Introducción
Forecasting y gestión de demanda usando Excel / Google Spreadsheet
Introducción a las Series de Tiempo en Excel
Modelos de Regresión
Regresión Lineal en Excel
Aplicaciones Avanzadas de la Regresión Lineal en Excel
Modelos Exponenciales en Excel
Modelos Polinomiales en Excel: Implementación y Casos de Uso
Métodos de Suavizado
Pronósticos con Media Móvil en Excel
Aplicaciones Prácticas de la Media Móvil para Pronósticos en Excel
Modelos de Media Ponderada en Excel
Método Multiplicativo en Excel
Aplicaciones del Método Multiplicativo en Excel para Pronósticos
Suavizado Exponencial en Excel
Aplicaciones del Suavizado Exponencial en Excel para Pronósticos
Conclusiones
La importancia del Forecasting con Excel
Bonus: Entrevista con Andrés Anaya Isaza
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Andres Anaya Izasa
El curso ha explorado diversas formas de hacer estimaciones y pronósticos, incluyendo métodos de regresión lineal, exponencial y polinómica, así como medias móviles y ponderadas. Ahora, introducimos el modelo multiplicativo, que descompone series de tiempo en estacionalidad, tendencia y residuos mediante la multiplicación de estos componentes.
El modelo multiplicativo se diferencia de los modelos de regresión tradicionales. Mientras que los modelos de regresión trabajan con adiciones, el modelo multiplicativo se basa en la descomposición y multiplicación de componentes estacionales y tendencias para hacer pronósticos. Este enfoque permite identificar patrones de estacionalidad detalladamente.
Para implementar este modelo, se deben seguir estos pasos:
Crear una columna de promedios:
Calcular los patrones estacionales:
Aplicar el proceso multiplicativo:
En el caso de estudio, los datos del banco AnayaX incluyen observaciones bimensuales de los últimos cinco años sobre préstamos y créditos en millones de dólares. Con una meta de 1000 millones de dólares en préstamos para el año 6, se descomponen estos datos utilizando el modelo multiplicativo para estimar las asignaciones bimensuales.
Crear una matriz de datos:
Realizar divisiones y formatear en porcentajes:
Construir el patrón estacional:
Los resultados pueden ajustarse según el criterio y las ponderaciones específicas de cada organización. Este modelo flexible permite hacer micro predicciones detalladas, proporcionando herramientas útiles para planificar y gestionar futuros períodos.
Aportes 8
Preguntas 0
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?