Cartilla S3

2Pronóstico, Metología y Utilidad del Ámbito FinancieroFinanzas Corporativas / Autor: Rubén Darío Martínez

Indice

Generalidades

Desarrollo Temático

Anterior

Contenido

Siguiente

2 [ POLITÉCNICO GRANCOLOMBIANO]

• PRONÓSTICO, SU METODOLOGÍA, UTILIDAD Y RELEVANCIA EN EL ÁMBITO FINANCIERO

1. ÍNDICE

1. Parámetros de pronóstico -‐ proyección 2. Técnicas de proyección y aplicaciones 2.1. Técnicas cualitativas y cuantitativas 2.2. Análisis de series de tiempo: promedios, promedios móviles, suavización

exponencial 2.3. Modelos causales: regresiones, tasas de crecimiento, crecimientos exponenciales,

índices estacionales, otros (modelo de insumo-‐producto o entrada-‐salida) 2.4. Criterios en la selección de una técnica de proyección 2.5. Aplicación en la proyección de costos y gastos de operación 2.6. Aplicación en la proyección de los estados financieros 2.7. Análisis de las cifras proyectadas 2.8. Sensibilidad de las cifras proyectadas ante cambios en las políticas financieras

INTRODUCCIÓN

Debido a la trascendencia que trae consigo la toma de decisiones de carácter financiero, es relevante contar con información histórica, del presente y no menos importante, datos de lo que podría suceder a futuro; estos últimos permitirán tomar decisiones en lo que respecta a incrementos de ventas según tendencias, reducciones en compra de materia prima, incrementos en la producción o lo correspondiente a contratación (más o menos mano de obra). Adicionalmente, los pronósticos permiten conocer situaciones coyunturales que pueden presentarse en el mercado, la economía o la sociedad en general pueden afectar el desempeño de la empresa.

En esta cartilla se aborda un importante tema como es el de pronósticos, su metodología, utilidad y relevancia en el ámbito financiero; la recomendación es que lean disciplinadamente esta cartilla, estudien muy bien los ejemplos al respecto, interpreten cifras y realicen análisis de resultados, de estos conocimientos depende en gran medida la consecución de las competencias establecidas en esta unidad.

3 [FINANZAS CORPORATIVAS]

COMPONENTE MOTIVACIONAL

El tema de esta unidad (como todos los demás), es muy interesante ya que toca puntos importantes con los que nos enfrentamos día a día como persona natural o como empresa, su aplicabilidad y practicidad permiten ver las finanzas de manera diferente y como tal es un factor clave en la formación integral, por esto es muy importante que destinen tiempo pertinente para su estudio y con ello lograr este cometido. RECOMENDACIONES ACADÉMICAS

Lo primero que recomiendo es que naveguen por la plataforma, visiten la guía de uso de aula virtual, observen la video capsula, video diapositiva, el juego diseñado para ustedes y desde luego den seguimiento permanente al calendario; conozcan semana a semana los objetivos y actividades, las lecturas inmersas en cada una de estas, el material didáctico de apoyo, las actividades evaluativas y como tal, verifiquen y tengan presente plazos de entregas y criterios de evaluación en lo que respecta a calificaciones. DESARROLLO DE CADA UNA DE LAS UNIDADES TEMÁTICAS 1. PROYECCIONES FINANCIERAS

• Concepto de pronósticos

Debido a que en los negocios está presente en mayor o menor medida el factor de incertidumbre, las decisiones a tomar por parte de las empresas se basan en la visualización de escenarios futuros; es decir, lograr anticipar acontecimiento a través de pronósticos con los que se evalúan posibles efectos de acuerdo con decisiones que se tomen hoy. Así, las metodologías tendientes a realizar pronósticos han tomado fuerza en la planeación estratégica y en la construcción de modelos financieros por su aporte en cuanto a la anticipación de variables futuras y con ello, montar posibles escenarios. Pronosticar es proyectar a futuro el camino o la tendencia que pueda seguir una variable, partiendo del comportamiento histórico y desde luego, los juicios sobre la conducta que tendrá en el futuro. Los pronósticos aplican bajo métodos estadísticos de pronóstico, así como la gestión adecuada de la información disponible para la elaboración del pronóstico.

enlace1

Anterior

Contenido

Siguiente


Los pronósticos ofrecen más confiabilidad al momento de visualizar nuevas situaciones y estructurar estrategias de acción. Esta confiabilidad se logra si al momento de realizar un pronóstico se tienen en cuenta factores que pueden influir en las tendencias futuras de la variable en estudio. Así, el objetivo al momento de elaborar un pronóstico es conseguir información acerca de situaciones que se pueden o no controlar y que son esenciales al decidir el camino a seguir al tomar decisiones ahora. A continuación, se da a conocer un panorama general de lo que son los pronósticos, tipos, ventajas, métodos utilizados (para pronósticos de ventas y otras variables) y aspectos a tener en cuenta en su elaboración. El pronóstico financiero es un proceso, en él se conjugan una serie de elementos que se prevén y se consolidan en una proyección a futuro y que se desea alcanzar. Estos elementos pueden ser, entre otros: contextos políticos, económicos, indicadores financieros y estadísticos.

• PLAN FINANCIERO Y APLICABILIDAD DE LOS PRONÓSTICOS

Este plan comprende tres fases: a. Pronósticos: elaborados para proyectar ventas esperadas durante un tiempo estipulado,

con lo cual se determinan las necesidades de materia prima para operar normalmente. b. Presupuestos: elaborados con el fin de proyectar entradas y salidas de fondos respecto a

las ventas, compra de materia prima, inversiones y apalancamientos por los que optará la empresa.

c. Estados financieros pro forma: reflejan resultados esperados en el periodo de proyección.

Es importante tener en cuenta que los pronósticos que elabora cada área dentro de la empresa no deben quedar aislados respecto a las otras, sino que debe realizarse de forma holística bajo los parámetros de la planeación estratégica. 2. TÉCNICAS DE PROYECCIÓN Y APLICACIONES

Los métodos de pronóstico se pueden clasificar en dos grupos: métodos cualitativos y métodos cuantitativo. A continuación se desglosa esta tipología a través del siguiente cuadro:


TABLA 1: Métodos de pronóstico

CUALITATIVOS CUANTITATIVOS

Método Delphi Análisis de series de tiempo: Consenso de un panel ·∙ Promedios móviles Estudio o investigación de mercado ·∙ Suavización exponencial

Analogía histórica ·∙ Método de Box-‐Jenkins Pronóstico visionario o construcción de escenarios. ·∙ Descomposición de series de tiempo

Modelos causales o explicativos: ·∙ Modelos de regresión

·∙ Tasa de crecimiento

·∙ Crecimiento exponencial

·∙ Modelos econométricos

·∙ Modelos de insumo-‐producto o entrada-‐salida

Fuente: Alemán, 2003 • MÉTODOS CUALITATIVOS Elaborados bajo el criterio de la persona que realiza el pronóstico con el fin de obtener tendencias probables de una variable desde el punto de vista cuantitativo, partiendo de datos cualitativos. Aquí es importante contar con la interdisciplinariedad para que el pronóstico tenga un alto nivel de integralidad. Entre estos métodos encontramos: • Método Delphi

Su aplicación se da para realizar pronósticos a variables de largo plazo y se centra un poco en la elaboración de pronósticos relacionados con tecnología. Igual, aplica el concepto de interdisciplinariedad.

enlace1

Anterior

Contenido

Siguiente


• Consenso de un panel Relevantes en la realización de pronósticos de ventas para portafolios de productos y servicios nuevos en el mercado. Así mismo, como en el método anterior, son utilizados para pronósticos de carácter tecnológico y a largo plazo. Se trata de constituir (como su nombre lo dice) un panel de personas con las competencias y experticias necesarias para que socialicen en torno al estudio de caso hasta que logren un acuerdo respecto al pronóstico en cuestión.

• Estudio de mercado

Es un método muy utilizado para analizar un producto o servicio con el que se quiere entrar en el mercado, aquí se determinan, entre otros, consumidores, posibles competidores, precios, costos, entorno, stakehoders y la información respecto a estas variables se obtiene a través de recolección primaria y secundaria.

• Analogía histórica

Analiza las tendencias históricas de una variable (ventas) o de un producto con características similares al del estudio de caso, para establecer su tendencia a futuro.

• Pronostico a través de construcción de escenarios

Se trata de crear hipótesis respecto a eventos futuros que puedan suceder, con el fin de determinar, en el presente, los posibles efectos de dichos sucesos y con ello tener planes estratégicos, que den respuesta a los mismos, en caso de que efectivamente se produzcan.

• Métodos cuantitativos Se caracterizan por ser más exactos que los métodos anteriores; por lo tanto, es recomendable aplicarlos cuando se cuenta con información cuantitativa y estadística, respecto a tendencias históricas que permitan determinar un patrón de dicha variable en el futuro.

Estos métodos se clasifican en análisis de series de tiempo y modelos causales. ANÁLISIS DE SERIES DE TIEMPO Se define como un consolidado ordenado de datos numéricos respecto a una variable, consignado en el transcurso del tiempo. Se trabaja con dos variables: una independiente referente al tiempo y la otra dependiente, que es la variable a la que se le hace el seguimiento tanto histórico como presente. Así, se realizan proyecciones futuras. Este proceso se denomina extrapolación y con ello, las series de tiempo tienen por objeto establecer estándares de variación de datos históricos y extrapolar dicho estándar a futuro.


Una serie de tiempo se compone de: • Tendencia secular

Es un comportamiento permanente que puede tener una serie de tiempo tanto ascendente como descendentemente y que se da a largo plazo. La tendencia de una serie de tiempo es el efecto de la tendencia de otra variable; así, el comportamiento de IPC es originado por cambios en el precio de los bienes y servicios de la canasta familiar

• Variación cíclica

Es un comportamiento oscilante que no es permanente y que se origina por volatilidades económicas a mediano plazo; por ejemplo, la demanda por productos de la industria textil es ocasionada por tendencias por parte de los consumidores respecto a la moda.

• Variación estacional

Variación regular ocasionada por factores físicos como el clima y que se presenta en la serie de tiempo a corto plazo y por su regularidad, es factible predecir su ocurrencia. Ejemplo, el incremento en el consumo de bebidas alcohólicas en épocas de vacaciones (decembrina)

• Variación irregular, aleatoria o error

Variaciones presentadas en una serie de tiempo a causa de factores impredecibles y que no se pueden controlar como las catástrofes naturales. Con estos cuatro componentes, se puede afirmar que una Serie de tiempo = f (tendencia, ciclo, estacionalidad) + error

Esto métodos relacionados con pronósticos en series de tiempo se dividen en dos grupos: - El método de promedios móviles La suavización exponencial - Método de descomposición de series de tiempo . • Métodos de pronósticos basados en el análisis de series de tiempo • Método de promedios móviles simples Este método determina el promedio de un grupo de valores actuales relacionados con una variable, el cual servirá como punto de partida para estimar el valor que tendrá la variable en el periodo a posteriori. Recibe su nombre de promedios móviles porque cuando se tiene acceso a una nueva observación, genera la posibilidad de hallar un nuevo promedio, dejando a un lado la observación más antigua y adicionando la variable más actual, con lo que se pronostica.

Anterior

Contenido

Siguiente


Dada la siguiente información respecto a la demanda de un producto, determine el promedio demandado de los meses de abril y mayo: TABLA2 : Ejemplo de promedio móvil simple aplicado a estimación de ventas

Periodo Demanda PrónosticoEne 118Feb 134Mar 180Abr 272 144May 332 195Jun 289 261Jul 177 298

Ago 209 266Sep 327 225Oct 374 238Nov 230 303Dic 141 310

Promedio móvil simple

Inicialmente, se debe determinar sobre cuantos periodos se van a hallar en el promedio. En este caso, se tomarán 3 trimestres, por lo que se va a iniciar un periodo antes de ese número, en este ejemplo, el periodo 4 es el mes de abril y el promedio correspondiente a este mes corresponderá a los meses anteriores Promedio abr = D ene + D feb + D mar Periodos Promedio abr = 144 Promedio simple de unidades demandadas en los Con función = 144 periodos seleccionados.

Unidades

La función de promedio móvil simple en Excel, recibe el mismo nombre: Pronóstico Así, el promedio de mayo se calcularía así: Promedio may = D feb + D mar + D abr Periodos


Observen que hay un desplazamiento, de periodo a periodo, por eso el nombre de móvil (de recuadro gris a recuadro amarillo) Promedio may = 195Con función = 195 MÉTODO PROMEDIOS MÓVILES EXPONENCIALES Este método aplica para elaborar pronósticos de ventas a corto plazo. Es similar al método anterior, excepto que este promedio pondera con más fuerza los datos más recientes. Aquí, el pronóstico a calcular equivale al pronóstico del periodo anterior más una corrección proporcional al último dato observado.

La ecuación de este modelo es la siguiente: Ft = Ft -‐1 + α (At -‐ 1 -‐ Ft -‐1) El origen de la connotación F es forecasting que significa pronóstico DONDE: Ft Pronóstico para el periodo t Ft -‐1 Pronóstico para el periodo de t-‐1 α Tasa de error At -‐1 Valor real del periodo t -‐ 1 menos el valor que se pronosticó. Basados en el caso anterior, hallar el promedio móvil ponderado del mes de abril con respecto a 3 periodos anteriores

Anterior

Contenido

Siguiente


TABLA 3 EJEMPLO DE PROMEDIO MÓVIL PONDERADO APLICADOS A ESTIMACIÓN DE VENTAS

Periodo Demanda PrónosticoEne 118Feb 134Mar 180Abr 272 151May 332 211Jun 289 278Jul 177 300

Ago 209 249Sep 327 216Oct 374 254Nov 230 322Dic 141 300

Promedio móvil ponderado

PROMEDIO MÓVIL PONDERADO Este promedio debe ir acompañado de valores numéricos, los cuales van a ser útiles para ponderar la demanda y con ello realizar el promedio. Se seleccionarán tres factores (2, 3, 4), cabe recalcar, que los factores seleccionados deben estar entre 1 y 10; estos factores se denotan como X, Y y Z que se expresan en la siguiente fórmula así: Promedio abr = z D mar + y D feb + x D ene (x + y + z) Se va a pronosticar a partir del mes de abril y para esto se multiplicará el factor mayor ponderado por la demanda más actual al periodo que se quiere pronosticar y así sucesivamente; Entonces, para el pronóstico de abril, Z es el mayor factor (que corresponde a 4) que va a multiplicar la demanda de marzo porque es la más reciente y luego el valor ponderado que le sigue (que corresponde a 3) y multiplica la demanda de febrero; por último, el valor X que multiplicará la demanda de enero. Todo esto dividido entre la suma de los tres factores ponderados Promedio abr = 151 Unidades


EJEMPLOS DE PROMEDIOS MÓVILES EXPONENCIALES APLICADOS A ESTIMACIÓN DE VENTAS De acuerdo con el siguiente reporte sobre ventas para un periodo determinado, decida el volumen de ventas para enero del siguiente año utilizando: TABLA 4: EJERCICIO PARA DETERMINAR EL VOLUMEN DE VENTAS PARA EL SIGUIENTE AÑO

A. Promedio móvil simple B. Promedio móvil simple de 2 periodos C. Promedio móvil simple de 3 periodos D. Promedio móvil ponderado de 3 periodos dándole al valor más actual una ponderación

del 50%, al anterior el 40% y al más antiguo el 10%

Periodo Ventas en miles de

unidadesEne 30 A SMA: 28,1666667 El valor esperado en ventas para enero del siguiente añoFeb 31 será de 28.166,67 unidadesMar 25Abr 24 B SMA de 3 per: 31,3333333 La tendencia de la D en el mes de enero para el producto May 23 abarcando tres periodos será de 31.333,33 unidadesJun 26 usando una media movil simple de 3 periodosJul 27

Ago 28 C SMA de 2 per: 32 La tendencia de la D en el mes de enero para el producto Sep 30 abarcando dos periodos será de 32.000,00 unidadesOct 30 usando una media movil simple de 2 periodosNov 31Dic 33

Determinar el volúmen de ventas para enero del siguiente año con distintos métodos

Anterior

Contenido

Siguiente


Periodo Ventas en miles de unidades

Ene 30Feb 31Mar 25Abr 24May 23Jun 26Jul 27

Ago 28Sep 30Oct 30Nov 31Dic 33

Punto D

31,9 Se pronostican 31.900 unidades a vender para enero del próximo año

Para el mismo caso, pero utilizando el método de promedio móvil exponencial, suponiendo que contamos con un pronóstico para el periodo inicial de 32 unidades, es decir, esperamos vender en enero 32.000 unidades y una constante de error al pronóstico anterior de α = 9%, determinar las ventas esperadas para enero del siguiente año.


t Periodo Ventas en miles de unidades

Pronóstico con

suavización exponencial

Alfa = 0,09

1 Ene 30 322 Feb 31 31,823 Mar 25 31,74624 Abr 24 31,1390425 May 23 30,49652826 Jun 26 29,82184077 Jul 27 29,4778758 Ago 28 29,25486639 Sep 30 29,1419283

10 Oct 30 29,219154811 Nov 31 29,289430812 Dic 33 29,443382113 Ene sgte. Año No disponible 29,7634777

DESCOMPOSICIÓN DE SERIES DE TIEMPO Como su nombre lo dice, se trata se descomponer la serie de tiempo, analizar la tendencia, e l ciclo, l a estacionalidad y e l error por separado con el fin de determinar el estándar de comportamiento respectivamente y con ello, crear un modelo matemático que de la posibilidad de proyectar hacia el futuro teniendo en cuenta los mencionados componentes. La ecuación para realizar los pronósticos con descomposición de series de tiempo es: Yt = Tt x St x Ct x It Dónde: Yt = Valor observado en el periodo t Tt = Factor de la tendencia en el periodo t St = Factor estacional en el periodo t Ct = Factor cíclico en el periodo t It = Factor irregular en el periodo t

Anterior

Contenido

Siguiente


EJEMPLO DE DESCOMPOSICIÓN DE SERIES DE TIEMPO

De acuerdo con la siguiente información (en miles de pesos), pronosticar las ventas de junio a diciembre de 2015 y realizar un análisis a través del método de descomposición de series de tiempo.

TABLA 5: EJEMPLO DE DESCOMPOSICIÓN DE SERIES DE TIEMPO

Año Mes Ventas

enero 174febrero 106marzo 83abril 59mayo 46junio 69julio 105agosto 179septiembre 220octubre 288noviembre 308diciembre 255enero 210febrero 128marzo 100abril 89mayo 88juniojulioagostoseptiembreoctubrenoviembrediciembre

2014

2015


En este ejemplo para realizar el pronóstico, se van a tratar los factores de tendencia y el factor estacional, no se trabajará el factor cíclico (Ct) ni el factor irregular (It).

1. Para calcular las móviles de cada periodo: se halla el promedio móvil simple de 12 periodos; para lo cual, se comienza en el mes de julio de 2014, (celda verde), en donde se realiza la función promedio; luego, se seleccionan los 12 primeros periodos y se halla un valor de 158.000 como promedio de ventas para el mes de julio. Se debe recordar que este promedio móvil se calcula así se halla iniciado después del punto central (entre junio y julio). Debido a esto, la primera media móvil va a estar en el séptimo periodo y así sucesivamente se determinará con los demás periodos. Note que se puede calcular este promedio solo hasta diciembre de 2014, ya que en este mes el promedio abordaría los datos de ventas desde junio de 2014 hasta mayo de 2015 (que es hasta donde contamos con datos de ventas)

2. Se calcula el promedio móvil centrado que permite determinar la media mensual general, respecto a las medias móviles de cada periodo. Para ello, se utiliza nuevamente la función promedio (celda amarilla), se marcan los promedios móviles del paso 1 y se obtiene un promedio móvil centrado mensual de 164.000 unidades a vender.

3. El factor estacional (ver nuevamente el concepto de variación estacional de esta cartilla), cuyo cálculo corresponde a la participación de ventas de cada mes promedio sobre el promedio móvil centrado o general (celda naranja). Su interpretación para el caso del mes de julio de 2014 (tomando como supuesto que las ventas de este ejemplo fueran de cerveza), seria así: la variación regular para el mes de julio (0.96) en el consumo de bebidas alcohólicas muestra que sus ventas estarán por debajo del promedio general (por ser menor a 1); para el mes de noviembre, pasa lo contrario, el factor estacional es mayor a 1 (1.02), lo que significa que en ese mes se venderá más cerveza que en el promedio general.

Vale la pena resaltar, que la suma de los factores de estacionalidad hallados deben ser igual al número de periodos, es decir 6 (de julio a diciembre de 2014)

Anterior

Contenido

Siguiente


TABLA 6 SUMA DE FACTORES DE ESTACIONALIDAD

Año Mes Ventas Promedio móvil 12 meses (MA) Factor estacional (SF) Promedio movil

centrado CMA)

enero 174 164febrero 106marzo 83abril 59mayo 46junio 69julio 105 158 0,96agosto 179 161 0,98septiembre 220 163 0,99octubre 288 164 1,00noviembre 308 166 1,02diciembre 255 170 1,04enero 210febrero 128marzo 100abril 89mayo 88juniojulioagostoseptiembreoctubrenoviembrediciembre

2014

2015

4. Cálculo de la mediana y el factor estacional ajustado. Al relacionar solo dos años de los cuales, se cuenta, solo, con información completa de uno de ellos ( del año 2014), el cálculo de la mediana de los factores estacionales tendrá un resultado que será el mismo factor. Si en el ejemplo se relacionaran más periodos, la mediana arrojaría resultados diferentes. Así se ajustan los índices estacionales, seleccionando el índice estacional (mediana) correspondiente a cada mes y multiplicándolo por un factor de corrección, que en este caso viene a ser la división de 6 (correspondiente a los periodos que tienen información), entre el acumulado encontrado en la mediana (6); cuando se tenga este cálculo, se


suman estos índices estacionales ajustados y deben dar como resultado 6 (por los seis periodos).

TABLA 7:

CÁLCULO DE LA MEDIANA Y FACTOR ESTACIONAL AJUSTADO

Mes 2014 2015 Mediana Indice estacional ajustado (SI)

Enero 0,00Febrero 0,00Marzo 0,00Abril 0,00Mayo 0,00Junio 0,00Julio 0,96 0,96 0,96Agosto 0,98 0,98 0,98Septiembre 0,99 0,993799371 0,99Octubre 1,00 1,002463263 1,00Noviembre 1,02 1,017752484 1,02Diciembre 1,04 1,039157394 1,04

6 6,00 6,00

5. Se procede a determinar el factor de la tendencia que no es más que el modelo de regresión lineal: Tt = β0 + β1t Donde: Tt es la tendencia en el tiempo β0 es el intercepto β1 es la pendiente t es el tiempo

Para hallar dicho factor de tendencia, se utilizará el siguiente cuadro:

Anterior

Contenido

Siguiente


TABLA 8: CUADRO PARA DETERMINAR EL FACTOR DE LA TENDENCIA, EN EL MODELO DE REGRESIÓN LINEAL

Coeficientes de tendencia

Año Mes Periodo t Ventas YFactor de la tendencia Y

Indice estacional ajustado S

Valores ajustados y pronósticos

80,17361586 enero 1 174 85,769231 1,28 109,61803055,595614911 febrero 2 106 91,364846 0,91 82,9042996

marzo 3 83 96,960461 0,62 59,70263703abril 4 59 102,556076 0,48 49,40300643mayo 5 46 108,151690 0,43 46,0318511junio 6 69 113,747305 0,47 53,16962642julio 7 105 119,342920 0,65 77,96189046agosto 8 179 124,938535 0,86 107,8754229septiembre 9 220 130,534150 1,36 178,1498631octubre 10 288 136,129765 1,79 243,6468498noviembre 11 308 141,725380 1,87 264,3260821diciembre 12 255 147,320995 1,29 189,7038899enero 13 210 152,916610 1,28 195,4362589febrero 14 128 158,512225 0,91 143,8337127marzo 15 100 164,107840 0,62 101,0481047abril 16 89 169,703454 0,48 81,74904129mayo 17 88 175,299069 0,43 74,61132256juniojulioagostoseptiembreoctubrenoviembrediciembre

2014

2015

Se seguirá la siguiente ruta: datos -‐ análisis de datos, regresión, aceptar, en rango de Y entrada, se seleccionarán todas las ventas (de enero 2014 a mayo 2014) y en el rango X, se seleccionarán los periodos (del 1 al 17). Haga clic en aceptar y en ese instante Excel abre otra hoja (la pueden llamar: análisis de datos)


Resumen

Estadísticas de la regresiónCoeficiente de correlación múltiple 0,204818795Coeficiente de determinación R^2 0,041950739R^2 ajustado -0,021919212Error típico 83,62802697Observaciones 17

ANÁLISIS DE VARIANZAGrados de

libertadSuma de

cuadradosPromedio de los

cuadradosF Valor crítico de F

Regresión 1 4593,531863 4593,531863 0,656814954 0,430357676Residuos 15 104904,7034 6993,646895Total 16 109498,2353

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%Intercepción 117,2720588 42,42446933 2,764255173 0,014465209 26,84644295 207,6976747 26,84644295 207,6976747Variable X 1 3,355392157 4,140204272 0,810441209 0,430357676 -5,469244356 12,18002867 -5,469244356 12,18002867

Figura 1. Resumen estadístico

Como se observa, aparecen una serie de variables calculadas y entre estas los coeficientes de interés para aplicarlos en el modelo (celdas verdes) se copian y se trasladan a la hoja de cálculo inicial

Para hallar el factor de la tendencia Y por cada mes, se suman los coeficientes de tendencia (traídos de la hoja denominada análisis de datos) y el resultado se multiplica por el periodo correspondiente.

Los índices estacionales ajustados se traen del punto anterior.

Por último, los valores ajustados y pronosticados se calculan multiplicando el factor de la tendencia Y por el índice estacional ajustado, siguiendo el modelo mencionado anteriormente: Yt = Tt x SI x CF. Recordar que (CF), el factor cíclico no se tiene en cuenta en este ejemplo. Con esta fórmula aplicada en el la hoja de Excel, se hallan los pronósticos solicitados.

Anterior

Contenido

Siguiente


TABLA 9: CUADRO DE COEFICIENTE DE TENDENCIAS Coeficientes de tendencia

Año Mes Periodo t Ventas YFactor de la tendencia Y

Indice estacional ajustado S

Valores ajustados y pronósticos

117,2720588 enero 1 174 120,627451 0,00 03,355392157 febrero 2 106 123,982843 0,00 0

marzo 3 83 127,338235 0,00 0abril 4 59 130,693627 0,00 0mayo 5 46 134,049020 0,00 0junio 6 69 137,404412 0,00 0julio 7 105 140,759804 0,96 135,726263agosto 8 179 144,115196 0,98 141,6057579septiembre 9 220 147,470588 0,99 146,5561779octubre 10 288 150,825980 1,00 151,1975045noviembre 11 308 154,181373 1,02 156,918475diciembre 12 255 157,536765 1,04 163,7054939enero 13 210 160,892157 0,00 0febrero 14 128 164,247549 0,00 0marzo 15 100 167,602941 0,00 0abril 16 89 170,958333 0,00 0mayo 17 88 174,313725 0,00 0junio 18 No disponible 177,669118 0,00 0julio 19 No disponible 181,024510 0,96 174,5511115agosto 20 No disponible 184,379902 0,98 181,1693456septiembre 21 No disponible 187,735294 0,99 186,5712173octubre 22 No disponible 191,090686 1,00 191,561393noviembre 23 No disponible 194,446078 1,02 197,8979794diciembre 24 No disponible 197,801471 1,04 205,5468607

Ventas pronosticadas

2014

2015

Recuerden que las ventas ajustadas y pronosticadas de los meses de enero a junio quedan en ceros, ya que se cuenta únicamente con información de julio a diciembre de 2014, es decir, no se tiene información del 2015; por lo tanto, la mediana y por ende, el índice estacional ajustado son cero. Así, al analizar más periodos de tiempo y contar con más información, la mediana, el índice estacional ajustado y los correspondientes pronósticos arrojaran resultados diferentes a cero.

2.3 MODELOS CAUSALES O EXPLICATIVOS

Este modelo aplica cuando la variable que se va a pronosticar, tiene una concordancia explicativa con las variables independientes. Por ejemplo, si tomamos las ventas pueden tener concordancia que explique su comportamiento por estar en función de la capacidad de pago de los consumidores y de las campañas publicitarias, entre otros.

Los principales modelos causales son los siguientes:


• MODELOS DE REGRESIÓN

Como se mencionó anteriormente, su aplicabilidad consiste en hallar la relación entre una variable dependiente y las variables independientes.

Su fórmula:

Y = f(x) + E DONDE: Y = variable dependiente X = variable independiente E = error o residuo Excel determina la ecuación de pronóstico en la que se reemplaza los valores futuros Y, y hallar el valor pronosticado de X. las funciones estadísticas para esto son “PRONÓSTICO” y “TENDENCIA”.

Este modelo sirve para realizar pronósticos de ventas y variables financieras como las tasas de interés. EJEMPLOS MÉTODO DE REGRESIÓN CON FUNCIÓN PRONÓSTICO Dadas las ventas de 2010 a 2013, pronosticar las ventas del 2014 TABLA 10: EJEMPLO 1

AñoUnds. Vendidas

(miles)2010 422011 472012 442013 482014 49

Para llegar al pronóstico de ventas de 2014, se ubica en la celda donde se hallará el pronóstico (unidades a vender 2014 – celda verde) y se aplica la función pronóstico. Se marca como x la celda donde se encuentra digitado el año 2014, como es conocido Y se marca el rango de unidades vendidas del 2010 al 2013; como es conocido X, se marca el rango del año 2010 a 2013.

Anterior

Contenido

Siguiente


TABLA 11: EJEMPLO 2 Hallar la tendencia de ventas de acuerdo con la siguiente información:

Día Ventas en millones Fecha Aum. % vtas.1 14 01/10/2015 0,00%2 12 02/10/2015 -14,29%3 38 03/10/2015 216,67%4 27 04/10/2015 -28,95%5 30 05/10/2015 11,11%6 32 06/10/2015 6,67%7 48 07/10/2015 50,00%8 53 08/10/2015 10,42%9 51 09/10/2015 -3,77%

10 43 10/10/2015 -15,69% Excel permite determinar las ventas máximas con la función Max y el promedio de ventas con la función pronóstico, que dejan ver un panorama más claro de cifras antes de hallar la tendencia. Se grafican las ventas:

Figura 2. Gráfica de ventas

0

20

40

60

1 2 3 4 5 6 7 8 9 10

ventas

ventas


Luego, sobre esta línea que arroja la gráfica se da clic derecho – agregar línea de tendencia:

Figura 3. Gráfica de ventas y tendencias Posteriormente, clic derecho sobre esta línea de tendencia que se acaba de hallar, se digitan los días que se quieren pronosticar a futuro. En este ejemplo, se considerarán 5 días adelante, que permita visualizar la ecuación y que calcule R2. Mientras esta medida más se acerque a 1 indicará que la línea de tendencia es más perfecta.

0 10 20 30 40 50 60

1 2 3 4 5 6 7 8 9 10

ventas

ventas

Lineal (ventas)

Anterior

Contenido

Siguiente


Gráfica 4. Línea de tendencia Se produce un R no muy bueno ya que no se acerca mucho a 1. El punto verde indica el día 15 ENTONCES: Se Digitan las cifras de la ecuación y el día a pronosticar que es el 15 y se obtiene: 4.0848 15 12.333 Así: Tendencia = 4.0848 (15)+12.333 = 73.6. (Este valor indica que las ventas en el día 15 serán de $ 7360.000 • MODELOS DE INSUMO-‐PRODUCTO

Establece el nivel de producción con su correspondiente distribución de costos que debe tener una industria que dé respuesta al consumo de los demandantes. Esencialmente, son matrices que reflejan los insumos necesarios por una industria para producir productos, que a su vez son insumos para otra y así sucesivamente. El desarrollo de estos modelos es costoso y complejo por lo que se necesita de talento humano con la experticia necesaria para elaborar pronósticos de calidad en el sector industrial.

y = 4,0848x + 12,333 R² = 0,72851

0

20

40

60

80

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

ventas

ventas

Lineal (ventas)


2.4. CRITERIOS PARA ELEGIR EL MÉTODO DE PRONÓSTICO Se debe establecer el volumen de información que es necesario por cada método, el grado de validez de la misma y hacer un sondeo con la información con la que efectivamente cuenta la empresa y así elegir el método que más se ajusta dependiendo de estos parámetros.

Como se ha visto en esta cartilla, los métodos se ocupan de variables diferentes. Por lo tanto, dependiendo del tipo de pronóstico que la empresa quiera desarrollar, se deben determinar variables tanto internas (estimación de ventas, precios, liquidez, políticas propias de la empresa en todos los ámbitos) como externas (indicadores como IPC, PIB, tecnología, entre otros) que lleguen a impactar dicho pronóstico.

Asimismo, cada método ofrece un nivel de confiabilidad diferente, por lo que se debe elegir el que más se ajuste dependiendo del nivel de confianza requerido.

Desde luego el factor monetario entra a jugar un papel importante, cada método tiene costos que van acorde con la calidad del mismo y lógicamente, con el presupuesto de la empresa; lo importante es determinar la relación costo beneficio. Aunque esta selección dependerá de las necesidades de la empresa y de definir el horizonte de tiempo sobre el cual se realizará el pronóstico. Para una mayor exactitud del pronóstico, es una buena alternativa tener en cuenta varios métodos a la vez y sopesar ventajas y desventajas de unos métodos con respecto a otros. Finalmente, un pronóstico no tiene validez si no se actúa empresarialmente con base a los resultados del mismo, propendiendo desde luego, por el crecimiento de la empresa.

Cartilla S3

Documents

Transcript of Cartilla S3