Beruflich Dokumente
Kultur Dokumente
en Economa y Finanzas
>
Sitio Espejo para Amrica Latina
Esta es la versin en Espaol del sitio Web principal en Ingls, el cual se
encuentra disponible en:
Time-Critical Decision Making for Economics and Finance
USA Site
Las herramientas para las decisiones tecnolgicas tales como los modelos
matemticos han sido aplicados a una amplia gama de situaciones en la toma
de decisiones dentro de diversas reas de la gerencia. En la toma consciente de
decisiones bajo incertidumbre, siempre realizamos pronsticos o predicciones.
Podramos pensar que no estamos pronosticando, pero nuestras opciones
estarn dirigidas por la anticipacin de resultados de nuestras acciones o
inacciones. Este sitio tiene el objetivo de ayudar a los gerentes y
administradores a hacer un mejor trabajo al momento de anticipar hechos, y
por lo tanto, un mejor manejo de la incertidumbre mediante el uso de tcnicas
de prediccin y pronstico efectivas.
El uso de modelos matemticos ha sido incrementado para interpretar y
predecir las dinmicas y controles en la toma de decisiones gerenciales.
Dichas aplicaciones incluyen pronoacute;stico de ventas, predicciones del
impacto y efecto de campaas publicitarias, estrategias para proteger
desabastecimiento de inventarios y para determinar estrategias ptimas de
inversin de portafolios.
Profesor Hossein Arsham
Para buscar el sitio, presione Editar| Buscar en la pgina [Ctrl + f]. Escriba una
palabra o frase en el espacio del dilogo. Por ejemplo "mtodo" o "pronstico" Si el
primer resultado de la palabra o la frase no es lo que usted buscaba, intente
con Prxima bsqueda.
CONTENIDO
Captulo 1:
Captulo 2:
Captulo 3:
Captulo 4:
Captulo 5:
Captulo 6:
Tcnicas de Ablandamiento
Captulo 7:
Metodologa de la Box-Jenkins
Captulo 8:
Tcnicas de Filtraje
Captulo 9:
Introduccin
Modelos y Anlisis de Decisiones con Periodos de Tiempo Crtico: La
capacidad de modelar y realizar modelos de decisin y anlisis es un rasgo
esencial entre las muchas aplicaciones reales que van desde los tratamientos
mdicos de emergencia en las unidades de cuidados intensivos hasta en los
sistemas de control de los comandos militares. Los formalismos y los mtodos
de inferencia existentes no han sido eficaces en las aplicaciones de tiempo real
donde las compensaciones entre la calidad de decisin y manejabilidad
computacional son esenciales. En la prctica, un acercamiento eficaz al
modelamiento de decisin de tiempo dinmico crtico debera proporcionar el
apoyo explcito al modelamiento de procesos temporales y al manejo de
situaciones crticas de tiempo.
Uno de los elementos ms importantes para un ejecutivo de alta gerencia es la
capacidad de conducir su propia vida eficientemente, y luego modelar todas
aquellas habilidades de liderazgo en los empleados de la organizacin.
La mayora de las decisiones gerenciales estn basadas en pronsticos. Cada
decisin se hace efectiva en algn punto en el futuro, por lo tanto deberan
estar basadas en pronsticos de las condiciones futuras.
Los pronsticos son necesarios en todas las reas de una organizacin, y los
mismos no deberan ser generadas por un grupo aislado de analistas. Tampoco
se puede considerar ningn pronstico como "terminado", los pronsticos son
continuamente necesarios, y as como pasa el tiempo, el impacto de los
pronsticos sobre el desempeo real de acontecimientos debe ser medido Llos
pronsticos originales son actualizados y las decisiones son modificadas, y as
sucesivamente. Este proceso es mostrado en la figura siguiente:
Medida de Comportamiento
Retorno de la Inversin, Crecimiento, e
Innovaciones
Costo, Cantidad, y Satisfaccin al Cliente
Establecimiento de Objetivos, y
Satisfaccin de Estndares
Feb
Mar
Abr
May
Jun
Jul
Ago
Sep
Oct
Nov
Dic
Total
196
188
192
164
140
120
112
140
160
168
192
200
1972
200
188
192
164
140
122
132
144
176
168
196
194
2016
196
212
202
180
150
140
156
144
164
186
200
230
2160
242
240
196
220
200
192
176
184
204
228
250
260
2592
M
T
Media: 208,6 207,0 192,6 182,0 157,6 143,6 144,0 153,0 177,6 187,6 209,6 221,0
2185
Indice:
1,14
1,14
1,06
1,00
0,87
0,79
0,79
0,84
0,97
1,03
1,15
1,22
Ventas Realizadas
Regresin Lineal
Regresin Cuadrtica
1972
1884
1981
2016
2085
1988
2160
2285
2188
2592
2486
2583
12
Ventas ( en miles de $)
PM(5)
PMP(5)
105
100
105
95
100
101
100
95
99
98
105
100
100
120
103
107
115
107
111
10
125
117
116
11
120
120
119
12
120
120
119
Unidades
Necesitadas
20
02
02
Costo por
Unidad
10
100
50
Total
200
200
100
500
Ao 2001
Costo por
Unidad
11
110
60
Total
220
220
120
560
Modelos Autoregresivos
El modelo autoregresivo es uno del grupo de formulas de prediccin
lineal que intentan predecir los resultados de un sistema basado en
variables de entrada y resultados anteriores, tales como:
Y(t) = 1 + 2Y(t-1) + 3X(t-1) + t,
de donde X(t-1) y Y(t-1) son los valores actuales (valores de entrada) y
el pronstico (resultados), respectivamente. Estos tipos de regresiones
son comnmente referidas entre otros aModelos Autoregresivos de
Rezagos Distribuidos, Rezagos de Distribucin Geomtrica, y Modelos
de Expectativas Adaptativas.
Un modelo que solo depende de resultado previos del sistema es
llamado modelo autoregresivo (AR), mientras que un modelo que solo
depende de los valores de entrada del sistema es llamado modelo de
promedios mviles (PM), y por supuesto, un modelo basado en ambos
entradas y salidas del sistema es un modelo autoregresivo de promedios
mviles (ARPM). Note que por definicin, los modelos AR contienen
solo postes (poles) mientras que el PM contiene solo ceros. Para derivar
el modelo autoregresivo (AR) se necesita estimar los coeficientes del
modelo usando el mtodo del error mnimo.
Los procesos autoregresivos as como su nombre implica, regresan en
ellos mismos. Si una observacin es hecha en el momento (t), de orden
p, [AR(p)], el modelo autoregresivo satisface la siguiente ecuacin:
X(t) = 0 + 1X(t-1) + 2X(t-2) + 2X(t-3) + + pX(t-p) + t,
de donde t es una serie de Ruido Blanco.
El valor actual de las series es una combinacin lineal de los mas
recientes valores pasados de p mas un trmino de error, el cual
incorpora todas las novedades en las series de tiempo en el momento t
los cuales no son explicados en los valores pasados. Este es como un
modelo de regresin mltiple, pero no es regresado sobre las variables
independientes sino en los valores pasados; por lo tanto, el trmino
"Autoregresivo" es utilizado.
Autocorrelacin: Una gua importante para las propiedades de las
series de tiempo es suministrada por las series de cantidades llamadas
coeficientes de autocorrelacin muestral o coeficiente de correlacin
serial, el cual mide la correlacin entre observaciones con diferentes
distancia de separacin entre ellas. Estos coeficientes normalmente
proporcionan una sutileza en el modelo de probabilidad que generaron
X(t)
X(t)
X(t)
X(t)
X(t)
50,8
48,1
11
50,8
16
53,1
21
49,7
50,3
50,1
12
52,8
17
51,6
22
50,3
50,2
48,7
13
53,0
18
50,8
23
49,9
48,7
49,2
14
51,8
19
50,6
24
51,8
48,5
10
51,1
15
53,6
20
49,7
25
51,0
Ecuaciones Simultaneas
La especificacin emprica tpica en economa o finanzas es un modelo
de una sola ecuacin el cual asume que las variables explicativas no son
estocsticas e independientes del termino de error.
Esto permite al modelo ser estimado por el anlisis de Regresin de
Mnimos Cuadradas (RMC) este tipo de modelos no dejan dudas de la
direccin de causa asumida, es decir, corre directamente desde las
variables explicativas hacia las variables dependientes de la ecuacin.
El anlisis de RMC esta destinado a ajustar una ecuacin simple de
regresin. En la prctica, la mayora de las relaciones econmicas
interactan entre sistemas de ecuaciones simultaneas, y cuando es te es
el caso, la aplicacin de del RMC a una simple relacin aislada,
conlleva a estimaciones influenciadas. Por lo tanto, es importante
mostrar como es posible utilizar el RMC para obtener estimaciones
consistentes de los coeficientes de una relacin.
La estructura general de un modelo de ecuaciones simultaneas consiste
en una serie de ecuaciones independientes con variables endgenas y
exgenas. Las variables endgenas son determinadas dentro del sistema
de ecuaciones. Las variables exgenas o como se conocen
generalmente, las variables pre-determinadas, ayudan a describir el
movimiento de las variables endgenas dentro del sistema, o son
determinadas fueras del modelo.
Aplicaciones: Sistemas de ecuaciones simultaneas constituyen un tipo
de modelos donde algunas de las variables econmicas son
determinadas conjuntamente. El ejemplo tpico en los textos de
econometra es el modelo de oferta y demanda de bienes y servicios. La
interaccin entre la oferta y la demanda presiona al modelos a
determinar de manera conjunta el precio y cantidad de producto de
equilibrio dentro del mercado. Debido a la correlacin potencial
existente entre las variables del lado derecho de las ecuacin que
incluye el termino de error, no tiene sentido continuar hablando sobre
variables dependientes e independientes. Por lo tanto, hacemos la
distincin entre variables endgenas y exgenas.
La estimacin de ecuaciones simultaneas no se limita al modelo de
oferta y demanda. Existen muchas mas aplicaciones tales como el
modelo de gasto es consumo, el impacto de presiones proteccionistas
en los modelos de cambio y tasa de inters. Los modelos de ecuaciones
simultaneas tienen aplicaciones naturales en la literatura de la banca y
finanzas debido a la determinacin conjunta del riesgo, retornos en
C = 1 / (1 - 2) + 2 I / (1 - 2) + / (1 - 2),
y
Y = 1 / (1 - 2) + I / (1 - 2) + / (1 - 2),
Ahora podemos utilizar el anlisis de RMC para estimar esta ecuacin.
Esto es totalmente permisible porque la inversin y el trmino de error
no estn correlacionados dado el hecho de que la inversin es exgena.
Sin embargo, utilizando la primera ecuacion se puede obtener una
Australia
15024
4749
19461
Austria
Blgica
Canada
China
19813
18367
15786
446
6787
5174
4017
293
26104
24522
20085
768
China-HK
17067
7262
24452
Dinamarca
Finlandia
Francia
Alemania
Grecia
Islandia
India
Indonesia
Irlanda
Italia
25199
17991
19178
20058
9991
25294
291
351
13045
16134
6947
4741
4622
5716
2460
6706
84
216
4791
4075
32769
24952
24587
26219
11551
30622
385
613
20132
20580
Japn
21478
7923
30124
Pas
Corea del
Sur
Luxemburgo
Malasia
Mexico
Holanda
Nueva
Zelanda
Noruega
Pakistn
Filipinas
Portugal
Espaa
Suecia
Suiza
Tailandia
Reino Unido
EEUU
4596
1448
6829
26400
1683
3359
17558
9767
873
1056
4865
42650
3268
4328
24086
11236
2658
13992
23415
389
760
8579
11255
20687
27648
1226
19743
26387
9221
79
176
2644
3415
4487
7815
479
4316
6540
32933
463
868
9976
14052
26866
36864
1997
23844
32377
Observaciones
Predicciones
567
597
620
630
700
700
720
715
735
725
819
820
819
820
830
831
840
840
10
999
850
20,7
2,02
50,91278
Estadstico de Theils
0,80
Estadstico de Mc Laughlins
320,14
Estadstico de Durbin-Watson
0,9976
Valor de Re-venta
100
50
30
15
10
Costos Corrientes
15
41
60
14
29
70
130
50
70
85
90
95
55
84
114
160
225
Antigedad
Costo Promedio con respecto a la
Antigedad
55
42
38
40
45
P1
P2
P3
P4
P5
P6
P7
P8
P9
Costo ($100)
24
25
30
10
15
20
22
Demanda Anual
30
20
300
300
120
88
72
60
50
42
32
P6
P7
P8
P9
P1
P3
P2
P5
P4
% de Uso Anual
28
28
11
Categora
Tasa o Nivel de
Demanda: x
Una tasa constante al cual los productos son retirados del inventario
Costos de orden: C1 Este es el costo fijo de colocar una orden independiente del monto ordenado.
Costos de preparacin
Costos de
manutencin : C2
Este costo usualmente incluye la perdida de ingresos por inversin causados por la
manutencin del activo atado al inventario (no circulacin del mismo). Esto ni es un
flujo real de efectivo, pero es un componente importante del costo de inventarios. Si
P es el precio por unidad de producto, este componente es normalmente calculado
por iP, donde i es un porcentaje que incluye el costo de oportunidad, el costo de
ubicacin, seguro, etc. Este es una tasa de descuento o una tasa de inters utilizada
para calcular el costo de mantener unidades de inventario en los almacenes.
Costos de
Debe existir un costo para cuando la escasez ocurre.
Desabastecimiento:
C3
Costo de Respaldo
de ordenes: C4
Este costo incluye los gastos por cada articulo respaldado. Esto podra ser un gasto
para cada articulo en proporcin l tiempo que cada cliente debe esperar por dicho
producto.
Tiempo de
reemplazo: L
C1x/Q
Almacenamiento
C2/(2Q)
xC1/Q
Almacenamiento
(Q-S) C2/(2Q)
xSC3/Q + S2C4/(2Q)
Ordenes
Costo Total =
xC1/Q
(K-x)QC2/(2K)
Ganancia
Esperada
0,0067
0,0067
0,000
0,0337
0,0404
19,800
0,0842
0,1246
38,59
0,1404
0,2650
54,85
0,1755
0,4405
66,90
0,1755
0,6160
73,37
0,1462
0,7622
75,20
0,1044
0,8666
72,34
0,0653
0,9319
66,34
0,0363
0,9682
58,38
10
0,0181
0,9863
49,34
11
0,0082
0,9945
39,75
12
0,0034
0,9979
19,91
13
0,0013
0,9992
19,98
14
0,0005
0,9997
10,00
15
0,0002
-29,99
for 0 t T,
for t T
Continuo
Continuas
Discretas
Nivel de agua
contenido en una represa
Nmero de
clientes en un banco
Discreto
Rango de temperaturas
diarias
Ventas al
final del da
x1
x2
.
x(n) =
xk
.
.
xk
x(0) =
1
0
0
0
0,2495
0,2634
x(50) =
0,2339
0,2532
,y
x(0) =
1
0
|0| (2)
|1| (3)
|0| (4)
|1|
|1|
,x =
,x =
,x =
,......., x(2n) =
, y x(2n+1) =
|1|
|0|
|1|
|0|
|0|
|0|
|1|
Consumo
para
para
para
externas
A
B
C
Industria A: x1 = 0,10x1 + 0,43x2
+ 20 000
Industria B: x2 = 0,15x1
+ 0,37x3 + 30 000
Industria C: x3 = 0,23x1 + 0,03x2 + 0,02x3 + 25 000
para