SEMANA 8: SERIES DE TIEMPO:

1. INTRODUCCIÓN:
- Qué es una serie temporal:
Una serie de tiempo o serie temporal es una colección de observaciones
tomades a lo largo del tiempo.
Las observaciones están ordenades respecto al tiempo y sucesivas
observaciones son generalmente dependientes.
Denotaremos Yt’ a la observación en el instante t.

Puede ser anual, trimestral, mensual, semanal, por horas, según la periodicidad de los
datos.

Las series aparecen en diversos campos.

Economía

 Precios de venta en días sucesivos

 Exportaciones totales en sucesivos años
 Beneficios de una empresa en sucesivos años

Física

 Lluvias en sucesivos días

 Temperatura en sucesivas horas
 Presión atmosférica en diversos días

Demografía

 Población de España medida anualmente

Representación gráfica:

- Se considera el tiempo como la variable independiente en el je de las

abscisas (X) y el valor de la serie como variable dependiente (y)
Fluctuaciones de corto plazo durante l periodo de recesión:

Fluctuaciones de corto plazo durante el periodo de expansión:

OBJETIVOS DEL ANÁLISIS:

Los objetivos principales del análisis de una serie de temporal son describir,
explicar, predecir y controlar.
  Descripción: estudio preliminar de la serie para analizar los tipos de variaciones
y ver cómo se comportan los datos.
Graficando la serie tendremos una idea de:
 Principales variaciones de la serie temporal.
 Modelo que podemos ajustar
 Existencia o no de datos extraños
 Posibles puntos de cambio
 Explicación. Construir un modelo para explicar el comportamiento de la serie
de tiempo en términos de otras variables o de ella misma.
 Predicción: prever valores futuros valores de la serie.

Los métodos de predicción son muy variados (métodos cualitativos o cuantitativos)

Todos están basados en el comportamiento pasado de la variable. Si se observa un

comportamiento más o menos sistemático de una variable a lo largo del tiempo es
lógico pensar que este tipo de comportamiento continuará en el futuro. Esta es la
base de la previsión estadística.

2. COMPONENTES DE UNA SERIE

Las variaciones en los valores pasados de una serie están causadas por diversos
factores: económicos, institucionales, etc. Algunos factores afectan el
comportamiento de largo plazo y otros el de corto plazo.
- Tradicionalmente se establecen cuatro tipos de variaciones:
Tendencia (T)
Variaciones cíclicas (C)
Variaciones estacionales (E)
Variaciones irregulares(I)

MODELOS DE RELACIÓN DE COMPONENTES:

- Para poder analizar las series es muy útil poder distinguir cada componente:
T, C,E,I.
- Si suponemos que los 4 componentes de una serie están relacionados de
una determinada manera, podremos separar estos componentes con la
ayuda de técnicas que veremos.
 - Dos formas básicas de relacionarse (aditiva, multiplicativa)
- Además, están las formas mixtas, pero son difíciles de descubrir. (se usan
menos)

Modelo aditivo:

 Supone que los 4 componentes son independientes. Es decir, el hecho de que

la tendencia de una serie sea al alza o a la baja, no tiene ninguna relación con
las variaciones estacionales, cíclicas o irregulares.

Modelo multiplicativo:

 Supone que los 4 componentes pueden estar relacionados. Por ejemplo, se

pueden observar variaciones estacionales mas grande durante la fase expansiva
del ciclo económico que durante una fase regresiva.

Comparación de Serie aditiva y serie multiplicativa.

Para el análisis un modelo multiplicativo

se puede transformar fácilmente en un aditivo
aplicando logaritmo:

Modelo mixto:
 Este es un ejemplo, supone que algunos componentes evolucionan de forma
independiente y otros no. Es difícil observar.
Tendencia:
- Recoge el movimiento de la serie a lo largo del tiempo, se puede definir
como la valoración a largo plazo. Es la dirección uniforme de una serie a lo
largo del tiempo.
- Por ejemplo: tendencia a largo plazo de las ventas, el empleo, los precios de
las acciones todas estas series siguen determinados patrones. Algunas se
mueven hacia arriba en forma uniforme, otras declinan y otras permanecen
estables con el paso del tiempo.

Variación clínica:

- Variaciones superiores a un año, debidas generalmente a las fluctuaciones

de la actividad económica y social.
- Por ejemplo, en recesión, el empleo, la producción, el promedio del Ibex,
están por debajo de las líneas de las tendencias de largo plazo. Y en
períodos de expansión económica, se encuentran por encima.
- Los ciclos tienen una duración indeterminada, generalmente superior a un
año. Un ciclo de negocios habitual consiste en periodo de prosperidad,
seguido de periodo de recesión, depresión y luego recuperación.
- No hay regularidad en las fluctuaciones, la duración puede no ser
constante. Por esta razón, el análisis de esta componente es difícil.
Variación estacional:

- Patrones de cambio de una serie de tiempo en un año. Estos patrones

tienden a repetirse cada año.
- Esta variación se debe al entorno en el que se recogen los datos, ya que la
mayoría de procesos varían según la estación del año o el día de la semana,
horario diurno o nocturno, etc.
- Por ejemplo: Las compras minoristas aumentan en las inmediaciones de las
fiestas navideñas. La demanda de empleo en el sector agrícola depende del
calendario de siembra y cosecha. El turismo sobre todo el de sol y playa o el
de nieve depende de la meteorología.
- Este componente es fácil de comprender y se puede calcular, eliminar o
modelar.
Variación irregular:

 Corresponde a la variación de la serie debido al comportamiento aleatorio de

los datos, es imposible de predecir. Una vez que la tendencia-ciclo y
estacionalidad han sido analizados y eliminados de nuestros datos, nos
quedamos con una serie de residuos.
 Las variaciones irregulares se dividen en episódicas y residuales. Ambas son
imprescindibles, pero las episódicas se pueden identificar (una inundación, una
guerra) las residuales no se pueden identificar. Po lo tanto no se pueden
proyectar a futuro.
3. ANALISIS DE LARGO PLAZO: el largo plazo: análisis de la tendencia y el ciclo.
Existen diferentes métodos para hallar la tendencia de una serie.
1) AJUSTE DE FUNCIONES MATEMÁTICAS.
 Para hallar el componente de tendencia de una serie podemos intentar ajustar
una recta o una curva a la serie temporal.
 Nos basamos en una serie de funciones matemáticas que sirven para describir
la tendencia de algunas series;

 Por ejemplo la ecuación de una RECTA: t=index el tiempo.

la tendencia de largo plazo de mucha

series de negocios como ventas
exportaciones y producción con
frecuencia se aproxima con una recta, b
pendiente y a intersección con el eje.

SOLO MODELOS LINEALES (nosotros)

Otras funciones posibles:

 Medias móviles:
 Con este método la tendencia o el ciclo de una serie se calcula como la media
de una serie de observaciones consecutivas.
 Consiste en eliminar la dispersión de la serie a corto plazo causada por la
estacionalidad.
 Para aplicar este método los datos deben seguir un patrón rítmico definido.
 El número de valores de datos que se incluyen en el promedio móvil dependen
del carácter de los datos recopilados, si son trimestrales, sería adecuado tener
4 términos, si son diarios, sería apropiado tener 7 términos en cada media
móvil

Como se construyen las medias móviles:

 Se calculan la medias (promedios simples) con las observaciones cercanas, así

se consigue suavizar la serie.
 Por ejemplo: si nos parece que cada 5 años la economía comienza un nuevo
ciclo para calcularlo podemos pensar en hacer promedio de los valores de la
serie de 5 en 5 de manera que la tendencia en un t dado es el promedio entre
las observaciones de la serie de este período, las observaciones de 2 años
precedentes y 2 posteriores

PASOS: 1) Determina los totales móviles 2) Determina la media aritmética

3) Coloca el dato obtenido en el año del medio del período considerado

Media móvil centrada:

 Si el numero de periodos de la media móvil es par la media móvil calculada no

corresponde a ningún periodo en concreto, si no a un momento entre dos
periodos.
 Que hacemos: dos opciones
i) Centrar la media: - la media móvil se coloca entre dos años, y se obtiene
el promedio entre los dos años consecutivos y se centra.
ii) O simplemente se coloca en el primero de los correspondientes y se
sigue así sucesivamente.
 4. ANALISIS DE CORTO PLAZO: ESTACIONALIDAD.
Las variaciones estacionales siguen una pauta recurrente a lo largo del año, el clima y
las costumbres sociales son los factores más importantes de las variaciones
estacionales.
Las pautas estacionales pueden ser diarias, semanales mensuales o trimestrales. Se
repiten cada año.
Pero hacer el análisis de las variaciones estacionales requerimos la construcción de un
índice estacional.
INDICE ESTACIONAL:

 Este método elimina el componente de tendencia, ciclo e irregular de los datos

originales de la serie. Se puede aplicar a serie que siguen el modelo aditivo o el
multiplicativo.
 Con series mensuales el índice estacional será una colección de 12 números,
con trimestrales 4.
Calculo:
Paso 1: buscamos aislar el componente de tendencia y ciclo mediante el método
de una media móvil adecuada o mediante el método de funciones matemáticas
(recta) obtenemos T+C
PASO 2: a la serie original le sacamos esta nueva serie formada con las medias
móviles centradas

PASO 3: De esta nueva serie necesitamos eliminar I

- Suponemos que la media de los componentes irregulares que se producen
en un período determinado es 0 en el caso aditivo (o 1 en el multiplicativo).
- Suponemos que los componentes estacionales son iguales año tras año
Hacemos una media con los valores correspondientes a un período
determinado con la serie E+I y obtener el componente E
 5. PREDICCIONES: SE PUEDEN PREDICIR DOS DE LOS CUATRO COMPONENTES: LA
TENDENCIA Y LA ESTACIONALIDAD.
- Se prevé la tendencia futura y para obtener una previsión más fiable la
corregimos por el factor de estacionalidad.

Predecir la tendencia: obtenemos la tendencia

mediante la estimación de una recta (MCO)
El tiempo es la variable independiente y el valor
de la serie de tiempo la variable respuesta.
Codificamos el tiempo para facilitar la
interpretación de las ecuaciones.
Se hace t=1 para el primer año t=2 el segundo
año y etc.

Agregar el factor estacional:

METODO ALISADO. Podemos ailsar el componente estacional e irregular calculando la
media móvil (aislando la serie).
Suponemos modelo aditivo, restamos esta serie de medias móviles a la serie original.