Ctedra: Aplicaciones y Formulacin de Proyectos de Inversin

Material preparado por el Prof. Juan Jos P. Sartori Ao 2006

1
1. EL ESTUDIO DEL MERCADO

ETAPAS DEL ESTUDIO DEL MERCADO

"Al evaluar un proyecto de inversin deber tenerse en cuenta la estructura de funcionamiento
del mercado, sus condiciones, sus limitaciones y sus proyecciones, a fin de poder entregar
oportuna y correctamente los antecedentes que se requieren para la construccin de las
proyecciones de demanda". Sapag Chain, (1993) pg. 42.

EL MERCADO DEL PROYECTO

Estudio de los submercados:
1. MERCADO PROVEEDOR
2. MERCADO COMPETIDOR
3. MERCADO DISTRIBUIDOR
4. MERCADO CONSUMIDOR
5. MERCADO EXTERNO

EXISTEN PROYECTOS QUE POR SU DEPENDENCIA HACEN QUE SE ESTUDIE
PRIMERO UN PROYECTO NO SOLICITADO.

Ej.: papel de bagazo de caa de azcar, caso de Lima (Per)
proyecto de fabricacin de pectinas que usaba como materia prima la cscara del limn que
resulta como residuo de la fabricacin de aceites derivados del limn fresco.

1. El estudio del mercado proveedor.
Es complejo e implica el estudio de la obtencin de:
MATERIAS PRIMAS
COSTOS DE MATERIAS PRIMAS ==> precio de insumos
CONDICIONES DE COMPRA
NECESIDAD DE INFRAESTRUCTURA DE
ALMACENAMIENTO
SUSTITUTOS
PERECIBILIDAD
OPORTUNIDAD Y DEMORAS EN LA RECEPCIN
SEGURIDAD EN LA RECEPCIN

2. El estudio del mercado competidor
Competidores directos en la venta del producto
Competidores en la compra de insumos
Competidores potenciales

3. El mercado distribuidor
Disponibilidad de un sistema que garantice la entrega oportuna de
los productos al consumidor.

4. El mercado consumidor
Necesidad de proyectar consumo de productos
Modelos de pronstico

5. El mercado externo
Ctedra: Aplicaciones y Formulacin de Proyectos de Inversin
Material preparado por el Prof. Juan Jos P. Sartori Ao 2006
2
Recurrir a fuentes externas de abastecimiento de materias primas, obliga a estudios especiales.
Por ej., la demora en la recepcin de la materia prima puede no compensar ahorros de costo
obtenidos importndola.
La calidad puede compensar menores precios internos.
Salidas de la convertibilidad pueden hacer menos conveniente la importacin de productos o
insumos, etc.

ETAPAS DEL ESTUDIO DEL MERCADO

En funcin de la cronologa de la informacin que se analiza, tres etapas:
1. ANLISIS HISTRICO DEL MERCADO
2. ANLISIS DE LA SITUACIN VIGENTE
3. ANLISIS DE LA SITUACIN PROYECTADA ===> MS IMPORTANTE

VARIABLES IMPORTANTES A CONSIDERAR EN CADA ETAPA:
. ESTRUCTURA DEL MERCADO
. LA EXPERIENCIA DE EMPRESAS DEL MERCADO
. CONDICIONANTES LEGALES
. PARTICIPACIN DE EMPRESAS EN EL MERCADO (PASADO Y ACTUAL)
. CARACTERSTICAS Y EVOLUCIN DE OFERTA DE PRODUCTOS SIMILARES Y SUSTITUTOS
. COMPOSICIN Y EVOLUCIN DE LA DEMANDA

EL CONSUMIDOR

Sus caractersticas influyen en la ESTRATEGIA COMERCIAL, como as tambin influye
secundariamente el competidor.

Distinguir entre:
CONSUMIDOR INSTITUCIONAL
decisiones ms racionales, basadas en caractersticas tcnicas del producto, calidad,

CONSUMIDOR INDIVIDUAL
toma decisiones de compra basado en consideraciones emocionales, como por ej., moda, la
exclusividad del producto o el prestigio de la marca.

Segmentacin de mercados: es la agrupacin de consumidores de acuerdo con algn
comportamiento similar en el acto de compra.
Segmentacin del mercado institucional ===> responde a rubro de actividad, regin geogrfica,
tamao y volumen, etc.
Segmentacin del mercado de los consumidores individuales segn:
variables geogrficas; variables demogrficas (edad, sexo, tamao del grupo familiar, nivel
ocupacional), clasificacin por nivel de ingresos, patrones de gasto, clasificacin por variables
psicosociolgicas, grado de autonoma en decisin de compra, conservadurismo, clase social.



Ctedra: Aplicaciones y Formulacin de Proyectos de Inversin
Material preparado por el Prof. Juan Jos P. Sartori Ao 2006
3
2. PROYECCI N DE LA DEMANDA E I NGRESOS DEL PROYECTO

MTODOS DE PROYECCION DE VENTAS

! MTODOS CUALITATIVOS. Utilizando el juicio, la intuicin o tcnicas
comparativas. Se trata de mtodos no cientficos. A la hora de predecir los resultados de
un nuevo producto, los cambios en la poltica gubernamental o el impacto de una nueva
tecnologa, puede que stos sean los nicos mtodos de previsin disponibles. Sin
embargo, existen mtodos avanzados que permiten obtener resultados adecuados con un
cierto grado de confianza predeterminado. Dentro de estos mtodos se encuentran las
encuestas de preferencias de los consumidores, que permiten estimar por ejemplo, el
porcentaje de consumidores que comprar un nuevo producto una vez que se lance al
mercado. La herramienta utilizada para la recoleccin de los datos es la encuesta a los
consumidores y los pronsticos se realizan con mtodos causales de estimacin.
Ejemplos de mtodos cualitativos:
Mtodo Delphi: un panel de expertos responden a una serie de cuetionarios en los que las
respuestas a un cuestionario se emplean para producir el siguiente cuestionario. Cualquier
informacin disponible para unos expertos y no para otros se difunde entre ellos de forma
que todos los expertos dispongan de la misma informacin.
Panel de consenso: panel de expertos que comparten informacin y realizan predicciones
ante diferentes escenarios futuros, hasta que se llega a una decisin unnime.
Previsin visionaria. Anlisis subjetivo que desemboca en pronsticos para diferentes
escenarios del futuro.
Analoga histrica: Anlisis comparativo de la introduccin y desarrollo de nuevos
productos similares. Supone que productos parecidos se comportan de manera similar.

! PROYECCIN HISTRICA: Para realizar pronsticos basados en informacin
histrica de niveles de venta por ejemplo, ser necesario contar con: una cantidad
razonable de datos (100 por lo menos), tendencias y variaciones estacionales estables,
hbitos futuros que se mantendrn siguiendo el patrn histrico. Para la estimacin de
ventas futuras en este caso se utilizan mtodos estadstico-matemticos de estimacin,
regresiones temporales. En general, estos mtodos arrojan buenas previsiones para
periodos de 6 meses a un ao, debido a que en condiciones econmicas estables existe
cierta estabilidad de la demanda a corto plazo.
Ejemplos de la aplicacin de estos mtodos son: los promedios mviles, tcnicas de
suavizado exponencial y proyecciones de tendencia entre otras.

! MTODOS CAUSALES. La premisa bsica aqu es que el nivel de la variable a estimar
(variable dependiente) se deriva del nivel de otros factores relacionados con ella
(variables independientes). Ej: Relacin de Ventas con el nivel de servicio al cliente. Se
obtienen previsiones de gran precisin a medio y largo plazo. Se utilizan modelos
economtricos de estimacin y modelos de simulacin. Pero muchas veces no resulta
fcil encontrar variables causales o de alta asociacin con las variables a explicar.
Ejemplos: Modelos de regresin mltiple, modelos economtricos, estudios de intencin
de compra, modelos matemticos de input-output, modelos economtricos de input-
output, anlisis de ciclo de vida, simulacin dinmica.

Ctedra: Aplicaciones y Formulacin de Proyectos de Inversin
Material preparado por el Prof. Juan Jos P. Sartori Ao 2006
4




Ctedra: Aplicaciones y Formulacin de Proyectos de Inversin
Material preparado por el Prof. Juan Jos P. Sartori Ao 2006
5
y ,
t

A) MTODOS CAUSALES DE PRONSTICOS DE VENTAS: ANLISIS DE

REGRESIN
El anlisis de regresin es utilizado para pronosticar ventas en funcin de una serie de
variables determinantes de la demanda de un producto o servicio. La expresin
matemtica de una funcin de ventas puede estar dada por:


donde
Y: ventas por unidad de tiempo
X
1
: precio del producto
X
2
: ingreso de los consumidores
X
3
: precio de un bien sustituto

De este modo, las ventas del producto o servicio, (en este caso la variable dependiente
o explicada: Y), sern una combinacin de las dems variables Xs, denominadas
variables independientes o explicativas.

La ecuacin anterior corresponde a un ajuste lineal, en el que los coeficientes
muestran el cambio que experimentarn las ventas ante cambios unitarios en las
variables X
1
, X
2
y X
3
.

La ecuacin estadstica (o funcin de regresin muestral) queda como:


En este caso, hace referencia a los errores muestrales de prediccin del modelo.

3 2 1
X X X Y
t
+ + + =
t t
X X X Y + + + + =
3 2 1
Ctedra: Aplicaciones y Formulacin de Proyectos de Inversin
Material preparado por el Prof. Juan Jos P. Sartori Ao 2006
6
y ,
Esta funcin se estima a travs del procedimiento de Mnimos Cuadrados Ordinarios,
que es un mtodo estadstico que proporciona el valor de los coeficientes
y nos permite pronosticar las ventas futuras en funcin de los valores que asuman X
1
,
X
2
y X
3
en el futuro.

Como aplicacin podemos citar un ejemplo. Si la funcin de ventas estimada de un
producto es:

Siendo:
Y: ventas por unidad de tiempo (en miles de unidades)
X
1
: precio del producto (promedio mensual)
X
2
: ingreso de los consumidores (promedio familiar para los consumidores habituales)
X
3
: precio de un bien sustituto (competencia)

Si se espera que las variables explicativas asuman en el primer mes del ao que viene
los siguientes valores:
X
1
: $ 12
X
2
: $ 1.200
X
3
: $ 14

Entonces, las ventas pronosticadas para el primer mes del ao que viene sern:



3 2 1
8 , 1 6 , 0 2 , 1 5 , 2 X X X Y
t
+ + =
unidades de miles Y
t
= + + = 33 , 733 14 8 , 1 200 . 1 6 , 0 12 2 , 1 5 , 2
Ctedra: Aplicaciones y Formulacin de Proyectos de Inversin
Material preparado por el Prof. Juan Jos P. Sartori Ao 2006
7
Ejercicios:
1. Utilizando el mdulo de regresin del programa Cash Flow Analysis o con la planilla de
clculo Excel, estime la funcin de ventas y realice los pronsticos que se piden a continuacin.
Dada la siguiente tabla que muestra la cantidad demandada de un artculo, Y, su precio de
mercado, X1 y el ingreso promedio de los consumidores, X2, desde 1981 hasta 1995 y X3, los
costos de un insumo de la produccin de ese bien y X4 es la variable tiempo (que resume la
incidencia del paso del tiempo en la demanda del producto) o tendencia temporal.
Ao Y X1 X2 X3 X4
1981 40 9 400 1.5 1
1982 45 8 300 2.3 2
1983 50 9 450 1.8 3
1984 55 8 600 1.9 4
1985 60 7 550 2.3 5
1986 70 6 500 2.1 6
1987 65 6 480 1.7 7
1988 65 8 470 1.7 8
1989 75 5 490 2.4 9
1990 75 5 500 2.5 10
1991 80 5 580 2.4 11
1992 100 3 620 2.7 12
1993 90 4 710 2.8 13
1994 95 3 720 1.9 14
1995 85 4 750 2.4 15

a) Estime el modelo planteado, colocando los resultados en la siguiente tabla:

Variable Coef. Beta t (student) Prob. 2 colas R2 =
R2 ajust =
F =
DW =
b) Pronostique las ventas de los aos 1996, 1997 y 1998 en funcin de los siguientes valores:
En 1996 se espera que el precio de mercado del producto sea de $ 6 y el ingreso promedio de los
consumidores de $ 1.200.
En 1997 se espera que el precio de mercado del producto sea de $ 7 y el ingreso promedio de los
consumidores de $ 1.300.
En 1996 se espera que el precio de mercado del producto sea de $ 5 y el ingreso promedio de los
consumidores de $ 1.100.
Ventas 1996:
Ventas 1997:
Ventas 1998:
Ctedra: Aplicaciones y Formulacin de Proyectos de Inversin
Material preparado por el Prof. Juan Jos P. Sartori Ao 2006
8
2. Segn una estimacin de demanda realizada por una consultora de nuestro medio en base a las
estadsticas de ventas de naranjas para el rea de influencia de nuestra empresa productora de
estos ctricos, la funcin de demanda de naranjas del mercado (ventas) sigue la siguiente
frmula:

Dn. = 10,5 + 22,8 T + 9,5 PBI 1,46 Pn
t-student (2,10) (3,15) (2,85) (-1,82)

R
2
= 0,72
R
2
ajustado = 0,71
DW = 2,04

donde:
Dn: es el total de toneladas de naranjas vendidas por ao
T: es el periodo de tiempo considerado.
PBI: es el ndice de PBI para la ciudad de Crdoba (Base 1990=100).
Pn: es el precio promedio anual de las naranjas.
La estimacin se ha realizado con datos de 24 aos (periodo 1977-2000).
Segn datos pronosticados para el ao 2001, el ndice del PBI para la Ciudad de Crdoba
ascender a 154 y se espera que crezca a una tasa anual promedio del 1,5% en los prximos 10
aos. El precio de mercado mayorista de las naranjas es de $340/Tn, no existiendo ms
informacin con relacin a posibles cambios en el precio en los prximos aos.

Se pide:
a) Pronostique la demanda de su empresa para el periodo de 5 aos que dura el proyecto que se
est evaluando de ampliacin del rea sembrada.

Aplicacin N 2: Estimacin y pronstico de demanda (ventas) con estacionalidad. Modelo
de regresin con variables ficticias.

Un modelo de regresin lineal general puede expresarse de la siguiente forma:


donde:
Y
t
: es la variable dependiente que en el caso de un pronstico de ventas seran las ventas
realizadas por unidad de tiempo (un mes, un trimestre o un ao, por ejemplo).

Las Xs son variables independientes que explican la variabilidad de la variable dependiente. En
el caso de una estimacin de demanda (para pronosticar ventas), podran ser, por ejemplo:
X
1
: precio del producto vendido
X
2
: precio de un bien sustituto o complementario
X
3
: ingreso de los consumidores del bien Y.

Incluso una variable explicativa o independiente podra ser una simple tendencia temporal
formada por una sucesin de nmeros enteros indicativos del periodo de cada medicin.

t
corresponde a un trmino de error que explica la variabilidad de Y como resultado de todos los
dems factores no considerados en la regresin estimada.

t t
X X X Y + + + + + = ...

3 3 2 2 1 1
Ctedra: Aplicaciones y Formulacin de Proyectos de Inversin
Material preparado por el Prof. Juan Jos P. Sartori Ao 2006
9
En el caso que nos ocupa, el modelo de regresin que se utiliza para pronosticar las ventas con
estacionalidad considerar adems de las variables explicativas (independientes) un conjunto de
variables ficticias que incorporarn al pronstico de ventas una cantidad por exceso o por defecto
de un promedio estimado para cada periodo de pronstico. Cmo se incluyen estas variables?
Introduciendo tantas variables explicativas ficticias (tambin denominadas dummy) como el
nmero de periodos en que se divide el ao menos 1. La inclusin de una variable ficticia menos
que el nmero de periodos en que se divide el ao se realiza para evitar lo que se llama la
trampa de las variables ficticias, ya que si se incorporaran tantas variables ficticias como
periodos en los que se divide el ao, el modelo de regresin no puede estimarse por un problema
de multicolinealidad perfecta, y por lo tanto no tendramos una estimacin para realizar los
pronsticos.

Ejemplo:

La empresa BETA SA, famosa por sus productos de la lnea XV y XY, se encuentra abocada al
proyecto de lanzamiento de su nuevo producto XV-19. Cada uno de sus productos le ha
permitido un desarrollo creciente en la consecucin de nuevos mercados desde 1968. El prestigio
ganado le impide lanzarse en una aventura con el XV-19 que la haga perder la imagen ganada en
estos 14 aos, por lo cual le ha otorgado prioridad al estudio de mercado y a las proyecciones
que de l resulten, antes de decidir su lanzamiento. Adems, en el contexto econmico actual
resulta imprescindible realizar una buena estimacin de las ventas futuras esperadas para
organizar toda la cadena logstica de la compaa y as conseguir minimizar costos. El XV-19
reemplazara totalmente al antiguo XV-7, por lo cual se estima que el anlisis de este ltimo
permitira perfectamente pronosticar la demanda del primero.
Los ejecutivos de BETA SA encargan a una consultora la proyeccin de la demanda. La empresa
BETA SA provee la siguiente informacin histrica de las ventas del producto para los ltimos
once aos, por trimestres y totales anuales.

Ao T1 T2 T3 T4 Total
1990 1980 1744 2562 2468 8754
1991 1343 3286 2978 2650 10257
1992 2797 3576 3870 4160 14403
1993 3049 3387 3285 3390 13111
1994 2516 4364 3775 3873 14528
1995 3344 3660 4043 4844 15891
1996 4398 4454 4702 4528 18082
1997 4686 3247 4385 4755 17073
1998 5502 4836 5309 4871 20518
1999 5240 5140 5513 5327 21220


Resolucin:
En este caso, el modelo de regresin puede expresarse en notacin simblica como:


Donde:
Yt: son las cantidades vendidas del producto XV-19.
T: es una tendencia temporal
t t
D D D T Y + + + + + =
4 4 3 3 2 2 1

Ctedra: Aplicaciones y Formulacin de Proyectos de Inversin
Material preparado por el Prof. Juan Jos P. Sartori Ao 2006
10
D
2
: es una variable ficticia que asume el valor 1 si el dato de ventas corresponde al segundo
trimestre del ao.
D
3
: es una variable ficticia que asume el valor 1 si el dato de ventas corresponde al tercer
trimestre del ao.
D
4
: es una variable ficticia que asume el valor 1 si el dato de ventas corresponde al cuarto
trimestre del ao.

De esta manera, si los coeficientes estimados (betas) de las variables ficticias independientes son
significativos, adicionarn una cantidad igual a su valor a la ordenada al origen de la regresin
estimada (sumarn esa cantidad si el coeficiente es positivo o la restarn si resulta negativo). As,
los pronsticos de ventas para el segundo trimestre de cada ao se calcularan considerando la
siguiente ecuacin:


para el tercer trimestre sern:

y para el cuarto trimestre sern:

Para ejemplificar mejor la metodologa de estimacin y los resultados, debemos cargar los datos
en la planilla de clculo del mdulo de pronstico de ventas por regresin lineal del programa
Cash Flow Analysis, la planilla quedar como sigue:























2 2 1

D T Y
t
+ + =
3 3 1

D T Y
t
+ + =
4 4 1

D T Y
t
+ + =
Ctedra: Aplicaciones y Formulacin de Proyectos de Inversin
Material preparado por el Prof. Juan Jos P. Sartori Ao 2006
11


Luego, presionando el botn calcular, obtenemos el resultado de la estimacin que aparecer en
una planilla de clculo nueva generada automticamente y que muestra el siguiente grupo de
tablas de resultados:


Con estos resultados podemos proceder a enunciar nuestro modelo estimado como:

Estimacin y proyeccin
de la demanda
Planilla para carga de datos
Dependiente Independientes
Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
1980,00 1,00 0,00 0,00 0,00
1744,00 2,00 1,00 0,00 0,00
2562,00 3,00 0,00 1,00 0,00
2468,00 4,00 0,00 0,00 1,00
1343,00 5,00 0,00 0,00 0,00
3286,00 6,00 1,00 0,00 0,00
2978,00 7,00 0,00 1,00 0,00
2650,00 8,00 0,00 0,00 1,00
2797,00 9,00 0,00 0,00 0,00
3576,00 10,00 1,00 0,00 0,00
3870,00 11,00 0,00 1,00 0,00
4160,00 12,00 0,00 0,00 1,00
3049,00 13,00 0,00 0,00 0,00
3387,00 14,00 1,00 0,00 0,00
3285,00 15,00 0,00 1,00 0,00
3390,00 16,00 0,00 0,00 1,00
2516,00 17,00 0,00 0,00 0,00
4364,00 18,00 1,00 0,00 0,00
3775,00 19,00 0,00 1,00 0,00
3873,00 20,00 0,00 0,00 1,00
3344,00 21,00 0,00 0,00 0,00
3660,00 22,00 1,00 0,00 0,00
4043,00 23,00 0,00 1,00 0,00
4844,00 24,00 0,00 0,00 1,00
4398,00 25,00 0,00 0,00 0,00
4454,00 26,00 1,00 0,00 0,00
4702,00 27,00 0,00 1,00 0,00
4528,00 28,00 0,00 0,00 1,00
4686,00 29,00 0,00 0,00 0,00
3247,00 30,00 1,00 0,00 0,00
4385,00 31,00 0,00 1,00 0,00
4755,00 32,00 0,00 0,00 1,00
5502,00 33,00 0,00 0,00 0,00
4836,00 34,00 1,00 0,00 0,00
5309,00 35,00 0,00 1,00 0,00
4871,00 36,00 0,00 0,00 1,00
5240,00 37,00 0,00 0,00 0,00
5140,00 38,00 1,00 0,00 0,00
5513,00 39,00 0,00 1,00 0,00
5327,00 40,00 0,00 0,00 1,00
Variables
Calcular
Constante = 0
!"#$%
Residuos
!"#$%&
Residuos Estndares
!"#$%
Grfico de residuales
!"#$%&
Curva de regresin ajustada
!"#$%
V
a
l
o
r
e
s
Volver
Resumen
Estadsticas de la regresin
Coeficiente de correlacin mltiple 0,897884524
Coeficiente de determinacin R^2 0,806196618
R^2 ajustado 0,78404766
Error tpico 503,4417737
Observaciones 40
ANLISIS DE VARIANZA
Grados de
libertad
Suma de
cuadrados
Promedio de los
cuadrados F
Valor crtico
de F
Regresin 4 36901682,09 9225420,523 36,39885097 5,10556E-12
Residuos 35 8870876,681 253453,6195
Total 39 45772558,78
Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% Superior 95%
Intercepcin 1947,889015 206,5775717 9,429334459 3,85528E-11 1528,513737 2367,264294
X1 80,92689394 6,928389383 11,68047716 1,25297E-13 66,86149854 94,99228934
X2 202,9731061 225,2525837 0,901091134 0,373698877 -254,314509 660,2607208
X3 394,8462121 225,5720156 1,750421971 0,088808071 -63,0898846 852,7823088
X4 358,3193182 226,1033991 1,584758653 0,122016295 -100,695546 817,3341822
Ctedra: Aplicaciones y Formulacin de Proyectos de Inversin
Material preparado por el Prof. Juan Jos P. Sartori Ao 2006
12

Y
t
= 1947,88 + 80,92 * T + 202,97 * D
2
+ 394,84 * D
3
+ 358,31 * D
4

(9,42) (11,68) (0,90) (1,75) (1,58)

R
2
= 0,806

Los valores entre parntesis debajo de los coeficientes estimados corresponden a los
estadsticos t de student. Como sabemos, un valor del estadstico t mayor a 2 en valor
absoluto indica que el coeficiente es significativo con un 5% de nivel de significacin o
un nivel de confianza del 95%.
Con estos niveles de confianza los parmetros estimados para las variables ficticias
resultan todos no significativos. Si utilizramos un nivel de confianza del 10%,
entonces las variables significativas seran la tendencia temporal y la variable ficticia
indicativa del tercer trimestre (D3) junto con la ordenada al origen. A los fines de
realizar el pronstico de las ventas para los cuatro trimestres del ao 2000, utilizaremos
este nivel de confianza del 90%. As tendremos que los pronsticos a realizar se
basarn en la siguiente ecuacin estimada:

Y
t
= 1947,88 + 80,92 * T + 394,84 * D
3

(9,42) (11,68) (1,75)

y los pronsticos de ventas de los cuatro trimestres del ao 2000 seran:

Y
T1,2000
= 1947,88 + 80,92 * 41 + 394,84 * 0 = 5265,60

Y
T2,2000
= 1947,88 + 80,92 * 42 + 394,84 * 0 = 5346,52

Y
T3,2000
= 1947,88 + 80,92 * 43 + 394,84 * 1 = 5822,28

Y
T4,2000
= 1947,88 + 80,92 * 44 + 394,84 * 0 = 5508,36
Ctedra: Aplicaciones y Formulacin de Proyectos de Inversin
Material preparado por el Prof. Juan Jos P. Sartori Ao 2006
13
2.1. MODELOS DE DEMANDA. MODELOS DE SERIES TEMPORALES
MTODOS AGREGADOS DE PRONSTICO

Son simples extrapolaciones de datos pasados
Existe un nivel de saturacin de la demanda, por ej., el mximo nmero de consumidores en un
area geogrfica determinada.

Ej.: Determinacin del nmero de clientes de una cooperativa de servicios pblicos

El rea de servicios de una cooperativa de este tipo puede estar determinada por los municipios
que comprende.

La demanda de clientes (por ej., de servicios de agua, luz, TV por cable, etc.) puede estar
acotado a un mximo nmero que puede venir dado por el nmero de lotes existentes en el rea
de influencia. Los datos sobre nmero de lotes en el area considerada se disponen fcilmente en
los Municipios (areas de catastro).

El modelo de crecimiento logstico, supone que el crecimiento de la demanda sigue un
comportamiento logstico, como se muestra en el grfico que sigue:














donde:
S: es el nivel de saturacin de la demanda, es decir, la demanda mxima alcanzable.
Eje X: tiempo
Eje Y: demanda o consumo por periodo de tiempo (C
t
)

Ctedra: Aplicaciones y Formulacin de Proyectos de Inversin
Material preparado por el Prof. Juan Jos P. Sartori Ao 2006
14
Frmula de clculo:


g
0
es la tasa de crecimiento de un ao tomado como base
t es un nmero correspondiente al periodo de tiempo
C
0
es el nivel de consumo inicial, en el ao base.

Ejercicio:
Una cooperativa de servicios pblicos debe pronosticar las futuras conexiones de electricidad y
agua para el periodo 2005 2010. Cuenta con los siguientes datos:
Ao 2000 2001 2002 2003 2004
Nmero de viviendas
con conexin
2.400 2.456 2.578 2.790 2.940

Adems, se sabe que el nmero total de parcelas de la comunidad es de 3500.
Ud. deber pronosticar la demanda de agua potable y de electricidad consumida por el rea
servida por esta cooperativa, sabiendo que en promedio, cada familia consume 15m
3
de agua
potable y 400 Kw de electricidad bimestral.

Se pide:
a. Determinar el consumo de agua y electricidad para el periodo 2002 2006, realizando un
ajuste logstico y comparndolo con un pronstico segn la tasa de crecimiento
(pronstico de crecimiento exponencial).
b. Decida y aconseje el uso de uno de los dos pronsticos.




)} /( exp( ) / ) {( 1
0 0 0 0
C S t S g C C S
S
C
t
+
=
Ctedra: Aplicaciones y Formulacin de Proyectos de Inversin
Material preparado por el Prof. Juan Jos P. Sartori Ao 2006
15
Ejercicios adicionales de aplicacin:

1. En el estudio de un proyecto se identifican tres posibles lugares donde podra demandarse el
producto que se elaborara:

Localidad A B C D
Demanda Potencial 126.000 242.000 182.000 236.000

Los recursos disponibles del inversionista estn limitados a $2.500.000. De acuerdo con
informacin disponible de la industria, una planta con capacidad para producir 200.000 unidades
cuesta $2.000.000 y el coeficiente de escala es de 0,3.
Se pide:
a. Plantee el modelo adecuado para averiguar la capacidad de planta que ser posible instalar de
acuerdo a la restriccin de capital existente. Qu significa el coeficiente de escala? (5 puntos)
b. Analice las opciones de planta para abastecer a uno o ms mercados. (5 puntos)

2. En un estudio de prefactibilidad se busca determinar la demanda mnima que el estudio de
mercado debe demostrar para que el proyecto contine evalundose.

Se dispone de los siguientes antecedentes:
La competencia cobra un precio nico de $800
Existe un tamao de planta mnimo que claramente supera la capacidad de demanda del
mercado
La inversin total esperada es de $35.000.000, que ser financiada en un 65% por prstamos
al 10% y el resto con aportes que requieren un retorno mnimo del 14%.
El costo variable unitario es de $250 y el fijo de $6.000.000 anuales. El capital de trabajo
equivale a un 40% de las ventas anuales y ser financiado en su totalidad con capital propio.
La tasa de impuesto a los beneficios es de un 25%, la tasa de impuesto a los ingresos brutos
es de 3,5% y la depreciacin de los equipos (correspondientes al 60% del total de la
inversin) se hace linealmente en 10 aos.
El resto de la inversin no se deprecia ni pierde valor durante el periodo.
Los equipos tendrn un valor comercial de $2.000.000 al trmino del periodo de evaluacin.

3. El departamento de planificacin de una empresa cordobesa que produce y vende galletitas
con bajo contenido en caloras ha determinado la funcin de demanda de este producto,
obteniendo:

Ln(Dg) = 0,22 0,45 ln(Pg) + 1,20 ln( Pp) + 0,54 ln(Y) + 1,35 D1
(2,52) (-3,65) (20,20) (1,45) (3,54)

R
2
= 0,89
donde:
Dg: cantidad mensual de paquetes de galletitas vendidas en diez miles de paquetes de 250 gr.
Pg: precio promedio mensual del paquete de galletitas, deflactado.
Pp: precio promedio mensual deflactado del kg. de pan francs.
Y: ingreso promedio mensual de los hogares del rea de influencia.
D1: variable que asume el valor 1 si el mes corresponde a primavera-verano y 0 si es otoo-
invierno.

Ctedra: Aplicaciones y Formulacin de Proyectos de Inversin
Material preparado por el Prof. Juan Jos P. Sartori Ao 2006
16
Se pide:

a. Interprete estadsticamente la validez de los coeficientes estimados y el R
2
estimado.
b. Especifique los valores que asumen la elasticidad precio e ingreso de la demanda e interprete
su significado econmico.
c. Si Ud. debe realizar la evaluacin de un proyecto de ampliacin de capacidad instalada de la
planta y necesita estimar cul ser la demanda mxima del prximo ao y adems, cuenta
con proyecciones de las variables independientes de esta estimacin, que son:
Pg = $1,50 el paquete Pp = $0,80 el Kg.
Y = $1.200 mensual (extrado del PBI por hogar del rea de influencia)
Adems, sabe que el mximo del ao prximo se encuentra en el mes de octubre.
Cul ser la estimacin de la demanda mxima mensual para el ao prximo?

4. El conjunto de datos que se presentan a continuacin corresponden a una empresa de
transporte urbano de una gran ciudad del interior de Argentina. Ud. debe realizar un pronstico
de ventas para los prximos seis meses, considerando un pronstico que incluya tendencia y
estacionalidad (mensual) cuando corresponda. Usted est a cargo de esta estimacin y pronstico
de la demanda, debido a que luego ser utilizada para evaluar el proyecto de venta de la empresa
en marcha. Los datos se exponen a continuacin:

Periodo Pasajeros Periodo Pasajeros Periodo Pasajeros Periodo Pasajeros Periodo Pasajeros
Ene-99 437.248 Ene-00 452.804 Ene-01 454.469 Ene-01 454.469 Ene-02 424.631
Feb-99 489.018 Feb-00 517.339 Feb-01 483.954 Feb-01 483.954 Feb-02 468.330
Mar-99 644.958 Mar-00 641.693 Mar-01 604.778 Mar-01 604.778 Mar-02 626.628
Abr-99 616.926 Abr-00 616.926 Abr-01 635.590 Abr-01 635.590 Abr-02 628.219
May-99 641.122 May-00 641.122 May-01 704.043 May-01 704.043 May-02 641.537
Jun-99 620.205 Jun-00 620.205 Jun-01 838.027 Jun-01 838.027 Jun-02 619.091
Jul-99 599.540 Jul-00 599.540 Jul-01 707.997 Jul-01 707.997 Jul-02 647.840
Ago-99 619.929 Ago-00 663.125 Ago-01 734.227 Ago-01 734.227 Ago-02 696.946
Sep-99 646.736 Sep-00 653.383 Sep-01 687.274 Sep-01 687.274 Sep-02 666.194
Oct-99 614.329 Oct-00 655.896 Oct-01 779.326 Oct-01 779.326 Oct-02 720.335
Nov-99 631.894 Nov-00 607.671 Nov-01 700.255 Nov-01 700.255 Nov-02 686.928
Dic-99 565.472 Dic-00 607.099 Dic-01 540.950 Dic-01 540.950 Dic-02 662.841



Ctedra: Aplicaciones y Formulacin de Proyectos de Inversin
Material preparado por el Prof. Juan Jos P. Sartori Ao 2006
17
NOTAS

..........................................................................................................................................................

..........................................................................................................................................................

..........................................................................................................................................................

..........................................................................................................................................................

..........................................................................................................................................................

..........................................................................................................................................................

..........................................................................................................................................................

..........................................................................................................................................................

..........................................................................................................................................................

..........................................................................................................................................................

..........................................................................................................................................................

..........................................................................................................................................................

..........................................................................................................................................................

..........................................................................................................................................................

..........................................................................................................................................................

..........................................................................................................................................................

..........................................................................................................................................................

..........................................................................................................................................................

..........................................................................................................................................................

..........................................................................................................................................................

..........................................................................................................................................................

..........................................................................................................................................................

..........................................................................................................................................................