Gerencia Financiera

TÉCNICAS DE PRONÓSTICO.

TENDENCIA LINEAL.

Una línea de tendencia representa una tendencia en una serie de datos obtenidos a través de un largo período. Este tipo de líneas puede decirnos si un conjunto de datos en particular (como por ejemplo, el PBI, el precio del petróleo o el valor de las acciones) han aumentado o decrementando en un determinado período. Se puede dibujar una línea de tendencia a simple vista fácilmente a partir de un grupo de puntos, pero su posición y pendiente se calcula de manera más precisa utilizando técnicas estadísticas como las regresiones lineales. Las líneas de tendencia son generalmente líneas rectas, aunque algunas variaciones utilizan polinomios de mayor grado dependiendo de la curvatura deseada en la línea.

INDICE ESTACIONAL

Esta técnica sirve para calcular el pronóstico de ventas cuando existe estacionalidad o ciclos y también se utiliza cuando en cada período existen diferencias de ventas muy marcadas, razón por la cual se hace necesario calcular un índice que nos permitirá un ajuste por cada período, en general, los patrones estacionales son fluctuaciones que ocurren dentro de un año y tienden a repetirse anualmente. Estas estaciones pueden ser causadas por el clima, las vacaciones, los días de pago, los eventos escolares o cualquier otro fenómeno. Los pasos a seguir para desarrollar pronósticos con el análisis de regresión lineal cuando en los datos de la serie de tiempo hay estacionalidad, se selecciona un conjunto representativo de datos históricos, se desarrolla un índice de estacionalidad para cada estación (mes, trimestre, etc.), se usan los índices de estacionalidad para desestacionalizar la serie (así se eliminan los patrones estacionales). Luego, se realiza el análisis de regresión lineal sobre los datos desestacionalizados. Se usa la ecuación de regresión para calcular los pronósticos del futuro y se utilizan los índices de estacionalidad para aplicar los patrones estacionales a los pronósticos.

TENDENCIA POLINOMICA GRADO 2

Una línea de tendencia polinómica es una línea curva que se utiliza cuando los datos fluctúan. Es útil, por ejemplo, para analizar las pérdidas y ganancias de un conjunto de datos grande. El orden del polinomio se puede determinar mediante el número de fluctuaciones en los datos o en función del número de máximos y mínimos que aparecen en la curva. Una línea de tendencia polinómica de Orden 2 suele tener sólo un máximo o un mínimo. Una de Orden 3 normalmente tiene uno o dos máximos o mínimos. El Orden 4 tiene más de tres.

En el siguiente ejemplo se muestra una línea de tendencia polinómica de Orden 2 (un máximo) para ilustrar la relación entre la velocidad y el consumo de gasolina. Observe que el valor R cuadrado es 0,9474, que es un buen ajuste de la línea respecto a los datos.

PROMEDIO MOVIL

El Promedio Móvil o PM es el indicador más utilizado en análisis técnico, ya que es uno de los indicadores experimentados más antiguos que existen. La utilización de un promedio móvil muestra la dirección y la duración de una tendencia; el propósito de un promedio móvil es el de ilustrar la tendencia, de una manera más 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.

Un ejemplo de promedio móvil es el precio promedio del mercado en cierto período de tiempo.

Se describen algunas de las propiedades más comunes de los promedios móviles:

• El promedio móvil es calculado con cierto período de tiempo predefinido.

• Mientras más corto el período, mayor la probabilidad de una señal falsa.

• Mientras más largo el período, menor es la sensibilidad del promedio móvil.

TIPOS DE PROMEDIOS MÓVILES

Promedio Móvil Simple (SMA):

El Promedio Móvil Simple es a veces llamado un promedio móvil aritmético y básicamente es un precio promedio a través de un período de tiempo. Siendo este el más utilizado.

• Promedio Móvil Simple = SUMA (precios de cierre) / n, donde n es el número de períodos.

Promedio Móvil Exponencial (EMA):

El indicador de Promedio Móvil Exponencial reacciona más rápidamente a cambios de precios recientes que el Promedio Móvil Simple debido al hecho que suma los precios de cierre del período actual al período anterior, dando así más peso a los últimos períodos de precio.

El período es utilizado para determinar el peso relativo que debería ser asignado a períodos previos. La fórmula es utilizada para determinar el porcentaje.

Promedio Móvil Suavizado (SMMA):

Debido a que el indicador del Promedio Móvil Suavizado, suaviza el promedio móvil por medio de la asignación de mismos pesos a precios pasados que a precios recientes, es recomendable utilizar el SMMA con períodos más largos de tiempo para mejores resultados

Promedio Móvil Ponderado Lineal (LWMA)

Un Promedio Móvil Ponderado se calcula a través de la multiplicación de cada período de tiempo anterior por un peso. El peso está basado en el número de días del promedio móvil.

Un Promedio Móvil Ponderado Lineal, da más peso a información más reciente que a datos más antiguos.

El hecho de que es medido linealmente significa que el dato más antiguo recibe un valor de 1, luego el dato que le sigue, un valor de 2, luego el dato que le sigue un valor de 3 y así sucesivamente, hasta que el último dato recibe un peso equivalente al período.

LINEAS DE TENDENCIA

Las líneas de tendencia son representaciones gráficas de las tendencias de los datos que puede usar para analizar problemas de predicción. Dicho análisis también se denomina análisis de regresión. Mediante el análisis de regresión, puede ampliar el significado de una línea de tendencia de un gráfico más allá de los datos reales para predecir valores futuros.

En otras palabras es una relación funcional entre dos o más variables correlacionadas. Se utiliza para pronosticar una variable con base en la otra.

La tendencia lineal es útil para el pronóstico a largo plazo de eventos importantes, así como la planeación agregada.

La tendencia lineal se utiliza tanto para pronósticos de:

• Series de tiempo. Cuando la variable dependiente (que casi siempre es el eje vertical en una gráfica) cambia como resultado del tiempo (trazado como el eje horizontal).

• Relaciones causales. Si una variable cambia debido al cambio en otra, se trata de una relación casual (como el número de muertes

...