de memoria muy corta. Una familia de procesos
que tiene esta propiedad de memoria muy corta son los procesos de media mvil, o
procesos MA de su nombre ingls, moving average.

PRONOSTICO
Pronstico es el proceso de estimacin en situaciones de incertidumbre. El
trmino prediccin es similar, pero ms general, y usualmente se refiere a la estimacin
de series temporales o datos instantneos. El pronstico ha evolucionado hacia la prctica
del plan de demanda en el pronstico diario de los negocios. La prctica del plan de
demanda tambin se refiere al pronstico de la cadena de suministros.
Entonces tenemos que los pronsticos son procesos crticos y continuos que se necesitan
para obtener buenos resultados durante la planificacin, de un proyecto. Si los
clasificamos respecto al tiempo que abarcan, se puede clasificar en:
1. Pronsticos a corto plazo: En las empresas modernas, este tipo de pronstico
se efecta cada mes o menos, y su tiempo de planeacin tiene vigencia de un
ao. Se utiliza para programas de abastecimiento, produccin, asignacin de
mano de obra a las plantillas de trabajadores, y planificacin de los
departamentos de fabricacin.
2. Pronsticos a mediano plazo: Abarca un lapso de seis meses a tres aos. Estos
se utilizan para estimar planes de ventas, produccin, flujos de efectivo y
elaboracin de presupuestos.
3. Pronsticos a largo plazo: Este tipo de pronstico se utiliza en la planificacin
de nuevas inversiones, lanzamiento de nuevos productos y tendencias
tecnolgicas de materiales, procesos y productos, as como en la preparacin
de proyectos. El tiempo de duracin es de tres aos o ms.