METODOS CUANTITATIVOS DE PROYECCION FINANCIERA

TABLA DE CONTENIDO

Es importante proyectar, para avanzar con pasos seguros!!!!!

1. Los métodos de proyección financiera cualitativos y cuantitativos

2. ¿Qué se puede proyectar en finanzas?
3. ¿Porqué el ejecutivo de hoy debe usar métodos cuantitativos de
proyección financiera?
4. El Método lineal de la forma y=a+bx
5. El método Potencial de la forma y=a𝒙𝒃

1. Los métodos de proyección financiera cualitativos y cuantitativos

En el desarrollo histórico del hombre apareció la necesidad de saber que

iba a acontecer en el futuro. No por nada contrataban y tenían bajo su
protección personas “expertas” en darle consejos al rey sobre las
decisiones que debían tomar, como por ejemplo: ir o no a la guerra,
realizar o no alianzas con otros reinos, etc, la mayoría de veces bajo el
criterio del estudio de las estrellas, planetas y astros. Voces de alerta se
despachaban cuando por ejemplo se veía un cometa en el firmamento,
presagio de malas nuevas.

El trabajo de adivino en muchas oportunidades no era gratuito cuando se

hacían evidentes los desaciertos a veces podía implicar hasta la muerte
del adivino.

Hoy en día el hombre continúa queriendo “adivinar” el futuro. Pero los

métodos para tratar de ver el futuro de los acontecimientos han cambiado
dramáticamente. Han aparecido diversos métodos que han sido aplicados
en varias disciplinas, desde el comportamiento del mercado que marca la
pauta de la planeación operativa, hasta el campo de las finanzas que es
el que nos atañe.

Los pronósticos, tal y como lo ilustra la historia, proporcionan la base para

Casi toda la planeación y el control. Si los pronósticos no son confiables
es muy difícil tomar una decisión correcta táctica o estratégica.

Los primeros métodos de pronósticos en aparecer fueron los cualitativos

y poco tiempo después comenzaron a aparecer métodos cuantitativos
basados en métodos matemáticos.

Entre los modelos cualitativos que se conocen hoy en día encontramos:

el método Delphi cuyo pronóstico se desarrolla por medio de un panel de
expertos que responden una serie de preguntas en rondas sucesivas.
 El método toma el nombre del famoso oráculo Delfos de la antigua Grecia.
Las respuestas anónimas del panel se realimentan a todos los
participantes en cada ronda. Se pueden requerir de tres a seis rondas
para obtener la convergencia del pronóstico. La calidad de los resultados
depende, sobre todo, del cuidado que se ponga en la elaboración del
cuestionario y en la elección de los expertos consultados. Este método se
emplea bajo las siguientes condiciones:

 No existen datos históricos con los que trabajar

 El impacto de los factores externos tiene más influencia en la
evolución que el de los internos
 Las consideraciones éticas y morales dominan sobre las
económicas y tecnológicas en un proceso evolutivo.
 Cuando el problema no se presta para el uso de una técnica
analítica precisa.
 Cuando se desea mantener la heterogeneidad de los participantes
a fin de asegurar la validez de los resultados
 Cuando el tema en estudio requiere de la participación de
individuos expertos en distintas áreas del conocimiento.
El método se puede representar gráficamente mediante el siguiente
esquema:

(1) Esquema tomado de https://www.planificaciondelademanda.com/metodo-

delphi-pronosticar-la-demanda-nuevos-productos/ el 04 de mayo de 2019.

Es importante mencionar que en ningún caso los expertos tienen

comunicación entre si, por lo que deben mantener su independencia.
La técnica Delphi se ha convertido en una herramienta fundamental en el
área de las proyecciones tecnológicas, incluso en el área de la
Administración Clásica y operaciones de investigación.

Existe una creciente necesidad de incorporar información subjetiva (por

ejemplo análisis de riesgo) directamente en la evaluación de los modelos
que tratan con problemas complejos que enfrente la sociedad, tales como,
medio ambiente, salud, transporte, comunicaciones, economía,
sociología, educación y otros.

Los tipos de pronósticos que se pueden desarrollar por el método Delphi

son:

1. Por objetivos:

De acuerdo con el objetivo que se este persiguiendo se puede

clasificar en:
a. Delphi de proyección: Diseñado para proyectar variables,
eventos, tendencias, que servirán de apoyo en la toma de
decisiones. Se caracteriza por la búsqueda del concurso entre
las opiniones de los participantes, evitando los problemas que
se producirían en un encuentro cara a cara
b. Delphi de Política: Es una herramienta de análisis de políticas
alternativas y no un mecanismo de toma de decisiones. Su
objetivo es asegurar que todas las posibles opciones de un
problema han sido expuestas y consideradas de modo de
estimar el impacto y consecuencias de cualquier opción en
particular, analizar y estimular la aceptabilidad de una
determinada opción. No busca el consenso, sino más bien, se
pretende acentuar las divergencias.
2. Por conducción.

Según la forma de conducir un ejercicio Delphi, pueden distinguirse

dos tipos:
a. Delphi Convencional: Es el más común y se caracteriza por la
importancia del grupo monitor tanto en el diseño, como en la
evaluación de las respuestas.
b. Delphi Computador El grupo monitor es reemplazado en gran
medida por un computador que es programado para realizar la
compilación de los resultados del ejercicio.

La ventaja del Delphi convencional es que puede adaptarse o

mortificarse en función de las respuestas del grupo. La ventaja
del Delphi Computador es que permite una mayor rapidez en el
procesamiento de la información y se minimizan los errores en
la tabulación de la información.
3. Otros tipos
a. Delphi Cara - Cara: Este tipo de Delphi tiene características
similares a los anteriores en cuanto a su objetivo, sin embargo
su forma de conducción presenta variaciones. La diferencia
 fundamental radica en que el cuestionario se lleva
personalmente a cada integrante del panel, a quien se le hace
la entrevista en forma individual, lo cual permite aumentar la
flexibilidad de las respuestas, pues el entrevistador puede
resolver cualquier duda o ambigüedad que se le presente al
panelista en relación a las preguntas del cuestionario. Por otra
parte se logra considerables ventajas de tiempo (entrevista vrs
correo) y se logra disminuir el porcentaje de deserción de los
panelistas.
b. Mini Delphi: Al igual que en el caso anterior, sus características
en cuanto a objetivos son similares a los tipos de Delphi ya
analizados. El Mini Delphi consiste en una conferencia de mesa
redonda, en donde las opiniones y respuestas al cuestionario
se hacen por escrito, y en varias mesas simultáneamente
(optativo). En este caso, el grupo monitor responde cualquier
duda, tabula los resultados y devuelve el cuestionario a los
participantes. Las ventajas de este tipo de Delphi radican en su
mayor flexibilidad y ahorro de tiempo, resultando más atractivo
para aquellas instituciones que no tienen problemas
geográficos (de distancia) para reunir a un grupo de panelistas.
El método Delphi puede ser utilizado para varios usos:

1. Planear en grupos o mejorar la comunicación.

2. Hacer predicciones sobre como va a ser o como debe ser un evento
futuro en temas de tecnología, economía o de asuntos sociológicos.
3. Identificar necesidades y solucionar problemas.
4. Identificar y estudiar un rango de posibles alternativas o estrategias
para solucionar un problema.
5. Encontrar información para generar consenso en un grupo de
expertos.
6. Integrar juicios sobre un tema interdisciplinario.
7. En el área de la Mercadotecnia o Tamaño del mercado o Participación
en el mercado o Tendencia de precios o Desarrollo de nuevos
productos
8. En Producción o Costo de materia prima o Costo de mano de obra o
Disponibilidad de materia prima o Disponibilidad de mano de obra o
Requerimientos de mantenimiento o Capacidad disponible de la planta
para la producción.
9. En Finanzas o Tasas de interés o Cuentas de pagos lentos.
10. En Recursos Humanos o Número de trabajadores o Rotación de
personal o Tendencias de ausentismo o Tendencia de llegadas tarde.
11. En Planeación Estratégica o Factores económicos o Cambios de
precios o Costos o Crecimiento de líneas de productos.
12. Investigar, como una variante de la encuesta. En general el método es
muy útil para analizar y responder una pregunta sobre una sola
variable.

Cuando se tienen que analizar múltiples variables, los resultados pueden

no ser los óptimos. Sin embargo, el hecho de no servir para múltiples
variables, no reduce su utilidad.
En muchos casos se cuentan con modelos complejos, multivariados; y el
gran problema es encontrar los datos para alimentar el modelo. El método
se puede utilizar para analizar, una a una, las variables del modelo
complejo y utilizar los resultados como datos de entrada de ese complejo
modelo.

Otro método cuantitativo es el de estudios de mercado. Se utilizan

Paneles, cuestionarios, mercados de prueba o encuestas que se usan
para recopilar datos sobre las condiciones del mercado. Se utilizan
Pronósticos de las ventas totales de la compañía, de grupos mayores de
productos o de productos individuales. Por lo general son métodos
costosos.

Por otra parte esta el método de analogía de ciclo de vida La predicción

se basa en las fases de introducción, crecimiento, y maduración de
productos similares. Aplica la curva de crecimiento en ventas con forma
de S. Muy utilizado Pronósticos de ventas a largo plazo para la planeación
de la capacidad de las instalaciones.

Finalmente tenemos el método de criterio informado. El pronóstico lo

puede realizar un grupo o un individuo con base en la experiencia,
presentimientos o hechos a cerca de la situación. No se emplean métodos
rigurosos. Se utilizan en pronósticos de ventas totales y de productos
individuales.

Como se había mencionado anteriormente, por otra parte, se encuentran

los métodos cuantitativos. En general, los métodos cuantitativos manejan
un modelo matemático fundamental para llegar a un pronóstico. El
supuesto básico de todos los métodos cuantitativos de pronóstico es que
los datos históricos y los patrones de los datos son instrumentos de
predicción confiables del futuro.

Los modelos de pronósticos cualitativos se clasifican fundamentalmente

en dos: Causales y de series de tiempo. Los métodos causales se
desarrollan considerando un modelo de causa y efecto entre la variable
en análisis (exteriorización de las proyecciones y está condicionada por
los recursos disponibles) y otras variables, que permitan explicar mediante
una ecuación matemática los valores de una variable en términos de la
otra. Por ejemplo, la proyección de ventas y el comportamiento de la
economía, o la proyección del flujo de caja e indirectamente los
indicadores macroeconómicos. Uno de los métodos causales mejor
conocido es el del análisis de regresión, en donde siempre se trata del uso
de dos variables numéricas.

A la variable que queremos explicar le llamamos dependiente ( Y ) .

A la variable que usamos para condicionar o para explicar la llamamos

independiente(X1,X2,X3,...Xn) Para ello es necesario encontrar una
fórmula matemática que relacione la variable dependiente con la o las
variables independientes y que permita estimar o predecir los valores
futuros que puede tener una variable ( dependiente ) cuando se conocen
o suponen los valores de la otra u otras variables independientes
Este técnica se aplicará cuando la variable a pronosticar Y no está en
función del tiempo. El caso más utilizado es considerando en el que la
curva de Y sobre X es lineal.

Sin embargo, como las proyecciones financieras se utilizan seleccionando

una variable y analizando su comportamiento a través del tiempo se
utilizan mayormente los modelos por series de tiempo.

El objetivo de los métodos de serie de tiempo es descubrir un patrón en

los datos históricos y luego extrapolarlo hacia el futuro; el pronóstico se
basa sólo en valores pasados de la variable que tratamos de pronosticar
o en errores pasados.

Los métodos de análisis de series de tiempo se usan para hacer análisis

detallados de los patrones históricos de una variable a lo largo del tiempo
y para proyectarlos hacia el futuro. Uno de los supuestos básicos de todos
los métodos de análisis de series de tiempo es que la variable puede
descomponerse en elementos básicos como nivel promedio, tendencia,
estacionalidad, ciclo y error.

La estrategia básica que se aplica en los pronósticos de series de tiempo

consiste en identificar la magnitud y la forma de cada componente con
base en los datos históricos disponibles. Éstos, excepto el componente
aleatorio, se proyectan, entonces, hacia el futuro. Si sólo queda un
pequeño componente aleatorio y el patrón persiste hacia el futuro, se
obtendrá un pronóstico confiable.

El nivel hace referencia al nivel promedio que se ha mantenido la variable

durante cierto periodo de tiempo.

La tendencia, es la componente de largo plazo que constituye la base del

crecimiento, declinación o mantenimiento de una serie histórica. Las
fuerzas básicas que producen o afectan la tendencia de una serie son:
cambios en la población, inflación, cambio tecnológico e incremento en la
productividad.

La estacionalidad hace referencia a las fluctuaciones estacionales se

encuentran típicamente en los datos clasificados por trimestres, mes o
semana. La variación estacional se refiere a un patrón de cambio,
regularmente recurrente a través del tiempo. El movimiento se completa
dentro de la duración de un año y se repite a sí mismo año tras año. Este
comportamiento es clásico de las industrias en Norteamérica y Europa por
los ciclos climáticos.

El Ciclo es un conjunto de fluctuaciones en forma de onda o ciclos, valga

la redundancia, de más de un año de duración, producidos por cambios
en las condiciones económicas o climaticas.
 El error es la desviación entre el dato pronosticado por el modelo y la cifra
que realmente se da como real. Esta desviación o diferencia tiene una
magnitud y nos indica que nivel de precisión tiene el modelo.

Los modelos de series de tiempo más conocidos son:

 El Método lineal de la y=a+bx

 El método Potencial de la forma y=a𝑏 𝑥
 El método Exponencial de la forma y=a𝑒 𝑏𝑥
 El método logarítmico
 El método de Media móvil o promedio móvil
 El método del polinomio

2. ¿Qué se puede proyectar en finanzas?

Son múltiples las variables que se pueden proyectar desde el punto de

vista financiero.

Cuando se realiza un análisis horizontal en cada una de las cuentas de

los activos, pasivos o patrimonio y se observa el comportamiento histórico
es posible hacer un pronóstico o proyección. Las cuentas del activo, tales
como caja, bancos, inversiones, cuentas por cobrar, etc, son susceptibles
de proyectar. También las cuentas del pasivo tales como cuentas por
pagar, provisiones, proveedores, intereses cobrados por anticipado, etc,
se pueden pronosticar o proyectar. Sin duda alguna las cuentas del
patrimonio también son susceptibles de proyectarse.

Cuando se ejecuta, por otro lado, el análisis vertical, por ejemplo utilizando
el procedimiento de porcentajes integrales, que consiste en determinar la
composición porcentual de cada cuenta del activo, pasivo o patrimonio
tomando como base el valor del activo total y el porcentaje que representa
cada elemento del estado de resultado, es posible utilizar los métodos de
pronósticos.

Sin embargo, lo importante es pronosticar aquellos rubros o indicadores

que son críticos para la compañía. Los pronósticos no deben utilizarse
para proyectar cada rubro de la empresa porque esto conlleva a generar
confusión y distracción sobre lo que realmente es importante analizar, sino
que se deben seleccionar los que para la compañía son fundamentales.

Habiendo hecho esta consideración se siguiere que los pronósticos deben

centrase en los siguientes aspectos:

 Proyección del estado de resultados: se deben incluir las

ventas, los costos, gastos, etc. La proyección de ventas es la
base para construir toda la proyección financiera con base en la
 tarea de planificación y que puede involucrar a una gran parte
de la organización. Un proceso que pude tomar cierto tiempo y
que generalmente se utiliza para efectos presupuestales de un
próximo periodo.
 Proyección de gastos financieros. Considerando el flujo de caja
proyectado pueden preverse las necesidades de capital o
recursos económicos para sostener la operatividad. De acuerdo
con estos requerimientos se puede proyectar el costo financiero
del capital que se necesite.
 La proyección de ventas es la base. El pronóstico financiero se
enfoca principalmente en las ventas, por ser la base para
integrar, toda una serie de estimaciones, tanto estáticas como
dinámicas. Son cuadros comparativos en un periodo
determinado en el cual están reflejados el movimiento
económico de una empresa.
 Con base en la proyección de series de tiempo es posible
realizar pronósticos de manera rápida sin tener que acudir a la
planeación operativa proceso demorado y engorroso que
involucra trabajo de toda la organización, luego las
proyecciones financieras pueden ser mas expeditas y se
pueden realizar sobre los rubros o indicadores críticos de la
empresa considerando las variables macroeconómicas.

Pese a las ventajas de las proyecciones utilizando los métodos

cuantitativos debe ponerse especial atención en verificar o
controlar el error. Obviamente un modelo con error significativo
en su modelo conducirá a la imprecisión en las decisiones y a
un efecto en costos, lujo que ninguna administración debe estar
dispuesta a asumir dadas las condiciones de competencia.

Por ello es necesario hablar un poco acerca del tema.

Se considera que hay dos tipos de error los sesgados y

aleatorios.

El error sesgado que también se denomina sistemático es

producido por una mala interpretación de la demanda cuando
se usa una variable incorrecta y evidentemente no hay una
correlación tan fuerte entre por ejemplo el tiempo y la demanda.

El administrador deberá poner especial atención y no es más

que la experiencia y experticia lo que le brindará mayor o menor
certeza.

Por otra parte, el error aleatorio, no tiene explicación y es

generado por factores imprevisibles y por tanto no se conoce
que es l que finalmente lo produce.

Naturalmente el error es posible medirlo y es factible hacerlo de

varias formas, veamos algunas fórmulas, simplemente por tener
en cuenta la información aunque no las vamos a aplicar en los
modelos subsecuentes pero se resalta que el control del error
es fundamental por si es necesario considerar cambiar de
modelo.

i. Suma acumulada de errores de pronóstico (CFE)

Es la medida más básica de todas y es la que da origen a las

demás. Es la suma acumulada de los errores de pronóstico.
Nos permite evaluar el sesgo del pronóstico. Por ejemplo, si a
través de los periodos el valor real de la demanda siempre
resulta superior al valor de pronóstico, la CFE será más
grande, indicando la existencia de un error sistemático en el
cálculo de la demanda.(2)

Debe considerarse al error en el pronóstico como la

diferencia entre el valor pronosticado o proyectado y el
valor real de demanda o de la variable aleatoria. Luego el
CFE es la sumatoria del error durante varios periodos de
tiempo.(2)

ii. Desviación media absoluta (MAD)

Mide la dispersión del error de pronóstico o dicho de otra

forma, la medición del tamaño del error en unidades. Es el
valor absoluto de la diferencia entre la demanda real y el
pronóstico, dividido sobre el número de periodos. (2)

iii. Error cuadrático medio (MSE)

Al igual que la DAM, el MSE es una medida de dispersión

del error de pronóstico, sin embargo esta medida maximiza
el error al elevar al cuadrado, castigando aquellos periodos
donde la diferencia fue más alta a comparación de otros. En
 consecuencia, se recomienda el uso del MSE para periodos
con desviaciones pequeñas. (2)

iv. Error porcentual medio absoluto (MAPE)

El MAPE nos entrega la desviación en términos

porcentuales y no en unidades como las anteriores medidas.
Es el promedio del error absoluto o diferencia entre la
demanda real y el pronóstico, expresado como un porcentaje
de los valores reales. (2)

Otros autores le llaman Porcentaje de error medio

absoluto (PEMA) o lo manejan como EPAM.

v. Error de pronóstico MAD/MEAN, GMRAE y SMAPE

Existen otras medidas de error de pronóstico menos

comunes, generalmente variaciones de MAPE y MAD. El
MAD/MEAN actúa sobre datos intermitentes y de bajo
volumen, mientras el GMRAE es usado para evaluar el grado
de error del pronóstico fuera de la muestra. (2)

Veamos el siguiente ejemplo: (2)

En este ejemplo de errores de pronóstico, tomamos la

empresa IngE que vende televisores y su demanda a través del
Año fue la siguiente:
Igualmente a través del año la empresa pronosticó la demanda con el
método de promedio móvil simple. Estos fueron los resultados:
 Para calcular cada una de las medidas de error mostradas hasta ahora:

 En una columna para cada periodo calculamos el error de pronóstico

hallando la resta entre la demanda real y el pronóstico.
 En otra columna restamos en valor absoluto la demanda real con el
pronóstico para cada periodo. Lo que en otras palabras vendría siendo
el valor absoluto del error de pronóstico. Esto lo hacemos para calcular
el MAD.
 En otra columna elevamos al cuadrado el error de pronóstico de cada
periodo. Esto lo hacemos para calcular el MSE.
 En otra columna, dividimos la demanda real / mad.
 Hacemos la suma de los resultados que obtuvimos para cada periodo en
cada columna.
Lo descrito anteriormente en nuestro ejercicio sería algo como esto:
Los cálculos se realizan a partir del periodo 4, debido a que nuestro promedio
móvil simple tiene n=3, por ende en los tres primeros periodos no tenemos
pronóstico de demanda.

Hecho esto, ya estamos a un paso de obtener nuestras medidas de error.

Teniendo en cuenta que el número de periodos que pronosticamos es de 12:

 La suma acumulada de errores de pronóstico es 27. Ya la teníamos

calculada al hacer la sumatoria en la columna de error de pronóstico.
 La desviación absoluta media (MAD) la calculamos dividiendo 97 entre
12.
 El error cuadrático medio (MSE) lo calculamos dividiendo 1081 entre 12.
 Dividimos 182% entre 12 para calcular el error porcentual absoluto
medio (MAPE)
Esto es lo que obtenemos:

Resultados ejemplo de error de pronostico

Las medidas de error de pronóstico calculadas para un solo método en un solo

período de tiempo carecen de significado. Su utilidad radica
cuando comparamos las medidas de error con las medidas de otros métodos
de pronóstico o con otros períodos de tiempo.

La demanda la calculamos a partir del periodo 4 hasta el período 15.

El n a usar en el promedio simple es de 3. En el promedio ponderado usaremos
pesos de 40%, 30% y 30% para el periodo más reciente, intermedio y más lejano
respectivamente. La constante de suavización alfa en el alisado exponencial
será de 0,4. La constante de suavización alfa y delta en el alisado exponencial
doble ambas serán de 0,3.
Vale decir que no jugué mucho con estos datos y coloqué los primeros valores
que se me vinieron a la mente. Pues bien, los pronósticos calculados con cada
método serían:

Con estos datos ya tenemos para determinar por medio de las medidas de
error, cuál es el mejor método durante los 12 periodos de medición:

Inicialmente analicemos la demanda.

La demanda presenta una tendencia creciente, decreciente y creciente para
finalmente bajar un poco al final. Se debe anotar además que la tendencia es
suavizada, es decir, que no sube y baja hacia una dirección.

Esto se ve reflejado en los métodos de promedio simple, promedio ponderado y

suavización exponencual que responden mejor a las medidas de MAD, MSE y
MAPE comparado con la suavización exponencial doble, cuya bondad es prever
la tendencia con anterioridad, pero al tener esta demanda comportamientos
crecientes y decrecientes tan marcados, ¿es necesario? Evidentemente no.

Es por eso que, si bien la suavización exponencial doble obtiene el mejor

resultado en CFE, termina siendo descartada por las demás medidas.

En el período 6, 9 y 14 es cuando cambia el comportamiento de la demanda.

Aquí es cuando el promedio simple queda debiendo (descartado) y el promedio
ponderado y la suavización exponencial salen victoriosos, pues consiguen
prever este cambio de dirección.

Quizá si le hubiera asignado al promedio ponderado un mayor peso para los

datos más recientes, se lograría obtener mejores medidas de MAPE, MSE y
MAD, aún así sus medidas son muy buenas.

¿Qué queda entonces? La suavización exponencial simple presenta los mejores

resultados en 3 de las 4 medidas. Por supuesto los suavizamientos son métodos
susceptibles de ser mejorados. La definición de las constantes de suavización
por ensayo y error seguro nos habría entregado mejores métricas.

Al observar el CFE inferimos que hay un grado de error de sistematización en la

suavización simple y es necesario cambiar las constantes de suavizamiento.
Debido a esto los promedios se ven mejor en esta medida (a excepción de la
suavización doble).

Hecho esto y considerando la naturaleza de los datos a tener tendencias

crecientes y decrecientes que duran varios períodos, yo me quedaría con el
método de suavización exponencial simple.

(2) Tomado de https://ingenioempresa.com/medicion-error-pronostico/ el 5 de

mayo de 2019.

Para concluir la proyección financiera puede realizarse de dos maneras como

parte del proceso de planificación operativa o de manera independiente como
parte de un análisis rápido requerido para tomar decisiones urgentes ante
cualquier circunstancia que puede ser prevista o imprevista en el mercado, la
legislación, etc; que pueda afectar de manera estratégica a la compañía. Y, las
proyecciones financieras deben centrarse en los rubros o indicadores que la
compañía considere más importantes como, por ejemplo: Utilidades, EBITDA,
razón corriente, capital neto de trabajo, cuenta de bancos, inversiones, cuantas,
por pagar, etc.

3. ¿Porqué el ejecutivo de hoy debe usar métodos cuantitativos de

proyección financiera?

Todos los negocios, compañías manufactureras, de servicios, de

financiamiento, de comercio, etc, deben realizar proyecciones financieras
debido a que con el uso de las proyecciones financieras los resultados
futuros económicos-financieros respecto a sus operaciones podrán tener
mayor control. Inclusive, es mediante las proyecciones financieras se
pueden generar diversos escenarios en los que la empresa puede variar,
considerando diversas estimaciones en los resultados, facilitándole al
administrador o gerente identificar riesgos que podrían tener impacto en
el negocio, permitiéndole a su vez generar estrategias que reduzcan los
efectos negativos que se estén visualizando.

Pueden considerase que las proyecciones financieras tienen otras

funciones y utilidades a saber:
 Mostrar la confiablidad y estabilidad del negocio cuando se
pretenda conseguir financiación por parte de entidades de
financiamiento o bancarias, de la nación, etc. La proyección de los
estados financieros es esencial para demostrar que cuando hay
oportunidad de negocio puede resultar mas fácil adquirir recursos
necesarios para enfrentar un nuevo proyecto.
 Consecución de nuevos socios para enfrentar nuevos proyectos o
acometer decisiones estratégicas como fusión con un competidor.
 Ser beneficiado con subvenciones del estado y de entidades
privadas o no gubernamentales.

El horizonte de las proyecciones financieras depende de la naturaleza del

negocio y en el que se mueve la organización. Por ejemplo, en mercados
maduros y estables se deben contemplar horizontes de proyección mas
extensos. Como por ejemplo considerando una empresa del sector
energético el periodo de proyección que se considera puede brindar una
imagen entera del negocio es de entre 8 a 10 años. En otro caso,
considerando mercados más flexibles y cíclicos pueden considerarse
periodos un poco más cortos entre tres, cinco o siete años.

El Gerente o ejecutivo debe considerar que as proyecciones deben

hacerse contemplado análisis y datos realistas sobre el entorno, la
competencia, los clientes, la legislación, macroeconómicos, etc. Varias
preguntas deben considerarse en cuanto a los siguientes aspectos:
 La evolución en el sector: ¿Se ha realizado un análisis exhaustivo
de los estados financieros históricos de mi negocio? ¿He tenido en
cuenta los datos históricos del sector? ¿Se están asumiendo
variaciones razonables?
 Aspectos macroeconómicos: ¿Se esta contemplando la situación
económica del país?
  Evolución Histórica: ¿Hay coherencia en la evolución del
mercado?, ¿Es coherente el comportamiento de mi negocio con el
del mercado?, ¿cuáles son las principales desviaciones de mi
negocio respecto al comportamiento del mercado?

Cuando se elaboren proyecciones financieras, a están deben adjuntarse

los razonamientos o hipótesis de referencia que se han planteado
inicialmente de manera que se pueda verificar la coherencia en las
proyecciones.

También es necesario acompañar a las proyecciones financieras

explicando el método que se utilizó para hacer los pronósticos y una
explicación del porque se seleccionó uno u otro método.

4. El Método lineal de la forma y=a+bx

El objetivo del análisis de regresión como método causal es pronosticar

la demanda a partir de una o más causas (variables independientes),
las cuales pueden ser por ejemplo el tiempo, precios del producto o
servicio, precios de la competencia, economía del país, acciones del
gobierno o fomentos publicitarios.(3)

Algunos apuntes importantes sobre éste método son:

 Puedes calcular series de tiempo y relaciones causales. En el

primer caso, ubicas la demanda histórica de tu bien o servicio para
que cambie en función del tiempo. El segundo caso es cuando la
variable que pronosticas cambia en función de otra (variable causal).
 Lineal significa que los datos del periodo anterior y la proyección para
el periodo futuro que vas a obtener caen sobre una recta.
 Si hablamos de una sola variable independiente, es una regresión
lineal simple, contrario a si son dos o más variables independientes,
donde hablaríamos de regresión lineal múltiple.(3)

(3) Tomado de https://ingenioempresa.com/regresion-lineal/ el 5 de mayo de

2019.

El modelo de pronóstico de regresión lineal permite determinar el valor

que se espera de una variable aleatoria “y” cuando a y b toman valores
específicos que dependen del comportamiento que han tenido los datos.
La utilización de este método es apropiada cuando hay linealidad en el
comportamiento de los datos. Desde luego esta linealidad no debe ser
exacta, nunca los datos de comportamiento de una variable financiera
tendrán un comportamiento perfectamente lineal y que correspondan por
ende a una ecuación de una recta.

El modelo se debe utilizar cuando en el comportamiento gráfico de los

datos estos muestren que tienen un comportamiento de crecimiento o
decrecimiento, es decir hay una relación de tipo aritmética en el
incremento o decremento de valores entre un dato que tienen una relación
aritmética, o se mantiene estable. Desde luego la regresión lineal utilizada
en las series de tiempo implican que la variable independiente x hará
referencia a periodos de tiempo tales como semanas, quincenas, meses,
trimestres, semestres o años.

La solución del problema para realizar el pronóstico se reduce a

determinar los valores de a y b, con base en los datos históricos
suministrados.

Las formulas que aplican para la determinación de a y b en la regresión

lineal son:

Por lo que el primer paso es calcular el valor de b. Una vez calculado b,

se puede determinar el valor de a.

Veamos un ejemplo:

La siguiente tabla muestra el valor de las utilidades en millones de pesos

de los últimos 6 meses, desde enero hasta junio de una empresa
manufacturera. Con los datos se desea pronosticar las utilidades de julio
y agosto.

Mes Utilidades
1 Enero 7000
2 Febrero 9000
3 Marzo 10000
4 Abril 11000
5 Mayo 11500
6 Junio 12800

Como la formula del valor b requiere que calculemos la sumatoria de 𝑥𝑖 y

𝑡𝑖 . En el caso de las formulas la convención de las variables a cambiado:
x variable independiente es t o tiempo y los valores de la variable
dependiente y son x. Construyamos la tabla que nos permita calcular los
valores:
1. 𝑥𝑖 *𝑡𝑖
2. ∑𝑥𝑖
3. ∑𝑡𝑖

Los otros valores requeridos para establecer el valor de b pueden

obtener de manera sencilla a través de la calculadora.

Reemplazando los valores encontramos que b=1114,28

Por otra parte, habiendo determinado el promedio de t y de x y

conociendo b podemos calcular a y establecer la ecuación

Por consiguiente, a= 5267 y la ecuación se convierte en

Y= 5267+1114.28t

Queremos proyectar para los meses 7 y 8 (julio y agosto), entonces

remplazamos 7 y 8 en la ecuación sustituyendelos en t.

𝑌7 =5267+1114,28*7 = 13.066,96

𝑌8 =5267+1114,28*8 = 14.181,24

Es necesario mencionar que este método involucra los criterios de

nivel y tendencia. Puede afirmarse que el nivel está en 5267 millones
y la tendencia es de crecimiento por lo que b es positivo y el valor de
tendencia es de 1114,28.

Una pregunta importante a responder es en que casos se puede

utilizar el método de regresión lineal, por lo que hay que considerar:

Desde luego es fundamental establecer el coeficiente de correlación

lineal, el cual permite establecer que tanta correlación existe por
ejemplo entre la demanda y el tiempo.

Veamos los siguientes casos:

 Correlación perfecta: Cuando el resultado de coeficiente es igual

a 1 o -1. En este caso existe una relación directamente
proporcional entre la demanda y el tiempo.
  Correlación fuerte: Cuando el resultado es mayor a 0.5 y menor
que 1 (correlación positiva) o menor a -0.5 y mayor que -
1(correlación negativa).
 Correlación débil: Valores que están entre -0.5 y 0.5.

Entre más cercano se encuentre el coeficiente de correlación a +1 o -

1 más fuerte será la tendencia y más apropiado será aplicar un
modelo de regresión lineal. Por ejemplo si la correlación es igual a 1,
observaremos que la relación entre las variables es directamente
proporcional, en el sentido que si uno aumenta, la otra también lo
hará.

Bien vale aclarar que este método es más útil cuando se enfoca en
periodos de largo plazo. Esto aunado a su utilidad para estimar la
demanda en función de variables independientes.

5. El método Potencial de la forma y=a𝒙𝒃

En la naturaleza y en la vida social existen numerosos fenómenos

que se rigen por leyes de crecimiento exponencial. Tal sucede, por
ejemplo, en el aumento de un capital invertido a interés continuo o
en el crecimiento de las poblaciones. En sentido inverso, también
las sustancias radiactivas siguen una ley exponencial en su ritmo
de desintegración para producir otros tipos de átomos y generar
energía y radiaciones ionizantes.

Veamos un ejemplo:

Asumamos que tenemos la grafica de los datos y hemos observado

que esta es de tipo exponencial. Seleccionamos de la gráfica dos
puntos de coordenadas.

Punto a: (2,48)
Punto b: (3,248)

Considerando la ecuación general y=a𝑥 𝑏 y sustituyendo los valores

de las variables tendremos
48=a2𝑏
248=a3𝑏

Procedemos a aplicar logaritmos en las ecuaciones:

Log 48= loga2𝑏

Log 48= loga +log2𝑏 Por las propiedades de los logaritmos.
Log 48= loga +blog2 entonces tenemos
1.6812= loga +b(0.3010)

Para la segunda ecuación

Log 248= log a3𝑏

Log 248= log a +log 3𝑏
Log 248= log a+blog 3
2.3944= loga +b(0.4771)

Entonces tenemos dos ecuaciones lineales con dos incógnitas,

procedemos a resolver por cualquiera de los métodos conocidos

1.6812= log a +b(0.3010) Ecuación (a)

2.3944= log a +b(0.4771) Ecuacion (b)

En este caso hacemos (b)-(a)

0.7132= b(0.1761)

De donde b=4.049

Remplazando b en cualquiera de las ecuaciones originales, por

ejemplo en la primera tenemos:

48=a2𝑏

48=a24.049

48=a(16.5527)

a= 2.8998.

En este caso el nivel esta dado por a y la tendencia esta definida

por x, y la tendencia esta elevada el exponente b, que es constante
por lo que la tendencia es exponencial no tan pronunciada.

Si se quiere tener mayor precisión tomamos otro punto adicional de

la gráfica y realizamos el mismo procedimiento.

Continuando con el ejemplo tenemos

Punto c (1,3)

3=a1𝑏
48=a2𝑏

Log 3= log a+ blog 1

Log 48= log a+ blog 2

0.4771= log a+ 0
1.6812= log a +b(0.3010)

1.2041=b(0.3010)

b= 4.00

remplazando en la primera ecuación 3=a1𝑏

a= 3

Para establecer de manera manual los valores finales de a y b

promediamos:
a = 2.9499
b = 4.0245