+

Resumen estructura del flujo de caja

0 Ingresos Venta de activos Costos variables Costos fab. Fijos Comisiones de venta Gastos de adm. Y ventas Depreciacin Amortizacin intangible Valor libro Utilidad antes de impuesto Impuesto (17%) Utilidad neta Depreciacin Amortizacin intangible Valor libro Inversin inicial Inversin de reemplazo Inversin de ampliacin Inversin en capital de trabajo Valor de rescate 1 2 3 4 5 6

(+) INGRESOS

(-) COSTOS (-) COSTOS CONTABLES

UTILIDAD ANTES DE IMPUESTO (-) IMPUESTO UTILIDAD DESPUES DE IMPUESTO

(-) COSTOS CONTABLES INVERSION

VALOR DE RESCATE

Flujo de caja

FLUJO DE CAJA

Programa de clases
La

proyeccin de la demanda

Aproximaciones

para establecer la demanda

Anlisis Cualitativo

Modelos Causales
Series de Tiempo

La proyeccin de mercado busca informacin a tres niveles

Anlisis

histrico actual

Anlisis

Proyeccin

y anlisis futuro

Existen mltiples mtodos de proyeccin que deben ser elegidos segn el estudio particular

El objetivo es lograr informacin valiosa que permita la mejor

proyeccin posible

Los criterios de seleccin de un mtodo son su precisin,

sensibilidad y objetividad. Junto con el costo asociado.

Programa de clases
Clase 2
La

proyeccin de la demanda
para establecer la demanda

Aproximaciones

Anlisis Cualitativo Modelos Causales Series de Tiempo

Desde el punto de vista de la informacin se pueden distinguir:

Anlisis Cualitativo: Principalmente opiniones de expertos

Modelos causales: Son modelos con buena capacidad predictiva en los casos en ciertas variables influyen directamente y en forma relativamente permanente en la demanda

Series de tiempo: Son tiles si se tienen datos confiables de un registro histrico. No consideran variaciones graves en el entorno

Mtodos cualitativos

Paneles de expertos (ej. Mtodo Delphi), focus-groups, entrevistas en profundidad y experimentos en mercados prueba.

Encuestas basadas en mtodo probabilstico o no probabilstico Tamao muestral: n= s2 Z2 e2 Con n= tamao de la muestra

s= desviacin estndar
Z = valor crtico en la distribucin normal; (Z(1-a/2)) e= nivel mximo de error permitido

Ejemplo del tamao muestral

Nuevo producto: aceite de oliva y maz. Media de consumo histrico: 12 litros/ao Desviacin estndar en prueba piloto: 3 Error mximo permitido: 0.3 litros Nivel de confianza: 95%

n= 32*1.962/ 0.32 =385

Escalas de medicin en encuestas

Se pueden distinguir cuatro tipos principales de escalas para encuestas:

Nominal: Respuestas directas del encuestado. Ej. Qu aceite prefiere Ordinal: Ordenar en una escala segn preferencia. Ej. Ponga una nota al aceite xxx, de 1 a 7.

Intervalos: Rangos comparativos. Ej. Cunto aceite consume, menos de una botella, entre una y dos, etc.

Proporcional: A modo de confirmacin de respuestas anteriores y explicitar las mediciones.

10

Programa de clases
Clase 2
La

proyeccin de la demanda
para establecer la demanda

Aproximaciones

Anlisis Cualitativo Modelos Causales Series de Tiempo

11

Modelos causales

Se basan en informacin cuantitativa histrica para

generar modelos predictivos.

Se pueden distinguir tres modelos principales:

Regresin, simple o mltiple Economtrico

Modelo insumo-producto (coeficientes tcnicos)

12

Anlisis de correlacin

Antes de un anlisis de regresin, es necesario establecer si efectivamente existe correlacin entre variables El coeficiente de correlacin mide la fuerza de asociacin lineal entre dos variables de escala de intervalo El coeficiente de correlacin de Pearson permite cuantificar la correlacin

13

Coeficiente de correlacin de Pearson

El parmetro es notado como r (poblacin) y su

estadstico es r (muestra). Con -1<r, r<1

r=-1 significa inversamente proporcional y r=+1

proporcionalidad. r=0 indica ausencia de relacin

14

Expresin para el coeficiente de correlacin de Pearson

r= n(xy) (x)(y) /nx2(x)2 * ny2(x)2

En excel se puede usar la funcin Pearson

15

Prueba de significacin
Tiene

el valor r (muestral) significacin estadstica?

Es

necesario usar la prueba de significacin H1: r0

Ho: r=0
Si

r=0 la distribucin de r es la t (t de student) con n-2

grados de libertad

16

Prueba de significacin

El estadstico de prueba es:

t= r/ (1-r2)/(n-2) Este valor es el que debe

compararse con la distribucin t con a=0.05 y gl=n-2 (mayor?) De este forma se puede

aceptar o rechazar la hiptesis

17

Regresin Simple

La regresin simple o regresin lineal es el modelo ms conocido.

Considera que una variable dependiente se predice, en una determinada medida, en funcin de una variable independiente

18

Regresin Simple

La regresin simple corresponde a la lnea de tendencia que se origina a partir de los datos indicados en el diagrama de dispersin
y

y(x)= a + bx

19

Regresin Simple

Para la funcin y(x)=a +bx, se puede obtener:

b=

nSxy-(Sx)(Sy) = S(x-xm)(y- ym) nSx2-(Sx)2 S(x-xm)2

a=

ym bxm

a puede considerarse como el valor promedio de y cuando x es igual a cero. b por su parte corresponde a la variacin de y ante un cambio marginal en x

20

La calidad de la regresin como modelo explicativo se puede analizar a travs de:

Coeficiente de correlacin (r): mide el grado de asociacin lineal entre x e y. Tambin se usa el coeficiente de determinacin (r2), con valores entre 0 y 1.

Desviacin o error estndar (Se)

21

Desviacin Estndar

El error estndar de la estimacin Se indica la magnitud de la dispersin de los valores observados de y respecto de la recta de regresin. Se= (y- )/(n-2)

22

Qu nos indica la desviacin estndar

68% de probabilidad que las observaciones futuras estn dentro de yestSe

95% de probabilidad que las observaciones futuras estn dentro de yest2*Se

99% de probabilidad que las observaciones futuras estn dentro de yest3*Se

23

Coeficiente de correlacin

El coeficiente de determinacin simple r2 corresponde al

porcentaje de variabilidad explicado por la variable independiente x: r2= 1- ((y-)2)/(y- y)2)

El coeficiente de correlacin es la raz cuadrada de r 2

24

Modelo economtrico

Modelo economtrico: Es un modelo matemtico generado

en funcin de las principales variables econmicas, igualando

oferta y demanda para obtener el precio. Es un modelo de

corto plazo ya que no admite externalidades de ningn tipo

25

Modelo insumo-producto

Modelo insumo-producto: Es un modelo matemtico generado en funcin de las principales relaciones interindustriales entre sectores de la economa. Este modelo supone coeficientes tcnicos fijos para las distintas industrias

26

Programa de clases
Clase 2
La

proyeccin de la demanda
para establecer la demanda

Aproximaciones

Anlisis Cualitativo Modelos Causales Series de Tiempo

27

Modelos de serie de tiempo

Al analizar los datos histricos comprendidos en una serie de tiempo, podemos distinguir cuatro componentes bsicos:

Tendencia Factor cclico Fluctuaciones estacionales Variaciones no sistemticas

28

Para proyectar un parmetro conociendo una serie histrica, podemos usar algunas tcnicas

Promedio mvil de los ltimos x perodos Promedio mvil centrado ndice estacional especfico Afinamiento exponencial

29

Promedio Mvil

El promedio mvil permite hacer una estimacin simple basado en los resultados reales del ltimo perodo (trimestre, cuatro meses, etc).

Pm= Sti n

30

Promedio mvil centrado

El promedio mvil centrado permite una estimacin ms representativa que el promedio mvil, corresponde a la media de los promedios mviles

Pmc= Pm1+ Pm2 2

31

ndice Estacional Especfico

El ndice estacional especfico permite determinar el efecto estacional y algunas influencias no sistemticas.

IEx= Perodox Pmcx

32

Afinamiento exponencial
El afinamiento exponencial permite estimar para el corto plazo, cul es un modelo de proyeccin adecuado, considerando la calidad de la proyeccin

Yt+1= a*(Yt)+(1-a)*(Yt)
Y: Proyeccin del parmetro Y: Datos conocidos para el parmetro
a: Constante de afinamiento (0 a 1)

33

Afinamiento exponencial
La mejor alternativa es decidida segn la menor desviacin
tpica obtenida:

DT=S(Yx+Yx)2
n

34

Programa de clases
Clase 2
La

proyeccin de la demanda
para establecer la demanda

Aproximaciones

Anlisis Cualitativo Modelos Causales Series de Tiempo