TÉCNICAS DE PROYECCIÓN DEL MERCADO

La dificultad mayor de pronosticar comportamientos radica en la posibilidad de eventos que

no hayan ocurrido anteriormente, como el desarrollo de nuevas tecnologías, la incorporación
de competidores con sistemas comerciales no tradicionales, variaciones en las políticas
económicas gubernamentales, etc. Los antecedentes históricos serán, por lo tanto, variables
referenciales para el analista del proyecto, el cual debería usar los métodos de proyección
como técnicas complementarias antes que como alternativas estimativas certeras.

El ámbito de la proyección
La multiplicidad de alternativas metodológicas existentes para estimar el comportamiento
futuro de alguna de las variables del proyecto obliga al analista a tomar en consideración un
conjunto de elementos de cada método, para poder seleccionar y aplicar correctamente
aquél que sea más adecuado para cada situación particular.

Para que el producto resultante de la proyección permita su uso óptimo, la información

deberá expresarse en la forma que sea más valiosa para el preparador del proyecto. Por
ejemplo, en algunos casos la información deberá expresarse desglosada por zona geográfica
o en función de algún atributo de los clientes, como sexo o edad.

La validez de los resultados de la proyección está íntimamente relacionada con la calidad de

los datos de entrada que sirvieron de base para el pronóstico. Las fuentes de información de
uso más frecuente son las series históricas oficiales de organismos públicos y privados, las
opiniones de expertos y el resultado de encuestas especiales, entre otras.

La calidad del método correcto dependerá principalmente de la cantidad y calidad de los

antecedentes disponibles, así como de los resultados esperados. La efectividad del método
elegido se evaluará en función de su precisión, sensibilidad y objetividad.

Precisión, porque cualquier error en su pronóstico tendrá asociado un costo. Aunque

obviamente no podrá exigirse una certeza total a alguno de los métodos, si podrá exigírsele
que garantice una reducción al mínimo del costo del error en su proyección.

Sensibilidad, porque al situarse en un medio cambiante, debe ser lo suficientemente estable

para enfrentar una situación de cambios lentos como dinámica para enfrentar cambios
agudos.

Objetividad, porque la información que se tome como base de la proyección debe garantizar
su validez y oportunidad en una situación histórica.

Métodos de proyección
El preparador de proyectos dispone de varias alternativas metodológicas para proyectar el
mercado y la selección y uso de una o más de éstas dependen de una serie de variables.
Una forma de clasificar las técnicas de proyección consiste en hacerlo en función de su
carácter, esto es, aplicando métodos de carácter subjetivo, modelos causales y métodos de
series de tiempo.

________________________________________________________________________________________________________________
Extraído del libro "Fundamentos de Preparación y Evaluación de Proyectos" de Nassir Sapag Chain 1
Los métodos de carácter subjetivo se basan principalmente en opiniones de expertos. Su uso
es frecuente cuando el tiempo para elaborar el pronóstico es escaso, cuando no se dispone
de todos los antecedentes mínimos necesarios o cuando los datos disponibles no son
confiables para predecir algún comportamiento futuro. Aun cuando la gama de métodos
predictivos es bastante amplia, es prácticamente imposible emitir algún juicio sobre la
eficacia de sus estimaciones finales.

Los modelos de pronóstico causales parten del supuesto de que el grado de influencia de las
variables que afectan al comportamiento del mercado permanece estable, para luego
construir un modelo que relacione ese comportamiento con las variables que se estima son
las causantes de los cambios que se observan en el mercado. Son tres las etapas para el
diseño de un modelo de proyección causal: a) la identificación de una o más variables
respecto a las que se pueda presumir que influyen sobre la demanda, como, por ejemplo, el
producto nacional bruto, la renta disponible, la tasa de natalidad o los permisos de
construcción; b) la selección de la forma de la relación que vincule a las variables causales
con el comportamiento del mercado, normalmente en la forma de una ecuación matemática
de primer grado, y c) la validación del modelo de pronósticos, de manera que satisfaga tanto
el sentido común como las pruebas estadísticas, a través de la representación adecuada del
proceso que describa.

Los modelos de series de tiempo se utilizan cuando el comportamiento que asuma el

mercado a futuro puede ser determinado en gran medida por lo sucedido en el pasado, y
siempre que esté disponible la información histórica en forma confiable y completa. Cualquier
cambio en las variables que caracterizaron a un determinado contexto en el pasado, como
una recesión económica, una nueva tecnología o un nuevo producto sustituto de las materias
primas, entre otros, hace que pierdan validez los modelos de este tipo. Sin embargo, es
posible ajustar subjetivamente una serie cronológica para incluir aquellos hechos no
reflejados en datos históricos.

Métodos subjetivos
La importancia de los métodos subjetivos en la predicción del mercado se manifiesta cuando
los métodos cuantitativos basados en información histórica no pueden explicar por sí solos el
comportamiento futuro esperado de alguna de sus variables, o cuando no existen suficientes
datos históricos.

La opinión de los expertos es una de las formas subjetivas de estudiar el mercado más
comúnmente usadas. Dentro de ésta, el método Delphi es quizás el más conocido. Este
método consiste en reunir a un grupo de expertos en calidad de panel (reunión de un grupo
de expertos para abordar un tema determinado), los que son sometidos a una serie de
cuestionarios, con un proceso de retroalimentación controlada después de cada serie de
respuestas. De aquí se obtiene como producto una serie de información que tratada
estadísticamente entrega una convergencia en la opinión grupal, de la que nace una
predicción. El método Delphi se fundamenta en que el grupo es capaz de lograr un
razonamiento mejor que el de una persona sola, aunque sea experta en el tema.

Con el objeto de no inhibir a los participantes en el panel, el cuestionario se contesta

anónimamente. La retroalimentación controlada sobre el panel se hace efectiva cada vez que
se completa una ronda de cuestionario. Este proceso interactivo se repite hasta lograr la
convergencia de opiniones de todos los expertos. El procedimiento del método evita las
________________________________________________________________________________________________________________
Extraído del libro "Fundamentos de Preparación y Evaluación de Proyectos" de Nassir Sapag Chain 2
distorsiones que producen la presencia de individuos dominantes, la existencia de
comunicaciones irrelevantes y la presión de parte del grupo para llegar a un consenso
forzado, entre otros factores.

Un método más sistemático y objetivo, que se vale del método científico, es la investigación
de mercado. Principalmente se utiliza en la recolección de información relevante para ayudar
a la toma de decisiones o para probar o refutar hipótesis sobre un mercado específico, a
través de encuestas, experimentos, mercados prueba u otra forma.

La principal característica del método es su flexibilidad para seleccionar e incluso diseñar la

metodología que más se adecúe al problema en estudio, requiriendo una investigación ya
sea exploratoria, descriptiva o explicativa.

El método de los pronósticos visionarios se utiliza, como alternativa de los ya señalados,

cuando se dispone de personal interno de la empresa a la que se le evalúa el proyecto y
dicho personal tiene una experiencia y conocimiento del mercado que le permiten opinar
respecto a estimaciones en la demanda prevista. El caso más usual es el de los vendedores,
quienes, con el conocimiento de sus clientes adquirido en años de experiencia, pueden emitir
opiniones respecto a reacciones y comportamientos posibles de esperar a futuro.

Modelos causales
Los modelos causales, a diferencia de los métodos subjetivos, intentan proyectar el mercado
sobre la base de antecedentes cuantitativos históricos. Para ello, suponen que los factores
condicionantes del comportamiento histórico de algunas o todas las variables del mercado
permanecerán estables.

Las causales 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, es explicada por la variable
independiente. El análisis de regresión permite elaborar un modelo de pronóstico basado en
estas variables, el cual puede tener desde una hasta n variables independientes.

Existen dos modelos básicos de regresión: el modelo de regresión simple, o de dos

variables, y el modelo de regresión múltiple. El primero indica que la variable dependiente se
predice sobre la base de una variable independiente, mientras que el segundo indica que la
medición se basa en dos o más variables independientes. En ambos casos, aunque los
valores de la variable independiente pueden ser asignados, los de la variable dependiente
deben obtenerse por medio del proceso de muestreo.

________________________________________________________________________________________________________________
Extraído del libro "Fundamentos de Preparación y Evaluación de Proyectos" de Nassir Sapag Chain 3
 Y  a  bX

El modelo de regresión múltiple se aplica cuando hay dos o más variables independientes
que se deben usar para calcular el valor de la variable dependiente.

Y  a  b1 X 1  b2 X 2  ...  bn X n

Modelos de series de tiempo

Los modelos de series de tiempo se refieren a la medición de valores de una variable en el
tiempo a intervalos espaciados uniformemente. El objetivo de la identificación de la
información histórica es determinar un patrón básico en su comportamiento, que posibilite la
proyección futura de la variable deseada.

En un análisis de series de tiempo pueden distinguirse cuatro componentes básicos que se

refieren a una tendencia, a un factor cíclico, a fluctuaciones estacionales y a variaciones no
sistemáticas.

El componente de tendencia se refiere al crecimiento o declinación en el largo plazo del valor

promedio de la variable estudiada, por ejemplo, la demanda. Su importancia se deriva de
considerar fluctuaciones en el nivel de la variable en el tiempo, con lo cual el estudio del nivel
promedio de la variable a lo largo del tiempo es mejor que el estudio de esa variable en un
momento específico de tiempo.

Aun cuando puede definirse una tendencia de largo plazo para la variable, pueden darse
divergencias significativas entre la línea de tendencia proyectada y el valor real que exhiba la
variable. Esta divergencia se conoce como el componente cíclico y se admite entre sus
causas el comportamiento del efecto combinado de fuerzas económicas, sociales, políticas,
tecnológicas, culturales y otras existentes en el mercado. La mayoría de estos ciclos no
tienen patrones constantes que permitan prever su ocurrencia, magnitud y duración.

________________________________________________________________________________________________________________
Extraído del libro "Fundamentos de Preparación y Evaluación de Proyectos" de Nassir Sapag Chain 4
Contrariamente a los componentes cíclicos, existen otros componentes, llamados
estacionales, que exhiben fluctuaciones que se repiten periódicamente y que normalmente
dependen de factores como el clima (ropa de verano) y la tradición (Tarjetas de navidad),
entre otros.

Aun conociendo los tres componentes señalados, una variable puede tener todavía un
comportamiento real distinto del previsible por su línea de tendencia y por los factores
cíclicos y estacionales. A esta desviación se le asigna el carácter de no sistemática y
corresponde al llamado componente aleatorio.

En el gráfico se muestran los cuatro componentes de una serie cronológica. A largo plazo,
los componentes estacionales y aleatorios son menos relevantes que el componente cíclico.
Sin embargo, a medida que los pronósticos se van acortando, el componente no sistemático
pasa a ser primordial, siendo la línea de tendencia la menos importante.

Se plantean dos modelos que podrían explicar la forma de interacción de los componentes
de las series de tiempo: a) el aditivo, que permite calcular el comportamiento de una variable
(demanda, por ejemplo) como la suma de los cuatro componentes y b) el multiplicativo, que
dice que la variable se puede expresar como el producto de los componentes de la serie de
tiempo.

Existen diversos métodos que permiten estimar el comportamiento de una variable y que
aislan, en general, el efecto tendencia. Estos son el método de los promedios móviles, el de
afinamiento exponencial y el de ajuste lineal por el criterio de los mínimos cuadrados.

________________________________________________________________________________________________________________
Extraído del libro "Fundamentos de Preparación y Evaluación de Proyectos" de Nassir Sapag Chain 5
Una serie cronológica con fuerte efecto estacional hace recomendable el uso de un promedio
móvil simple de un número determinado de periodos, que normalmente es de los cuatro
últimos trimestres. El promedio móvil (Pm) se obtiene de:

 Ti
Pm1  i 1

donde Ti es el valor que adopta la variable en cada periodo i y n es el número de periodos

observados.

Así, si la demanda trimestral de un producto es en cada uno de los últimos cuatro trimestres
de 180, 250, 210 y 150, el valor de Pm1 sería de

180  250  210  150

Pm1   197,50
4

De acuerdo con este método, la demanda esperada para el trimestre siguiente es de 197,50.
Cuando el valor real de la demanda del quinto periodo sea conocida, se proyectará el sexto
periodo incorporando este valor en reemplazo del más antiguo, que en este caso,
corresponde a 180 unidades.

El efecto estacional y algunas influencias no sistemáticas se determinan mediante el índice

estacional específico. Para ello se hace entonces necesario determinar un promedio móvil
centrado (PMC), calculando la media entre dos promedios móviles, de la siguiente forma:

Pm1  Pm2
PMC1 
2

Con el objeto de aislar el efecto estacional correspondiente a un trimestre, T3 por ejemplo,

se divide la demanda real de ese periodo por el PMC correspondiente. Así, el índice
estacional específico ( IEi ) podría expresarse:

T3
IE3 
PMC1

donde la suma de los IE de los cuatro trimestres debe ser igual a 4. Una vez calculados los
IE de los cuatro trimestres, se procede a ajustar la demanda trimestral promedio proyectada.
Por ejemplo, si los índices estacionales calculados fuesen:

Invierno IE1 = 0,799

Primavera IE2 = 1,197
________________________________________________________________________________________________________________
Extraído del libro "Fundamentos de Preparación y Evaluación de Proyectos" de Nassir Sapag Chain 6
Verano IE3 = 1,092
Otoño IE4 = 0,912
4,000

Si la proyección de tendencia para el año siguiente fuese de 6.237, se procede a calcular el

promedio trimestral dividiendo la proyección anual por cuatro:

6.237
 1.559, 25
4

que corresponde a la demanda trimestral desestacionalizada. Empleando los valores de los

índices estacionales se tiene:

(1.559,25) (0,799) = 1.245,84 Invierno

(1.559,25) (1,197) = 1.866,42 Primavera
(1.559,25) (1,092) = 1.702,70 Verano
(1.559,25) (0,912) = 1.422,04 Otoño
6.237,00 Total anual

Un método alternativo para el pronóstico de corto plazo es el de afinamiento exponencial,

que para pronosticar el valor de, por ejemplo, las ventas futuras, toma un promedio
ponderado de las ventas reales durante el último periodo y del pronóstico realizado para ese
periodo. La expresión que representa la forma de cálculo es la siguiente:

Y 't 1   (Yt )  (1   )(Y 't ) ,

donde Y 't 1 representa el pronóstico para el próximo periodo,  la constante de

afinamiento, Yt la demanda real del periodo vigente e Y 't el pronóstico de la demanda
realizado para el periodo vigente.

El valor de  se determina por tanteo, donde mientras menor sea  , más estable es el
sistema de predicción. El valor de  se calcula de manera tal que se minimice la medida de
error del pronóstico.

Cuando los periodos anteriores son considerados en el análisis, se les da una ponderación
menor al expresar  , que es menor o igual a uno, con una potencia que reduce su grado de
influencia a medida que se aleja en el tiempo.

________________________________________________________________________________________________________________
Extraído del libro "Fundamentos de Preparación y Evaluación de Proyectos" de Nassir Sapag Chain 7