Productivity growth in electric energy retail in Colombia. A bootstrapped malmquist indices approach

This paper offers a productivity growth estimate for electric energy commercialization firms in Colombia, using a non-parametric Malmquist bootstrap methodology. The estimation and methodology serve two main purposes. First, in Colombia Commercialization firms are subject to a price-cap regulation scheme, a non-common arrangement in the international experience for this part of the industry. Therefore the paper’s result suggest an estimate of the productivity factor to be used by the regulator, not only in Colombia but in other countries where commercialization is a growing part of the industry (renewable energy, for instance). Second, because of poor data collection from regulators and firms themselves, regulation based on a single estimation of productivity seems inappropriate and error-prone. The nonparametric Malmquist bootstrap estimation allows an assessment of the result in contrast to a single one estimation. This would open an opportunity for the regulator to adopt a narrower and more accurate productivity estimation or override an implausible result and impose a productivity factor in the price-cap to foster the development of the industry.

Aplicaciones de los modelos de predicción bio-inspirados en la administración

Las organizaciones y sus entornos son sistemas complejos. Tales sistemas son difíciles de comprender y predecir. Pese a ello, la predicción es una tarea fundamental para la gestión empresarial y para la toma de decisiones que implica siempre un riesgo. Los métodos clásicos de predicción (entre los cuales están: la regresión lineal, la Autoregresive Moving Average y el exponential smoothing) establecen supuestos como la linealidad, la estabilidad para ser matemática y computacionalmente tratables. Por diferentes medios, sin embargo, se han demostrado las limitaciones de tales métodos. Pues bien, en las últimas décadas nuevos métodos de predicción han surgido con el fin de abarcar la complejidad de los sistemas organizacionales y sus entornos, antes que evitarla. Entre ellos, los más promisorios son los métodos de predicción bio-inspirados (ej. redes neuronales, algoritmos genéticos /evolutivos y sistemas inmunes artificiales). Este artículo pretende establecer un estado situacional de las aplicaciones actuales y potenciales de los métodos bio-inspirados de predicción en la administración.