---

En la evaluación de proyectos es indispensable indagar en cuanto al desarrollo futuro de ciertas variables relacionadas con el proyecto, tales como la demanda, la oferta, los precios, etc., lo que se desea es conocer el comportamiento de estos fenómenos a través del tiempo.

Para indagar el desarrollo futuro de estas variables se hace uso de los pronósticos, los cuales se basan en el uso de los datos anteriores de las variables en cuestión. La hipótesis principal que se debe de considerar en la aplicación de las técnicas de pronóstico es que el desempeño de los datos anteriores continuará ocurriendo en el futuro.

Gráficamente esto se puede representar de la siguiente manera:

MÉTODOS CUALITATIVOS

Usos de estos métodos:

Las técnicas cualitativas se usan cuando los datos son escasos, por ejemplo cuando se introduce un producto nuevo al mercado. Estas técnicas usan el criterio de la persona y ciertas relaciones para transformar información cualitativa en estimados cuantitativos.

Método Delphi.
Se usa para pronósticos a largo plazo, pronósticos de ventas de productos
nuevos y pronósticos tecnológicos.
Tiempo estimado: más de dos meses.
Exactitud: de regular a muy buena

Investigación de Mercados. Se usa para evaluar y probar hipótesis acerca de mercados reales.
Tiempo estimado: más de tres meses.
Exactitud: puede ser excelente, dependiendo del cuidado que se haya puesto en el trabajo.
Consenso de un Panel. Tiene los mismos usos que el Método Delphi.
Tiempo estimado: más de dos semanas.
Exactitud: de baja a regular.

Pronósticos Visionarios. Se usa para hacer una profecía del futuro usando la intuición personal.
Tiempo estimado: una semana.
Exactitud: mala.

Analogía Histórica. Se usa para productos nuevos, basándose en el análisis comparativo de la
introducción y crecimiento de productos similares.
Tiempo estimado: más de un mes.
Exactitud: de buena a regular.

Métodos Cuantitativos:

Análisis de series de tiempo. El análisis consiste en encontrar el patrón del pasado y proyectarlo al futuro.

Patrones de una serie de tiempo:
· Horizontal o estacionario

· Tendencia a largo plazo

· Efecto estacional

· Efecto cíclico

Métodos de proyección. Estos métodos tratan de encontrar el patrón total de los datos para proyectarlos al futuro, y son:
· Promedios Móviles
· Suavización Exponencial
· Box-Jenkins

Método de separación: Es aquel que separa la serie en sus componentes para identificar el patrón de cada componente, y se llama, Método de Descomposición de Series de Tiempo.

Modelos Causales

Modelos de Regresión

· Regresión lineal simple
· Regresión lineal múltiple

Modelos Econométricos:

Un modelo econométrico es un sistema de ecuaciones de regresión interdependientes que describe algún sector de actividades económicas, ventas o utilidades.

Encuestas de intenciones de compra y anticipaciones: Estas encuestas que se hacen al público, determinan:

a)Las intenciones de compra de ciertos productos.
b) Derivan un índice que mide el sentimiento general sobre el consumo presente y futuro y estiman como afectan estos sentimientos a los hábitos de consumo. Este enfoque para hacer pronósticos es más útil que otras técnicas para seguir el desarrollo de la demanda y para señalar puntos de peligro.

Modelo de insumo - producto: Método de análisis que determina el flujo de bienes y servicios interindustrial o interdepartamental en una economía o en una compañía y su mercado. Muestra flujos de insumos que deben ocurrir para obtener ciertos productos.

Suposiciones:

· Los datos históricos presentan una tendencia lineal en el tiempo

· La ecuación que aproxima los datos históricos esta dada por:
y=a+bt, donde y representa el valor estimado de la variable t.

En esta ecuación no se conocen las constantes a y b, las cuales se determinan de la siguiente manera:

Sean (ti, yi), los datos originales, donde:
yi=es la demanda real en el tiempo ti, i=1,2,3..............n
la cual se obtiene a partir de los datos históricos.

Se define:
lo cual se interpreta como la suma de los cuadrados de las desviaciones entre los valores de la demanda observada y la estimada.

Si se obtienen las derivadas parciales de S de a y b, se obtiene lo siguiente:

Después de efectuar algunas operaciones algebraicas se llega a lo siguiente:

También se define el coeficiente de correlación lineal como sigue:

donde

La interpretación acerca del significado de r es la siguiente:

si r=1 o r=-1, entonces el ajuste lineal es perfecto
si r=k, tal que , entonces el ajuste lineal mejora considerablemente

si r=0, entonces es muy probable que y, t sean independientes, lo que significa que definitivamente el ajuste lineal no es el más adecuado.

Ejemplo Práctico:

Consideremos la demanda histórica(y) de un cierto producto a lo largo de t años, desde 1990 hasta 1996, el problema es pronosticar la demanda futura a lo largo de otros 10 años, es decir desde 1997 hasta 2004.

De acuerdo con estos datos históricos, se tiene que la ecuación que ajusta los datos a una línea recta es la siguiente:

y=at+b, con

a=81.5714286

b=-5.21428571
donde 81.574286 es la pendiente de la recta y -5.21428571 es la ordenada al origen, la cual es negativa por lo que la recta es decreciente, esto significa que a medida que aumenten los años la demanda va a disminuir.

Entonces se tiene que la demanda de 1997 al 2004 es la siguiente

Ahora, si se construye la gráfica de los datos históricos contra los datos que se obtuvieron por medio de la ecuación de la recta se tiene lo siguiente

Este método estima la demanda del siguiente periodo como el promedio de los datos históricos de los últimos m periodos, esto se expresa con la siguiente ecuación:

El valor de m generalmente se escoge entre 5 y 10, se debe considerar que un valor demasiado pequeño de m podría ser ineficaz para detectar algún periodo.

Se infiere que este modelo solo es apropiado para pronósticos a corto plazo, ya que después del calculo de , tal que k>2m, todos los valores de son obtenidos de datos no históricos, es decir de datos obtenidos por el propio algoritmo que genera .

También se puede observar que este algoritmo le da el mismo peso a los datos más recientes que a los datos más antiguos, esto también es una desventaja ya que las condiciones cambian inevitablemente a través del tiempo y lo más recomendable seria el darle más peso a los datos más recientes.

Ejemplo:

Considere los siguientes datos históricos:

Con estos datos, se pide hacer el pronóstico del 2000 al 2002, entonces se tiene lo siguiente:

La gráfica de estos datos se muestra a continuación

El modelo matemático que describe este algoritmo de pronóstico es el siguiente:

Esta formula tiene la ventaja de que da un peso cada vez mayor a los datos más recientes, es una técnica adecuada de pronóstico para el pronóstico a corto plazo.

Se puede obtener una medida de la efectividad del suavisamiento exponencial suponiendo que el proceso es completamente estable, de tal manera que , son variables aleatorias independientes e idénticamente distribuidas con varianza , entonces para t grande(El límite cuando t tiende a infinito), se tiene lo siguiente:

La ultima ecuación indica que
esto significa que si se eligiera un determinado valor de n, entonces el valor de a estaría determinado.
Ejemplo:

Consideremos los siguientes datos históricos:
Los cuales corresponden a la demanda de un cierto producto durante 2 años(24 meses)

Con estos datos se pronostica la demanda durante 24 meses de la manera que sigue:
Primero se escoge a como 0.1
El procedimiento empieza con

Es un procedimiento recursivo que usa la ecuación anterior para el pronóstico del siguiente mes, tal como se muestra en la siguiente tabla:

En las secciones 7.3 a 7.5 se han presentado los siguientes modelos de pronóstico:
- El modelo de regresión
- El modelo de promedios móviles
- El modelo de alisamiento exponencial

Pero cabe indicar la pregunta, acerca de cual de los métodos de predicción presentados es el que finalmente se usará para obtener la proyección deseada, para esto se definen los siguientes términos:

El error de pronóstico:
Se define como la diferencia entre el valor observado de la serie de tiempo en el periodo t y el pronóstico para el periodo t, en símbolos:

Error cuadrático medio:
Es el promedio de los cuadrados de los errores de pronóstico, lo cual se representa por la siguiente ecuación:

El MCE se usa para determinar cual de las técnicas de pronóstico es la más adecuada para usarse en la proyección de los datos, ya que se considera la que tiene el menor MCE.

Cuando se habla de técnicas de pronóstico, se habla de modelación, en este caso se refiere a lo modelación matemática, y consiste en crear una descripción matemática del comportamiento de alguna entidad.

El propósito del modelo es conocer el estado de alguna entidad, a partir del conocimiento principalmente de los datos históricos, por ejemplo a partir del conocimiento de la demanda de un cierto producto es posible crear un modelo matemático, como se analizo en las secciones anteriores, los datos se pueden ajustar con el método de alisamiento exponencial y de esta manera conocer el estado futuro de la demanda. La actual teoría del caos afirma que con respecto a los modelos de predicción que se debe de crear un modelo matemático que se ajuste a las siguientes condiciones:

· Un modelo no lineal
· Un modelo muy sensible a los valores de las variables iniciales
· Un modelo determinístico

Un modelo de predicción con estas características se dice que presenta un “Comportamiento caótico”, Cuando se dice que un modelo es muy sensible a los valores iniciales quiere decir que si con un conjunto de valores, el resultado del modelo es X, con el mismo conjunto de valores solo variado ligeramente, digamos por milésimas, el resultado será Y, donde X es totalmente distinto a Y. Esta característica es precisamente la que hace que no se puedan hacer pronósticos certeros a largo plazo del tiempo. y que se deba contemplar un horizonte de proyección a corto plazo, por ejemplo en el caso de la inflación, la cual es sumamente importante en los proyectos de inversión, es imposible predecir su comportamiento por ejemplo tan solo para el año siguiente. Una de las implicaciones de la teoría del caos, es que no hay aleatoriedad, es decir, no hay incertidumbre, siempre se puede saber el resultado de algo si se tiene toda la información disponible.

Por ejemplo si se considera el numero de variables que pueden afectar la demanda de un producto, se encuentra con que son demasiadas y cada una de estas variables es difícilmente medible por lo tanto se pueden predecir con poca exactitud, algunas de estas variables involucran aspectos tales como: la situación económica mundial, la situación económica interna del país, el comportamiento personal de los consumidores, etc.

En este contexto, se observa que es sumamente difícil hacer buenos pronósticos, por lo tanto la estrategia que se debe seguir en la medida de lo posible es tratar de evitar cualquier situación que pudiera ser de alto riesgo para el desarrollo del proyecto de inversión.

El nuevo enfoque que se debe considerar al hacer pronósticos debe de contemplar de que en los tiempos actuales no es posible hacer pronósticos mayores de 1 año, inclusive al cabo de un tiempo menor las condiciones cambian con tal rapidez que se invalidan las decisiones tomadas.

El modelo que se debe crear únicamente debe basarse en los datos recién recabados, esto implica que no se hace el uso de proyecciones ya que estas son sumamente inseguras .

El hecho de que no se haga uso de las proyecciones ni de los datos históricos significa que se omiten todas las condiciones futuras y de esta manera se evita el tomar decisiones basadas en cálculos de condiciones cambiantes. La filosofía del nuevo enfoque concerniente al tratamiento del riesgo implica que el proyecto de inversión se debe llevar si y solo si las condiciones actuales y conocidas del mercado, considerando los aspectos tecnológicos y económicos hagan economicámente rentable el proyecto.
Ahora se analiza el estudio de mercado, el estudio técnico, la evaluación económica y la inflación

Estudio de mercado:
El estudio de mercado debe realizarse lo más completo posible, de tal manera que si desde un principio da como resultado que no existe un mercado futuro para el producto bajo análisis, entonces el proyecto de inversión deberá rechazarse de inmediato, en caso de que el estudio de mercado demuestre que hay un amplio mercado para el producto lo que se recomienda es no pronosticar las ventas e ingresos, simplemente llevar a cabo la inversión por la razón de que es rentable en el tiempo actual.

Estudio Técnico:
Respecto al estudio técnico se recomienda que se instale la capacidad de producción de acuerdo a las condiciones del mercado vigentes en el tiempo actual.

Evaluación económica:
Ahora si se analiza la evaluación económica, en los estudios tradicionales se usa el estado de resultados pro-forma para obtener los flujos netos de efectivo para de esta manera obtener la rentabilidad económica, la cual se expresa en términos de VAN o TIR y al final se hace el análisis de sensibilidad para observar el comportamiento de la rentabilidad económica considerando algunos parámetros cambiantes.

La inflación:
En el nuevo enfoque para tratar el riesgo al no considerar el futuro, se asume que la inflación es cero y entonces se debe considerar los siguiente: si la inversión resulta económicamente rentable en las condiciones actuales sin considerar la inflación futura entonces el proyecto de inversión seguirá siendo rentable siempre que el nivel de ventas sea constante y que la rentabilidad económica se incremente si aumenta el nivel de ventas .