Comprender los modelos de pronóstico

Los modelos de pronóstico utilizan información histórica y actual para proporcionar una variedad de resultados probables. Estos son tipos de modelos financieros. El objetivo de un modelo de pronóstico es extrapolar tendencias pasadas y actuales con la ayuda de varias herramientas estadísticas y analíticas para predecir un escenario futuro. Los resultados de tales modelos de pronóstico forman la base de la toma de decisiones estratégicas. Los siguientes son algunos ejemplos de aplicaciones de modelos de pronóstico:

  • Para determinar el movimiento futuro en el precio de una acción
  • Para determinar la rotación de la fuerza laboral en base a las tendencias pasadas
  • Pronosticar la demanda de un producto en particular

Un modelo de pronóstico considera todas las variables y posibilidades asociadas al tema a pronosticar. Dichos modelos se basan en una serie de suposiciones, agregaciones y probabilidades. El riesgo y la incertidumbre, por lo tanto, siempre serán la base de cualquier modelo de pronóstico. El objetivo es solo pronosticar un resultado que sea lo más cercano a la imagen real para minimizar las desviaciones de las expectativas de la gerencia.

Tipos de modelos de pronóstico

La gama completa de modelos de pronóstico disponibles en la actualidad es amplia y está en constante aumento. Varían de fundamental a extremadamente complejo en forma. Si bien la comprensión de los modelos avanzados solo se puede desarrollar con un estudio extenso, a continuación se ilustran algunos modelos básicos:

Pronóstico de series de tiempo

Es una técnica de pronóstico cuantitativo. Este modelo busca descubrir patrones ocultos en el movimiento de datos en intervalos específicos: cada hora, semana, mes, año, etc. Este método, por lo tanto, se basa en la repetición secuencial de eventos para pronosticar un resultado futuro.

Pronóstico de series de tiempo con Excel

  • Inserte datos con tiempo o duración en una columna. Un intervalo fijo, digamos un día, mes o año, debe transcurrir en el medio. (Asegúrese de que el formato de la columna en cuestión esté actualizado; de lo contrario, la hoja de pronóstico mostrará un error).
  • Inserte los valores correspondientes que se busca pronosticar en la siguiente columna.
  • Seleccionar datos relevantes
  • En la pestaña de datos > Grupo de pronóstico > Hoja de pronóstico.
  • En la hoja de trabajo de previsión, seleccione un gráfico de líneas o de barras según sus preferencias.
  • En el cuadro de finalización de la previsión, establezca la fecha de finalización de la previsión > Crear.

Los valores históricos del S&P 500 durante los últimos 24 años se muestran a continuación. Se establece un intervalo de confianza del 95%.

CronologíaValoresCronologíaValores
ene-95465.25ene-071,424.16
ene-96614.42ene-081.378,76
ene-97766.22ene-09865.58
Ene-98963.36ene-101,123.58
ene-991,248.77ene-111.282,62
Ene-001,425.59ene-121,300.58
Ene-011.335,63ene-131,480.40
Ene-021,140.21ene-141,822.36
Ene-03895.84ene-152,028.18
Ene-041,132.52ene-161,918.60
Ene-051,181.41ene-172.275,12
ene-061.278,73ene-182,789.80

El gráfico resultante se verá de la siguiente manera:

Interpretación de una serie temporal pronosticada

Valores: la línea trazada como valores no es más que una representación gráfica de los datos que se están revisando. El eje X lleva el tiempo con un intervalo de un año. El eje Y lleva el rango de valores.

Límite superior de confianza: indica que el 95% de los valores futuros serán «menores que» o dentro de su rango.

Límite inferior de confianza: Indica que el 95% de los valores serán «mayores que» o más allá de su rango.

Juntos, los límites de confianza superior e inferior buscan explicar que el 95 % de todos los valores futuros se encontrarán entre los límites máximo y mínimo establecidos por este pronóstico.

Pronóstico: Básicamente, una agregación o promedio de los límites de confianza superior e inferior. Considera los extremos mínimo y máximo para llegar a una línea que pueda ser la que mejor se ajuste. Se puede esperar razonablemente que los valores futuros estén más cerca de este rango. Absorbe patrones históricos para manifestar su contraparte futura, asumiendo que sigue la misma tendencia.

Análisis de regresión

La regresión se refiere al análisis estadístico de varias variables y la búsqueda de cualquier interrelación que pueda existir entre ellas. Esta técnica es la más útil cuando las variables consideradas muestran dependencia entre sí. El movimiento de una (variable dependiente) es función del movimiento de otra (variable independiente). El análisis ayuda a descubrir la correlación profundamente arraigada que existe entre los factores. Por lo tanto, dicho conocimiento se puede explotar y las proporciones de las variables se controlan para obtener los resultados deseados.

La relación entre la precipitación en centímetros y la cosecha, los precios del oro y los tipos de cambio, la escala salarial/horas de trabajo y la productividad laboral. Cada una de las relaciones antes mencionadas puede someterse a regresión para extraer patrones relevantes.

Análisis de regresión con Excel

Considere los siguientes datos sobre robos e incendios en Chicago.

XYXY
6.22918.432
9.54436.241
10.53639.7147
7.73718.522
8.65323.329
34.16812.246
11755.623
6.91821.84
7.33121.631
15.125939
29.1343.615
2.214532
5.71128.627
21117.432
2.52211.334
4dieciséis3.417
5.42711.946
2.2910.542
7.22910.743
15.13010.834
16.5404.819

X= Incendios por 1000 viviendas; Y= Robos por 1000 en población

Paso 1: Redacte el conjunto de datos en Excel

Paso 2: Vaya a Datos en la cinta > Pestaña Análisis de datos > Seleccione Regresión > Haga clic en Aceptar

Aparece la siguiente Hoja:

Estadísticas de regresión decodificadas

Múltiple R: Este es el coeficiente de correlación. Varía de -1 (perfectamente negativo) a +1 (perfectamente positivo). En el caso dado, el coeficiente de correlación de 0,55 representa una relación moderadamente positiva.

R Cuadrado: Coeficiente de Determinación. Es el cuadrado de Múltiple R y varía de) a 1. Indica cuántos puntos se encuentran en la línea de regresión o la «bondad de ajuste». Cuanto más cerca de 1, mejor ajuste. Un R cuadrado de 0,30 denota una exactitud por debajo del promedio entre las variables X e Y en el ejemplo anterior.

Error Estándar: Es la medida de la precisión de las predicciones del análisis de regresión. Cuanto menor sea el error estándar, mayor será la precisión. Se considera adecuado un error estándar de <0,05, ya que concuerda con el intervalo de confianza del 95 % bien aceptado. En el ejemplo, un error estándar del 19,46 % es superior al deseable.

Medios Cualitativos de Modelos de Pronóstico

Esta técnica parte del análisis estadístico y el procesamiento de números y se basa en gran medida en la opinión y el juicio de expertos. Los métodos de pronóstico cualitativos se adoptan principalmente cuando no se espera que las tendencias históricas sigan en el futuro. También se recurre a ellos cuando el conjunto de datos es demasiado estrecho para poder extrapolarse al análisis numérico. Luego, los expertos pueden encontrar viable ejercer el juicio y la experiencia para discernir el sentido de un conjunto de datos aparentemente incoherente. Además, los métodos cualitativos son la opción más sensata cuando las tendencias y los hábitos de la población evolucionan constantemente con el tiempo. Por ejemplo, la elección de la música, la moda, el medio de entretenimiento, etc., estas variables son muy dinámicas. Una prenda de vestir de moda muy demandada hace 20 años no tiene importancia hoy.

Método Delfos

Se interroga a un panel de expertos sobre su opinión sobre las tendencias y los resultados futuros. El análisis es realizado por un tercero para garantizar la autenticidad. Cada uno de los panelistas se revisa por separado para evitar la manipulación o el dominio entre ellos. Después de una ronda preliminar de preguntas, se recopilan los resultados y se vuelve a plantear un segundo conjunto específico de preguntas a los panelistas. Este proceso continúa hasta que el alcance del resultado puede reducirse con una precisión razonable.

Encuesta de consumidores

Las corporaciones a menudo realizan encuestas a clientes e industrias para obtener información de primera mano sobre sus gustos y preferencias. Los datos relevantes se recopilan a través de varios medios, como cuestionarios, listas de verificación, muestreo e incluso por un vendedor que realiza visitas puerta a puerta. Con base en los resultados de dicha encuesta, la empresa puede juzgar la demanda de sus productos, los patrones y hábitos de los consumidores, y los cambios que debe realizar para impulsar sus ventas.

Análisis de escenario

El análisis de escenarios es una forma de técnica de proyección en la que se analiza el destino de una situación en consideración mediante la construcción de «escenarios alternativos o mundos alternativos». Se analizan los resultados probables, haciendo tres conjuntos de suposiciones: optimista, pesimista y probable. Una característica importante de esta forma de análisis es que, a diferencia de la mayoría de las técnicas de pronóstico, esta técnica no se basa en datos históricos. En cambio, considera las probabilidades futuristas haciendo que la predicción sea lo más cercana posible a la vida.

Lea Técnicas de previsión financiera para obtener más detalles.

Rate this post

Deja una respuesta

Tu dirección de correo electrónico no será publicada.