MODELO DEL CICLO DE EXISTENCIAS DE METZLER
Transcripción
MODELO DEL CICLO DE EXISTENCIAS DE METZLER
MODELO DEL CICLO DE EXISTENCIAS DE METZLER Albany Pérez Hernández. Yaiza B. García Corbal. RESEÑA HISTORICA: Lloyd Metzler (1913-1980) fue el pionero en investigar formalmente las consecuencias que se tenían en el proceso productivo ante los esfuerzos de los empresarios para mantener sus niveles de existencias, a través de variaciones apropiadas en la producción. La idea esencial de Meztler era que los productores desean guardar la acción del inventario como cierta proporción de ventas previstas pero confiando en retrasos entre la producción y las ventas similares. HIPÓTESIS TEÓRICAS-ECONÓMICAS DEL MODELO: En este modelo vamos a suponer que el producto del período es la suma de los bienes de consumo y de inversión producidos, siendo el volumen de éstos últimos una constante exógena. El volumen total de bienes de consumo se compone de dos partes: - La producción que normalmente debe venderse, de acuerdo con las expectativas de ventas de los productores. - La producción que se destina a mantener las existencias a su nivel deseado (inversión en existencias). Sin embargo, este nivel de existencias (stock) puede ser negativo, es decir, puede ocurrir que las empresas produzcan menos de lo que esperan vender, cubriendo la diferencia mediante la reducción deseada de existencias (siempre supondremos que hay suficiente stock acumulado para satisfacer el exceso de demanda). Desde luego, estas expectativas pueden no ser exactas, es decir, las ventas reales pueden no coincidir con las ventas esperadas, suponiendo esta diferencia una “variación no deseada de existencias”. También hay que tener en cuenta que las ventas reales coinciden con la demanda de consumo del período que no debe ser confundida con la producción de bienes de consumo, ya que en el modelo de Meztler la producción total y la demanda de bienes de consumo, pueden ser distintas. Estas son las características generales de las cuales se pueden obtener un gran numero de modelos distintos según los supuestos concretos que se formulen en torno a la formación de FORMULACIÓN MATEMÁTICA: 1) El producto total (Yt) en un período se corresponde con la suma de los bienes de consumo que normalmente debe venderse- de acuerdo con las expectativas de ventas de los productos- (Ut), los bienes de consumo destinados a mantener las existencias al nivel deseado (St) y los bienes de inversión (V0) producidos en el mismo. 2) La producción de bienes de consumo destinados a la venta (Ut) depende de la demanda que tengan estos, y ésta a su vez, depende proporcionalmente de la producción total en el período anterior. “b” es la propensión al consumo por parte de los individuos. 3) Los productores desean mantener unas existencias (St) proporcionales uno) a la variación observada en las ventas de bienes de consumo. Siendo k el “acelerador de existencias (k>0) (además con proporción mayor que Ut – Ut-1 = b Yt-1 – b Yt-2 = b (Yt-1 – Yt-2) St = (1+k) [b (Yt-1 – Yt-2)] RESOLUCIÓN Y ANÁLISIS DEL MODELO. Con la ecuacion principal del modelo vamos a estudiar el comportamiento de la variable dándole valores a b y a k, los cuales deben ser: 0<b<1 y k >0 Estudiamos, con ella la convergencia suponiendo una renta inicial de Y0=400; y una renta en el punto Y1=420. RSolve[y[t] -( 2 + k)b y [t-1] + (1+k)b y[t-2] V, y[t], t] ::y@tD ® V -t 1- b b=1/2 k= 1/3 V=77 !!!! "############################################2 t !!!! "############################################ t -t -4 + 4b - 4k + 4 bk + bk N C@1D + 2 J2b + bk + b - 4 + 4b - 4k + 4bk + bk2 N C@2D>> + 2 J2 b + b k - b 1 2 1 3 77 Clear[y] RSolve[{y[t] -( 2 + k)b y [t-1] + (1+k)b y[t-2] V,y[0]==400,y[1]420}, y[t], t] ::y@tD ® 2 -t2 i j t2 t2 j 3 j j3619 3 + 5781 2 CosBt ArcTanB 47 k 99 y@t_D = :: !!!!!! i 2 -t2 j t2 t2 j 3 j CosAt ArcTanA j3619 3 + 5781 2 47 k i 2 -t2 j t2 t2 j 3 + 5781 2 CosBt ArcTanB j j3619 3 47 k !!!!!! 47 t2 !!!!!! FF + 735 2 47 SinBt ArcTanB 7 !!!!!! !!!!!! 47 !!!!!! EE + 735 2t2 47 SinAt ArcTanA 7 47 t2 !!!!!! FF + 735 2 47 SinBt ArcTanB 7 !!!!!! y 47 z FFz z z>> 7 { !!!!!! y 47 z EEz z z== 7 { y 47 z FFz z z>> 7 { ComplexExpand [%] Limit[y[t],t] 154 V 1- b 154 m= Table [{t , y[t]}, {t, 0, 30}]//N {{0.,400.},{1.,420.},{2.,300.333},{3.,147.389},{4.,48.7315}, {5.,35.5941},{6.,86.0388},{7.,153.649},{8.,198.898},{9.,206.615}, {10.,185.452},{11.,155.617},{12.,134.919},{13.,130.66}, {14.,139.491},{15.,152.633},{16.,162.077},{17.,164.335}, {18.,160.673},{19.,154.895},{20.,150.595},{21.,149.431}, {22.,150.94},{23.,153.475},{24.,155.428},{25.,156.016}, {26.,155.4},{27.,154.289},{28.,153.404},{29.,153.112}, {30.,153.361}} ListPlot [m , PlotJoinedTrue, PlotRange {0, 500}] 500 400 300 200 100 5 10 15 Graphics 20 25 30 Estudio de la convergencia en el Caso 2: En este segundo caso la damos nuevos valores a b y a k. Clear [y] RSolve[y[t] -( 2 + k)b y [t-1] + (1+k)b y[t-2] V, y[t], t] ::y@tD ® 154 + J 3 t2 1 3 t2 1 N C@2D CosBt ArcTanB FF + J N C@1D SinBt ArcTanB FF>> !!!! !!!! 2 2 2 2 b=4/5 k= 2 V=77 4 5 2 77 Clear[y] RSolve[{y[t] -( 2 + k)b y [t-1] + (1+k)b y[t-2] V,y[0]400,y[1]420}, y[t], t] 88y@tD ® 2 5 H-5 3 + 17 5 + 77 2 5 L<< 99 y@t_D = 2-2+t 51-t I-5 3t + 17 5t + 77 22-t 5tM== -2+t 1-t 882 -2+t 1-t 5 t t H-5 3 + 17 5 + 77 2 t t 2-t t 5 L<< 2-t t m= Table [{t , y[t]}, {t, 0, 20}]//N 880., 400.<, 81., 420.<, 82., 461.<, 83., 544.2<, 84., 712.04<, 85., 1049.45<, 86., 1726.34<, 87., 3082.61<, 88., 5798.13<, 89., 11232.8<, 810., 22106.3<, 811., 43858.6<, 812., 87369.3<, 813., 174398.<, 814., 348465.<, 815., 696609.<, 816., 1.39291 ´ 10 <, 817., 2.78553 ´ 10 <, 818., 5.57078 ´ 10 <, 819., 1.11413 ´ 10 <, 820., 2.22824 ´ 10 << 6 6 6 7 7 ListPlot [m , PlotJoinedTrue, PlotRange {0, 5000}] 5000 4000 3000 2000 1000 5 10 Graphics 15 20 Estabilidad: Cambiamos el orden de la ecuación principal obteniendo: y[t+1]z[t] z[t+1] == - (1+k)b y[t]+( 2 + k)b z [t]+ V La estudiamos con el caso 1 y obtenemos que los modulos son menores que 1, así llegamos a decir que la EDF es asintóticamente estable. A= J 0 - H1 + kL b 1 H 2 + kL b 2 7 :80, 1<, :- , >> 3 6 N Con el segundo caso obtenemos, después de cambiar el orden: A= J 0 - H1 + kL b 1 H 2 + kL b 12 16 :80, 1<, :, >> 5 5 N Eigenvalues[A] :2, 6 > 5 Abs[%] :2, 6 > 5 Obtenemos que es sistema es asintóticamente estable. CONCLUSIONES ECONÓMICAS. En el modelo sencillo de Metzler, donde considera las expectativas de tipo ingenuo, tenemos que, puesto que la propensión al consumo es menor que la unidad, la condición de estabilidad esencial es que 1 b< 1+ k Cuando estudiamos dos casos posibles que Gandolfo establece teóricamente –suponiendo que las producciones totales de los dos primeros períodos son 400 y 420 respectivamente- observamos que: - - 1 , y donde suponemos por tanto que b toma valor 1/2, k igual a 1/3 y V 1+ k igual a 77, se observa un comportamiento oscilante y convergente, es decir, que la producción total en los primeros períodos presenta fuerte oscilaciones que con el transcurso del tiempo irán disminuyendo convergiendo así a una cantidad que en nuestro caso particular estará próximo a 100. 4(1 + k ) Para el segundo caso, b ≥ ( 2 + k ) 2 , donde suponemos que b, k y V toman los valores de 4/5, 2 y 77 respectivamente, no tiene sentido económico, puesto que se observa un comportamiento monótono y divergente. Para el primer caso, b < Es interesante observar que no puede existir un movimiento monótono estable; la estabilidad sólo puede adoptar la forma de oscilaciones atenuadas. Obsérvese también que cuanto menor sea la relación que los fabricantes desean mantener entre existencias y ventas, más probable es que tenga lugar un movimiento estable. VARIANTE DEL MODELO. Añadimos el parametro r que ha de ser distinto de cero ya que sino tendriamos el modelo anterior Clear[y,b,k,r] RSolve [y[t]-b[(1+k) (1+r)+1] y[t-1] + b(1+k) (1+2 r) y[t-2] (1+k)b r y[t-3]V,y[t], t] ::y@tD ® 77 t 2 3 + C@1D Root@- b r - b k r + b #1 + b k #1 + 2 b r #1 + 2 b k r #1 - b@1 + H1 + kL H1 + rLD #1 + #1 &, 1D + 1 + b + b k + b r + b k r - b@1 + H1 + kL H1 + rLD C@2D Root@-b r - b k r + b #1 + b k #1 + 2 b r #1 + 2 b k r #1 - b@1 + H1 + kL H1 + rLD #12 + #13 &, 2D + t C@3D Root@-b r - b k r + b #1 + b k #1 + 2 b r #1 + 2 b k r #1 - b@1 + H1 + kL H1 + rLD #1 + #1 &, 3D >> 2 3 t b=0.8 k=1 r=1 V=77 0.8 1 1 77 RSolve [{y[t]-b((1+k) (1+r)+1)y[t-1] + b(1+k) (1+2 r) y[t-2] (1+k)b r y[t-3]v, y[0]400, y[1]420, y[2]==450},y[t], t] // Simplify 88y@tD ® 385. - 9.45288 0.552786 + 15.7029 1.44721 + 8.75 2. << t t t 88 y@t_D = 384.99999999999875` - 9.45288237343588`0.5527864045000419`t + 15.702882373437449`1.4472135954999583`t + 8.749999999999684`2.`t << 88385. - 9.45288 0.552786 + 15.7029 1.44721 + 8.75 2. << t t t m= Table [{t , y[t]}, {t, 0, 20}]//N 880., 400.<, 81., 420.<, 82., 450.<, 83., 501.<, 84., 593.<, 85., 764.2<, 86., 1089.<, 87., 1713.64<, 88., 2927.08<, 89., 5302.25<, 810., 9977.83<, 811., 19220.9<, 812., 37550.5<, 813., 73983.2<, 814., 146521.<, 815., 291123.<, 816., 579639.<, 817., 1.15568 ´ 10 <, 818., 2.30632 ´ 10 <, 819., 4.60553 ´ 10 <, 820., 9.20093 ´ 10 << 6 6 6 6 ListPlot [m , PlotJoinedTrue, PlotRange {0, 5000}] 5000 4000 3000 2000 1000 5 Graphics 10 15 20 2º CASO b=1/2 k= 1/3 r=0.5 V=77 1 2 1 3 0.5 77 Clear[y] RSolve [{y[t]-b((1+k) (1+r)+1)y[t-1] + b(1+k) (1+2 r) y[t-2] (1+k)b r y[t-3]V, y[0]100, y[1]220, y[2]250},y[t], t] // 88y@tD ® 154. - 45.1 0.36168 - 8.90001 0.960014 [email protected] tD + 113.022 0.960014 [email protected] tD<< Simplify t t t 154. - 45.1 0.36168t - 8.90001 0.960014t [email protected] tD + 113.022 0.960014t [email protected] tD y[t_]=(y[t]/.%)[[1]] m= Table [{t , y[t]}, {t, 0, 100}]//N {{0.,100.},{1.,220.},{2.,250.},{3.,192.},{4.,105.},{5.,61.8333}, {6.,93.75},{7.,170.181},{8.,227.882},{9.,223.166},{10.,164.633}, {11.,102.355},{12.,85.4116},{13.,123.521},{14.,182.518}, {15.,214.553},{16.,196.645},{17.,146.737},{18.,106.43}, {19.,106.543},{20.,143.821},{21.,186.151},{22.,199.979}, {23.,176.708},{24.,137.474},{25.,114.259},{26.,123.994}, {27.,156.469},{28.,184.465},{29.,186.404},{30.,162.808}, {31.,134.162},{32.,123.301},{33.,137.337},{34.,163.326}, {35.,179.972},{36.,174.97},{37.,153.934},{38.,134.598}, {39.,131.975},{40.,146.81},{41.,166.114},{42.,174.416}, {43.,166.075},{44.,148.93},{45.,137.099},{46.,139.435}, {47.,152.996},{48.,166.281},{49.,168.905},{50.,159.648}, {51.,146.693},{52.,140.476},{53.,145.34},{54.,156.606}, {55.,164.948},{56.,164.06},{57.,155.362},{58.,146.278}, {59.,143.955},{60.,149.682},{61.,158.343},{62.,162.922}, {63.,160.154},{64.,152.783},{65.,146.942},{66.,147.088}, {67.,152.637},{68.,158.818},{69.,160.741},{70.,157.233}, {71.,151.467},{72.,148.137},{73.,149.66},{74.,154.464}, {75.,158.527},{76.,158.726},{77.,155.207},{78.,151.019}, {79.,149.494},{80.,151.618},{81.,155.441},{82.,157.836}, {83.,157.038},{84.,153.923},{85.,151.112},{86.,150.784}, {87.,153.},{88.,155.826},{89.,157.},{90.,155.732},{91.,153.207}, {92.,151.5},{93.,151.886},{94.,153.897},{95.,155.831}, {96.,156.179},{97.,154.793},{98.,152.894},{99.,152.01}, {100.,152.754}} ListPlot [m , PlotJoinedTrue,PlotRange{0,300}] 300 250 200 150 100 50 20 Graphics 40 60 80 100 Observamos en la gráfica que la producción se comporta de manera oscilante y cíclica hasta llegar a obtener una estabilidad. Los productores deciden producir de manera que les queda stock en almacén, la siguiente vez reducen la producción y deciden “tirar” de los productos en stock y así sucesivamente hasta llegar a la producción estable. Cambiamos el orden de la ecuación de orden 3 que se obtiene al introducir la variante r: y[t+1]=x[t] x[t+1]=z[t] z[t+1]== (1+k)b r y[t]- b(1+k) (1+2 r) x[t] +b((1+k) (1+r) +1)z[t]+V i j 0 1 0 y z z z 0 0 1 z z H 1 + k L b r b H 1 + k L H 1 + 2 r L b HH 1 + k L H 1 + r L + 1 L k { j A= j j j {{0,1,0},{0,0,1},{0.2,-0.6,0.5}} Eigenvalues[A] {0.0683005 +0.738711 ,0.0683005 -0.738711 ,0.363399} Abs[%] {0.741862,0.741862,0.363399} BIBLIOGRAFÍA . Métodos y modelos matemáticos de la dinámica económica. Editorial Tecnos, S.A. .González C y Barrios, J.A. Análisis Discreto en Economía y Empresa, Ed. AC Madrid 2000. .Internet.