Modelo de Holt (ponderación exponencial con tendencia): Nos permite pronosticar

hasta k periodos en el futuro. En este modelo, tenemos ahora dos parámetros de

ponderación, alfa y beta , ambos entre 0 y 1. El término Lt indica el nivel a largo plazo o
valor básico de los datos de la serie de tiempo. El término Tt indica el incremento o
decremento esperados por periodo (es decir, la tendencia).

Estacionalidad: Cuando se hacen pronósticos utilizando datos de una serie de tiempo,

uno puede a menudo sacar provecho de la estacionalidad. La estacionalidad comprende
movimientos hacia arriba y hacia abajo en un patrón de duración constante que se repite.
El método para tratar patrones estacionales como éstos consiste en cuatro pasos:
(1)observar los datos originales que exhiben un patrón estacional; observe que a partir
del examen de los datos y de nuestro propio juicio, suponemos un patrón estacional de
m periodos. (2) Utilizando el método numérico descrito en la siguiente sección,
desestacionalizamos los datos. (3) Utilizando el mejor método de pronóstico disponible,
hacemos un pronóstico en términos desestacionalizados. (4) Reestacionalizamos el
pronóstico para que incluya el patrón estacional.
El papel que desempeñan los datos históricos: Los datos históricos juegan un papel importante en
la elaboración y prueba de modelos de pronóstico. Pueden haber razones teóricas para creer que
existe una relación entre algunas de las variables independientes y la variable dependiente a
pronosticar y, por lo tanto, resulta apropiado un modelo causal. De manera alternativa, uno podría
adoptar el punto de vista de las series de tiempo respecto a que el “comportamiento del pasado” es un
buen indicativo del futuro. Una guía útil al buscar cómo usar tales datos es, en efecto, la fórmula “divide
y vencerás”. De manera más directa, esto significa que a menudo es práctica provechosa utilizar parte
de los datos para estimar los parámetros y el resto de los datos para probar el modelo. Con datos
reales, también es importante “limpiar” los datos; esto es, analizarlos en busca de irregularidades,
información perdida o circunstancias especiales, y ajustarlos de manera correspondiente.
Pronósticos cualitativos:
•Juicio experto.- El buen desempeño en el pasado es un tipo razonable de prueba nula. Un excelente
historial de desempeño no promete buenos resultados futuros. Un historial pobre, sin embargo, casi
nunca crea entusiasmo sobre grandes desempeños futuros. Por lo tanto, los administradores deben
escuchar con cautela a los expertos y sujetarlos a un estándar de desempeño.
•Método Delphi y el grupo de concenso.- El método Delphi confronta el problema de obtener un
pronóstico combinado a partir de un grupo de expertos. Un enfoque consiste en reunir a los expertos
en una sala de juntas y dejar que analicen el evento hasta que surja un consenso. No es sorprendente
que este grupo sea conocido como grupo de consenso. Un individuo dominante puede causar un
enorme efecto en el pronóstico debido a su personalidad, reputación o habilidades para el debate. Un
análisis preciso podría quedar degradado a una posición secundaria.