Pronósticos

¿Qué es un pronóstico? 

Es un estimado cuantitativo (o conjunto de estimados) acerca de la verosimilitud de eventos futuros, que se elabora con base en la información pasada y actual.

 Las

predicciones de los hechos y condiciones

futuras, es una adivinación calculada del futuro.

Importancia en la Planeación  Pronosticar

es muy importante en muchos tipos

de empresas, ya que las predicciones de hechos futuros se pueden incorporar

al

proceso de la toma de decisiones.  Cualquier

organización debe ser capaz de hacer

predicciones para poder tomar decisiones inteligentes

CARACTERÍSTICAS DE LOS PRONÓSTICOS 

El análisis de series de tiempo, consiste en encontrar el patrón del pasado y proyectarlo al futuro.

 

En función de los modelos de series de tiempo podemos distinguir entre:



Pronóstico ex post



Pronóstico ex ante



Las observaciones en las variables endógenas y en las variables explicativas ya se conocen con certeza durante el periodo pronosticado, de este modo, los pronósticos ex post pueden verificarse contra los datos existentes y proporcionan un medio para evaluar un modelo del pronóstico.



También predice valores de la variable dependiente más allá del periodo de estimación original, pero usa variables explicativas que pueden conocerse o pueden no conocerse aun con certeza.

E x 

Po st

E PR x 

ON ÓS A nt TIC e OS



Pr on óst ico Co nd ici on al Pr on óst ico 

PR ON OST ICO S

In co nd ici on al

  

Los valores para una o mas variables explicativas no se conocen, así que se deben usar suposiciones (o pronósticos) para producir un pronostico de la variable dependiente



Las variables explicativas deben conocerse con certeza para el periodo entero del pronóstico. Una forma en que puede ocurrir esto es haciendo que las variables explicativas aparezcan con rezagos de tiempo, aun si las variables explicativas no aparecen con rezagos, podemos ser capaces de pronosticarlas perfectamente, generando de este modo pronósticos incondicionales para la variable dependiente.



Métodos 

Métodos de proyección. Estos métodos tratan de encontrar el patrón total de los datos para proyectarlos al futuro, y son: › Promedios Móviles › Suavización Exponencial › Box-Jenkins

  Método

de separación. Es aquel que separa la serie en sus

componentes para identificar el patrón de cada componente, y se llama: Método de Descomposición de Series de Tiempo.

FACTORES PARA LA SELECCIÓN DEL PRONÓSTICO   Periodo  El patrón de los datos  El costo del pronóstico  La exactitud deseada  La disponibilidad de la información  La facilidad de operar y entender



Periodo 

Puntos en el tiempo (días, semanas, meses, o años en el futuro), generan los pronósticos. Este intervalo de tiempo se llama periodo u horizonte de tiempo. Su duración se clasifica de la siguiente forma: › Inmediato - menos de 1 mes › Corto Plazo - 1 a 3 meses › Medio – (+) de 3 meses a (-) de 2 años

Pat rón 

› Largo Plazo – 2 años o (+) › de› los Dat os

Considerar los componentes presentes (tendencia, ciclo, variación estacional o alguna combinación de ellos) para determinar el modelo a emplear.

Costo del Pronóstico 

Es pertinente tener varios costos, considerando el costo de desarrollar el modelo. El costo de la operación real de la técnica es importante.



El grado de complejidad puede tener una influencia definitiva en el costo total del pronóstico.

Exact it ud Deseada 

Los datos históricos de una variable de interés utilizada por distintos métodos de pronósticos requiere diferentes cantidades, datos históricos o anteriores, por ello la cantidad de datos disponibles es importante, observando la puntualidad de los datos con que se cuenta.

Consideraciones básicas para una predicción exitosa 1. 2. 3. 4. 5. 6.

Ambiente de decisión y función de pérdida Objeto del pronóstico Planteamiento del Pronóstico Horizonte del Pronóstico Conjunto de información Métodos y complejidad, el principio de la parsimonia y el principio de contracción

Función de pérdida Buenos pronósticos = buenas decisiones Cada pronóstico conlleva una estructura de “costo” o “pérdida”, asociada a cada decisión, por lo tanto decisiones incorrectas conducen a pérdidas positivas. La función de pérdida tiene la forma L(e), es decir la pérdida depende del error de pronóstico 



 

L(e) = 0 PRONÓSTICO PERFECTO  L(e) es IDÉNTICA cuando los errores casi idénticos al pronóstico, producen pérdidas casi idénticas.  L(e) aumenta a medida que también aumenta el valor absoluto de e (más grande el tamaño absoluto del error será mayor la pérdida).

Objet o del Pronóst ico



Resultado del evento



Tiempo del evento



Serie temporal

Planteamiento 

Decidir el tipo de pronóstico: › Puntual o puritual (un solo número ejemplo índice de crecimiento del PIB del 2008 a 2009) › › De Intervalo (intervalo de valores reflejando incertidumbre en el

pronóstico, pero proporcionan más información que el puntual)

› › De Densidad (expresa toda la distribución de probabilidades del

valor futuro de la serie de interés)

Horizont e del Pronóst ico 

Cantidad de periodos (etapas) entre hoy y la fecha del pronóstico que se elabora, en general se habla de un pronóstico de h etapas a futuro, para lo cual el horizonte h está a discreción del usuario.

Conjunto de Información 

Todo pronóstico depende de la calidad de la información, ya se explícita o implícita con que se cuente.

Mét odos y com plejidad, Parsim onia y Cont racción 

Principio de la parsimonia: los modelos simples, en igualdad de condiciones, son preferibles a los modelos complicados.



(se interpretan, entienden y revisan con mayor facilidad).



Principio de la contracción: al imponer restricciones sobre los modelos de pronóstico se mejora la eficacia del mismo.



Principio MACOS (mantenerlo complicadamente sencillo).

CLASIFICACIÓN DE MÉTODOS DE PRONÓSTICOS 

Los procedimientos de pronósticos pueden también clasificarse de acuerdo con su tendencia a ser más cuantitativos (Análisis de series de tiempo y Modelos Causales) o cualitativos. Una técnica puramente cualitativa es aquella que no requiere de una abierta manipulación de datos, sólo se utiliza el “juicio” de quién pronostica.  Desde luego, incluso aquí, el “juicio” del pronosticador es en realidad el resultado de la manipulación mental de datos históricos pasados. 

Cualitativos

No requieren de elementos de juicio.  Ciertos procesos cuantitativos requieren de una manipulación de datos mucho mas compleja que otros.  Debemos enfatizar de nuevo que junto con los nuevos procedimientos mecánicos y de manipulación de datos, se deben emplear elementos de juicio y sentido común 

Cuantitativos



An ális is de Ser ies de Tie mp o 



El análisis consiste en encontrar el patrón del pasado y proyectarlo al futuro.



Patrones de una serie de tiempo: › Horizontal o estacionario › Tendencia a largo plazo › Efecto estacional › Efecto cíclico

Cu anti tati vos

Mo del os Ca us ale s



 Modelos de Regresión: › Lineal Simple › Lineal Múltiple

ETAPAS A SEGUIR EN PRONÓSTICOS 

La aceptación de que las técnicas de pronósticos funcionan sobre datos generados en sucesos históricos pasados conduce a la identificación de cuatro pasos en el proceso de pronóstico:

1. Recopilación de Datos  Es importante obtenerdatos adecuados y asegurarse que son correctos. 

Este paso es el mayor reto de todo el proceso y el más difícil de controlar, ya que los pasos siguientes se efectúan sobre los datos, sean o no relevantes para el problema en cuestión.

2. Reducción de Datos  Algunos datos pueden no ser pertinentes al problema, por lo que reducirían la precisión del pronóstico. 

Otros datos pueden ser los adecuados, pero en ciertos periodos históricos.

3. Construcción del Modelo  Implica ajustar los datos reunidos en un modelo de pronóstico que sea el adecuado para minimizar el error del pronóstico. 

Se debe establecer un balance entre un enfoque de pronóstico complejo (más precisión) y un enfoque sencillo (fácil de entender) de manera que lo utilicen efectivamente.

4. Extrapolación del Modelo 

Ocurre una vez que se recolectaron y tal vez redujeron, los datos adecuados y que se seleccionó un modelo de pronóstico apropiado.



Es entonces cuando se observan los errores de pronóstico y se resumen de algún modo.