Resumen de Evaluación de Proyectos y Proyección Financiera

## Introducción La proyección de la demanda es el proceso de estimar cuánta cantidad de un bien o servicio se necesitará en el futuro a partir de información histórica y supuestos razonados. En este material veremos cómo transformar ventas históricas en una estimación de demanda futura, comprobar la confiabilidad del ajuste y adaptar la proyección a limitaciones productivas reales. > **Definición:** La proyección de la demanda es la estimación cuantitativa de la demanda futura basada en datos históricos y en modelos matemáticos o cualitativos. ## 1. Conceptos clave desglosados ### 1.1 Datos históricos y su papel - Las ventas pasadas sirven como insumo principal para detectar tendencias. - Es crítico que los datos cumplan criterios de **precisión**, **sensibilidad** y **objetividad** para minimizar errores en la proyección. > **Definición:** Precisión, sensibilidad y objetividad son requisitos de calidad de datos que buscan reducir el error y sesgos en la proyección. ### 1.2 Métodos de ajuste de tendencia - Se utilizan modelos matemáticos que ajustan una ecuación a los puntos históricos (por ejemplo, regresión polinómica). - Un coeficiente de determinación alto $R^2$ indica que la ecuación explica bien la variabilidad observada. > **Definición:** $R^2$ es el coeficiente de determinación que mide la proporción de varianza explicada por el modelo; va de $0$ a $1$. ### 1.3 Selección de la variable independiente - La elección de valores correlativos para la variable independiente $X$ (por ejemplo $1,2,3,4,5$) no altera la tendencia estimada, siempre que se mantenga la correlación entre observaciones. > **Definición:** Variable independiente $X$ es el índice temporal o secuencial usado para construir la ecuación de tendencia. ## 2. Ejemplo práctico (caso: Marquetería SH) ### 2.1 Ventas históricas (resumen) - Periodos 2012–2016 con litros anuales: $6000$, $12000$, $18650$, $24300$, $34380$. - Incrementos interanuales observados: $100\%$, $55\%$, $30\%$, $41\%$ respectivamente. ### 2.2 Ajuste y confianza - Se calculó una ecuación polinómica de tendencia con $R^2 = 0.9985$, lo que indica alto ajuste. - Con esta ecuación se proyectó para los años 2017–2021 (horizonte de 5 años). ### 2.3 Proyección sin límites (valores del ajuste) - Proyección anual resultante (litros): $48652$, $69722$, $99374$, $139498$, $191986$ para 2017–2021. - Incrementos interanuales estimados: aprox. $41{,}5\%$, $43{,}3\%$, $42{,}5\%$, $40{,}4\%$, $37{,}6\%$. Did you know que un $R^2$ cercano a $1$ no garantiza causalidad; solo indica que el modelo ajusta bien los datos observados? ### 2.4 Ajuste por limitaciones productivas - La fábrica tiene una capacidad de maduración limitada: $60000$ litros anuales ( $5000$ litros mensuales). - A partir del segundo periodo proyectado (momento 7 en la numeración original) la proyección supera la capacidad, por lo que se aplica una cota superior. Tabla comparativa (proyección sin límite vs. limitada) | Concepto | Proyección sin límite (ej.) | Proyección limitada | | --- | ---: | ---: | | 2018 (litros) | $69722$ | $60000$ | | 2019 (litros) | $99374$ | $60000$ | | 2020 (litros) | $139498$ | $60000$ | | 2021 (litros) | $191986$ | $60000$ | ### 2.5 Demanda incremental vs. situación actual - Producción actual: $2800$ litros mensuales $= 33600$ litros anuales. - Litros diferenciales (proyección limitada menos situación actual): por ejemplo 2017 $48652-33600=15052$, 2018 $60000-33600=26400$, y lo mismo para 2019–2021. ## 3. Pasos para realizar una proyección de demanda (guía práctica) 1. Recolectar y validar datos históricos (completar series, eliminar errores). 2. Elegir la variable independiente $X$ correlativa: $1,2,3,\dots$ y el tipo de ajuste (lineal, polinómico, exponencial). 3. Calcular el ajuste y evaluar $R^2$ y residuos. 4. Proyectar al horizonte deseado con la ecuación obtenida. 5. Confrontar la proyección con restricciones técnicas u organizativas y ajustar (capacidad, normativa, mercado). 6. Calcular esc