análisis financiero -...

Análisis financiero

ANÁLISIS FINANCIERO

1

Lectura No. 7

Nombre: Métodos de Análisis

Contextualización

Los diferentes métodos de análisis que se pueden utilizar para evaluar y, en su

defecto, emitir un diagnostico de una empresa cambian gradualmente

dependiendo del grado de análisis y de las variables que se integren a los

modelos.

En el caso de los métodos estadísticos es importante enfatizar que al trabajar

con valores muestrales se obtienen resultados que representan aproximaciones

de la realidad, y no son valores exactos.


2

Introducción al Tema

Es importante analizar los valores que integran un modelo de regresión lineal y

analizara su aplicación en el análisis financiero.

Los modelos de regresión son métodos estadísticos que modelan la relación

entre una variable dependiente o endógena (Y), que es considerada nuestra

variable en la investigación, y una serie de variables independientes, explicativas

o exógenas (Xi), que son elementos manipulables que permiten observar como

incide sobre la expresión de la variable dependiente. Dentro de estos modelos

se adiciona un término aleatorio (ε), que se asocia con el error que se ocasiona

por no considerar en su totalidad todos los factores que pueden influir

directamente en la variable dependiente de la regresión.


3

Explicación

II.2 Modelos estadísticos

II.2.1 Modelos de regresión

Un modelo de regresión lineal básico se ejemplifica mediante la siguiente

ecuación explicita en Y:

Y = β0 + β1 X1 + β2 X2 + … + βn Xn + ε

Donde la β0 es la intersección o termino constante, es decir, corta al eje

explicativo, mostrando el valor exacto de la variable explicita con un valor de Xi

de cero.

El análisis de regresión es la forma de encontrar si dos o más variables están

relacionadas entre sí, considerando que vamos a obtener resultados estadísticos

para Y, con específicos para X.

Por lo tanto, podemos decir que la variable dependiente es estocástica o

aleatoria y la variable independiente es no estocástica.

Ejemplifiquemos este modelo mediante la siguiente ecuación:

Y = 297.2 – 73.25 X

Ahora, que pasaría con el valor de Y, si X cambiara a 12.5 unidades.

Suponiendo que el primer valor de X fuera de 10 unidades.

Caso 1 Y = 297.2 – 73.25 (10)

Y = -435.3

Caso 2 Y = 297.2 – 73.25 (22.5)

Y = -1350.925


4

Se puede concluir que al incrementar X en 12.5, la variable dependiente

disminuye, es decir, existe una relación inversa entre ambas variables.

El análisis de regresión lineal es útil para encontrar la ecuación que mejor se

ajusta a una dispersión de datos. Es importante resaltar que la dispersión se

presenta porque existen más factores que influyen en el modelo especificado y

además, hay que considerar que siempre existirá dispersión ya que son rectas

de regresión muestral y no poblacionales.

El resultado de la regresión no es matemáticamente exacto o puntual debido a

que son resultados estadísticos o aproximaciones a la realidad; donde la recta

puede mostrarnos un valor y en la realidad pudo haber sido otro.

Existe dentro del modelo de regresión el Error o Perturbación (ε) que lo podemos

definir como la distancia que existe entre los datos de la regresión lineal y el dato

observado en la realidad.


5

La gráfica nos muestra un ejemplo de una recta de regresión muestral que

explica mejor los datos, ajustándose a los que presentan menores diferencias o

errores.

Para poder obtener las ecuaciones de regresión se pueden emplear diversas

metodologías: 1) Mínimos cuadrados ordinarios (MCO); 2) Máxima Verosimilitud

(MV); o bien, 3) Método de los momentos.

La metodología mas empleada es la de Mínimos Cuadrados Ordinarios (MCO),

la cual consiste en encontrar las menores distancias entre la recta y los puntos.1

Explicado de otra forma, busca los menores errores o diferencias.

Los estimadores de MCO están expresados en términos de las variables

independientes y dependientes, siendo estimadores puntuales. Al final, los

resultados obtenidos nos van a mostrar que tanto los indicadores muestrales se

parecen a la poblacional y, por otro lado, se debe especificar correctamente el

modelo, con la finalidad de disminuir el sesgo de especificación ocasionado por

la causalidad.

.


6

Conclusión

Los modelos estadísticos son expresiones simbólicas representadas en forma de

igualdades a manera de diseño experimental y con supuestos claramente

especificados que permiten identificar las restricciones que existen entre las

variables, en el caso concreto de la regresión nos indica los diferentes factores

que modifican a la variable de respuesta.

La regresión en sí misma, no define causalidad, es decir, no te dice quien es

causa y quien efecto, por eso es importante desarrollar supuestos previos que

sustenten el modelo de la regresión.

Es de igual manera importante aclarar que no es lo mismo el termino de

correlación y regresión, ya que el primero nos dice que tan fuerte es la relación

entre las variables, y el segundo si existe alguna relación entre ellas.


7

Para aprender más

Elementos que intervienen en el modelo de regresión

Para poder comprender todos los elementos que intervienen en la especificación

de un modelo de regresión y al mismo tiempo vislumbrar la utilidad de este en el

análisis financiero de una empresa, supongamos la resolución del siguiente

caso. La empresa “El Cisne” presenta los siguientes datos históricos de gastos

de publicidad y ventas

Lo que realmente quiere conocer la empresa es la relación que existe entre

ambas variables y, al mismo tiempo, encontrar el modelo que explica dicha

relación.

Existen actualmente distintos paquetes informaticos que permiten obtener estos

valores como el Statistical Package for the Social Sciences (spss), el cual tiene

la capacidad de trabajar con bases de datos grandes. También se puede utilizar

Excel para obtener dichos datos, los pasos a seguir son:


8

Ingresar la tabla de información en una hoja de Excel nueva:

Posteriormente se debe habilitar el comando de Análisis de datos, para esto se

deben realizar los siguientes pasos:

1. Hacer clic en el botón de Microsoft Office y, a continuación, hacer clic en

Opciones de Excel.

2. Hacer clic en Complementos y, en el cuadro Administrar, seleccionar

Complementos de Excel.

3. Hacer clic en Ir.

4. En el cuadro Complementos disponibles, activar la casilla de verificación

Herramientas para análisis y, a continuación, hacer clic en Aceptar.

Una vez habilitado el comando, dar clic sobre la opción de regresión:


9

Se habilitara la pantalla para que se especifiquen los valores de la variable

explicativa, que en este caso son los Gastos de Publicidad y de la variable

dependiente, que serian las Ventas. De igual forma, se tienen que habilitar todas

las casillas que se planean analizar. En este caso son: rótulos, nivel de

confianza, residuos y curva de regresión ajustada.


10

Una vez realizado este paso, se anexarán las tablas con la información que se

especifico en la función de regresión.

Con base en esta información se podrá construir la ecuación de regresión para

este modelo:


11

Y = β0 + β1 X1

Y = -83,0008375 + 9,4540282 X

La relación entre ambas variables es directa, por lo tanto, si los Gastos de

Publicidad aumentan en una unidad, las ventas aumentaran en 9,4540282.

Una vez que se cuenta con la ecuación de la regresión, se pueden realizar

estimaciones suponiendo diversos escenarios, por ejemplo, que pasaría si la

empresa decidiera gastar en publicidad el próximo ano 65 (millones):

Y = -83,0008375 + 9,4540282 (65)

Y = 531,5109955

La empresa estaría esperando obtener por el gasto en publicidad unas ventas de

531,5109955.

Un dato relevante de analizar es el R2, que es el coeficiente de determinación, el

cual nos indica el porcentaje de variación de la dependiente que es explicado por

la independiente. En este caso el 98,10% de variación de las ventas son

explicados por las variaciones de los Gastos de Publicidad, para el modelo

especificado.

Se puede sugerir que siempre que R2 sea igual o mayor a 0,8 es aceptable.


12

Actividad de Aprendizaje

Instrucciones:

Con la intención de reforzar lo aprendido en la sesión, realiza una actividad en la

cual a través de un resumen extraigas el tema de esta que es el modelo de

regresión.

Puedes realizarlo en cualquier programa, al final tendrás que guardarlo como

PDF con la finalidad de que no existan modificaciones y así subirlo a la

plataforma de la asignatura.


13

Referencias

Exeberria, J. (1999). Regresión múltiple. Madrid: La Muralla.

Gujarati, D. (2003). Econometría. México: McGraw-Hill.

análisis financiero -...

Documents