SERIES DE TIEMPO

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).

A diario nos enfrentamos en economa, finanzas, administracin, contabilidad entre otras

areas con situaciones donde necesitamos analizar el comportamiento y la evolucin de
ciertas variables con el fin de tener un criterio que nos permita la toma de decisiones.
Por ejemplo en finanzas necesitamos pronosticar el precio de la accin para el da siguiente
con el fin de determinar si compramos o no acciones, para ello necesitamos estudiar la
evolucin y el comportamiento del precio de la accin diaria durante determinado intervalo
de tiempo. Un ejemplo a nivel contable corresponde a pronosticar los costos fijos o variables
unitarios para los prximos cuatro trimestres de la compaa con el fin de tener valores ms
precisos con el objeto de realizar una presupuesto ms acorde al comportamiento y evolucin
de la variable o variables objeto de estudio.

COMPONENTES DE LA SERIES DE TIEMPO.

Las series de tiempo pueden presentar como mximo cuatro componentes que explican su
comportamiento, dichos componentes son: tendencia, ciclo, estacionalidad y componente
irregular. A continuacin se presenta detalladamente en qu consiste cada uno de ellos.

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

Elaborado por Camilo Ernesto Tinoco Bernal,

 anual (en millones) de una compaa desde el ao 1990 hasta el ao 2010. Apreciando
esta imagen se puede determinar que la serie est aumentando a un ritmo
relativamente constante durante un periodo largo de tiempo; en otras palabras, se
puede decir que la serie de tiempo tiene un componente de tendencia creciente,
contrario a la que se presenta en el grfico 2 con la variable ventas.

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

Elaborado por Camilo Ernesto Tinoco Bernal,

220

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.

Elaborado por Camilo Ernesto Tinoco Bernal,

 RENDIMIENTOAVAL
.3

.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

2- Ciclo: Son fluctuaciones en forma de onda alrededor de la tendencia y corresponde

a un componente de largo plazo. Un ejemplo de ello son los ciclos econmicos de la
industria en los pases, los cuales duran entre 5 y 12 aos. En el grfico 4 se presenta
el comportamiento del ciclo de produccin en el tiempo donde se ven las oscilaciones
(cimas y fondos) alrededor de la tendencia.

Elaborado por Camilo Ernesto Tinoco Bernal,

Grfico 4
Fuente: http://www.monografias.com/trabajos13/cieco/cieco.shtml

3- Estacionalidad: Se refiere a un cambio ms o menos estable que aparece

regularmente a lo largo del tiempo. La estacionalidad se presenta en periodos
inferiores a un ao, semestralmente, trimestralmente, mensualmente, semanalmente
o diariamente, inclusive. Por tal motivo se dice que el componente estacional es de
corto plazo. Por ejemplo las ventas mensuales de una cadena de ropa informal que
presenta ventas superiores cada diciembre. Es muy importante resaltar que la
estacionalidad est relacionada con el calendario y se presenta a menudo en las
variables relacionadas con las ciencias econmicas y administrativas. En el grfico 5
se aprecia las ventas de una compaa desde enero de 2008 hasta diciembre de 2012;
se puede identificar que en diciembre las ventas son mayores con respecto a los meses
anteriores y este efecto se repite ao tras ao, podemos concluir que existe un proceso
estacional mensual que se repite en el mes de diciembre.

Elaborado por Camilo Ernesto Tinoco Bernal,

 VENTAS
60

50

40

30

20

10
2008 2009 2010 2011

Grfico 5
Fuente: Elaboracin propia

4- Componente Irregular: corresponden a fluctuaciones impredecibles o aleatorias

producidas por sucesos inusuales. Un ejemplo corresponde a como se afectara el producto
nacional bruto en el momento del pas afrontar una guerra. Otro ejemplo sera la afectacin
de los precios de los productos agrcolas por el evento de una nueva ola invernal.

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.

Elaborado por Camilo Ernesto Tinoco Bernal,

La forma funcional del modelo multiplicativo es:
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
y esta expresada en las unidades originales, Ct corresponde al ciclo expresado en porcentajes.
St representa la estacionalidad y se expresa en porcentajes e It el componente irregular
tambin expresado en porcentajes, todos estos componentes estn determinados para un
periodo t.

Tambin es posible mostrar de manera combinada los componentes de la serie en sus

expresiones aditiva y multiplicativa.

METODOS DE PRONSTICO DE LA SERIES DETERMINISTAS

Los mtodos de pronstico dependen del tipo de patrones de datos que posea la variable
objeto de estudio. Estos patrones pueden ser estacionales, estacionarios, cclicos o con
tendencia. Si bien existen diferentes mtodos para la modelacin de las series, los ms
utilizados son: promedio mvil simple, promedio mvil doble, suavizamiento exponencial
simple, suavizamiento exponencial doble o de Brown, de dos parmetros de Holt y de tres
parmetros de Holt-Winters.

1- PROMEDIO MOVIL SIMPLE

Es muy utilizado para pronosticar series de tiempo cuyos comportamientos son estacionarios.
Un patrn de comportamiento estacionario significa que la media y la varianza de la serie
son constantes a travs del tiempo. En otras palabras, la serie no tiene tendencia y su
variabilidad tiende a ser la misma en todos los instantes de tiempo. A continuacin se
presenta la formula de promedio mvil donde K corresponde al nmero de trminos en el
periodo mvil.

+ 1 + +1
+1 =

El promedio mvil para el periodo de tiempo t es la media aritmtica de las K observaciones

ms recientes. En un promedio mvil se asignan pesos iguales a cada observacin.

Elaborado por Camilo Ernesto Tinoco Bernal,

A continuacin se presentan las ventas ( ) en pesos de una compaa durante los ltimos 12
meses. Se pide pronosticar el mes 13 a partir de un promedio mvil simple de orden (K = 3).

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

El pronstico se puede expresar as:

13 = (12 + 11 + 10 )/3
Para el ejemplo expuesto el valor proyectado es de $ 121,7 y se obtuvo de la siguiente forma:
(140+115+110) / 3

Ahora se pide realizar la prediccin a partir de un K =5, el pronstico se expresa como: 13 =

(12 + 11 + 10 + 9 + 8 )/5; y su valor para la serie de datos es de $ 124.

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:

Elaborado por Camilo Ernesto Tinoco Bernal,

 =1 ( )
=

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- PROMEDIO MOVIL DOBLE

Es un mtodo utilizado para proyectar series de tiempo que presentan tendencia, pero no
variacin estacional. Los pasos a seguir son los siguientes:
1- Calcular el promedio mvil de la serie con el fin de suavizar la serie.
+ 1 + 2 + + +1
=

2- Calcular el promedio mvil del primer promedio mvil de la serie con el fin de
eliminar la tendencia.
+1 + 2 + + +1
=

3- Proyectar la serie varios periodos, para lo cual se tiene en cuenta la ecuacin de la
lnea recta.
+ = + ; donde P es el nmero de periodos a proyectar, corresponde
al intercepto y la pendiente.
El intercepto y la pendiente se calculan de la siguiente manera teniendo en cuenta el
promedio mvil de la serie y el promedio mvil del primer promedio.

2
= 2 y = ( )
1

Con base en la serie de datos utilizada en el ejemplo anterior se va a realizar una

prediccin para los siguientes tres meses con base en un K=3:

Elaborado por Camilo Ernesto Tinoco Bernal,

 mes
1 120
2 98
3 113 110,3
4 143 118,0
5 123 126,3 118,2
6 154 140,0 128,1
7 134 137,0 134,4
8 125 137,7 138,2
9 130 129,7 134,8
10 110 121,7 129,7
11 115 118,3 123,2
12 140 121,7 120,6

El clculo del promedio mvil de la serie en el periodo 12 fue:

15+ 14 +13 140+115+110
15 = = = 121,7
3 3

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

El clculo en el periodo 12 del intercepto es 122,78 y la pendiente 1,11. Lo cual conlleva a

definir la ecuacin de pronstico para los siguientes tres meses:
12+1 = 12 + 12 (1)
12+2 = 12 + 12 (2)
12+3 = 12 + 12 (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.

3- SUAVIZAMIENTO EXPONENCIAL SIMPLE

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.

Elaborado por Camilo Ernesto Tinoco Bernal,

 +1= + (1 )

La expresin anterior representa la frmula del suavizamiento exponencial donde

corresponde a la constante de suavizamiento o factor de ponderacin y el valor de la serie
en el periodo t. es el valor pronosticado de la serie en el periodo t y +1 es el valor a
predecir de la serie en el periodo siguiente.

La anterior ecuacin se puede expresar como:

+1= + ( ) ; donde ( ) = ; lo cual permite afirmar que el pronstico del
periodo siguiente depende del valor actual de la serie ajustado en veces el error.
+1= +

La constante de suavizamiento de la serie oscila entre 0 y 1. A la ltima observacin se

le asigna este peso y para las observaciones anteriores este decrece de manera exponencial
de la siguiente manera:
Periodo Factor de ponderacin
- T
- 1 (1 )
- 2 (1 )
- 3 (1 )
- 4 (1 )

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

Elaborado por Camilo Ernesto Tinoco Bernal,

pequeas se trabaja con un pequeo y viceversa. Los software como E-views, Risk
simulator y otros, tienen rutinas que se encargan de buscar la constante de suavizamiento,
que debe ser aquella que minimice la RECM.

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

La proyeccin del mes 13 quedara de manera formal as:

12+1= 12 + (1 )12
Y reemplazando por los valores del ejercicio:
13= 0,10 140 + (1 0,10) 122,81; lo cual conlleva a que la proyeccin de ventas para
el mes 13 sea de $ 124,53.

4- SUAVIZAMIENTO EXPONENCIAL DOBLE O BROWN

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.

Elaborado por Camilo Ernesto Tinoco Bernal,

El primer suavizamiento se define como: = + (1 )1
El segundo suavizamiento se define como: = + (1 )1
y la ecuacin de pronstico se define como + = + ; donde P es el nmero de
periodos a proyectar, corresponde al intercepto y la pendiente.
El intercepto y la pendiente se calculan de la siguiente manera teniendo en cuenta el primer
y el segundo suavizamiento.

= 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

Elaborado por Camilo Ernesto Tinoco Bernal,

La ecuacin de pronstico para los meses siguientes quedaria expresada de la siguiente
manera:
12+ = 12 + 12

12+ = 121 + (9)

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

Este mtodo se basa en el suavizamiento exponencial. Permite modelar la tendencia a travs

de predicciones o proyecciones a mediano y/o largo plazo e incluye un nuevo parmetro
denominado beta que suaviza la estimacin de la serie.
El mtodo Holt estima continuamente (sucesivamente) el valor suavizado y el valor
de la tendencia , a travs de las siguientes ecuaciones:
Serie suavizada: = + (1 )(1 + 1 )
Tendencia: = ( 1 ) + (1 )1
Pronstico para los p periodos futuros: + = +
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.
= constante de suavizamiento de la serie. Sus valores estn entre 0 y 1.
= Constante de suavizamiento para el estimado de la tendencia. Sus valores estn entre 0
y 1.
p = periodo a pronosticar.

Elaborado por Camilo Ernesto Tinoco Bernal,

+ = Pronostico para el periodo p.

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

2 123 114 1,3 115,5

3 128 117 2,2 119,1

4 143 122 4,0 126,2

5 145 127 4,3 131,1

6 154 132 5,0 137,2

7 164 139 5,8 144,4

8 174 146 6,6 152,2

Elaborado por Camilo Ernesto Tinoco Bernal,

 9 187 154 7,6 161,5

10 186 160 6,9 167,2

11 198 168 7,3 175,1

12 210 176 8,0 184,3

La ecuacin de pronstico para los siguientes trimestres quedara expresada de la siguiente

manera:

12+ = 12 + 12

Y reexpresando los valores del ejemplo quedara as:

12+ = 176 + 8

Para el trimestre treceavo la proyeccin del gasto operacional sera de $ 184, y para el
trimestre catorceavo de $ 192.

La pregunta ahora es como se determinan los valores de las constantes de suavizamiento

alfa y beta. Deben ser aquellas que conjuntamente minimicen la RECM.

6- METODO DE WINTERS ADITIVO

El mtodo de suavizacin exponencial lineal y estacional de tres parmetros de Winters

aditivo es una extensin del mtodo de Holt y podra representar mejor los datos y reducir el
error del pronstico cuando la serie tiene un comportamiento estacional. En el mtodo de
Winters se emplea una ecuacin adicional para estimar la estacionalidad. Es ideal para
proyectar series con tendencia y variacin estacional.

Bajo este mtodo la estacionalidad se maneja en las unidades originales de la variable.

A continuacin, se presentan las cuatro ecuaciones usadas en el proceso de suavizacin.

Serie suavizada: = ( ) + (1 )(1 + 1)

Tendencia: = ( 1 ) + (1 )1
Estacionalidad: = ( ) + (1 )
Pronstico para los p periodos futuros: + = + + +

Donde:

Elaborado por Camilo Ernesto Tinoco Bernal,

 = 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 en el fututo
+ = Pronostico para el periodo p en el fututo.

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:

12+1 = 12 + 12 (1) + 124+1

12+2 = 12 + 12 (2) + 124+2

12+3 = 12 + 12 (3) + 124+3

7- METODO DE WINTERS MULTIPLICATIVO

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:

Elaborado por Camilo Ernesto Tinoco Bernal,


Serie suavizada: = ( ) + (1 )(1 + 1 )

Tendencia: = ( 1 ) + (1 )1

Estacionalidad: = ( ) + (1 )

Pronstico para los p periodos futuros: + = ( + )+

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:

12+1 = (12 + 12 (1))124+1

12+2 = (12 + 12 (2))124+2

12+3 = (12 + 12(3))124+3

Elaborado por Camilo Ernesto Tinoco Bernal,