BREVE RESEA HISTRICA

Al hablar de pronsticos, vienen a la mente varios

hechos, tal vez el primero es el pronstico del clima,
de la tasa de cambio, de la inflacin, del crecimiento
econmico, etc. En fin cuando se mira en perspectiva
hay una constante preocupacin por conocer lo que
va a suceder en el futuro.
1


Esta inquietud no solo se convierte en curiosidad,
pues conociendo el futuro es posible adaptar
nuestras acciones presentes para obtener del futuro
los mayores crditos posibles o para evitar circunstancias o resultados que
podran ser adversos o con consecuencias no deseables.

El pronstico, en el lenguaje cotidiano, no es ms que un conocimiento probable
sobre un evento futuro. En el lenguaje de la empresa se suele entender como
pronstico, el proceso de estimacin anticipada del valor de una variable en
situaciones de incertidumbre, por ejemplo: la demanda de un producto o servicio, y
en el contexto de la disciplina cientfica, un pronstico puede definirse como el
resultado de la aplicacin de un mtodo de prediccin en que partiendo de
determinadas series de datos, se formula una proyeccin en el futuro con el
objetivo de evaluar la ocurrencia probable de cualquier acontecimiento o el
desarrollo de una tendencia.
2


La finalidad de los pronsticos es predecir el desarrollo futuro para ayudar a la
toma de decisiones de planificacin sobre medidas de apoyo, contramedidas u
otras acciones que influyan, en mayor o menor grado, sobre la tendencia del
objeto planificado.

Para comprender la amplitud de los enfoques de prediccin actualmente
disponibles, es til presentar una breve sinopsis histrica. Antes del decenio de
1950 los esfuerzos desarrollados en la poca fueron limitados para los analistas, a
pesar de manejar algunas teoras de regresin lineal y descomposicin de series
de tiempo, la carencia de datos apropiados y lo tedioso de los clculos requeridos
hacan muy complicada la obtencin de pronsticos.

Lo anterior cambio substancialmente con dos avances radicales; el primero con la
introduccin de las tcnicas de Suavizamiento exponencial que estaban
orientados con sentido prctico, y fundamentados en su sencillez conceptual y su

1
http://www.dandoenelblanco.com/pronsticos_y_forecast_pro/ consultada el 30 de octubre de 2008
2
http://sunwc.cepade.es/~jrivera/org_temas/metodos/prospectiva/pronostic_method.htm consultada el
30 de octubre de 2008
Ilustracin 1 Pronstico
facilidad de computacin y el segundo avance importante en la misma dcada fue
la introduccin de la computadora que hizo posible no solo la utilizacin del
Suavizamiento exponencial, sino tambin de una gran cantidad de diferentes
mtodos de prediccin sobre una base ms continua.

Pasaron casi 30 aos para que los mtodos de Suavizamiento exponencial
tuvieran amplia aceptacin y a partir de ellos se han desarrollado numerosas
variedades y extensiones de los mismos. Las ms notables son los de Brown
(1950), Holt (1952) y Winters (1960). Las adaptaciones y modificaciones ms
recientes han hecho posible emplear los mtodos de Suavizamiento de manera
an ms mecnica y automatizada.

Pas un poco de tiempo despus para que los mtodos de Suavizamiento
empezaran a atraer la atencin, los mtodos de descomposicin experimentaron
una mayor difusin. El ms prominente de esto fue Shiskin (1957,1961), que fue el
creador del paquete Census II y que a pesar de una escasa fundamentacin
estadstica, presentaban una atraccin intuitiva de significacin para los
profesionales del rea.

Con el avance tecnolgico y los precios accesibles de los sistemas de cmputo los
mtodos de pronsticos se fueron perfeccionando, aparecieron tcnicas como
regresin mltiple y modelos economtricos. A principios de 1980 los pronsticos
basados en econometra representaban ya un gran mercado para los
profesionales.

Un enfoque que incorporaba muchos de los elementos de una teora semejante se
hizo realidad con la aportacin de Box y Jenkins (1976), cuya metodologa
consiste en un procedimiento sistemtico para el anlisis de las series de tiempo
que fue suficientemente general para manejar todas las estructuras de datos en
series de tiempo observados empricamente.

A mediados de la dcada de 1970 comenzaron a surgir las variedades del mtodo
del promedio mvil autorregresivo, integral y de media mvil (ARIMA) desarrollado
por Box Jenkins y desde ah se han estudiado modificaciones corrigiendo algunos
problemas asociados con la metodologa tomando nombres tales como ARARMA,
filtros de Kalman, modelos de vectores autorregresivos, etc.