Trabajo de investigación 1: Metodología de

Pronóstico Holt-Winters

Integrantes

Felipe Rojas Almonacid

Claudio Schulz

Curso

Planeamiento y control de la producción II

Docente

Paola Leal Mora

Fecha

19/04/2021
Introducción

Hoy en día, es tan alta la competencia que existe entre las compañías, que cada vez más se
necesitan herramientas que puedan optimizar las operaciones de las empresas, aumentar sus
ventas y de paso también, aumentar la rentabilidad de estas empresas. Es por esto, que
existen varios métodos para lograr estimaciones en función a los requerimientos estratégicos
de una compañía y lograr así, que la empresa perdure con éxito hacia un futuro. Además, las
empresas están en una constante búsqueda de minimizar la incertidumbre que tienen en el
mediano y largo plazo y necesitan de herramientas de estimaciones para poder reducir ese
grado de duda. Estas estimaciones se pueden lograr de forma efectiva, mediante los procesos
denominados pronósticos.

Los pronósticos son los encargados de reducir el grado de incertidumbre de una empresa y
deben satisfacer las necesidades de planeación de la organización. Es en este sentido que un
pronóstico es una herramienta que proporciona un estimado cualitativo que pronostica de
acuerdo a decisiones y experiencias personales y un estimado cuantitativo que es básicamente
un conjunto de estimados acerca de la probabilidad de eventos futuros que se elaboran en
base en la información de interés en su dimensión pasada y actual (PinDyck y Rubinfeld, 2001);
dicha información se encuentra expresada en la forma de un modelo y existen múltiples
formas de estos expresadas a través de técnicas de pronósticos.

Para este trabajo de investigación se abordará el método de estimación cuantitativa

denominado modelo de Holt-Winters que es una técnica de suavizamiento exponencial que
entrega estimaciones en el mediano y largo plazo, mejorando aún más los pronósticos para
una compañía.
Desarrollo

Descripción de la metodología.

Método de pronóstico Holt-Winters.

El pronóstico Holt-Winters, derivado del pronóstico de Holt, el cual considera solo dos
exponentes, es un método de pronóstico de triple exponente suavizante, ya que considera tres
parámetros de una serie de tiempo; el nivel, la tendencia y la estacionalidad, es utilizado para
realizar pronósticos del comportamiento de una serie temporal a partir de la información de
los datos obtenidos. El método se basa en un algoritmo iterativo que a cada tiempo (mes o
semana) realiza un pronóstico sobre el comportamiento de la serie en base a promedios
debidamente ponderados de los datos obtenidos. Igualmente se trata de una variante,
también conocida como alisado exponencial lineal con doble parámetro, que consigue eliminar
el sesgo de la predicción de una serie con tendencia, a través de la inclusión en la media móvil
de un componente de tendencia:

M t =α y t +(1−α )( M t −1+ bt −1 )

donde b es un factor de variación definido a partir de otra nueva constante de alisado para la
tendencia, β :

b t=β ( M t −M t−1 + ( 1−β ) bt−1 )

de forma que la ecuación de predicción adoptaría la forma:

^y t +h=M t + bt ∙ h

Existen varias posibilidades para la adopción de los valores iniciales. La más sencilla consistiría
en hacer

M 1= y 1 ; b1=0

Alternativamente, se puede tomar

y 2− y 1 y4 − y3
b 1= [ 2 ] +[
2
]
o también

M 2= y 2 ; b2= y 2− y 1

Igualmente es aconsejable optar por los valores de los parámetros seleccionados por el
programa, en general, elegidos como los que minimizan los errores cuadráticos medios. Como
pauta general, los parámetros α y β tomarán valores elevados (por encima de 0,7) en series de
acusada tendencia.

Obviamente, en el caso particular en el β=0 ; b 1=0 el alisado con doble parámetro queda
reducido al alisado exponencial simple.

Algunas ventajas del modelo de pronóstico Holt-Winters.

• Se requieren muy pocos datos históricos, para actualizar el pronóstico de un periodo al

siguiente solo es necesario α. La demanda del último periodo y el pronóstico del
último periodo. Es necesario recordar que este modelo incorpora en el nuevo
pronostico todas las demandas anteriores.

• El modelo es eficaz, sencillo y fácil de entender.

• Se pude computarizar para familias de productos, sus partes o sus elementos.

• Sirve en los sectores de manufactura y de servicios.

• Requiere suavizamiento constante rango de 0 a 1

• Determina automáticamente el coeficiente de suavización en base a los errores de los

periodos previos.

Condiciones para su utilización.

El método Holt-Winters presenta dos modelos: El modelo aditivo, el cual se utiliza cuando la
estacionalidad es constante e independiente del nivel y no aumenta a lo largo del tiempo y el
modelo multiplicativo, el cual se utiliza cuando la estacionalidad crece durante el tiempo de
manera proporcional al nivel. Estos métodos dependen del tipo de estacionalidad que se esté
originando. A continuación, se mostrarán los dos modelos, aditivo y multiplicativo para poder
crear un mayor entendimiento a este método.

Método Holt-Winter.

Modelo aditivo.

Lt =α ∙ ( Dt −S t−s ) +(1−α )∙ ( Lt −1 +T t−1 )

T t=β ∙ ( Lt−Lt −1) +(1−β )∙ T t−1

St =γ ∙ ( Dt −Lt ) +(1−γ )∙ St −s

Y^ t +k =Lt + KT t + St + K−S

Donde

γ =¿ Ponderación para la tendencia

α =¿ Ponderación para el nivel

β=¿ Ponderación para el componente estacional

Lt =¿ Nivel en el tiempo t

T t=¿ Tendencia en el tiempo t

St =¿ Componente estacional en el tiempo t

Y t =¿ Valor de los datos en el tiempo t

Y^ t =¿ Valor ajustado, pronóstico de un período adelante, en el tiempo

Modelo multiplicativo.

At =α ∙ ( D t /S t−c ) +(1−α )∙ ( D t−1+ T t −1 )

T t=β ∙ ( A t −A t−1 ) +(1−β )∙ T t −1

St =γ ∙ ( D t / A t ) +(1−γ )∙ St −c

F t+ r=( A t +T t ) ∙C t +1−c

S1−c =( D 1 / A0 ) y S 0=( D c / A 0 )
Donde

c=¿ Longitud del ciclo estacional. Número de ciclos en un año

α =¿ Constante de atenuación exponencial simple

β=¿ Constante de atenuación exponencial de tendencia

γ =¿ Constante de corrección de estacionalidad

At =¿ Promedio exponencial de la serie de datos

T t=¿ Estimación de tendencia

St =¿ Estimación de estacionalidad

F t−1=¿ Pronóstico de periodos futuros

Ejemplo desarrollado

Outdoor Furniture columpios. Usualmente los clientes compran más columpios en los meses
calientes que en los fríos, de manera que las ventas cambian las estaciones. Suponga que los
columpios de Outdoor Furniture son muy buenos y la publicidad verbal hace que aumente el
número de personas que las compran. Sus datos que reflejan estacionalidad y tendencia están
dados en la siguiente tabla.

Año
Trimestre 1 2 3
1 60 69 84
2 234 266 310
3 163 188 212
4 50 59 64

En este caso, un año se puede dividir en cuatro estaciones, cada una de tres meses. Por
naturaleza, muchos procesos tienen algún número de estaciones durante un año. Si los
periodos son semanas, el año tendría 52 estaciones.
Los periodos de meses y trimestres tienen 12 y 4 estaciones en un año, pero de haber alguna
explicación de la estacionalidad. Los métodos presentados aquí pueden usarse para cualquier
longitud de estación.

Desarrollo.

Se calcula el promedio anual del año 3

84+ 310+212+64
D 3=
4

D3=¿ Demanda promedio para el año 3

D 3=¿ 167,5

Se calcula el promedio anual del año 2

69+266+188+ 59
D 2=
4

D 2=¿ Demanda promedio para el año 2

D2=¿ 145,5

Se calcula el promedio anual del año 1

69+266+188+ 59
D 1=
4

D1=¿ Demanda promedio para el año 1

D 1=¿ 145,5

Promedio anual de ventas.

  Años
Trimestre 1 2 3
1 60 69 84
2 234 266 310
3 163 188 212
4 50 59 64
126,75 145,5 167,5
Luego se desarrolla el método Holt-Winter en Excel.

Para calcular los valores de alfa, beta y gamma, se utilizaron unos valores experimentales. Para
luego obtener los valores reales haciendo una regresión lineal.

  Años L 4
α
Trimestre 1 2 3  β 0,01
1 60 69 84   1,00
2 234 266 310 y 0,95
3 163 188 212
4 50 59 64

Resolviendo en Excel, arrojó la siguiente gráfica.

Parámetros:

L 4
α
 β 0,01
  1,00
y 0,95
 Pronosti co
700
306.05
600
266.00
500
215.28
400 184.76
60.00 310
300 266
234 63.70 212
188
200 163 79.75
70.20 67.34
67.67 59.02
69 84
0.00
10060 50 59 64

0
1 2 3 4 5 6 7 8 9 10 11 12

Donde la línea azul es la grafica de las ventas iniciales, y la línea naranja es el pronostico de
esas ventas en el periodo de 3 años.

El error es un 28,20 y en porcentaje, es un 17.02%

t Trimestre Ventas (un.) At Tt St Yt' Error

1
1
1
1 1 60 60 0 1
2 Año 1 2 234 61,85 1,85 3,65 60,00 174,00 0,74358974
3 3 163 64,76 2,91 2,44 63,70 99,30 0,60918615
4 4 50 67,48 2,72 0,75 67,67 17,67 0,35333993
5 1 69 70,19 2,71 0,98 70,20 1,20 0,01737512
6 Año 2 2 266 72,89 2,71 3,65 266,00 0,00 1,4069E-08
7 3 188 75,61 2,72 2,48 184,76 3,24 0,01722333
8 4 59 78,34 2,72 0,75 59,02 0,02 0,00037337
9 1 84 81,10 2,77 1,03 79,75 4,25 0,0505669
10 Año 3 2 310 83,88 2,78 3,69 306,05 3,95 0,01273431
11 3 212 86,64 2,76 2,45 215,28 3,28 0,01548459
12 4 64 89,36 2,72 0,72 67,34 3,34 0,05221258
95,14
350,13
238,77
71,96
28,20 17,02%
Conclusión

Existen muchos métodos para calcular pronósticos y cada uno, dependiendo de su forma y
estructura, ayudan a estimar las tendencias en el futuro. Se tiene que entender que, a la hora
de pronosticar, que método será el más correcto a la hora de utilizar hay que tener varias
consideraciones: se logró entender que solo dependerá del análisis y de la información que se
tenga a partir de periodos pasados y periodos actuales, de lo que se observó de la gráfica con
los datos iniciales, fue lo necesario para realizar el ejercicio.

El método de Holt-Winters es una buena opción para pronosticar tendencias en el mediano y

largo plazo.
Bibliografía.

Juan Carlos Hernández

http://rstudio-pubs-
static.s3.amazonaws.com/283175_1d0898ed1b704812a4eeb29b1fdcb213.html

Juan Manuel Izar

https://www.researchgate.net/publication/331844076_Metodo_de_Winters

JOSÉ MANUEL TORAL CHAIGNEAU

http://www.tesis.uchile.cl/tesis/uchile/2008/toral_jc/sources/toral_jc.pdf

Javier Bernardo CADENA Lozano

https://www.revistaespacios.com/a18v39n13/a18v39n13p01.pdf