CURSO DE PREDICCIÓN ECONÓMICA Y EMPRESARIAL

Unidad 2: Técnicas elementales de predicción

EJERCICIO 3: Aplicación del alisado con tendencia en EViews
Enunciado
En la tabla inferior hemos recogido una serie-índice con datos sobre costes laborales unitarios en la industria
manufacturera en España, obtenidos de la antigua Dirección General de Previsión y Coyuntura del Ministerio de
Economia y Hacienda, a la que denominamos COSLA.
a) Introduzca en EViews esta serie. En este caso, para practicar todas las posibilidades introduzca la serie dato a
dato (picado de datos).
b) Analice las características de la serie, en especial la acusada tendencia.
c) Aplique a la serie el alisado exponencial doble de Brown y Holt-Winters, con los parámetros óptimos.
Compruebe con cuál se obtiene un menor error cuadrático medio. Compare la predicción de ambos.
d) Aplique el alisado exponencial simple, y compare los resultados con los obtenidos por las dos versiones del
alisado doble.
e) Aplique el alisado exponencial doble con cualquier otro valor de alpha.

<<Descarga de la serie COSLA en formato Excel>>

Periodo COSLA
1 100.0000
2 110.5739
3 118.1201
4 126.3980
5 131.8828
6 137.6763
7 144.2019
8 149.4524
9 159.3335
10 176.4203
11 189.4843
12 205.1086
13 215.6812
14 210.4928
15 208.6748
16 219.5314
17 222.6703
RIAL

Views

itarios en la industria
yuntura del Ministerio de

introduzca la serie dato a

metros óptimos.
n de ambos.
las dos versiones del
 CURSO DE PREDICCIÓN ECONÓMICA Y EMPRESARIAL
Unidad 2: Técnicas elementales de predicción
EJERCICIO 3: Aplicación del alisado con tendencia en EViews
Solución

<<Descarga de la solución ilustrada en formato PDF: 7 Págs. (Recomendado)>>

A) INTRODUCCIÓN DE DATOS.
Contamos con una serie-índice de costes laborales unitarios en la industria manufacturera en España
obtenidos de la antigua Dirección General de Previsión y Coyuntura del Ministerio de Economía y Hacienda.
Se trata de una serie sin estacionalidad, pero con acusada tendencia.
Para preparar la introducción de datos, lo primero será crear un fichero de trabajo. Optamos por definirlo
para datos sin referencia temporal específica de fecha, es decir, ordenados de 1 en adelante y para un
máximo de 20 (17 observaciones muestrales y 3 datos de predicción, correspondiendo, realmente, el primer
dato al año 1981 y el último a 1997).
Para ello, en EViews, seleccionamos en el menú principal: FILE / NEW / WORKFILE / UNDATED OR
IRREGULAR, y aquí indicamos que trabajaremos desde 1 a 20 datos.
A continuación, con la instrucción OBJECTS del menú principal, seleccionamos NEW OBJECT / SERIES e
introducimos un nombre para nuestra serie (COSLA). Una vez creada esta serie, aparecerá como tal en la
ventana del workfile, donde seleccionamos SHOW y, dentro de aquí, EDIT y procedemos a teclear los datos
de la serie COSLA.
B) CARACTERÍSTICAS DE LA SERIE
A continuación, seleccionamos el periodo muestral (SMPL) correspondiente a los datos históricos, 1 a 17
datos, comprobamos con SHOW los datos que hemos introducido, y dentro de ésta ventana, con la opción
VIEW / LINE GRAPH, visualizamos un gráfico de la serie, donde comprobamos la acusada tendencia que
presenta.
C) ALISADO EXPONENCIAL DOBLE DE BROWN Y HOLT-WINTERS.
Procedemos ya a la estimación del alisado exponencial doble de Brown y de Holt-Winters, recogiendo los
resultados, incluido predicciones de las nuevas series generadas en el proceso y que hemos denominado,
respectivamente, PCOSLAD y PCOSLAN.
Tanto con doble alisado de Brown (PCOSLAD) como con Holt-Winters (PCOSLAN), los parámetros que
minimizan el error cuadrático medio (ECM) toman un valor alto, incluso unitario en el segundo caso. La suma
de cuadrados de los residuos y la raíz cuadrada del ECM dan valores más reducidos en el alisado de Holt-
Winters. Se nos indica además, que el nivel de la serie en su último dato (periodo 17, que, en realidad,
corresponde al año 1997) es de 222, con un incremento respecto al dato anterior (tendencia en ese punto)
de unos 6 puntos.
Los valores de predicción se ajustarían muy estrechamente a los datos en el periodo histórico y mantendrían
una tendencia similar en ambas técnicas a efectos de predicción. Podemos representar gráficamente la serie
original (COSLA) y las dos series obtenidas en cada alisado (PCOSLAD y PCOSLAN), abarcando tanto el
periodo histórico como el de predicción.
D) ALISADO EXPONENCIAL SIMPLE.
Naturalmente, los resultados son muy distintos a los que se obtendrían con un alisado exponencial simple,
donde comprobamos cómo el error de estimación ha aumentado considerablementE. Ver las instrucciones
en EJERCICIO 2
E) ALISADO EXPONENCIAL DOBLE CON VALORES NO ÓPTIMOS.
Por último, podemos probar con valores prefijados (no óptimos) de los parámetros, a fin de analizar la
incidencia de estos cambios. Aplicamos este análisis al alisado exponencial doble, con valores de alpha de
0,1, 0,5 y 0,9, generando las variables PCOSLAD1, PCOSLAD5 y PCOSLAD9.
 RIAL

Views

turera en España
e Economía y Hacienda.

Optamos por definirlo

adelante y para un
do, realmente, el primer

E / UNDATED OR

W OBJECT / SERIES e
arecerá como tal en la
emos a teclear los datos

tos históricos, 1 a 17
ventana, con la opción
cusada tendencia que

inters, recogiendo los

e hemos denominado,

los parámetros que

l segundo caso. La suma
s en el alisado de Holt-
7, que, en realidad,
ndencia en ese punto)

o histórico y mantendrían
ntar gráficamente la serie
N), abarcando tanto el

do exponencial simple,
E. Ver las instrucciones

a fin de analizar la
on valores de alpha de
 CURSO DE PREDICCIÓN ECONÓMICA Y EMPRESARIAL
Unidad 2: Técnicas elementales de predicción
EJERCICIO 3: Aplicación del alisado con tendencia en EViews
Resultados
El usuario interesado puede reproducir estas operaciones utilizando el fichero de trabajo (workfile) de
Econometric Views COSLA.wf1, en el que se han guardado las distintas operaciones realizadas para
facilitar el seguimiento y reproducción del ejemplo. Así, al abrir el fichero en el programa EViews nos
encontramos con las siguientes ventanas:
GRAFICO1: Serie original (COSLA)
GRAFICO2: Comparativa entre la serie original (COSLA), serie de alisado doble (PCOSLAD) y serie de
alisado de Holt-Winters (PCOSLAN)
GRAFICO3: Comparativa entre la serie original (COSLA) y serie de alisado simple (PCOSLAS)
TABLA1: Resultados alisado exponencial doble con alpha óptimo para la serie COSLA
TABLA2: Resultados alisado exponencial de Holt-Winters con alpha óptimo para la serie COSLA
TABLA3: Resultados alisado exponencial simple con alpha óptimo para la serie COSLA
TABLA4: Resultados alisado exponencial doble con alpha = 0,1 para la serie COSLA
TABLA5: Resultados alisado exponencial doble con alpha = 0,5 para la serie COSLA
TABLA6: Resultados alisado exponencial doble con alpha = 0,9 para la serie COSLA
TABLA7: Comparativa entre la serie original (COSLA) y las series de alisados dobles (PCOSLAD,
PCOSLAD1, PCOSLAD5, PCOSLAD9) y alisado de Holt-Winters (PCOSLAN)
También puede iniciar un fichero de trabajo distinto en el que reproduzca estas operaciones partiendo
de la serie individual grabada como COSLA.xls.

<<Descarga del fichero de trabajo de EViews COSLA.WF1>>

En la tabla siguiente comparamos los resultados obtenidos en cada alisado exponencial, en la que
también incluimos el alisado exponencial de Holt-Winters, aparte de los datos originales y las
predicciones supuestamente optimas, en la que se aprecia cómo el error de estimación (ECM) aumenta
con las series alisadas mediante un parámetro no óptimo.

COSLA PCOSLAD PCOSLAD1 PCOSLAD5 PCOSLAD9 PCOSLAN

1 100,0000 103,0213 103,0213 103,0213 103,0213 100,0000
2 110,5739 104,9990 109,3739 106,9569 104,5398 107,4167
3 118,1201 119,0919 116,5406 116,7754 119,9108 117,9906
4 126,3980 126,1811 123,7951 125,2259 126,0848 125,5368
5 131,8828 134,5694 131,2701 133,8399 134,5953 133,8147
6 137,6763 138,3199 138,3731 139,6177 137,9132 139,2994
7 144,2019 143,6131 145,2203 144,9219 143,4900 145,0929
8 149,4524 150,5003 151,9963 150,9622 150,5828 151,6186
9 159,3335 155,0901 158,4569 156,0327 154,9362 156,8691
10 176,4203 167,6885 165,5763 165,5364 168,3238 166,7502
11 189,4843 190,5649 174,6978 183,4483 191,9317 183,8369
12 205,1086 203,1992 184,7163 199,2333 203,1188 196,9010
13 215,6812 220,0273 196,0038 216,3666 220,3104 212,5252
14 210,4928 227,8427 207,3523 228,4080 227,1995 223,0979
15 208,6748 211,2768 215,5902 223,0483 208,5994 217,9095
16 219,5314 207,2353 221,8483 216,7515 206,6747 216,0915
17 222,6703 225,9794 228,9569 224,0148 227,8175 226,9481
18 NA 227,3548 235,2484 227,8486 226,9672 230,0870
19 NA 231,9368 242,7344 232,6908 231,2126 237,5037
20 NA 236,5188 250,2204 237,5330 235,4580 244,9204
ECM 638,1644 127,0822 773,6535 645,2200 505,6794
RIAL

Views

e trabajo (workfile) de
nes realizadas para
ograma EViews nos

PCOSLAD) y serie de

(PCOSLAS)
OSLA
la serie COSLA
COSLA
LA
LA
LA
bles (PCOSLAD,

peraciones partiendo

nencial, en la que
ginales y las
mación (ECM) aumenta