Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SERIES TEMPORALES
SERIES TEMPORALES
Son series temporales aquellas observaciones sobre una variable realizados a intervalos
regulares de tiempo y ordenadas cronológicamente.
REPRESENTACIÓN GRÁFICA
Se representan: EJE OX: Datos temporales
EJE OY: Datos de la variable.
LIBOR (London InterBank Offered Rate) es una tasa de referencia diaria basada en las tasas
de interés bajo la cual los bancos ofrecen fondos no asegurados a otros bancos en el mercado
monetario mayorista (o mercado interbancario)
1
CÁLCULO Y ANÁLISIS DE LA TENDENCIA
Es la información más relevante de la serie temporal ya que es el componente fundamental
para realizar predicciones. Los medios más utilizados para detectar y eliminar la tendencia de una
serie se basan en la aplicación de filtros a los datos. Un filtro es una función matemática que aplicada
a los valores de la serie produce una nueva serie con unas características determinadas.
Es la forma más rápida de estimar una línea de tendencia recta. Se divide la serie en dos
mitades y se calcula el promedio de cada mitad que se centra en el punto medio. La recta que una
ambas medias sería la línea de tendencia estimada.
Ejemplo: Si tenemos:
1 3
2 2
3 4
4 1
5 5
6 6
7 4
8 5
9 7
10 6
11 12
12 9
Buscamos la ecuación de la recta y=ax+b tal que cuando x=3,5 y=3,5 y cuando x=9,5
y=7,17
Restando m.a.m.:
2
2) Cálculo de la tendencia por el método de los mínimos cuadrados
3
Obtenemos la tabla auxiliar:
Si queremos hacer una estimación de los miles de euros en ingresos para 2013:
1 3
2 2
3 4
4 1
5 5
6 6
7 4
8 5
9 7
10 6
11 12
12 9
4
14
12
10
0
1 2 3 4 5 6 7 8 9 10 11 12
y así sucesivamente
14
12
10
0
1 2 3 4 5 6 7 8 9 10 11 12
2007 2008
ENERO 100 150
FEBRERO 110 160
MARZO 130 180
ABRIL 150 200
MAYO 140 210
JUNIO 130 200
JULIO 125 190
AGOSTO 150 220
SEPTIEMBR
E 160 210
OCTUBRE 175 200
NOVIEMBR
E 180 190
5
DICIEMBRE 180 180
y así sucesivamente:
2007 2008
167,5
122,5 172,5
132,5 187,5
137,5 197,5
136,25 200
136,25 205
141,25 205
152,5 205
166,25 205
173,75 195
171,25
167,5
Esta serie se corresponde con periodos ficticios que no existen en la serie observada, 2,5,
3,5, etc. Para centrar estas medias con los periodos reales se vuelven a promediar los valores de dos
en dos:
y así sucesivamente:
2007 2008
ENERO 167,5
FEBRERO 170
MARZO 127,5 180
ABRIL 135 192,5
MAYO 136,875 198,75
JUNIO 136,25 202,5
JULIO 138,75 205
AGOSTO 146,875 205
SEPTIEMBR
E 159,375 205
OCTUBRE 170 200
NOVIEMBR 172,5
6
E
DICIEMBRE 169,375
La tendencia puede representarse:
220
200
180
160
140
120
100
07 RIL YO IO IO TO RE RE RE RE 08 RO ZO RIL YO IO IO TO RE RE
ZO AB MA JUN JUL OS MB TUB MB MB RO RE AR AB MA JUN JUL OS MB TUB
B
AR AG PTIE OC VIE ICIE ENE FE M AG PTIE OC
M SE NO D SE
7
ANÁLISIS DE LAS VARIACIONES ESTACIONALES
Es un procedimiento rápido y simple para elaborar un índice estacional, permite valorar y visualizar
mejor el grado de estacionalidad. Se procede así:
- se obtienen los promedios anuales.
- se obtienen los porcentajes de las cifras mensuales en relación al promedio anual.
- se elabora un índice estacional para cada mes, con el promedio de las cantidades en el paso
anterior.
8
9
Ejemplo Enero 2002: 10139.2 / 89.69 * 100 = 11305.1
10
ANÁLISIS DE LAS VARIACIONES CÍCLICAS E
IRREGULARES
Son variaciones regulares que se producen en las series temporales con periodo superior a un
año.
Un ciclo tiene dos componentes básicos: la amplitud distancia que hay entre el 0 y el valor
máximo) y el periodo (tiempo que tarda en recorrer un ciclo completo).
Las variaciones irregulares de una serie temporal son movimientos ocasionales que tienen
generalmente un carácter impredecible o aleatorio. A veces hay circunstancias comprensibles que
determinan dicha irregularidad y que permiten corregir previamente los datos iniciales. Son los
denominados efectos calendario (festividades, vacaciones), huelgas, regulaciones de empleo. La
forma más sencilla de compensar estas variaciones es multiplicar la serie original de datos por:
Por lo general para eliminar las variaciones se suele utilizar una media móvil de pocos
periodos (3 o 5 periodos).
LA SUAVIZACIÓN EXPONENCIAL
El propósito del alisado exponencial es eliminar la fluctuación aleatoria. Esto permite captar
cualquier patrón de conducta en la serie temporal y usarlo para predecir nuevos valores.
11
u: término de perturbación aleatorio (fluctuación irregular), valor cero y varianza constante
para todo t, e independiente de X.
AES: este método estima para cada período t el parámetro a como suma ponderada de todas
las observaciones anteriores, con menor importancia a las observaciones más antiguas. La
ponderación decrece exponencialmente.
St-1 es la estimación de a obtenida en el período t-1 y es la constante de alisado que toma los
valores entre 0 y 1. La predicción del período t se obtiene:
12
13
Suavizado exponencial de Holt
Cuando la serie presenta tendencia lineal, creciente o decreciente, puede ser modelizada
como:
ut: sería la fluctuación irregular, un método de predicción adecuado es el de Holt con buenos
resultados en economía empresarial (gestión de stock, financiación, ventas…). El procedimiento se
basa en dos ecuaciones de alisado:
estima el nivel de la serie en el período t.
14
Suavizado exponencial de Winters
Una serie con tendencia lineal y patrón estacional multiplicativo puede modelizarse como:
15
S es la periodicidad de la serie. Las constantes de alisado , y deben tomar valores
entre 0 y 1. La predicción para el período t se obtiene a partir de:
Respecto a los valores iniciales, señalamos como valores apropiados los que toma como
referencia el SPSS, los cuales son:
n es número de años de la serie. Los factores estacionales iniciales pueden ser obtenidos con los
métodos anteriores.
La predicción para los períodos futuros T+1,…, T+k obtenida en el período T es:
16
Suavización exponencial de series temporales con SPSS
Requiere la definición de variables fechas, lo cual está accesible en el menú Datos->Definir fechas.
Pantalla asociada:
17
Por defecto está activada para Alfa la opción Valor: 0.1 el de la primera y 0.2 el resto.
Casilla Búsqueda en rejilla: especifica un intervalo de valores para cada una de las contantes de
alisado, Alfa, Gama o Beta; el sistema selecciona el que optimice la predicción y proporcione menor
suma de cuadrados de los errores de estimación (SSE).
Casilla Por el valor de incremento: para afinar la búsqueda.
Sólo se mostrarán los 10 valores de con menor error de estimación, si se activa esta casilla.
Con la opción Valores iniciales: Personalizado se puede fijar el valor de inicio que se desee.
Botón Guardar: permite modificar las opciones relacionadas con la creación de nuevas variables y
con la predicción. Añadir al archivo: se añaden a la base de datos activa la serie alisada y los errores
de predicción. Sustituir las existentes: guarda las variables del último procedimiento. No crear: no
guarda ninguna variable de resultados. Pronosticar casos: por defecto está activada la primera
opción, pero con Pronosticar hasta permite generar predicciones para valores futuros.
18