PRONOSTICO DE LOS ACTIVOS DE LA COMPANIA COCA-COLA FEMSA PARA EL AÑO 2012

PRONOSTICO DE LOS ACTIVOS DE LA COMPANIA COCA-COLA FEMSA PARA EL AÑO 2012

Juan Manuel García Barrios , Vidal Moreno Ramírez

Resumen-

Palabras clave:

INTRODUCCIÓN

Una serie de tiempo es un conjunto de datos numéricos que se obtienen en períodos regulares a través del tiempo [Berenson, M. & Levine, D. 1996]. Estos datos pueden ser muy variados, generalmente son usados para evaluar el comportamiento de las ventas de una empresa, o para evaluar el comportamiento de los índices de precio de un país o de un tipo de producto pero en general pueden aplicarse a cualquier negocio y /o área. Este comportamiento puede tener características de tipo estacional, o cíclico o siguen alguna tendencia ya sea a la baja, de subida o sin variación.

Las organizaciones en general evalúan periódicamente el comportamiento de su actividad y/o productos a fin de pronosticar que va a suceder en el futuro en base a lo que ha venido ocurriendo en el pasado, está sucediendo en el presente y tiene la tendencia a comportarse de la misma manera en el futuro.

El comportamiento de las series de tiempo, se debe a 4 componentes: la tendencia, la variación cíclica, la variación estacional y la variación irregular [Lind, D., Marchal, W. & Mason, R. 2004].

La tendencia o tendencia secular, es aquella tendencia a largo plazo sin alteraciones de una serie de tiempo. Esta tendencia pudiera ser de tipo lineal o no lineal, así como también creciente o decreciente y también como una combinación de alguna de las anteriores. Muchos productos, servicios e indicadores económicos siguen un comportamiento de este tipo, y su análisis más generalizado es a través de varios años, teniendo en cuenta los períodos que más se ajustan a cada negocio, pudiendo ser semestrales, trimestrales, mensuales, semanales, etc.

La segunda componente es la variación cíclica en la que a través del período de tiempo analizado se producen ascensos y descensos en varias oportunidades. Este tipo de comportamiento es muy asociado a variaciones de carácter económico.

La tercera componente es la variación estacional, que tiene como característica de variación regular dentro de un año y que a su vez se repite cada año, casos típicos son la producción de algunas frutas y/o comestibles o ventas asociadas a productos como ropa de temporada.

La última componente es la componente irregular que adiciona las características anteriores pero además tiene comportamiento extraños imprevisibles que se dan generalmente en el corto plazo.

Para poder pronosticar cuál es el comportamiento futuro de una variable en función a estas características de comportamiento es necesario poder representarlo matemáticamente. Existen métodos llamados métodos de suaviza miento [Anderson, D., Streeney, D. & Williams, T. 1999] porque su objetivo es suavizar la variación causada por el componente irregular de la serie de tiempo, estos métodos son: el de promedios móviles, promedios móviles ponderados y suaviza miento exponencial. La tendencia lineal es la más sencilla de representar, y utilizar sí es ése el comportamiento de nuestra variable analizada.

GENERALIDADES

El pronóstico de serie de tiempo será usado en este trabajo para obtener el pronóstico del año 2012 de la empresa COCA-COLA FEMSA. Así como el pronóstico de promedios móviles será usado para pronosticar los siguientes cuatros semestres del 2012 por ello tenemos que definir los métodos:

Serie de tiempo: En muchas áreas del conocimiento las observaciones de interés son obtenidas en instantes sucesivos del tiempo, por ejemplo, a cada hora, durante 24 horas, mensuales, trimestrales, semestrales o bien registradas por algún equipo en forma continua.

Llamamos Serie de Tiempo a un conjunto de mediciones de cierto fenómeno o experimento registradas secuencialmente en el tiempo. Estas observaciones serán denotadas por {x(t1), x(t2), ..., x(tn)} = {x(t) : t ( T ( R} con x(ti) el valor de la variable x en el instante ti. Si T = Z se dice que la serie de tiempo es discreta y si T = R se dice que la serie de tiempo es continua. Cuando ti+1 - ti = k para todo i = 1,..., n-1, se dice que la serie es equiespaciada, en caso contrario será no equiespaciada.

En adelante se trabajará con series de tiempo discreta, equiespaciadas en cuyo caso asumiremos y sin pérdida de generalidad que: {x (t1), x (t2),..., x (tn)}= {x (1), x (2),..., x(n)}.

Promedios móviles: Un promedio móvil es el precio promedio del mercado en cierto período de tiempo. El Promedio Móvil o PM es el indicador más utilizado en análisis técnico y con razón, ya que es uno de los indicadores técnicos más antiguos que existen.

Un promedio móvil muestra la dirección y la duración de una tendencia. El propósito de un promedio móvil es el mostrar la tendencia, de una forma suavizada. Debido al hecho que el promedio móvil es uno de los indicadores más versátiles y de mayor uso dentro de todos los indicadores, es la base del diseño de la mayoría de sistemas y estrategias utilizados hoy en día.

La empresa a la que se le aplicaran estos dos métodos es COCA-COLA FEMSA una de las empresas más importantes de la región así como también de la república mexicana y del mundo por lo que al calcular sus activos totales del año 2012 nos podremos dar una idea del poderío de esta empresa en la región, en México y en el mundo

METODO

MÉTODO DE SERIE DE TIEMPO

Modelos de descomposición

Un modelo clásico para una serie de tiempo, supone que una serie x(1), ..., x(n) puede ser expresada como suma o producto de tres componentes: tendencia, estacionalidad y un término de error aleatorio.

Existen tres modelos de series de tiempos, que generalmente se aceptan como buenas aproximaciones a las verdaderas relaciones, entre los componentes de los datos observados.

Aditivo: X(t) = T(t) + E(t) + A(t)

Multiplicativo: X(t) = T(t) • E(t) • A(t)

Mixto: X(t) = T(t) • E(t) + A(t)

Donde:

X(t) serie observada en instante t

T(t) componente de tendencia

E(t) componente estacional

A(t) componente aleatoria (accidental)

Un modelo aditivo (1), es adecuado, por ejemplo, cuando E(t) no depende de otras componentes, como T(t), sí por el contrario la estacionalidad varía con la tendencia, el modelo más adecuado es un modelo multiplicativo (2). Es claro que el modelo 2 puede ser transformado en aditivo, tomando logaritmos. El problema que se presenta, es modelar adecuadamente las componentes de la serie.

MÉTODO DE PROMEDIOS MOVILES

La utilización de esta técnica supone que la serie

...