Pronósticos, Series de Tiempo y Regresión Capítulo 1: Introducción a los Pronósticos.

Pronósticos, Series de Tiempo y Regresión

Capítulo 1: Introducción a los Pronósticos

Contenido

Pronósticos e información Métodos para establecer pronósticos Errores en los pronósticos Selección de una técnica para

establecer un pronóstico Panorama de las técnicas cuantitativas

para establecer pronósticos

Pronósticos e información

Pronóstico: predicción de los hechos y condiciones futuros

Ejemplos para una empresa: mercadotecnia: demanda para varios productos,

en diferentes regiones y entre distintos grupos finanzas: tasa de interés para tomar decisiones

acerca de inversiones en capital administración de personal: producción futura,

para saber a cuántos emplear programa de producción: demanda de cada

producto


Ejemplos para un gobierno: educación: número de alumnos en cada lugar, en

cada nivel servicios públicos: demanda para agua y luz finanzas públicas: recaudación de impuestos de

varios tipos, gastos necesarios

Ejemplos para una organización no-gubernamental: recaudación de fondos costos de proyectos


Ejemplos para un individuo o una familia: valor de acciones, divisas y otras

inversiones ingresos futuros costo de la universidad para los hijos valor de los fondos para el retiro


información transversal: valores observados en un punto de tiempo (datos transversales)

Fuente: Transparency International Corruption Perceptions Index.

Índice de Percepciones de Corrupción 2003, América Latina

3.6

7.45.5

4.64.6

4.54.3

3.93.8

3.73.73.7

3.43.3

2.62.5

2.4

2.42.32.3

2.21.6

1.5

0.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0

Haití

P araguay

Ecuador

Bolivia

Honduras

Guatemala

Venezuela

Argentina

Nicaragua

República Dominicana

P anamá

México

Colombia

El Salvador

P erú

J amaica

Brazil

Costa Rica

Belice

Cuba

Trinidad y Tobago

Uruguay

Chile

Índice


Serie de tiempo: sucesión cronológica de observaciones de una variable particular. (datos de serie de tiempo)

Serie de Tiempo

Fuente: Transparency International Corruption Perceptions Index.

Corrupción en México: Índice de Percepciones de Corrupción

3.53.63.63.6

1.87 2.23

3.18 3.32.66 3.3 3.4 3.3 3.7

0

1

2

3

4

1980-1985

1995 1997 1999 2001 2003 2005

Años

Sc

ore

0 = completamente corrupto10= completamente limpio


Partes de una serie de tiempo: Tendencia Ciclo Variaciones estacionales Fluctuaciones irregulares


Indicador de Actividad Económica, México 1993-2007

020406080

100120140160180

1993

/01

1994

/03

1995

/05

1996

/07

1997

/09

1998

/11

2000

/01

2001

/03

2002

/05

2003

/07

2004

/09

2005

/11

2007

/01

Período

Índ

ice

(199

3=10

0)

Fuente: INEGI

Estacionalidad

Indicador de Actividad Económica, México, 2003-2007

0

2040

6080

100120

140160

180E

nero

Febre

ro

Marz

o

Abril

Mayo

Junio

Julio

Agosto

Septie

mbre

Ocubre

Novie

mbre

Dic

iem

bre

Índ

ice (

1993=100) 2003

2004

2005

2006

2007

Fuente: INEGI

Estacionalidad

Métodos para establecer pronósticos

Cualitativos Cuantitativos


Cualitativos: requieren una opinión ajuste de curva subjetivo Método Delphi comparaciones técnicas

tendencia primaria


Cuantitativos modelo univariable para pronósticos

Se pronostica el valor futuro de la variable basado en patrones establecidos en el pasado.

modelos causales para establecer pronósticoss

variable dependiente variables independientes

Errores en los pronósticos

Tipos de pronósticos pronóstico puntual pronóstico del intervalo de predicción

Medición de los errores (et) de pronóstico (ŷt)


Desviación absoluta = |et| = |yt -ŷt|

Desviación absoluta media = DAM

Error cuadrático = (et)2 = (yt -ŷt)2

Error cuadrático = ECM

n

yy

n

eDAM

n

ttt

n

tt

11

|ˆ|||

n

yy

n

eECM

n

ttt

n

tt

1

2

1

2 )ˆ()(


Valor real

Valor predicho

ErrorDesviación Absoluta

Error cuadrático

yt ŷt et |et| = |yt -ŷt| (et)2 = (yt -ŷt)2

25 22 3 3 9

28 30 -2 2 4

29 30 -1 1 1

Suma 0 6 14

DAM = 6/3 = 2ECM = 14/3 = 4.67


El DAM y el ECM, en sí, no nos dicen mucho.

Pero sirven para comparar modelos de pronóstico y elegir el que mejor predice los valores.

También sirven para monitorear el desempeño de un modelo: cuando aumentan de repente, significa que el modelo ya no es tan atinado.


Otra medida es el Error Absoluto de Porcentaje (EAP) útil cuando las magnitudes de las variables

cambian (e.g., Precios en México, 1992-1997)

Error absoluto de porcentaje medio (EAPM)

)100(|ˆ|

)100(||

t

tt

t

tt y

yy

y

eEAP

n

EAPEAPM

n

tt

1

Selección de una Técnica para Establecer un Pronóstico

Factores a considerar: período patrón de los datos costo del pronóstico exactitud deseada disponibilidad de la información facilidad de operar y entender


Factores a considerar: período

inmediato (< 1 mes) corto plazo (1-3 meses) medio plazo (>3 meses y < 2 años) largo plazo (≥2 años)

Entre más largo el plazo, menos exactos son los pronósticos cuantitativos y más valiosos los pronósticos cualitativos.


Factores a considerar: patrón de los datos

presencia de tendencia, ciclo, variación estacional, o alguna combinación de ellos

modelo univariable vs. causal


Factores a considerar: costo del pronóstico

costo de desarrollar el modelo complejidad costo de conseguir los datos necesarios costo de la operación real de la técnica tipo de software requerido


Factores a considerar: exactitud deseada

¿Es aceptable un error de 20%? ¿10%? ¿5%? 1%?

Selección de una Técnica para Establecer un Pronóstico Factores a considerar:

disponibilidad de la información datos historicos--¿de cuántos períodos?

¿con qué frecuencia? variables disponibles exactitud de los datos (confiabilidad) puntualidad de los datos (relevancia)

Se podría requerir un procedimiento para reunir los datos (véase “costo del pronóstico”)


Factores a considerar: facilidad de operar y entender

En particular, es de suma importancia que el administrador (tomador de decisiones) entienda el modelo y las técnicas.

Panorama de las Técnicas Cuantitativas para Establecer Pronósticos

Análisis de regresión Series de tiempo univariables Métodos de Box-Jenkins

Panorama de las Técnicas Cuantitativas para Establecer Pronósticos Análisis de regresión

variable dependiente (y) demanda de un producto de consumo

variables independientes (xi) x1 = precio del producto x2 = precio promedio en la industrio de

productos similares de la competencia x3 = gastos de publicidad para promover el

producto x4 = tipo de compañía de publicidad (TV, radio,

etc.) usado para promover el producto

Panorama de las Técnicas Cuantitativas para Establecer Pronósticos Análisis de regresión

objetivos del modelo: describir las relaciones entre y y x1, x2, x3 y x4. predecir las demandas futuras del producto con

base en los valores futuros de x1, x2, x3 y x4. controlar las demandas futuras del producto

mediante el control del precio del mismo, gastos de publicidad y los tipos de campañas de publicidad usadas.

Nota: hay variables que no podemos controlar, por lo tanto no podemos predecir ni controlar perfectamente la demanda del producto.

Panorama de las Técnicas Cuantitativas para Establecer Pronósticos Series de tiempo univariables

regresión de series de tiempo métodos de descomposición

tendencia variación estacional irregular (error)

suavización exponencial da más peso a las observaciones más

recientes que a las más remotas.

Panorama de las Técnicas Cuantitativas para Establecer Pronósticos Métodos de Box-Jenkins

combina modelos para identificar el mejor útil cuando los componentes de la serie de

tiempo cambian con el tiempo puede requerir más observaciones que

otras técnicas

Conclusiones

Un pronóstico es una predicción. Existen varias metodologías:

cualitativa vs. cuantitativa univariable vs. causal sencillo vs. Box-Jenkins

Al escoger la metodología adecuada, hay que tomar en cuenta varios factores.

Pronósticos, Series de Tiempo y Regresión Capítulo 1: Introducción a los Pronósticos.

Documents

Transcript of Pronósticos, Series de Tiempo y Regresión Capítulo 1: Introducción a los Pronósticos.