Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introducción
ADMINISTRACIÓN DE LA DEMANDA
1
Por ejemplo, si una empresa vende 1000 triciclos, entonces se van a necesitar
1000 ruedas delanteras y 2000 traseras. Este tipo de demanda interna no
necesita un pronóstico, sino sólo una tabulación. La cantidad de triciclos que la
empresa podría vender es la demanda independiente porque no se deriva
directamente de la demanda de otros productos.
2
MÉTODOS DE PROYECCIÓN
3
identificar los principales competidores y cuantificar su nivel de participación en
el mercado, sino a estudiar sus posibles estrategias de producción, mercadeo y
ventas, y analizar el impacto que dichos esfuerzos producen dentro de nuestra
organización.
4
los proveedores influyen en el proceso productivo del negocio, en la
comercialización del producto terminado y, por supuesto, en las estrategias de
mercadeo que se vayan a implementar.
I. MÉTODOS SUBJETIVOS.
Son:
o Método Delphi
o Consenso de panel
o Pronósticos visionarios
o Analogía histórica
5
1. MÉTODO DELPHI.
6
mediante el uso de encuestas de opinión y consultas Delphi disponibles en
Internet, que admiten la posibilidad de reflexionar ante posibles cambios, y
procesar inmediatamente la información on-line.
A manera de conclusión podemos decir que el método Delphi es sin duda una
técnica que desde hace unos cuarenta años ha sido objeto de múltiples
aplicaciones en el mundo entero, aparentemente parece un procedimiento
simple, fácilmente aplicable en el marco de una consulta a expertos, sin
embargo existe el riesgo de que los fracasos y/o decepciones desanimen a los
"usuarios aficionados". El método viene bien para las aplicaciones decisivas,
pero debe estar adaptada en función del objetivo del estudio para la
prospectiva. En particular, no es necesario obtener a toda costa una opinión
consensuada mediana, pero es importante poner en evidencia varios grupos de
respuestas para el análisis de puntos de convergencia múltiples.
1.1 Características:
7
sino que se presentan todas las opiniones indicando el grado de acuerdo
que se ha obtenido.
1.2 Ventajas:
1.3 Desventajas:
8
Precisa de buenas comunicaciones para economizar tiempo de
búsqueda y recepción de respuestas.
Debe ser llevado a cabo por un grupo de análisis, los expertos como
tales.
1.4 Fases:
9
Se define como experto el individuo en sí, grupo de personas u organizaciones
capaces de ofrecer valoraciones conclusivas de un problema en cuestión y
hacer recomendaciones respecto a sus momentos fundamentales con un
máximo de competencia.
10
Ka: coeficiente de argumentación. Este coeficiente se autoevalúa en alto
(A), medio (M) o bajo (B) como el grado de influencia de las fuentes
siguientes: análisis teóricos realizados por el posible experto, su
experiencia obtenida, trabajos de autores nacionales, trabajos de
autores extranjeros, su propio conocimiento del estado del problema en
el extranjero y su intuición.
11
partir de los valores que aparecen debajo de la barra en negrita, para que
queden bien diferenciadas cada una de las categorías de las fuentes de
argumentación.
De acuerdo con los puntos obtenidos, este coeficiente recibe el valor de 0.796.
Es importante aclarar que los valores de cada uno de los rubros de la segunda
tabla del anexo 1 son de interés del investigador, por lo que no deben de
aparecer en la misma.
12
Ejemplos: ¿En qué año el 40% de las ventas de vinos de calidad (crianzas,
reservas, grandes reservas) se realizarán por Internet en España?
13
2. MÉTODO PANEL DE CONSENSO.
• Para estudiar temas en los que las otras herramientas sean de difícil
aplicación a un coste razonable.
14
• Para apoyar el juicio de los evaluadores sobre un tema en concreto en
evaluaciones de mayor envergadura.
15
En el caso de una selección rápida, los responsables de la evaluación tienen
acceso a una lista de expertos reconocidos en un campo determinado y basta
con que se aseguren de su independencia respecto del programa evaluado.
• El grado de controversia
• Las incertidumbres
La primera reunión del panel de expertos tiene como objetivo que éstos
entiendan perfectamente su papel en la evaluación.
16
o El tipo de investigación, el método de obtención de datos, la definición
de los trabajos que llevarán a cabo los distintos miembros del grupo (por
ejemplo visitas sobre el terreno).
17
Su función como facilitador/coordinador: organiza el trabajo y la
producción de documentos de los equipos y vela por la búsqueda de
consenso.
18
2.2.5 ¿Cómo presenta el panel el resultado de sus trabajos?
19
Las principales partidas de gastos en las que hay que
pensar al realizar la estimación son:
Los honorarios de los expertos, del/la secretario/a
y de los posibles subcontratistas que realicen los
estudios encargados por el panel.
Económicos
20
Las ventajas de esta herramienta radican
fundamentalmente en el profundo conocimiento que
tienen los expertos sobre los temas objeto de evaluación.
Ello comporta:
Un ahorro de tiempo considerable.
21
2. Cualquiera de los miembros del panel inicia la conversación, aunque
puede estar previsto quien lo harta, y se entabla el diálogo que se
desarrollará según el plan flexible también previsto.
Los miembros del panel y el coordinador deben estar ubicados de manera que
puedan verse entre sí para dialogar, y a la vez ser vistos por el auditorio. La
22
ubicación semicircular suele ser la más conveniente, ya sea detrás de una
mesa o sin ella pero con asientos cómodos.
23
comerciales), de consumidores (estudian el consumo doméstico, en
hostelería y en instituciones), o los paneles de audiencias (proporcionan
datos sobre el seguimiento del público a un determinado programa o
cadena de radio o televisión).
¿Quiénes lo realizan?
24
Lo realiza el personal interno de la empresa que tiene la experiencia y
conocimiento de sus clientes.
3.1 Importancia.
o Apoya a la Mercadotecnia.
25
El tercer elemento, presente en grado variable en todas las situaciones
descritas es la confianza.
1. Recopilación de Datos.
2. Reducción de Datos.
Vendedores
Consumidores
Expertos
Altos ejecutivos
Útil cuando faltan datos o cuando los datos anteriores no son buenos
indicadores del futuro
Ejemplos de variables:
26
Ventas mensuales realizadas a lo largo de los últimos años
1. CAUSALES.
Regresión:
27
Se define como un procedimiento mediante el cual se trata de determinar si
existe o no relación de dependencia entre dos o más variables. Es decir,
conociendo los valores de una variable independiente, se trata de estimar los
valores, de una o más variables dependientes.
Clases de Regresión
28
Y 100 98 99 102 102 111 97 104 102 96
Coeficiente de Regresión
30
20
10
0
0 2 4 6 8 10 12 14 16
Positivo
29
0.6
0.5
0.4
0.3
0.2
0.1
0
1 2 3 4 5 6 7
Negativo
25
20
15
10
0
0 5 10 15 20 25
Nulo
De la ecuación de la recta:
Si
a0 y a1 , se obtienen a partir de las ecuaciones normales:
30
Aplicando normales Y sobre X tenemos:
El Coeficiente de Regresión es
Dónde:
b0 y b1 se obtienen a partir de las ecuaciones normales:
31
2.- Forma Indirecta del Método de los Mínimos Cuadrados.
Dónde:
x, y = desviaciones
X = media aritmética
Y = media aritmética
32
a) Regresión Múltiple: Este tipo se presenta cuando dos o más variables
independientes influyen sobre una variable dependiente. Ejemplo: Y = f(x,
w, z).
Y 440 455 470 510 506 480 460 500 490 450
X 50 40 35 45 51 55 53 48 38 44
Z 75 68 70 64 67 72 70 73 69 74
33
Se puede ampliar para cualquier número “m” de variables independientes:
34
Y : Valores observados en la muestra
¿
n : Número de datos
explicados por
x1 ,
x2 y
x3 simultáneamente.
Base de
Alumno PHP Algoritmos Datos Programación
35
1 13 15 15 13
2 13 14 13 12
3 13 16 13 14
4 15 20 14 16
5 16 18 18 17
6 15 16 17 15
7 12 13 15 11
8 13 16 14 15
9 13 15 14 13
10 13 14 13 10
11 11 12 12 10
12 14 16 11 14
13 15 17 16 15
14 15 19 14 16
15 15 13 15 10
En los resultados de Excel se llama error típico y para explicar la relación del
aprendizaje de PHP que se viene desarrollando es de 0.861
37
SCregresiòn
r2=
SCTotal
18 .7737874
r2= =0 . 69704656
26 . 9333333
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.
38
criterio de los mínimos cuadrados. La 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 cuatros últimos
trimestres.
39
que ofrece la competencia, lo que posibilitaría el acceso a un segmento
diferenciado de los consumidores.
Como ejemplo de que un mayor precio puede de todas maneras ser preferido
por los consumidores se puede mencionar el caso de una fábrica de redes de
pesca a instalar en el país, para sustituir importación es desde otros mercados.
Se determinó que aun el mayor precio del producto, lo hacía preferible a la
mantención de inventarios de seguridad, por las demoras en llegar que
mostraba el producto importado, con las consecuentes disminuciones del
capital de trabajo, menores gastos en almacenamiento y mantención. El hecho
que la determinación de la demanda es uno de los aspectos claves de
cualquier estudio de factibilidad de un proyecto de inversión y ante la
imposibilidad de conocer anticipadamente el comportamiento del mercado
consumidor, hace que el cálculo de la rentabilidad tenga una marcada
incertidumbre, por lo que prácticamente en la totalidad de los casos es preciso
realizar análisis de sensibilidad del proyecto en cuanto al nivel de la demanda y
evaluar su comportamiento, buscando determinar el mínimo nivel de venta para
el cual el proyecto sigue siendo atractivo.
40
Según Spiegel (1991): “Una serie en el tiempo es un conjunto de
observaciones tomadas en instantes específicos, generalmente a intervalos
iguales”.
Las definiciones anteriormente citadas dan una idea clara de los que es el
concepto de una serie de tiempo, en el cual de sus variables es el mismo es
decir, las observaciones tomadas son registradas según una medida ya sea
día, año, meses, semestre, bimestre u otras unidades de tiempo.
Según Spiegel (1991) “Matemáticamente, una serie de tiempo se define por los
valores Y1, Y2…, de una variable (temperaturas, cotización, etc.), en
tiempos T1, T2..., así de pues, (Y) es una función de (T), esto se denota por Y
= F (T)”. (pág. 440). Lo especificado por Spiegel anteriormente nos da una
clara idea de la aplicación matemática de una serie de tiempo donde se
trabajara con el factor tiempo y alguna otra variable.
3.1 Importancia
41
Una serie de tiempo es de vital interés ya que permite anticipar situaciones
futuras para tomar decisiones acertadas cuando se presente el mismo
fenómeno con características similares y en el mismo lapso de tiempo
estudiado, permitiendo como ya hemos dicho adelantarnos a los supuestos
resultados tomando la aptitud o decisión más acertada.
42
Muestral: Dada una serie de tipo continua es posible construir una serie
de tipo discreta, tomando los valores en intervalos de tiempo de igual
longitud. Un ejemplo de serie temporal de tipo continua es la
temperatura en un lugar dado, considerando la temperatura diaria a las
tres de la tarde, obtenemos una serie temporal discreta muestral.
43
El primer paso a llevar a cabo en cualquier análisis de una serie de tiempo es
realizar la representación gráfica de la serie. En el eje horizontal se representa
la escala del tiempo, y en el eje vertical, los valores asignados a los tiempos.
Es habitual observar que los datos aparentemente fluctúan a lo largo del tiempo
en torno a algún patrón. Desde un punto de vista formal, este hecho responde
al concepto de proceso estocástico, concepto matemático que hay subyacente
en una serie temporal. La representación gráfica de una serie de tiempo es la
representación de una trayectoria del proceso estocástico subyacente. En
dicha representación, podemos observar las principales fuentes de variación.
Y= T X C X S X I = TCSI
44
causas entre otras: económicas, sociales, políticas, aleatorias, las cuales
quedan comprendidas dentro de los siguientes componentes:
45
Los Efectos Cíclicos: Estos se caracterizan por movimientos recurrentes
ascendentes y descendentes que son distintos de los efectos estacionales por
cuanto se extienden por periodos de tiempo más largos, por lo general de 2 o
más años. Se atribuyen a factores variables y se ha hecho un gran esfuerzo
para identificar y evaluar estos factores. En consecuencia, se han propuestos
muchas teorías para explicar las fluctuaciones cíclicas, pero pocas de tales
teorías han recibido aceptación universal. En general, las fuerzas que resultan
en este tipo de fluctuaciones son de naturaleza económica y reflejan el estado
de las actividades comerciales de tiempo en tiempo. En los ciclos económicos
se pueden distinguir cuatro fases, la vuelta hacia abajo o prosperidad viene
seguida de un periodo de contracción que lleva a una recesión o depresión, a
la cual sigue luego la recuperación o expansión que finalmente lleva a un
periodo de prosperidad. Un ciclo se mide ya sea de vuelta hacia abajo a
vuelta hacia abajo, o bien de vuelta hacia arriba a vuelta hacia arriba. La
diferencia fundamental entre efectos cíclicos y estacionales puede radicar en
que estos pueden predecirse y ocurren en un intervalo de tiendo fijo de la
última ocurrencia, mientras que los efectos cíclicos son completamente
impredecibles.
Los Efectos Estacionales: La palabra estacional, tal como aquí se emplea, tiene
una connotación más bien amplia. Por variaciones estacionales se entiende las
variaciones periódicas, que vuelven con cierta regularidad durante un periodo
de tiempo especificado de un año o menos. La variación periódica que más se
estudia es la que ocurre con periodos de 12 meses, como sucede en la
producción de vehículos, ventas de tarjetas de Navidad, etc. Como estas
variaciones están ligadas a las estaciones del año, se ha utilizado el nombre de
efecto o variación estacional. No obstante, el nombre se usa indicar toda clase
46
de movimiento periódico, diario, semanal u otro, con un año como periodo de
recurrencia máximo.
47
3.6 Modelos clásicos de series de tiempo.
Modelos de descomposición
Un modelo clásico para una serie de tiempo, supone que una serie x (1),..., x(n)
puede ser expresada como suma o producto de tres componentes: tendencia,
estacionalidad y un término de error aleatorio.
Dónde:
Una suposición usual es que A (t) sea una componente aleatoria o ruido blanco
con media cero y varianza constante.
48
ESTIMACIÓN DE LA TENDENCIA
Hay varios métodos para estimar T (t). Los más utilizados consisten en:
Una desventaja de este método es que los datos al comienzo y al final de una
serie se pierden. Otra desventaja es que los promedios móviles pueden
generar ciclos u otros movimientos que no estaban presentes en los datos
originales. Una tercera desventaja es que los promedios móviles se ven muy
afectados por los valores extremos para obviar este último en cierta medida, se
usa a veces un promedio móvil ponderado con pesos adecuados; en tal caso,
al valor o valores centrales se les asigna peso máximo, y a los valores
extremos, pesos pequeños.
49
Método de Semipromedios. Consiste en separar los datos en 2 partes
(preferible que sean iguales) y promediar los datos de cada parte, obteniendo
con ello dos puntos en el gráfico de la serie en el tiempo. Entonces se traza
una recta de tendencia entre esos dos puntos, y los valores de tendencia se
determinan de esa recta de tendencia. Los valores de tendencia se pueden
determinar también directamente, sin gráfico.
Tengamos por ejemplo las siguientes series históricas, la cual representa las
ventanas en mil/Bs. Ocurridas en una empresa durante el lapso que abajo se
menciona.
50
Método de Porcentaje
Medio. En este método expresamos los datos de cada mes como porcentajes
del promedio anual. Los porcentajes para meses correspondientes en distintos
años se promedian entonces, usando una media o una mediana: si se usa la
media, es mejor evitar los valores extremos que puedan aparecer. Los 12
porcentajes resultantes dan el índice estacional. Si su media no es el 100% (o
sea, si su suma no es 1200%), deben ser ajustados lo que se logra
multiplicándolos por un factor adecuado.
Tras hacer eso, expresamos los datos originales de cada mes como un
porcentaje del promedio móvil centrado de 12 meses que corresponde a los
datos originales. Los porcentajes de los meses correspondientes se promedian
a continuación, dando el índice buscado. Como antes, los ajustamos si no
promedian 100%
51
enlace promedio obtenemos los porcentajes relativos de cada mes respecto a
enero; que se adopta como el 100%.
Predicciones.
4. MODELO ECONOMÉTRICO
A) Modelos Admisibles
B) Modelos Esféricos
52
C) Modelo Óptimo
4. Valores de los estadísticos D(A) y D(B) tales que (A-a) / D(A) y (B-b) /
D(B) siguen distribuciones t-Student de n-3 grados de libertad, (n-2 para
el caso del modelo con una sola variable explicativa).
El cociente entre el valor del coeficiente de correlación y el estadístico D
permite contrastar la hipótesis de igualdad del parámetro del modelo a
cero.
53
7. Valores del contraste de Goldfeld-Quandt tanto si se clasifican las
ternas de datos de acuerdo a X1 como a X2.
El applet permite elegir entre diversas transformaciones de los datos, las dos
últimas posibilidades de transformación aplican el procedimiento de mínimos
cuadrados ponderados. Deflactando los datos por una de las variables
explicativas intentaremos corregir la existencia de heterocedasticidad.
54
I Modelos Financiero-Econométricos Empleados
1) Modelos regresivos
Para la utilización de estos modelos debemos partir de una idea ex-ante sobre
la relación entre una o varias variables y tratar de verificar que ésta relamente
55
exista, pero el problema no sólo reside en la existencia de relaciones
perdurables en el tiempo sino en la forma funcional que éstas adopten, por ello
en este trabajo se emplearan diversos modelos, que a priori eran
susceptibles de dar buenos resultados:
Dónde:
Dónde:
Dónde:
56
- Modelos con punto de ruptura.
Dónde:
2) Modelos SARIMA
57
produce una evidente falta de capacidad explicativa de los modelos regresivos
empleados hasta ese momento.
Dónde:
Dónde:
58
y es la variable dependiente Las sigma representan en este caso, a los
parámetros especificados por el modelo. son los términos de error.
iii) Número de veces que hemos de diferenciar (I) la serie para hacerla
estacionaria.
Dónde:
59
previo a la modelización de la misma, ésto no es necesario en los ARCH, lo
que no es por si mismo una ventaja al obligar a elegir una de las múltiples
posibilidades de modelización ofrecidos por los ARCH que se tratarán en el
apartado posterior.
Los resultados del trabajo de Poon y Taylor (1991) hacen intuir que los
modelos ARIMA y cualquiera de los ARCH no son en principio excluyentes,
mientras los ARIMA son válidos para identificar los cambios de tendencia
en volatilidad, en el caso de los heterocedásticos se observa una mayor
inestabilidad en el resultado, aunque la serie prevista se ajuste más a los
frecuentes cambios en la volatilidad real. En resumen, la serie, en este caso
generada por un GARCH (1,1), prevista por el modelo heterocedástico se
ajustaba mejor, pero era más volátil en la cuantía de los errores.
3) Modelos heterocedasticos
60
(1982, op. citada) y se muestran especialmente útiles según Crouhy y
Rockinger (op. citada) para:
A) ARCH
Dónde:
Tanto este modelo como el resto de los que se tratará a continuación, que no
son sino desarrollos más o menos complejos del mismo, definen la volatilidad
condicional, que es la única que se puede predecir por las hipótesis del
modelo, como la volatilidad condicionada a la información existente en ese
periodo (denotada por Phi en la formula siguiente).
Dónde:
61
Epsilón en t es el "shock" o error de predicción Phi representa la información
existente en t y que no existía en t-1.
B) GARCH
62
Este modelo fue desarrollado por Bollerslev (1987), extendiendo el modelo
ARCH para incluir retardos en la varianza condicional. En definittiva un
GARCH es un modelo ARCH infinito, un GARCH (p,q) se define como:
Dónde:
Sólo en el caso de que alpha1 más beta1 sea inferior a 1 la volatilidad prevista
decrecerá hacia la incondicional, en ese caso se dice que el modelo es
integrado.
63
C) EGARCH o "exponential GARCH"
Dónde:
64
La asimetría de la volatilidad condicionada la mediría el siguiente ratio:
Dónde:
65
Donde:
sigma es la variable condicional Los alpha, beta, delta son los parámetros
especificados por el modelo D es una variable binaria que toma el valor 0 o 1.
Epsilón son los términos de error
- TGARCH
Dónde:
66