SERIES DE TIEMPO

SERIES DE TIEMPO

1. que es?

   • es un conjunto de observaciones de una variable medida en puntos sucesivos en el tiempo o en periodos de tiempo sucesivos. Y el objetivo de tal análisis es obtener un buen pronóstico o predicción de los valores futuros de una serie de tiempo.

2. se clasifican como

   • CUANTITATIVO
     • se suelen usar cuando 1) se cuenta con información del pasado acerca de la variable que se desea pronosticar, 2) esa información se puede cuantificar y 3) es razonable pensar que el patrón seguido en el pasado continuará en el futuro.
   • CUALITATIVO
     • presentan ventajas cuando la información acerca de la variable que se pronostica no puede cuantificarse y cuando no se cuenta con datos históricos o cuando los datos históricos con los que se cuenta no son aplicables.

3. Componentes

   • DE TENDENCIA
     • Aunque los datos de las series de tiempo suelen mostrar fluctuaciones aleatorias, las series de tiempo también muestran un desplazamiento o movimiento gradual hacia valores relativamente altos o bajos a través de un lapso largo. A este desplazamiento gradual de la serie de tiempo se le conoce como la tendencia de la serie de tiempo.
   • CÍCLICO
     • Las series de tiempo suelen mostrar secuencias de puntos que caen de manera alternante arriba y abajo de la línea de tendencia. Toda sucesión recurrente de puntos que caiga abajo y arriba de la línea de tendencia y que dure más de un año puede atribuirse al componente cíclico de la serie de tiempo.
   • ESTACIONAL
     • es natural que al componente de las series de tiempo que representan la variabilidad en los datos debida a la influencia estacional se le conozca como componente estacional. Aunque por lo general se considera que las variaciones estacionales son variaciones que se presentan durante el lapso de un año, el componente estacional también se usa para representar cualquier variación que se presente con regularidad en un lapso menor que un año.
   • IRREGULAR
     • es el factor residual o el factor que da cuenta de las desviaciones de los valores reales de la serie de tiempo de los valores que se esperan al considerar los efectos de los componentes de tendencia, cíclicos y estacionales. Este componente irregular es ocasionado por factores a corto plazo, imprevistos y no recurrentes que afectan a la serie de tiempo.

4. METODOS DE SUAVIZAMIENTO

   • QUE ES?
     • En esta sección se estudian tres métodos de pronóstico: promedios móviles, promedios móviles ponderados y suavizamiento exponencial. Estos métodos tienen por objeto suavizar las fluctuaciones aleatorias ocasionadas por el componente irregular de la serie de tiempo, razón por la que se les conoce como métodos de suavizamiento
       • PROMEDIOS MOVILES
         • El término móvil se usa porque cada vez que en la serie de tiempo hay una nueva observación, ésta sustituye a la observación más antigua que se emplee en la ecuación y se calcula un nuevo promedio. De esta manera, el promedio se modifica, o se mueve, cada vez que se tiene una nueva observación.
       • PROMEDIOS MOVILES PONDERADOS
         • En una variación conocida como promedios móviles ponderados, a cada uno de los valores de los datos se le da un peso diferente y, después, se calcula el promedio ponderado de los valores de los n datos más recientes para obtener el pronóstico.
       • SUAVISAMIENTO EXPONENCIAL
         • se usa un promedio ponderado de los valores pasados de la serie de tiempo; es un caso especial del método de promedios ponderados móviles; en este caso sólo hay que elegir un peso, el peso para la observación más reciente. Los pesos para los demás datos se calculan automáticamente y son más pequeños a medida que los datos son más antiguos.

5. PROYECCION DE TENDENCIA

   • En esta sección se muestra cómo hacer pronósticos para una serie de tiempo que a largo plazo tenga una tendencia lineal. El tipo de series de tiempo al que se aplica el método de la proyección de tendencia son las series de tiempo que muestran un aumento o disminución consistente a lo largo del tiempo; como estas series de tiempo no son estables, no se pueden utilizar los mé- todos de suavizamiento descritos en la sección anterior.

6. COMPONENTES DE TENDENCIA Y ESTACIONALES

   • En esta sección se amplía este estudio y se muestra cómo hacer pronósticos para una serie de tiempo que tiene tanto un componente de tendencia como un componente estacional.
   • MODELO MULTIPLICATIVO
     • Se supone que en la serie de tiempo además del componente de tendencia (T) y del componente estacional (S) existe un componente irregular (I). El componente irregular corresponde a todos los efectos aleatorios que puede haber sobre la serie de tiempo, es decir, los efectos que no pueden ser explicados por los componentes de tendencia y estacional.
   • CÁLCULO DE LOS ÍNDICES ESTACIONALES
     • la razón por la que se calculan los promedios móviles es para aislar los componentes combinados estacional e irregular. Sin embargo, los valores de los promedios móviles no corresponden precisamente a los trimestres originales de la serie de tiempo. Esta dificultad se puede resolver con el uso de los puntos medios entre los valores sucesivos de los promedios mó- viles.
   • DESESTACIONALIZACIÓN DE UNA SERIE DE TIEMPPO
     • El objeto de hallar los índices estacionales es eliminar de la serie de tiempo los efectos estacionales. A este proceso se le conoce como desestacionalización de la serie de tiempo.
   • USO DE UNA SERIE DE TIEMPO DESESTACIONALIZADA PARA IDENTIFICAR TENDENCIAS
     • Para identificar esta tendencia, se usa el mismo procedimiento que en la sección anterior; en este caso los datos son ventas trimestrales desestacionalizadas.
   • AJUSTES ESTACIONALES
     • El último paso para obtener un pronóstico cuando existen tanto un componente estacional como un componente de tendencia, es usar el índice estacional para ajustar la proyección de tendencia desestacionalizada.
   • MODELOS BASADOS EN DATOS MENSUALES
     • En muchas ocasiones suelen usarse pronósticos mensuales en lugar de pronósticos trimestrales. En tales casos el procedimiento presentado en esta sección puede emplearse con ligeros cambios.
   • COMPONENTE CÍCLICO
     • se expresa como porcentaje de la tendencia. Este componente se atribuye a ciclos multianuales en la serie de tiempo. Es semejante al componente estacional, sólo que se presenta a lo largo de periodos más prolongados.

7. ANALISIS DE REGERSIÓN

   • Se considera el análisis de regresión como una herramienta para pronóstico, el valor de la serie de tiempo que se desea pronosticar puede verse como la variable dependiente. Por tanto, si se logra determinar un buen conjunto de variables independientes, o predictoras, se podrá obtener una ecuación de regresión estimada para predecir o pronosticar la serie de tiempo.

8. MÉTODOS CUALITATIVOS

   • MÉTODO DE DELPHI
     • En este método se trata de obtener un pronóstico mediante un “consenso de grupo”.
   • OPINIÓN DE UN EXPERTO
     • La opinión de los expertos es un método de pronóstico que suele recomendarse cuando es poco probable que las condiciones del pasado se presenten en el futuro. Aun cuando no se usa ningún modelo cuantitativo formal, este método ha dado buenos pronósticos en muchas situaciones.
   • ESCENARIOS FUTUROS
     • Consiste en elaborar un escenario conceptual del futuro con base en un conjunto bien definido de suposiciones. Distintos conjuntos de suposiciones llevan a diferentes escenarios.
   • MÉTODOS INTUITIVOS
     • Se basan en que la mente humana tiene la capacidad de procesar una gran cantidad de información que, en la mayoría de los casos, sería difícil de cuantificar.