NUMEROS INDICE Y ANALISIS DE SERIES DE TIEMPO

INTRODUCCION La observación de datos se hace a través del tiempo. Estos datos

(variables) recogidos, registrados u observados en incrementos sucesivos de tiempo se llama
serie de tiempo. Los países desarrollados generan miles de números índice cada mes; estos
índices publicados ampliamente están diseñados para resumir en forma sencilla una ó varias
series de tiempo de los negocios en un solo número.

Una serie de tiempo consiste en datos recogidos, registrados ú observados en incrementos

sucesivos de tiempo. Los números índice miden el movimiento de los valores en una serie de
tiempo relativo al periodo base; el índice en el período base es igual a 100.

CONSTRUCCION DE UN INDICE La primera consideración al construir un índice es elegir un

periodo base adecuado el cuál debe ser “normal” que no sea en extremo bueno ó en extremo
malo. EEUU por ejemplo usa el año 1982 como año base para muchos de sus índice
estadísticos. Algunas veces se actualizan los índices moviendo el período base a un período
más reciente.

Ejemplo. El índice de precios al consumidor IPC preparado en EEUU consiste en muchos

artículos que usualmente compra los consumidores estadounidenses. El período base fue
1982-84. En marzo de 1992 el valor de este índice fue 137, este valor indica que los precios al
consumidor en ese mes fueron el 137 % de lo que eran en el período base.

Una modificación considerada con frecuencia por los analistas es la conversión de valores de
series de tiempo medidos en dólares a valores en dólares constantes ó deflacionados.

Tipos de índices. Entre los índices más comunes están a) el índice de precios: mide los
cambios de precios de bienes y servicios seleccionados a través del tiempo. b) el índice de
cantidad: mide los cambios en las cantidades de bienes seleccionados a través del tiempo. c)
índice de valor: mide el valor total (precio por cantidad) de un grupo de bienes ó servicios.

IP 
 P 100
t
IQ 
 Q 100
t
IV 
 PQ 100
t t

P b Q b PQ b b

IP = índice de precios IQ = índice de cantidadIV= índice de valor Pt = precio en período t

Pb = precio en el periodo base Qt= cantidad en periodo t Qb = cantidad en período base

Indice agregado e índice simple. Cuando se sigue el precio, cantidad ó valor histórico de un
solo artículo el índice se llama simple; y cuando se usa un índice para resumir varios artículos
se llama agregado. El más común de los índices agregados es el índice de precios al
consumidor IPC; implícito en el concepto de una “canasta básica” de bienes está la
ponderación de los artículos medidos según su frecuencia de uso en el área bajo estudio, este
índice mide los precios que los consumidores de un país pagan por los productos y servicios
que comúnmente se compran Además de medir el cambio en los precios de bienes y servicios,
el IPC se usa también para deflacionar ventas, para determinar el ingreso disponible real, para
conocer el poder de compras de la moneda y para establecer los incrementos en el costo de
vida.

100
Poder adquisitiv o actual de Q1.00 
IPC
INDICE COMPUESTO Puede que no exista un solo índice publicado que se ajuste al negocio
para el que se desee el índice. De cualquier manera es posible evitar el costo de formar un
nuevo índice y actualizarlo cada período pues se puede combinar dos ó más índices
publicados para formar un nuevo índice que cumpla con las especificaciones del estadista.
Ej. Si se usa un índice para estudiar el volumen anual de ventas en dólares para un negocio
de muebles. El 80% del negocio se basa en venta al menudeo, el otro 20% está dedicado a
ventas al mayoreo. Se toman los índices del gobierno separados para los precios al mayoreo y
al menudeo de ventas de muebles y se combinan para obtener el índice más adecuado. El
índice se encuentra multiplicando el índice de menudeo por 0.80 y agregando este valor al
índice de mayoreo multiplicado por 0.20 Por ejemplo para el año 1992 el cálculo es el
siguiente: (139.3) (0.8) + (167.3) (0.20) = 144.90

Deflación de una serie de tiempo. Deflacionar es quitar el efecto inflacionario de los precios
ó el valor, antes de someter la serie a un análisis más profundo. El procedimiento consiste en
dividir los valores de la serie de tiempo ante el índice de precios expresado en decimales para
ese período.
Ej. El volumen en ventas en dólares para la compañía Wing fue de $ 35,758.00 en febrero, el
índice de precios fue de 243.9 para ese mes. Las ventas en dólares deflacionados para la
compañía fueron:

35758.00
 $14,611.00
2.439

Si no hubiera habido inflación desde el período base del índice de precios, las ventas de la
compañía durante febrero habrían sido de $ 14,611.00 en lugar de $ 35758.00

El propósito de deflacionar una serie de tiempo en dólares es permitir el estudio de la serie sin
el efecto de la inflación. Una serie en dólares que parece saludable por su tendencia alcista,
puede de hecho mostrar un movimiento a la baja si se eliminan los efectos inflacionarios.

Cambio para el período base. Muchas veces es importante mover el período base a un
período más reciente. Para calcular los nuevos índices se escoge adecuadamente un nuevo
período base y los índices de cada uno de los períodos que tenemos en la serie de tiempo se
dividen entre el índice del nuevo período base expresado en porcentaje. Ej. Si el nuevo
período base va a ser enero de 1992, que en la serie tenía un índice de 133.2 y tenemos que
enero de 1991 el índice era de 123.71, el nuevo índice será 82.87 que resulta de: 123.7/1.332.

DESCOMPOSICIÓN DE UNA SERIE DE TIEMPO

Cuando se registra y observa una serie de tiempo variable muchas veces es difícil o imposible
visualizar sus diferentes componentes. El propósito de descomponer una serie de tiempo es
observar cada uno de sus elementos aislados. Al hacerlo se puede tener una mejor idea de las
causas de la variabilidad de la serie. Una segunda razón importante para aislar los
componentes de una serie de tiempo es facilitar el proceso para determinar los pronósticos. Si
se entiende el movimiento de los elementos de una serie el pronóstico resulta más sencillo. El
modelo que más se usa para la descomposición de las series de tiempo es el modelo
multiplicativo.

Y=TxCxExI

Donde: Y = valor real de la variable de interés.

T = tendencia secular
C = componente cíclico
E = componente estacional
I = componente irregular
a) Tendencia secular. Es el componente a largo plazo que representa el crecimiento ó
disminución de la serie de tiempo durante un período largo. Las fuerzas básica son:
población, crecimiento, inflación de precios, cambios tecnológicos e incrementos de la
productividad. La tendencia puede calcularse por medio de análisis de regresión y
correlación.
 b) Componente cíclico: Es la fluctuación con apariencia de ondas alrededor de la
tendencia. Casi siempre están influidas por las condiciones económicas. Se calcula
por medio de la fórmula:
Y
C 100
Yp
En donde: Y = valor real de la variable de interés.
Yp = valor pronosticado del valor de Y para el período seleccionado.
C = componente cíclica.

c) Componente estacional: Es un patrón de cambio en los datos trimestrales ó

mensuales que se repite año tras año. Puede reflejar las condiciones del clima, los
días festivo, ó las longitudes variables de los meses del calendario. El índice
estacional se calcula por medio de la siguiente fórmula:

TECI
E 100
TCI
En donde: E =índice estacional.
TECI = valor real de Y
TCI = promedio centrado de 12 meses (procedimiento de promedios móviles)

d) Componente irregular. Mide la variabilidad de una serie de tiempo, después de

eliminar los otros componentes causada por factores no previsibles y no recurrentes.

PRONOSTICO DE NEGOCIOS

INTRODUCCIÓN. Pronosticar supone proyectar la experiencia pasada hacia el futuro, desde

la suposición de que las condiciones que generaron los datos históricos no serán diferentes de
las condiciones futuras, excepto para aquellas variables que el modelo de pronóstico reconoce
en forma explícita. Los pasos para efectuar pronósticos son los siguientes:
a) Recogida y síntesis de datos.
b) Construcción del modelo.
c) Evaluación del modelo.
d) El pronóstico.

METODOS DE PRONOSTICO.

Método intuitivo de pronóstico. Los administradores los usan mucho, ya sea consciente ó
inconscientemente. Este método es sencillo, pues utiliza el período actual como el pronóstico
para el próximo período. Con frecuencia se usan estos modelos en situaciones en las que un
negocio no ha tenido tiempo de desarrollar una base de datos históricos útil.

Método de promedios móviles. Este modelo utiliza el promedio de varios períodos anteriores
como promedio para el siguiente período. En la práctica el analista debe decidir cuántos
períodos anteriores ha de promediar. Muchas veces se usa un proceso de prueba y error para
encontrar el número de períodos que da el error mínimo. El promedio móvil implica que
conforme se dispone de una nueva observación se calcular una nueva media eliminando el
valor más antiguo en el promedio y agregando el más nuevo.

Esta nueva media es el pronóstico para el siguiente período.

 Yt  Yt 1  Yt 2  ....Yt m1
Ft 1 
m
Donde: F t+1 = pronóstico para el período t+1
Yt = Valor Y para el período t.
m = número de términos en el promedio móvil

Ejemplo:

T Mes Ventas Total móvil 5 Promedio Error

meses móvil
5 meses
1992
1 Ene 125.7
2 Feb 129.4
3 Mar 131.7
4 Abr 135
5 May 140.2
6 Jun 141.7 662.0 132.4 9.3
7 Jul 138.4 678.0 135.6 2.8
8 Ago 135.3 687.0 137.4 -2.1
9 Sep 130.9 690.6 138.1 -7.2
10 Oct 130.2 686.5 137.3 -7.1
11 Nov 131.8 676.5 135.3 -3.5
12 Dic 128.2 666.6 133.3 -5.1
1993
Ene 127.3 656.4 131.3 -4.0
Feb 129.3 656.8 129.4 -0.4

140.2  135.0  131.7  129.4  125.7

F6   132.4
5
El promedio se llama móvil porque cuando se conoce el valor real para junio, el proceso de
promediar se mueve un mes hacia delante, eliminando el valor de enero e incluyendo el nuevo
valor de junio. Este proceso se repite cada mes conforme se conocen nuevos valores.

Método suavizamiento exponencial. La desventaja del promedio móvil es que no importa

cuantos períodos se usen se supone que cada valor contribuye por igual al pronóstico. Más
bien el pronóstico debe depender más de los valores más recientes, menos de los valores
anteriores a estos, aún menos de los valores anteriores y así sucesivamente. La técnica de
suavizamiento exponencial usa un promedio ponderado de los valores pasados de una serie de
tiempo para llegar a un pronóstico suavizado y recibe este nombre porque los pesos o
ponderaciones que se asignan a periodos anteriores para formar el pronóstico disminuyen en
forma exponencial.

Ft 1  Yt  (1   ) Ft

Donde: α = constante de suavizamiento, un valor entre 0 y 1

Ft= experiencia promedio de la serie suavizada para el período t, o valor
Del pronóstico para el período t.

La constante de suavizamiento, α es la clave del uso del suavizamiento exponencial. Si es

necesario que los pronóstico sean estables y que se suavicen las variaciones aleatorias, se
requiere que este valor sea pequeño. Si se desea una respuesta rápida a los cambios reales
en el patrón de observaciones, una valor grande es apropiado. (la constante de suavizamiento
óptima se encuentra mediante la minimización de la suma de cuadrados del error
SCE = ∑ ei^2.).

Ejemplo: Tomando los datos del ejemplo en los promedio móviles con una constante de
suavizamiento de 0.20. Se empieza con enero de 1992, para este mes el valor real de la
variable de series de tiempo es 125.7. La ecuación requiere de dos valores junto con el valor
del pronóstico anterior. Como este es el primer dato se escoge un valor arbitrario para el
pronóstico anterior. Este valor debe estar en el mismo intervalo que los valores reales de la
serie de tiempo y por lo general se usa el valor real del primer período.

F2 = (0.20) (125.7) + (0.8) (125.7)= 125.7

F3 = (0.20) (129.4) + (0.8) (125.7)= 126.44
F4 = (0.20) (131.7) + (0.8) (126.44) = 127.49
F5 = (0.20) (135.0) + (0.8) (127.49) = 128.99

T Mes Ventas Ft Error (ei)

1992
1 Ene 125.7
2 Feb 129.4 125.7 3.7
3 Mar 131.7 126.44 5.26
4 Abr 135 127.49 7.51
5 May 140.2 128.99 11.21
6 Jun 141.7 131.23 10.47
7 Jul 138.4 133.33 5.07
8 Ago 135.3 134.34 0.96
9 Sep 130.9 134.53 -3.63
10 Oct 130.2 133.81 -3.61
11 Nov 131.8 133.09 -1.29
12 Dic 128.2 132.83 -4.63
1993
Ene 127.3 131.90 -4.60
Feb 129.3 130.98 -1.68

Pronóstico usando regresión (Modelo econométrico). Cuando la variable dependiente está en

una serie de tiempo ( por ejemplo: años) el análisis de regresión se conoce como un modelo
econométrico.