TECNICAS DE PROYECCION DEL MERCADO La proyeccin del comportamiento futuro de las variables definidas en el estudio del mercado La seleccin

de la tcnica de proyeccin esta influida por diversos factores: Validez y disponibilidad de los datos histricos La precisin deseada del pronstico El costo del procedimiento Los perodos futuros que se desee proyectar.... se debe buscar: Precisin Sensibilidad Objetividad METODOS DE PROYECCION Para realizar la proyeccin existen varias alternativas metodolgicas: Mtodos subjetivos Modelos causales Modelos de series de tiempo METODOS SUBJETIVOS Es utilizado cuando los mtodos cuantitativos basados en informacin histrica no pueden explicar por si solos el comportamiento futuro esperado de alguna de sus variables, o cuando no existen suficientes datos histricos. El mtodo DELPHI Es probablemente la tcnica cualitativa que ms se utiliza Este mtodo requiere el establecimiento de un grupo de expertos relacionados con el tema a pronosticar Este grupo debe ser annimo Fases del mtodo: Fase 1: Se desarrolla y enva una encuesta sobre el tema de inters a los expertos y estos la devuelven al grupo coordinador para su anlisis. Fase 2: Se prepara una lista con informacin derivada de la primera encuesta anterior y se retroalimenta al panel de expertos.

Fase 3: Similar al anterior con la salvedad que aquellos individuos que difieran de la opinin dada por la mayora debern justificar sus apreciaciones. Fase 4: Consolidar los pronsticos donde impera el consenso por parte del grupo de expertos. Desventajas: Escoger un grupo idneo de expertos Ruido en la comunicacin Sesgo en la coordinacin Otros mtodos Consenso de panel Pronsticos visionarios METODOS CAUSALES Proyeccin del Mercado en base a datos histricos buscando la causa del comportamiento de la variable bajo estudio (variables explicativas). Las variables explicativas se definen como variables independientes y la cantidad demandada u otro elemento del mercado que se desea proyectar se define como variable dependiente. La variable dependiente, en consecuencia, se explica por la variable independiente. Modelos de proyeccin Los modelos causales de uso ms frecuente son: Modelo de regresin Modelo economtrico Mtodo de encuestas de intenciones de compra Modelo insumo producto Modelo de regresin Existen dos modelos bsicos de regresin Modelo de regresin simple

|[pic] |

Modelo de regresin mltiple |[pic] |

MODELO ECONOMETRICO "Sistema de ecuaciones estadsticas que interrelacionan las actividades de diferentes sectores de la economa y ayudan a evaluar la repercusin sobre la demanda de un producto o servicio. En este respecto, es una prolongacin del anlisis de regresin"(DERVITSIOTIS, K.) |[pic] |

MODELOS DE SERIES DE TIEMPO Los modelos de series de tiempo se refieren a la medicin de valores de una variable en el tiempo a intervalos espaciados uniformemente. El objetivo de la identificacin de la informacin histrica es determinar un patrn bsico en su comportamiento, que posibilite la proyeccin futura de la variable deseada. En una serie histrica de datos existen cuatro patrones bsicos que pueden o no presentarse en dicha serie: La tendencia La estacionalidad El componente cclico

 La componente no sistemtica |[pic] |

Modelos de proyeccin Los modelos de series de tiempo de uso ms frecuente son: Promedios de mviles simple Alisamiento exponencial Mtodo de descomposicin Notacin Xt, valor observado en el perodo t, t =1,2,3,...., n. St, valor pronosticado para el perodo t, t =1,2,3,...., n. et, error absoluto en el pronstico del perodo t, t =1,2,3,...., n. Se tiene que |[pic] |

Promedios mviles simple Esta es una tcnica que se utiliza en pronsticos a corto plazo. Es un mtodo no estadstico que requiere de una serie histrica para obtener el valor a pronosticar. |[pic] |

Ejemplo: Pronstico de venta de libro |[pic] |

|[pic]

La exactitud del pronostico se evala buscando el error absoluto dado por: |[pic] | |t = 1,2,3, |....,n | |

con su respectivo valor medio y desviacin estndar dados por: |[pic] |[pic] | |

Para el ejemplo anterior: |[pic] |

Esta tcnica tiene algunas limitaciones: Requiere mucha informacin No se adapta rpidamente al cambio Alisamiento exponencial En el mtodo de alisamiento exponencial se le asigna un peso a la informacin de tal forma que se le d importancia a las observaciones ms recientes o a las ms antiguas.

El mtodo de alisamiento exponencial pronostica en base a: |[pic] |

Donde (Xt - St ) es el error del pronstico anterior y [pic]es un peso. Si a es un valor cercano a la unidad, se le da mucha importancia a los valores recientes y, sobre todo, al error del pronostico. Ejemplo: Pronstico de venta de libro |[pic] |

|[pic]

La exactitud de esta tcnica es: |[pic] |

Por lo que se deduce que el valor de [pic]= 0.5 proporcion el mejor de los tres pronsticos. La limitacin de este mtodo es determinar los valores apropiados de peso [pic]. Mtodos de descomposicin Considera simultneamente los patrones de una serie histrica de datos: La tendencia El componente cclico

 El componente estacional Componente no sistemtico El mtodo de descomposicin considera que estos cuatro componentes se relacionan a travs de: S=TxCxYxu Donde: |S = valor pronosticado |T = factor de tendencia |C = es el componente cclico |u = la variacin no sistemtica | | | |

El procedimiento es el siguiente: Paso 1. Dada una serie histrica, se calcula el factor de estacionalidad, utilizando el promedio mvil de los ltimos 12 meses, sacando el cuociente de ste, con respecto al valor observado. Ejemplo: Pasajeros transportados por aerolnea |[pic] |

|[pic] |

Paso 2. Se calcula el ndice promedio para cada perodo. |[pic] |

Paso 3. Se ajusta cada ndice promedio, multiplicando por un factor de estacionalidad K, calculado de: |[pic] |

Para el ejemplo especifico tenemos: |[pic] |

Calculando el ndice de estacionalidad de la forma siguiente Indice de estacionalidad = Factor promedio x K Dando los siguientes resultados para nuestro ejemplo: |[pic] |

Paso 4. Para el clculo de la tendencia, se ajusta a los datos una regresin simple Para este caso la tendencia = 25,000 Paso 5. Se calcula el factor cclico de la serie histrica a partir de la siguiente expresin: |[pic] |

Por ejemplo para el mes de Diciembre de 1993 se tiene: |[pic] |

|[pic] |

Paso 6. Se realiza el pronostico en base a la siguiente relacin St = ( Tendencia ) x ( Indice de estacionalidad ) x ( Factor cclico ) + Fluctuacin Aleatoria No considerando la fluctuacin aleatoria se tiene que el valor pronosticado para Diciembre del ao 1994 es el siguiente: St = ( 25.000 ) x ( 1,149 ) x ( 1,0277 )= 29.520 pasajeros |[pic] |

[pic] 7c80af46-751c-49ac-b60c-cdbfa969849d Y2:7c80af46-751c-49ac-b60c-cdbfa969849