Pronóstico basado en CAGR en R

En esta publicación, proporciono un ejemplo de pronóstico basado en CAGR, utilizando datos de producción de vehículos de OICA para la industria automotriz china.

CAGR es la tasa de crecimiento promedio compuesta.

Si, por ejemplo, la producción en el año 2000 es de 1.000.000 de unidades, entonces, si se espera una CAGR = 3%, la producción después de 10 años se calculará y se espera que sea:

El pronóstico basado en CAGR consta de un flujo de trabajo de dos pasos:

  1. calcular CAGR a partir de datos históricos
  2. calcular valores futuros asumiendo CAGR histórico

Si se pronostican valores anuales, la CAGR debe calcularse en función de los valores históricos anuales. Si se pronostican valores mensuales, la CAGR debe calcularse a partir de los valores históricos mensuales. Y así.

A continuación, uso la metodología CAGR para pronosticar la producción futura de automóviles en número de unidades producidas anualmente. Utilizo los datos de producción de la industria automotriz de OICA para calcular la CAGR anual histórica y para predecir la producción futura en función del valor CAGR calculado.

El primer paso es leer los datos. Este paso también incluye el filtrado.

library(readxl)
library(dplyr)
data_df = as.data.frame(read_xls("oica.xls"))
data_df = dplyr::filter(data_df,year>=2005,country=="China")
head(data_df)
##   year country    total
## 1 2018   China 27809196
## 2 2017   China 29015434
## 3 2016   China 28118794
## 4 2015   China 24503326
## 5 2014   China 23731600
## 6 2013   China 22116825
tail(data_df)
##    year country    total
## 9  2010   China 18264761
## 10 2009   China 13790994
## 11 2008   China  9299180
## 12 2007   China  8882456
## 13 2006   China  7188708
## 14 2005   China  5717619

A continuación, se puede calcular la CAGR histórica. En este caso para los años 2005 a 2018:

cagr = (data_df$total[1]/data_df$total[length(data_df$total)])^(1/(length(data_df$total)-1)) - 1

Usando el valor CAGR anual histórico, predigo la producción automotriz china medida en unidades producidas anualmente, para 2030:

data_df$total[1]*(1+cagr)^(2030-2018)
## [1] 119761592

El pronóstico basado en CAGR es claramente ingenuo. Esta metodología de pronóstico solo funciona bajo supuestos sólidos, como por ejemplo, el supuesto de que el crecimiento es ilimitado. En el caso de que la producción de vehículos automotores esto no sea factible. Por lo tanto, esta metodología de pronóstico solo puede aplicarse a un horizonte de tiempo limitado. Además, el pronóstico basado en CAGR requiere cierta tolerancia a la variación.

Leave a Reply

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Close

Meta