Professional Documents
Culture Documents
En la actualidad se identifican dos tipos de series que son las de corte transversal y las
temporales o de tiempo. Las de corte transversal corresponden a valores tomados en un
mismo instante de tiempo donde la secuencia de observaciones no es importante, mientras
las series de tiempo corresponden a valores tomados de forma ordenada en diferentes
instantes de tiempo cuya dimensin de temporalidad se puede dar en horas, das, semanas
meses, bimestres, trimestres, semestres aos, entre otras. Tambin existen datos de panel que
corresponden a conjuntos de valores que combinan la estructura de las variables en un
momento dado (corte transversal) con la evolucin de ellas mismas en una dimensin
temporal (Series de tiempo).
1. Tendencia: Son movimientos a largo plazo de una serie de tiempo. Estos pueden ser
de tipo creciente o decreciente. El grfico 1 muestra el comportamiento del costo
100
90
80
70
60
50
40
30
20
10
90 92 94 96 98 00 02 04 06 08 10
COSTOS TENDENCIA
Grfico 1
Fuente: Elaboracin propia
200
180
160
140
120
100
80
90 92 94 96 98 00 02 04 06 08 10
VENTAS TENDENCIA
Grfico 2
Fuente: Elaboracin propia
Existen tambin series de tiempo que no presentan tendencia. A travs del tiempo estas
fluctan alrededor de su media de largo plazo; un ejemplo son los rendimientos diarios del
precio de una accin. En el Grfico 3 se presenta el comportamiento de dichos rendimientos
para la accin grupo AVAL desde el ao 2006 hasta el 2011.
.2
.1
.0
-.1
-.2
-.3
I II III IV I II III IV I II III IV I II III IV I II III IV I II III IV
2006 2007 2008 2009 2010 2011
Grfico 3
Fuente: Elaboracin propia
50
40
30
20
10
2008 2009 2010 2011
Grfico 5
Fuente: Elaboracin propia
Modelos de Series de Tiempo: las series de tiempo se pueden expresar en funcin de cada
uno de los componentes. Los modelos trabajados en series de tiempo son de tipo aditivo y de
tipo multiplicativo.
La forma funcional del modelo aditivo es la siguiente:
Yt = Tt + Ct + St + It
En donde Yt es el valor de la serie de tiempo para un periodo t. Tt corresponde a la tendencia,
Ct corresponde al ciclo. St representa la estacionalidad e It el componente irregular, todos
estos componentes estn determinados para un periodo t.
+ 1 + +1
+1 =
mes +1
1 120
2 98
3 113
4 143 110,3 32,7
5 123 118,0 5,0
6 154 126,3 27,7
7 134 140,0 -6,0
8 125 137,0 -12,0
9 130 137,7 -7,7
10 110 129,7 -19,7
11 115 121,7 -6,7
12 140 118,3 21,7
Ahora la pregunta es determinar cul es la mejor prediccin, la que se obtuvo con K=3 o
con K=5?
Para evaluar esto se pueden utilizar varias medidas, la ms utilizada es la Raz del Error
Cuadrtico Medio (RECM)
=1( )
=
Donde : ( )se conoce como el error y esta medido en las unidades de la serie de tiempo.
La raz de error cuadrtico medio se puede re expresar como:
De acuerdo con los clculos efectuados la RECM para el promedio mvil de orden 3
corresponde a $18,2 en comparacin con el resultado del promedio mvil de orden 5 que es
de $ 18,7. En este caso, se escoge aquella que tenga el menor valor, es decir, que la mejor
prediccin obtenida es la primera (K=3).
2
= 2 y = ( )
1
El clculo del promedio mvil del primer promedio mvil en el periodo 12 fue:
15 +14 +13 121,7+118,3+121,7
15 = = = 120,6
3 3
Los valores proyectados de las ventas para los meses 13, 14 y 15 son respectivamente $
123,9; 125 y 126,1.
Es importante recordar que en los dos mtodos vistos todas las observaciones tienen la misma
ponderacin o peso asignado.
Corresponde a un promedio mvil con peso exponencial para todos los valores previos. Se
utiliza para pronosticar series estacionarias pero su importancia radica en que la observacin
mas reciente recibe mayor peso.
Por ejemplo, si se trabaja con un = 0,20 esto indica que la ltima observacin pesa un 20%
en el modelo, la penltima observacin pesa 16%, la antepenltima observacin pesa el
12,8% y as sucesivamente va decreciendo el peso exponencial de las observaciones. Entre
ms alejadas estn estas del presente, la ponderacin disminuir y tender a cero.
La pregunta es qu valor se le asigna a la constante de suavizamiento? y esto depende de
cmo este conformado el conjunto de datos. Si las variaciones de los datos son relativamente
Con base en la serie trabajada en los mtodos anteriores se va realizar la proyeccin del mes
nmero 13 teniendo en cuenta que la constante de suavizamiento de la serie es = 0,10. Es
importante tener presente que para el primer mes no se conoce el valor proyectado de Y por
lo cual se inicia la seria con el valor real de la misma.
Mes +1
1 120 120
2 98 120,00
3 113 117,80
4 143 117,32
5 123 119,89
6 154 120,20
7 134 123,58
8 125 124,62
9 130 124,66
10 110 125,19
11 115 123,67
12 140 122,81
13 124,53
Al igual que el promedio mvil doble, se utiliza para proyectar series de tiempo con
tendencia. A continuacin se presentan las ecuaciones que permiten pronosticar la serie.
= 2 y = ( )
1
El problema de este mtodo es que los valores de la tendencia son muy sensibles a las
variaciones aleatorias debido a que se utiliza una sola constante de atenuacin.
Para la serie que se ha trabajado se pronostican los meses 13, 14 y 15. A continuacin se
presenta el resumen de los parmetros calculados y la proyeccin a partir de los 12 meses
de la serie. Se utiliz una constante de suavizamiento de =0,2
meses +1
1 120 500 120 120 0
2 98 420 180 659 60 120
3 113 358 216 501 36 719
4 143 315 236 395 20 537
5 123 277 244 310 8 415
6 154 252 245 259 2 318
7 134 229 242 215 - 3 261
8 125 208 235 180 - 7 212
9 130 192 227 158 - 9 174
10 110 176 216 135 - 10 149
11 115 164 206 121 - 11 125
12 140 159 197 121 - 9 111
Y los valores respectivos de la proyeccin de las ventas para el mes 13, 14 y 15 serian $112,
$103 y $93 respectivamente.
5- METODO DE HOLT
Para el ejemplo del mtodo de Holt se va trabajar una nueva serie denominada gastos
operacionales donde se conocen 12 trimestres; la constante de suavizamiento para el nivel de
la serie suavizada es del 0,1 y la constante de suavizamiento del estimado de la tendencia es
0,6. La serie suavizada en el primer trimestre corresponde al valor de la serie real en ese
trimestre, mientras el punto de arranque de la tendencia en el primer trimestre es cero. El
pronstico para el trimestre 13 de los valores del gasto se muestra a continuacin.
trimestre +1
1 112 112 0
12+ = 12 + 12
12+ = 176 + 8
Para el trimestre treceavo la proyeccin del gasto operacional sera de $ 184, y para el
trimestre catorceavo de $ 192.
Donde:
En este mtodo la serie suavizada se inicia con el valor real de la serie, la tendencia con un
valor de cero y la estacionalidad con un valor de cero.
Con base en el ejemplo anterior se puede apreciar que la longitud de la estacionalidad es de
4 periodos por ser la serie trimestral, en caso de las series mensuales la longitud es de 12.
Las ecuaciones respectivas para proyectar el trimestre 13, 14 y 15 son las siguientes:
Al igual que el mtodo anterior, este permite proyectar series con variacin estacional y
tendencia; la diferencia est en que la estacionalidad se presenta como un ndice.
A continuacin, se presentan las cuatro ecuaciones usadas en el proceso de pronstico:
Tendencia: = ( 1 ) + (1 )1
Estacionalidad: = ( ) + (1 )
Donde:
= Nivel de la serie suavizada que se calcula en el perodo t
1 = Nivel de la serie suavizada que se calcula en el perodo t-1
= Valor del componente de tendencia que se calcula en el perodo t
1 = Valor del componente de tendencia que se calcula en el perodo t-1
= Valor observado de la serie
= Estimado de la estacionalidad
= constante de suavizamiento para el nivel de la serie suavizada. Sus valores se
encuentran entre 0 y 1.
s = Longitud de la estacionalidad
= Constante de suavizamiento para el estimado de la tendencia. Sus valores se encuentran
entre 0 y 1
= constante de suavizamiento para el estimado de la estacionalidad. Sus valores se
encuentran entre 0 y 1.
p = periodos a pronosticar.
+ = Pronostico para el periodo p.
En este mtodo la serie suavizada se inicia con el valor real de la serie, la tendencia con un
valor de cero y la estacionalidad con un valor de uno por expresarse como un ndice.
Las ecuaciones respectivas para proyectar el trimestre 13, 14 y 15 son las siguientes: