1

Proceso de Formulacin y Evaluacin de

Proyectos
2
ESTUDIO DE PROYECTOS
PREPARACION O FORMULACION


EVALUACION

I - C =B
OBTENCION
DE LA
INFORMACION
CONSTRUCCION
DEL FLUJO
DE CAJA
ESTUDIO
DE
MERCADO
ESTUDIO
TECNICO
ESTUDIO
LEGAL
ESTUDIO
ADMINISTRA
TIVO
ESTUDIO
FINANCIERO


No debiramos haber empezado por aqu?
Etapas de un Estudio de Mercado
Definir el mercado a pronosticar
Tener claro cual es el producto y cuales son sus caractersticas
Reconocer los diferentes tipos de mercado y la existencia de segmentacin
Reconocer a los potenciales clientes
Analizar los mercados de productos sustitutos y complementarios

Definir los intervalos y el horizonte de proyeccin
Se realiza en funcin del tamao de los recursos (mejor si es de las
reservas)

Establecer el tiempo y los recursos financieros disponibles
Conversar con el dueo y sus asesores contables y financieros

Recolectar datos y medir el mercado actual y el potencial
Los tipos de datos depende de los que se desee estudiar y proyectar
Tipos de fuentes: primarias y secundarias
Darle fundamento al primer paso: la definicin del mercado a pronosticar
Etapas de un Estudio de Mercado
Seleccin de la tcnica de proyeccin
Mtodos cuantitativos (Ejemplo: Regresin Mltiple)
Mtodos cualitativos (Ejemplo: Modelo de Difusin de Innovacin)

Realizar la proyeccin
Lgico!... Hay que usar series de tiempo
Expresin de los datos: Nominal o Real
Utilizar la tcnica seleccionada (o varias de ellas)
Documentar las suposiciones y conclusiones

Testear la proyeccin para que sea sensata
Podra darse el caso de que, en funcin de los datos histricos, se
pronostique un crecimientos sostenido de la produccin mina mundial.
Sera esto cierto si las empresas no tienen planificada nuevas
inversiones en aumentos de capacidad o proyectos nuevos?
No sera mejor incorporar esta informacin en la proyeccin?

En caso de ser necesario, volver a realizar la proyeccin
Tcnicas de Proyeccin
Las principales tcnicas de proyeccin cuantitativas son:
Promedio Mvil
Anlisis de Regresin
Modelo Economtrico

Las principales tcnicas de proyeccin cualitativas son:
La tcnica Delphi
Ciclo de vida del producto (el mercado crece en forma de S)
Difusin de innovacin (como un producto es adoptado por la poblacin:
hay personas innovadoras y otras imitadoras Rogers y Bass)
Curvas de experiencia (cada vez que la produccin acumulada se
duplica, el costo por unidad disminuye Boston Consulting Group)
Teora Microeconmica

Tipos de Datos a Analizar
Series de Tiempo
Datos de Panel
Informacin Cualitativa
Promedio Mvil
Ejemplo (Determinacin de tendencia y ciclos)
Se desea pronosticar las ventas de un negocio, para los dos semestres del ao 2006, en funcin de los
siguientes datos y resultados:
Ciclo
de alza
Ciclo
de baja
Ciclo
de alza
Ventas Media Mov Med Mov Proyeccin Med Mov
reales (4 perodos) Central de tendencia Tend.
1 1 24
2 2 44 52
1 3 61 67 59 64 104%
2 4 79 78 72 69 114%
1 5 82 83 80 74 113%
2 6 90 89 86 78 114%
1 7 80 86 88 83 103%
2 8 105 82 84 88 93%
1 9 68 85 83 93 91%
2 10 74 90 88 98 92%
1 11 93 100 95 103 97%
2 12 125 113 106 108 105%
1 13 107 124 118 113 110%
2 14 125 132 128 117 113%
1 15 138 122
2 16 159 127
1 17 132
2 18 137
i Media Movil de 4 perodos (Per 3) = (44+61+79+82)/4 = 67
ii Media Movil Central (Perodo 3) = (52+67)/2 = 59
iii La proyeccin de tendencia se hace por regresin lineal simple de la media movil central
iv Los cambios de ciclo se miden dividiendo la media movil por la proyeccin de tendencia
Perodo
1998
1999
2000
2001
2004
2005
2006
Ao Sem.
2002
2003
Regresin Lineal
Puede ser simple o mltiple
Modelo Lineal Simple
o Modelo Determinstico o terico y = + x
o Modelo Emprico Poblacional y = + x +
o Modelo Emprico de la Muestra y = a + bx + e
Ejemplo: La teora general de Keynes (1936) postula una relacin
estable entre el consumo y la renta, C = f(X). La propensin marginal
a consumir, dC/dX, est comprendida entre 0 y 1. Mientras que la
propensin media a consumir, C/X, cae cuando crece la renta, es
decir:

d(C/X) / dX = (dC/dX C/X) / X < 0

Luego, la funcin ms simple de esta teora es

C = + X

Donde es el consumo que no depende del ingreso y es la
propensin marginal consumir.
Regresin Lineal Simple
Veamos si la teora de Keynes es correcta
Renta Consumo Renta Consumo
disponible privado disponible privado
1970 751.6 672.1 1975 874.9 779.4
1971 779.2 696.8 1976 906.8 823.1
1972 810.3 737.1 1977 942.9 864.3
1973 864.7 767.9 1978 988.8 903.2
1974 857.5 762.8 1979 1015.7 927.6
Fuente: Economic Report of the President, U. S. Government Printing Office, Washington D.C. (1984)
Ao Ao
La siguiente tabla
muestra los datos de
renta y consumo
para Estados Unidos
entre 1970 y 1979.


Resolviendo por
Mnimos Cuadrados:

C = a + bX

En este caso:
a=-67.58
b= 0,979

Qu indican estos
antecedentes?
Dnde est e?
Regresin Lineal Simple
Cmo se de terminan los coeficientes a y b.
La metodologa ms utilizada es la de los Mnimos
Cuadrados. Es decir, cuando los coeficientes minimizan la
sumatoria cuadrtica de los errores. Cuando esto ocurre,
los coeficientes de la ecuacin simple son:






Deducir las frmulas y de paso resolver el problema de
minimizacin.

=
=

=
n
i
i
n
i
i i
x x
y y x x
b
1
2
1
) (
) )( (
x b y a =
Regresin Lineal Simple
Resolvamos ahora el problema del promedio mvil, sobre
la proyeccin de ventas.
Segn los datos:
x = 102; y = 1087; n=12 = 8,5 y = 90,58

Luego
b = 696,68 / 143 = 4,872

a = 90,58 4,872 * 8,5 = 49,169

Compruebe los resultados!
x
y
Regresin Lineal Simple
La regresin por mnimos cuadrados funciona en base a 6
supuestos:
1. El modelo debe ser lineal Y = Xb + e
2. La matriz de regresores debe ser de rango completo, es decir no
debe haber dependencia lineal entre ellos.

3. La esperanza del error, para cualquier observacin, debe ser cero
E[e|X] =0. Es decir, el valor de e es independiente de los
valores de X.

4. La varianza de las muestras es constante. Es decir, hay
homocedasticidad. E[ee|X]=
2
I

5. Los regresores X no son estocsticos

6. Las perturbaciones estn normalmente distribuidas, con media
cero y varianza constante e|X ~ N[0,
2
I]
Regresin Lineal Simple
Cmo medimos la bondad del ajuste por mnimos cuadrados?
A travs de la descomposicin de la suma de los cuadrados totales
(SST):

Donde SSR es la suma de los cuadrados de la regresin y SSE es la
suma de los cuadrados de los errores.


Luego el coeficiente de determinacin es:


Que es la correlacin al cuadrado entre los valores observados de y y las predicciones
calculadas por la ecuacin de regresin estimada.
Este coeficiente crece a medida que se aumentan los regresores, por
lo que se debe hacer un ajuste por grados de libertad.



Este es el Coeficiente de Determinacin Ajustado

=
=
n
i
i
y y SST
1
2
) (
SSE SSR SST + =

=
=
n
i
i
x x b SSR
1
2 2
) (
SST
SSE
SST
SSR
R = = 1
2
) 1 (
) (
) 1 (
1
2
2
R
K n
n
R

=
Regresin Lineal Simple
Para contrastar hiptesis o estimar intervalos de confianza, se
necesita la varianza
2
. Ya que no se puede calcular
2
, obtendremos
su estimador insesgado S
2
.



Luego el error estndar es S
Para contrastar hiptesis respecto de la significancia de los
coeficientes, se puede utilizar el estadstico t

con


El Intervalo de Confianza de un coeficiente es:


Para un nivel 1- de confianza
) (
) (
1
2
2
K n
bx a y
S
n
i
i i

=
b
b
S
b
t
|
=
a
a
S
a
t
o
=
(
(
(
(

=
=
n
i
i
n
i
i
a
x x n
x
S S
1
2
1
2
2
) (

=

=
n
i
i
b
x x
S
S
1
2
2
) (
b b
S t b S t b
2 / 2 /
| + < <
Regresin Lineal Simple
El Intervalo de Confianza para la varianza poblacional, obtenida
usando el estadstico de Chi-cuadrado, es:



Para 95% de confianza

2
) 025 , 0 (
2
2
2
) 975 , 0 (
2
) ( ) (
_
o
_
S K n S K n
< <

Regresin Lineal Simple

Continuemos con el ejemplo de Keynes.
Los valores de los coeficientes son: a = -67.58 y b = 0,979

La suma de los cuadrados totales y de la regresin son:




Por lo tanto el coeficiente de determinacin ajustado es:
12 , 972 . 64 ) (
1
2
= =

=
n
i
i
y y SST
13 , 435 . 64 44 , 192 . 67 * 979 , 0 ) (
2
1
2 2
= = =

=
n
i
i
x x b SSR
9907 , 0 )
972 . 64
435 . 64
1 (
) 2 10 (
) 1 10 (
1 ) 1 (
) (
) 1 (
1
2
=

=
SST
SSR
K n
n
R
Regresin Lineal Simple
Continuemos con el ejemplo de Keynes.
La hiptesis de Keynes es que el coeficiente b es menor que 1. De
acuerdo a la muestra es esta hiptesis verdadera?

Entonces definimos H
0
: 1 y H
1
: <1









Para un nivel de confianza del 95%, el t
crtico
es -2,306, por lo tanto
no debe rechazarse ninguna de las hiptesis. Qu significa esto?
1947 , 67
2 10
558 , 537
) (
) (
1
2
2
=

=
K n
bx a y
S
n
i
i i
6641 , 0
03162 , 0
1 979 , 0
=

=
b
b
S
b
t
|
001 , 0
4 , 67192
194 , 67
) (
1
2
2
2
= =

=
n
i
i
b
x x
S
S
03162 , 0
2
= =
b b
S S
Regresin Lineal Simple
Continuemos con el ejemplo de Keynes.
Cual es el intervalo de confianza para el coeficiente b, y para la
varianza.
Para esto solo falta conocer el valor de t
/2
para un 95% de
confianza y 8 grados de libertad. Por tabla: t
/2
= 2,306




El estimador chi-cuadrado para un 95% de confianza y 10 grados
de libertad es:
0,975
= 17,54 y
0,025
= 2,18
03161 , 0 * 306 , 2 979 , 0 03161 , 0 * 306 , 2 979 , 0 + < < |
052 , 1 906 , 0 < < |
18 , 2
195 , 67 ) 2 10 (
54 , 17
195 , 67 ) 2 10 (
2

< <

o
587 , 246 648 , 30
2
< <o
Regresin Lineal Simple
Utilicemos una forma mejor para encontrar los coeficientes
y otros parmetros de una regresin Lineal: MATRICES
Sigamos con el ejemplo de Keynes
672.1 1 751.6
696.8 1 779.2
737.1 1 810.3
767.9 1 864.7
762.8 1 857.5
779.4 1 874.9
823.1 1 906.8
864.3 1 942.9
903.2 1 988.8
927.6 1 1015.7
y x
1
x
2
(XX)=
1 751.6
1 779.2
1 810.3
1 1 1 1 1 1 1 1 1 1 1 864.7 10 8792.4
752 779 810 865 858 875 907 943 989 1016 1 857.5 8792.4 7797822.2
1 874.9
1 906.8
1 942.9
1 988.8
1 1015.7
=
(XX)
-1
= 4 , 8792 * 4 , 8792 2 , 7797822 * 10
1

7797822.2 -8792.4
-8792.4 10
11.605207 -0.0130854
-0.0130854 1.48826E-05 =
y X X X ' ) ' (

1
= |
| X y =
Regresin Lineal Simple
Xy =
672.1
696.8
737.1
767.9
1 1 1 1 1 1 1 1 1 1 762.8 7934.3
752 779 810 865 858 875 907 943 989 1016 779.4 7041953.3
823.1
864.3
903.2
927.6
=
11.605207 -0.0130854 7934.3 -67.581
-0.0130854 1.4883E-05 7041953 0.9793
=
= =

y X X X ' ) ' (

1
|
1 751.6
1 779.2
1 810.3
1 864.7
1 857.5 -67.5807
1 874.9 0.9793
1 906.8
1 942.9
1 988.8
1 1015.7
= = |

X y
668.4364
695.4641
725.9193
779.1915
772.1407
789.1800
820.4186
855.7701
900.7185
927.0608
=
= )

( y y
= -
672.1 668.4364 3.6636
696.8 695.4641 1.3359
737.1 725.9193 11.1807
767.9 779.1915 -11.2915
762.8 772.1407 -9.3407
779.4 789.1800 -9.7800
823.1 820.4186 2.6814
864.3 855.7701 8.5299
903.2 900.7185 2.4815
927.6 927.0608 0.5392
2
1

|
|
Regresin Lineal Simple
= )

( )'

( y y y y
=
3.66363
1.33586
11.1807
-11.291
3.6636 1.3359 11.181 -11.29 -9.341 -9.78 2.6814 8.5299 2.4815 0.5392 -9.3407 537.006
-9.78
2.6814
8.52987
2.48152
0.53924
1257 , 67
) 2 10 (
006 , 537
) (
)

( )'

(
2
=

=
K n
y y y y
S 193 , 8 1257 , 67
2
= = = S S
=
1 2
) ' ( X X S Matriz de Covarianzas =
67.1257 11.605207 -0.0130854 779.0077 -0.8784
-0.0130854 1.4883E-05 -0.8784 0.0010
=
911 , 27 0077 . 779
1
= =
|
S 03162 , 0 001 , 0
2
= =
|
S
El Error Estndar de los coeficientes es:
Regresin Lineal Mltiple
Se realiza sobre una funcin que tiene ms de 2 regresores


Se resuelve de la misma forma que la RLS, y por lo tanto
debe cumplir con los mismos 6 supuestos.

La forma ms simple de resolverlo es con matrices.
Anlisis Economtrico
Econometra es el campo de la economa que tiene que ver
con la aplicacin de la estadstica matemtica y las
herramientas de inferencia estadstica, a las mediciones
empricas de relaciones postuladas por la economa terica

Toma la tcnica de Regresin Mltiple Lineal y la analiza
hasta eliminar algunos de sus 6 supuestos, logrando
abarcar el anlisis de una mayor cantidad de datos y
funciones.

Adicionalmente, se ha convertido en una herramienta para
desarrollar pronsticos

Anlisis Economtrico
Los dos tipos de datos que se analizan con frecuencia son:
las Series de Tiempo y los Datos de Panel.
Una serie de tiempo es por ejemplo el precio del cobre en
funcin del tiempo.



Los datos de panel son por ejemplo el precio del cobre en
funcin de la oferta, la demanda, los sustitutos, etc
c | | | | | | + + + + + + =
Sn al Cu
P P D Ps Pp P
6 5 4 3 2 1
1 2 3 1 2 1
+ + + =
t t t t
P P P uc c | | |