Вы находитесь на странице: 1из 20

Applying Monte Carlo Simulation, Real Options Analysis, Forecasting, and Optimization Techniques Aplicacin de simulacin de Monte Carlo,

Anlisis de opciones reales, prediccin, y tcnicas de optimizacin

Preface
We live in an environment fraught with risk and operate our businesses in a risky world, as higher rewards only come with risks. Vivimos en un entorno plagado de riesgo y operar nuestros negocios en un mundo arriesgado, las mayores recompensas slo vienen con riesgos. Ignoring the element of risk when corporate strategy is being framed and when tactical projects are being implemented would be unimaginable. Ignorando el elemento de riesgo cuando se enmarca la estrategia corporativa y cuando se estn ejecutando proyectos tcticos sera inimaginable. In addressing the issue of risk, Modeling Risk provides a novel view of evaluating business decisions, projects, and strategies by taking into consideration a unified strategic portfolio analytical process Al abordar la cuestin del riesgo, el modelado del riesgo proporciona una visin novedosa de evaluar las decisiones de negocios, proyectos y estrategias, teniendo en cuenta un proceso analtico de cartera estratgica unificada. Pragmatic applications are emphasized in order to demystify the many elements inherent in risk analysis. Se hace hincapi en aplicaciones pragmticas para desmitificar los muchos elementos inherentes en anlisis de riesgo. A black box will remain a black box if no one can understand the concepts despite its power and applicability. Una caja negra seguir siendo una caja negra si nadie puede entender los conceptos a pesar de su poder y aplicabilidad. It is only when the black box becomes transparent so that analysts can understand, apply, and convince others of its results, value-add, and applicability,

that the approach will receive widespread influence. Es slo cuando la caja negra se vuelve transparente, que los analistas pueden entender, aplicar y convencer a otros de sus resultados, valor agregado y aplicabilidad, que el enfoque recibir amplia influencia. The demystification of risk analysis is achieved by presenting step-by-step applications and multiple business cases, as well as discussing real-life applications. La desmitificacin del anlisis de riesgos se consigue mediante la presentacin de mltiples casos de negocios y aplicaciones paso a paso, as como discutir las aplicaciones de la vida real. This book is targeted at both the uninitiated professional and those well versed in risk analysisthere is something for everyone. Este libro est dirigido tanto a profesional no iniciados y aquellos bien versados en el anlisis de riesgos-hay algo para todos.

Acknowledgments Agradecimientos
The author is greatly indebted to Robert Fourt, Professor Morton Glantz, Dr. Charles Hardy, Steve Hoye, Professor Bill Rodney, Larry Pixley, Dr. Tom Housel, Lt. Commander Cesar Rios, Ken Cobleigh, Pat Haggerty, Larry Blair, Andy Roff, and Tony Jurado for their business case contributions

PART ONERISK IDENTIFICATION


Chapter 1Moving Beyond Uncertainty

PRIMERA PARTE: IDENTIFICACIN DE RIESGOS Captulo 1 ms all de la incertidumbre To the people who lived centuries ago, risk was simply the inevitability of chance occurrence beyond the realm of human control. Para las personas que vivieron hace siglos, el riesgo era simplemente la inevitabilidad de la casualidad ms all del mbito de control humano. We have been struggling with risk our entire existence, but, through trial and error and through the evolution of human knowledge and thought, have devised ways to describe and quantify risk. Hemos estado luchando con el riesgo nuestra existencia entera, pero, a travs de ensayo y error y la evolucin del conocimiento y pensamiento humano, han ideado maneras de describir y cuantificar el riesgo. Risk assessment should be an important part of the decision-making process; otherwise bad decisions may be made. Evaluacin de riesgos debe ser una parte importante del proceso de toma de decisiones; de lo contrario pueden hacerse malas decisiones. Chapter 1 explores the different facets of risk within the realms of applied business risk analysis, providing an intuitive feel of what risk is. Captulo 1 explora las diferentes facetas de riesgo dentro de los reinos de anlisis de riesgo empresarial aplicada, proporcionando una sensacin intuitiva de lo que el riesgo es.

PART TWORISK EVALUATION Chapter 2From Risk to Riches SEGUNDA PARTE: EVALUACIN DE RIESGO Captulo 2: del riesgo a las riquezas The concepts of risk and return are detailed in Chapter 2, illustrating their relationships in the financial world, where a higher-risk project necessitates a higher expected return. Los conceptos de riesgo y retorno se detallan en el captulo 2, ilustrando sus relaciones en el mundo financiero, donde un proyecto de alto riesgo exige un mayor retorno esperado. How are uncertainties estimated and risk calculated? How do you convert a measure of uncertainty into a measure of risk?

Cmo se estiman las incertidumbres y riesgo calculado? Cmo convertir una medida de incertidumbre en la medida de riesgo? These are the topics covered in this chapter, starting from the basics of statistics to applying them in risk analysis, and including a discussion of the different measures of risk. Estos son los temas tratados en este captulo, a partir de los conceptos bsicos de estadstica para aplicarlos en el anlisis de riesgo e incluye una discusin de las diferentes medidas de riesgo. Chapter 3A Guide to Model-Building Etiquette Captulo 3: una gua para la construccin de modelos de etiqueta. Chapter 3 addresses some of the more common errors and pitfalls analysts make when creating a new model by explaining some of the proper modeling etiquettes. Captulo 3 aborda algunos de los errores ms comunes y las trampas que los analistas hacen al crear un nuevo modelo explicando algunas de las etiquetas de modelado adecuado. The issues discussed range from file naming conventions and proper model aesthetics to complex data validation and Visual Basic for Applications (VBA) scripting. Los temas tratados van desde convenciones de nomenclatura de archivos y esttica del modelo adecuado para la validacin de datos complejos y Visual Basic para aplicaciones (VBA) de secuencias de comandos.

PART THREERISK QUANTIFICATION Chapter 4On the Shores of Monaco TERCERA PARTE: CUANTIFICACIN DEL RIESGO Captulo 4 en las costas de Mnaco Monte Carlo simulation in its simplest form is just a random number generator useful for forecasting, estimation, and risk analysis. La Simulacin de Monte Carlo en su forma ms simple es slo un generador de nmeros aleatorios til para la prediccin, la estimacin y el anlisis de riesgo. A simulation calculates numerous scenarios of a model by repeatedly picking values from the probability distribution for the uncertain variables and using those values for the eventevents such as totals, net profit, or gross expenses. Una simulacin calcula numerosos escenarios de un modelo repetidamente recogiendo los valores de la distribucin de probabilidad para las variables

inciertas y utilizando esos valores para el evento eventos como totales, ganancia neta o gastos brutos. Simplistically, think of the Monte Carlo simulation approach as repeatedly picking golf balls out of a large basket. Simplista, pensar en el enfoque de simulacin de Monte Carlo como repetidamente recogiendo pelotas de golf de una gran cesta. Chapter 4 illustrates why simulation is important through the flaw of averages example. Captulo 4 ilustra por qu es importante la simulacin a travs de la falla del ejemplo de promedios. Excel is used to perform rudimentary simulations, and simulation is shown as a logical next step extension to traditional approaches used in risk analysis. Excel se utiliza para realizar simulaciones rudimentarias y la simulacin se muestra como una extensin lgica de paso siguiente para los enfoques tradicionales utilizados en anlisis de riesgo.

PART FIVERISK PREDICTION Chapter 8Tomorrows Forecast Today QUINTA PARTE: PREDICCIN DE RIESGO Captulo 8: pronstico del futuro hoy Chapter 8 focuses on applying Risk Simulator to run time-series forecasting methods, multivariate regressions, nonlinear extrapolation, stochastic process forecasts, and Box-Jenkins ARIMA. Captulo 8 se centra en la aplicacin del simulador de riesgo para ejecutar mtodos de prediccin de series temporales, regresin multivariante, extrapolacin no lineal, previsiones de proceso estocstico y ARIMA de Box-Jenkins. In addition, the issues of seasonality and Introduction 3 trend are discussed, together with the eight time-series decomposition models most commonly used by analysts to forecast future events given historical data. Adems, se discuten los problemas de estacionalidad y tendencia de introduccin 3, junto con los ocho modelos de descomposicin de series de tiempo ms utilizados por los analistas para pronosticar eventos futuros dados en datos histricos. The software applications of each method are discussed in detail, complete with their associated measures of forecast errors and potential pitfalls.

Las aplicaciones de software de cada mtodo se discuten en detalle, con sus medidas asociadas de previsin de errores y peligros potenciales. Chapter 9Using the Past to Predict the Future Captulo 9 usando el pasado para predecir el futuro The main thrust of Chapter 9 is time-series and regression analysis made easy. El objetivo principal del captulo 9 es el anlisis de series de tiempo y regresin fcil. Starting with some basic time-series models, including exponential smoothing and moving averages, and moving on to more complex models, such as the Holt Winters additive and multiplicative models, the reader will manage to navigate through the maze of time-series analysis. Comenzando con algunos modelos bsicos de series de tiempo, incluyendo el alisado exponencial y moviendo promedios y pasar a modelos ms complejos, como los modelos aditivos y multiplicativos de la HoltWinters, el lector gestionar navegar a travs del laberinto de anlisis de series temporales. The basics of regression analysis are also discussed, complete with pragmatic discussions of statistical validity tests as well as the pitfalls of regression analysis, including how to identify and fix heteroskedasticity, multicollinearity, and autocorrelation. Los fundamentos del anlisis de regresin son tambin discutidos, completa con discusiones pragmticas de pruebas de validez estadstica, as como los peligros del anlisis de regresin, incluyendo cmo identificar y corregir Heterocedasticidad, multicolinealidad y autocorrelacin. The five appendixes that accompany this chapter deal with the technical specifics of interval estimations in regression analysis, ordinary least squares, and some pitfalls in running regressions, including detecting and fixing heteroskedasticity, multicollinearity, and autocorrelation. Los cinco apndices que acompaan a este captulo se tratan los detalles tcnicos de las estimaciones de intervalo en el anlisis de regresin, mnimos cuadrados ordinarios y algunas dificultades en la ejecucin de regresiones, incluyendo la deteccin y solucin de Heteroskedasticidad, multicolinealidad y autocorrelacin.

Three
Risk Quantification

La cuantificacin del riesgo On the Shores of Monaco En las costas de Mnaco


Monte Carlo simulation, named for the famous gambling capital of Monaco, is a very potent methodology. Simulacin de Monte Carlo, el nombre de la famosa capital juego de Mnaco, es una metodologa muy potente. For the practitioner, simulation opens the door for solving difficult and complex but practical problems with great ease. Para el practicante, simulacin abre las puertas para resolver problemas difciles y complejos pero prcticos con gran facilidad. Perhaps the most famous early use of Monte Carlo simulation was by the Nobel physicist Enrico Fermi (sometimes referred to as the father of the atomic bomb) in 1930, when he used a random method to calculate the properties of the newly discovered neutron. Quizs el ms famoso uso temprano de simulacin de Monte Carlo fue por el fsico Premio Nobel Enrico Fermi (a veces llamado el padre de la bomba atmica) en 1930, cuando us un mtodo aleatorio para calcular las propiedades de los neutrones recin descubiertos. Monte Carlo methods were central to the simulations required for the Manhattan Project, where in the 1950s Monte Carlo simulation was used at Los Alamos for early work relating to the development of the hydrogen bomb, and became popularized in the fields of physics and operations research. Mtodos de Monte Carlo fueron fundamentales para las simulaciones necesarias para el proyecto Manhattan, donde en la dcada de 1950 simulacin de Monte Carlo fue utilizado en Los lamos para los primeros trabajos relacionados con el desarrollo de la bomba de hidrgeno y fue popularizado en los campos de la fsica y la investigacin de operaciones. The Rand Corporation and the U.S. Air Force were two of the major organizations responsible for funding and disseminating information on Monte Carlo methods

during this time, and today there is a wide application of Monte Carlo simulation in many different fields including engineering, physics, research and development, business, and finance. La Corporacin Rand y la fuerza area de Estados Unidos fueron dos de las principales organizaciones responsables de la financiacin y difusin de informacin sobre mtodos de Monte Carlo durante este tiempo, y hoy en da existe una amplia aplicacin de simulacin de Monte Carlo en muchos campos diferentes, incluyendo ingeniera, fsica, investigacin y desarrollo, negocios y finanzas. Simplistically, Monte Carlo simulation creates artificial futures by generating thousands and even hundreds of thousands of sample paths of outcomes and analyzes their prevalent characteristics. Simplista, simulacin de Monte Carlo crea futuros artificiales generando miles y hasta cientos de miles de senderos de la muestra de los resultados y analiza sus caractersticas prevalentes. In practice, Monte Carlo simulation methods are used for risk analysis, risk quantification, sensitivity analysis, and prediction. En la prctica, se utilizan mtodos de simulacin Monte Carlo para el anlisis de riesgo, cuantificacin del riesgo, anlisis de sensibilidad y prediccin. An alternative to simulation is the use of highly complex stochastic closed-form mathematical models. Una alternativa a la simulacin es el uso de modelos matemticos estocsticos muy complejos de forma cerrada. For analysts in a company, taking graduate-level advanced math and statistics courses is just not logical or practical. Para analistas en una empresa, tomando cursos de matemticas y estadsticas avanzadas de posgrado no es lgico ni prctico. A brilliant analyst would use all available tools at his or her disposal to obtain the same answer the easiest and most practical way possible. Un brillante analista utilizara todas las herramientas disponibles a su disposicin para obtener la misma respuesta de la manera ms fcil y ms prctica posible. And in all cases, when modeled correctly, Monte Carlo simulation provides similar answers to the more mathematically elegant methods. Y en todos los casos, cuando model correctamente, simulacin de Monte Carlo proporciona respuestas similares a los mtodos ms elegantes matemticamente.

In addition, there are many real-life applications where closed-form models do not exist and the only recourse is to apply simulation methods. So, what exactly is Monte Carlo simulation and how does it work? Adems, hay muchas aplicaciones de la vida real donde modelos de forma cerrada no existen y el nico recurso es aplicar mtodos de simulacin. As que, qu es la simulacin de Monte Carlo y cmo funciona?

WHAT IS MONTE CARLO SIMULATION? QU ES LA SIMULACIN DE MONTE CARLO?


Today, fast computers have made possible many complex computations that were seemingly intractable in past years. Hoy, computadoras rpidas han hecho posible muchos clculos complejos que eran aparentemente insolubles en los ltimos aos. For scientists, engineers, statisticians, managers, business analysts, and others, computers have made it possible to create models that simulate reality and aid in making predictions, one of which is used in simulating real systems by accounting for randomness and future uncertainties through investigating hundreds and even thousands of different scenarios. Para los cientficos, ingenieros, estadsticos, gestores, analistas de negocios y otros, computadoras han hecho posible crear modelos que simulan la realidad y ayudan en hacer predicciones, uno de los cuales se utiliza en simular sistemas reales por contabilidad para aleatoriedad e incertidumbres futuras a travs de investigar cientos y hasta miles de escenarios diferentes. The results are then compiled and used to make decisions. This is what Monte Carlo simulation is all about. Los resultados son luego compilados y utilizados para tomar decisiones. Esto es de todo lo que trata la simulacin Monte Carlo. Monte Carlo simulation in its simplest form is a random number generator that is useful for forecasting, estimation, and risk analysis. Simulacin de Monte Carlo en su forma ms simple es un generador de nmeros aleatorios que es til para la prediccin, la estimacin y el anlisis de riesgo. A simulation calculates numerous scenarios of a model by repeatedly picking values from a user-predefined probability distribution for the uncertain variables and using those values for the model.

Una simulacin calcula numerosos escenarios de un modelo repetidamente recogiendo los valores de una distribucin de probabilidad predefinida por el usuario para las variables inciertas y utilizando dichos valores para el modelo. As all those scenarios produce associated results in a model, each scenario can have a forecast. Como todos esos escenarios producen resultados asociados en un modelo, cada escenario puede tener un pronstico. Forecasts are events (usually with formulas or functions) that you define as important outputs of the model. Los pronsticos son eventos (por lo general con frmulas o funciones) que se definen como salidas importantes del modelo. Think of the Monte Carlo simulation approach as picking golf balls out of a large basket repeatedly with replacement. Piense en el enfoque de simulacin Monte Carlo como recoger las pelotas de golf de una gran cesta en varias ocasiones con el reemplazo The size and shape of the basket depend on the distributional input assumption (e.g., a normal distribution with a mean of 100 and a standard deviation of 10, versus a uniform distribution or a triangular distribution) where some baskets are deeper or more symmetrical than others, allowing certain balls to be pulled out more frequently than others. El tamao y la forma de la canasta dependen de la suposicin de distribucin de entrada (por ejemplo, una distribucin normal con una media de 100 y una desviacin estndar de 10, frente a una distribucin uniforme o una distribucin triangular) donde unas cestas son ms profundas o ms simtricas que otras, permitiendo ciertas bolas a extraerse con ms frecuencia que otras. The number of balls pulled repeatedly depends on the number of trials simulated. El nmero de bolas extrada repetidamente depende del nmero de ensayos de simulacin. For a large model with multiple related assumptions, imagine the large model as a very large basket, where many baby baskets reside. Para un modelo grande con varios supuestos relacionados, imaginar el modelo grande como una cesta muy grande, donde residen muchas cestas beb. Each baby basket has its own set of colored golf balls that are bouncing around. Cada cesta beb tiene su propio conjunto de pelotas de golf de colores que estn rebotando.

Sometimes these baby baskets are linked with each other (if there is a correlation between the variables), forcing the golf balls to bounce in tandem, whereas in other uncorrelated cases, the balls are bouncing independently of one another. A veces, estos cestos beb estn vinculados entre s (si existe una correlacin entre las variables), obligando a las pelotas de golf para rebotar en tndem, mientras que en otros casos no correlacionadas, las bolas estn rebotando independientemente uno de otro. The balls that are picked each time from these interactions within the model (the large basket) are tabulated and recorded, providing a forecast output result of the simulation. Las bolas que se recogen cada vez a partir de estas interacciones dentro del modelo (la cesta grande) se tabulan y se registran, proporcionando un resultado de salida del pronstico de la simulacin.

WHY ARE SIMULATIONS IMPORTANT? PORQUE SON IMPORTANTES LAS SIMULACIONES?


An example of why simulation is important can be seen in the case illustration in Figures 4.1 and 4.2, termed the Flaw of Averages. Un ejemplo de por qu es importante la simulacin se puede ver en la ilustracin caso en las figuras 4,1 y 4,2, denominada la falla de los promedios. The example is most certainly worthy of more detailed study. It shows how an analyst may be misled into making the wrong decisions without the use of simulation. El ejemplo es ciertamente digno de un estudio ms detallado. Se muestra cmo un analista puede ser inducido a error en la toma de decisiones equivocadas, sin el uso de la simulacin. Suppose you are the owner of a shop that sells perishable goods and you need to make a decision on the optimal inventory to have on hand. Suponga que usted es el dueo de una tienda que vende productos perecederos y que necesita tomar una decisin sobre el inventario ptimo para tener a mano. Your new-hire analyst was successful in downloading 5 years worth of monthly historical sales levels and she estimates the average to be five units. Su analista de nueva contratacin tuvo xito en la descarga del valor de cinco aos de los niveles de ventas histricos mensuales y ella estima que el promedio sea de cinco unidades.

You then make the decision that the optimal inventory to have on hand is five units. A continuacin, toma la decisin de que el inventario ptimo para tener a mano es de cinco unidades. You have just committed the flaw of averages. Usted acaba de cometer el error de promedios. As the example shows, the obvious reason why this error occurs is that the distribution of historical demand is highly skewed while the cost structure is asymmetrical. Como muestra el ejemplo, la razn obvia de por qu se produce este error es que la distribucin de la demanda histrica es muy desigual, mientras que la estructura de costes es asimtrica. For example, suppose you are in a meeting, and your boss asks what everyone made last year. Por ejemplo, supongamos que usted est en una reunin, y su jefe le pide lo que todos hicieron el ao pasado.

Su empresa es un minorista de productos perecederos y usted estaba encargado de encontrar el nivel ptimo de inventario para tener a mano. Si su inventario supera a la demanda actual, hay un costo perecedero de $ 100 mientras se incurre en un costo Fed Ex de 175 dlares si el inventario es insuficiente para cubrir el nivel actual de la demanda. Estos costos son sobre una base unitaria. Su primera inclinacin es recoger datos histricos de la demanda como se ve a la derecha, durante los ltimos 60 meses. A continuacin, toma una media simple, que se encontr que era 5 unidades. Por lo tanto, selecciona 5 unidades como el nivel de inventario ptimo. Usted acaba de cometer un error muy grande llamado Defecto de promedios! Los datos reales de la demanda se muestran aqu a la derecha. Las filas 19 a 57 estn ocultos para conservar espacio. Siendo el analista, qu debe hacer a continuacin?

El mejor mtodo consiste en realizar una simulacin paramtrica donde utilizamos los niveles reales histricos de demanda de insumos para simular el nivel ms

probable de la demanda en el futuro, lo cual nos pareci como 8,53 unidades. Ante esta demanda, el costo ms bajo se obtiene a travs de un inventario de ensayo de 9 unidades, muy lejos de la falla original de calcular medias de 5 unidades. You take a quick poll and realize that the salaries range from $60,000 to $150,000. Se toma una encuesta rpida y darse cuenta de que los sueldos van desde $ 60.000 a $ 150.000. You perform a quick calculation and find the average to be $100,000. Se realiza un clculo rpido y encontrar el promedio es de $ 100.000. Then, your boss tells you that he made $20 million last year! Suddenly, the average for the group becomes $1.5 million. Entonces, su jefe le dice que l hizo $ 20 millones el ao pasado! De repente, la media del grupo se convierte en $ 1,5 millones. This value of $1.5 million clearly in no way represents how much each of your peers made last year. Este valor de $ 1,5 millones con claridad en ninguna manera representa la cantidad de cada uno de sus compaeros hizo el ao pasado. In this case, the median may be more appropriate. En este caso, la mediana puede ser ms apropiada. Here you see that simply using the average will provide highly misleading results. Aqu vemos que el simple uso de la media proporcionar resultados muy engaosos. Continuing with the example, Figure 4.2 shows how the right inventory level is calculated using simulation. Continuando con el ejemplo, la Figura 4.2 muestra cmo el nivel de inventario adecuado se calcula utilizando la simulacin. The approach used here is called nonparametric bootstrap simulation. El enfoque utilizado aqu se llama simulacin bootstrap no paramtrica. It is nonparametric because in this simulation approach, no distributional parameters are assigned.

Es no paramtrico porque en este enfoque de simulacin, no se asignan parmetros de distribucin. Instead of assuming some preset distribution (normal, triangular, lognormal, or the like) and its required parameters (mean, standard deviation, and so forth) as required in a Monte Carlo parametric simulation, nonparametric simulation uses the data themselves to tell the story. En lugar de asumir una distribucin preestablecida (normal, lognormal, triangular, o similares) y sus parmetros requeridos (media, desviacin estndar, etc) segn se requiera en una simulacin de Monte Carlo paramtrico, simulacin no paramtrico utiliza los propios datos para contar la historia. Imagine that you collect 5 years worth of historical demand levels and write down the demand quantity on a golf ball for each month. Throw all 60 golf balls into a large basket and mix the basket randomly. Imagine que recoge 5 aos el valor de los niveles de demanda histricos y anote la cantidad de la demanda en una bola de golf para cada mes. Tira todas las 60 pelotas de golf en un gran cesto y mezclar la canasta al azar. Pick a golf ball out at random and write down its value on a piece of paper, then replace the ball in the basket and mix the basket again. Elija una pelota de golf al azar y anote su valor en un pedazo de papel, vuelva a colocar la pelota en la canasta y mezclar de nuevo la canasta.

CHAPTER 8
Tomorrows Forecast Today Pronostico del futuro hoy
Forecasting is the act of predicting the future, whether it is based on historical data or speculation about the future when no history exists. Pronosticar es el acto de predecir el futuro, si se basa en datos histricos o especulaciones sobre el futuro, cuando no existe la historia. When historical data exist, a quantitative or statistical approach is best, but if no historical data exist, then a qualitative or judgmental approach is usually the only recourse. Figure 8.1 lists the most common methodologies for forecasting. Cuando existen datos histricos, un enfoque cuantitativo o estadstico es el mejor, pero si no existen datos histricos, entonces un enfoque cualitativo o de criterio suele ser el nico recurso. La figura 8.1 muestra los mtodos ms comunes para el pronstico.

DATOS DE SECCION CRUZADA

Gestin Supuestos Investigacin de mercado Datos de las encuestas Encuestas

SERIES TEMPORALES

DIFFERENT TYPES OF FORECASTING TECHNIQUES DIFERENTES TIPOS DE TECNICAS DE PRONSTICO


Generally, forecasting can be divided into quantitative and qualitative approaches. Qualitative forecasting is used when little to no reliable historical, contemporaneous, or comparable data exists. En general, el pronstico puede dividirse en enfoques cuantitativos y cualitativos. Pronstico cualitativo se utiliza cuando poco o ninguno de los datos histricos fiables, contemporneos o comparables existe. Several qualitative methods exist such as the Delphi or expert opinion approach (a consensus-building forecast by field experts, marketing experts, or internal staff members), management assumptions (target growth rates set by senior management), as well as market research or external data or polling and surveys (data obtained through third-party sources, industry and sector indexes, or from active market research). Varios mtodos cualitativos existen, como el enfoque Delphi o la opinin de expertos (un pronstico de consenso de expertos sobre el terreno, expertos en marketing, o miembros del personal interno), los supuestos de gestin (tasas objetivo de crecimiento establecidos por la alta direccin), as como estudios de mercado o datos externos o de votacin y encuestas (datos obtenidos a travs de fuentes de terceros, la industria y los ndices del sector o de la investigacin de mercado activo). These estimates can be either single-point estimates (an average consensus) or a set of prediction values (a distribution of predictions). The latter can be entered into Risk Simulator as a custom distribution and the resulting predictions can be simulated; that is, running a nonparametric simulation using the prediction data points as the custom distribution. Estas estimaciones pueden ser tanto estimaciones de un solo punto (una media de consenso) o un conjunto de valores de prediccin (una distribucin de las predicciones). Este ltimo se puede introducir en Simulador de Riesgo como una distribucin personalizada y las predicciones resultantes pueden ser simuladas, es decir, se ejecuta una simulacin no paramtrico utilizando los puntos de datos de prediccin como la distribucin personalizada. For quantitative forecasting, the available data or data that needs to be forecasted can be divided into time-series (values that have a time element to them, such as revenues at different years, inflation rates, interest rates, market share, failure rates, and so forth), cross-sectional (values that are time-independent, such as the grade point average of sophomore students across the nation in a particular year,

given each students levels of SAT scores, IQ, and number of alcoholic beverages consumed per week), or mixed panel (mixture between time-series and panel data, e.g., predicting sales over the next 10 years given budgeted marketing expenses and market share projections, which means that the sales data is time-series but exogenous variables such as marketing expenses and market share exist to help to model the forecast predictions). Para el pronstico cuantitativo, los datos disponibles o datos que necesita ser proyectados puede dividirse en series temporales (valores que tienen un elemento de tiempo para ellos, tales como los ingresos en diferentes aos, tasas de inflacin, tasas de inters, la cuota de mercado, las tasas de fracaso, y as sucesivamente), datos de seccin cruzada (valores que son independientes del tiempo, como el promedio de calificaciones de los estudiantes de segundo ao en todo el pas en un ao determinado, teniendo en cuenta los niveles de cada estudiante de los resultados del SAT, IQ, y el nmero de bebidas alcohlicas consumidas por semana), datos agrupados (mezcla entre las series temporales y datos de panel, por ejemplo, la prediccin de las ventas en los prximos 10 aos, dada presupuestados los gastos de comercializacin y proyecciones de participacin de mercado, lo que significa que los datos de ventas es de series de tiempo, pero las variables exgenas, tales como el marketing gastos y cuota de mercado existen para ayudar a modelar las predicciones pronstico).

Using the Past to Predict the Future El uso del pasado Para predecir el futuro
One of the more difficult tasks in risk analysis is forecasting, which includes the forecasting of any variables future outcomes, for example, sales, revenues, machine failure rates, demand, costs, market share, competitive threats, and so forth. Una de las tareas ms difciles en el anlisis de riesgos es la previsin, que incluye la prediccin de resultados futuros de las variables, por ejemplo, las ventas, los ingresos, las tasas de fallo de la mquina, la demanda, los costos, la cuota de mercado, las amenazas competitivas, y as sucesivamente. Recall from Chapter 8, Tomorrows Forecast Today, that the most common quantitative or statistical approaches to forecasting include regression analysis, time-series analysis, nonlinear extrapolation, stochastic processes, and autoregressive integrated moving average (ARIMA) Recuerde del captulo 8, pronsticos del futuro hoy, que los enfoques ms comunes cuantitativos o estadsticos para pronosticar incluye el anlisis de regresin, anlisis de series de tiempo, la extrapolacin lineal, procesos estocsticos, y autorregresivo integrado de media mvil (ARIMA).

Вам также может понравиться

  • Horno de Laminacion
    Horno de Laminacion
    Документ7 страниц
    Horno de Laminacion
    supersonicogt
    Оценок пока нет
  • Horno de Laminacion
    Horno de Laminacion
    Документ7 страниц
    Horno de Laminacion
    supersonicogt
    Оценок пока нет
  • Horno de Laminacion
    Horno de Laminacion
    Документ7 страниц
    Horno de Laminacion
    supersonicogt
    Оценок пока нет
  • Introducción
    Introducción
    Документ5 страниц
    Introducción
    supersonicogt
    Оценок пока нет
  • Proceso de Laminacion
    Proceso de Laminacion
    Документ9 страниц
    Proceso de Laminacion
    supersonicogt
    Оценок пока нет
  • Ab Stracci On
    Ab Stracci On
    Документ8 страниц
    Ab Stracci On
    supersonicogt
    Оценок пока нет
  • Trenes de Laminacion
    Trenes de Laminacion
    Документ50 страниц
    Trenes de Laminacion
    Emma Aguilera
    Оценок пока нет
  • Proceso de Laminacion
    Proceso de Laminacion
    Документ9 страниц
    Proceso de Laminacion
    supersonicogt
    Оценок пока нет
  • DV100 Spanish
    DV100 Spanish
    Документ121 страница
    DV100 Spanish
    supersonicogt
    Оценок пока нет
  • Contabilidad de Costos
    Contabilidad de Costos
    Документ138 страниц
    Contabilidad de Costos
    supersonicogt
    Оценок пока нет
  • Proceso de Laminacion
    Proceso de Laminacion
    Документ9 страниц
    Proceso de Laminacion
    supersonicogt
    Оценок пока нет
  • DV100 Spanish
    DV100 Spanish
    Документ121 страница
    DV100 Spanish
    supersonicogt
    Оценок пока нет
  • Gestion Estrategica Navegando Hacia El Cuarto Paradigma
    Gestion Estrategica Navegando Hacia El Cuarto Paradigma
    Документ172 страницы
    Gestion Estrategica Navegando Hacia El Cuarto Paradigma
    betacto
    Оценок пока нет
  • Fuzzy Sets
    Fuzzy Sets
    Документ2 страницы
    Fuzzy Sets
    supersonicogt
    Оценок пока нет
  • Fuzzy Sets
    Fuzzy Sets
    Документ2 страницы
    Fuzzy Sets
    supersonicogt
    Оценок пока нет
  • Fuzzy Sets
    Fuzzy Sets
    Документ2 страницы
    Fuzzy Sets
    supersonicogt
    Оценок пока нет
  • Fuzzy Sets
    Fuzzy Sets
    Документ2 страницы
    Fuzzy Sets
    supersonicogt
    Оценок пока нет
  • Fuzzy Sets
    Fuzzy Sets
    Документ2 страницы
    Fuzzy Sets
    supersonicogt
    Оценок пока нет
  • Fuzzy Sets
    Fuzzy Sets
    Документ2 страницы
    Fuzzy Sets
    supersonicogt
    Оценок пока нет
  • Tecnicas de Pronóstico - Grupo105018-8 - Fase 2 - Modelos Arima
    Tecnicas de Pronóstico - Grupo105018-8 - Fase 2 - Modelos Arima
    Документ14 страниц
    Tecnicas de Pronóstico - Grupo105018-8 - Fase 2 - Modelos Arima
    Tatiana Botero Escobar
    Оценок пока нет
  • Contraste de Raices Unitarias (Esquema)
    Contraste de Raices Unitarias (Esquema)
    Документ2 страницы
    Contraste de Raices Unitarias (Esquema)
    g.forteza.eco
    Оценок пока нет
  • Series de Tiempo
    Series de Tiempo
    Документ14 страниц
    Series de Tiempo
    Betsy Perez
    Оценок пока нет
  • Ejemplo1 Proyección de La Demanda
    Ejemplo1 Proyección de La Demanda
    Документ6 страниц
    Ejemplo1 Proyección de La Demanda
    joel_va1
    80% (5)