Series Cronologicas

SERIES CRONOLGICAS - TEMA 16
INTRODUCCIN.......................................................................................................1 CAPTULO I
1- SERIES CRONOLGICAS............................................................................................................................2 1.1 Resea Histrica.............................................................................................................................................2 1.2 Conceptos generales.......................................................................................................................................5 1.3 Importancia del pronstico en los negocios....................................................................................................7 1.3.1 Series cronolgicas Series causales............................................................................................................8 1.3.2 Los mtodos de pronsticos causales..........................................................................................................9 2. SERIES CRONOLGICAS...........................................................................................................................10 2.1 Objetivo........................................................................................................................................................10 2.10 Variaciones Estacionales............................................................................................................................21 2.11 Variaciones Cclicas E Irregulares..............................................................................................................22 2.12 Mtodo de diferencia a la tendencia...........................................................................................................24 2.13 Mtodo del porcentaje de tendencia...........................................................................................................26 2.14 Variaciones Aleatorias................................................................................................................................28 2.2 Componentes de una serie cronolgica........................................................................................................10 2.3 Algunos procedimientos descriptivos...........................................................................................................13 2.4 Los movimientos cclicos.............................................................................................................................14 2.5 En qu orden?.............................................................................................................................................14 2.6 Descomposicin de Series Cronolgicas......................................................................................................15 2.7 Tendencia......................................................................................................................................................16 2.8 Mtodo de los mnimos cuadrados...............................................................................................................17 3-1 Tendencia.....................................................................................................................................................29 3-3-3 Factores de Variaciones Cclicas e Irregulares.........................................................................................43 3. PROBLEMTICA DE SERIES CRONOLGICAS...................................................................................29 3.1.2 Tendencia Cuadrtica................................................................................................................................32 3.1.3 Modelo de Tendencia Exponencial...........................................................................................................33 3.1.4 Seleccin del Modelo de Tendencia mediante las Diferencias Primera, Segunda y Porcentual...............33 3.1.5 Modelo deTendencia Lineal con Ajuste Perfecto......................................................................................35 3.1.6 Modelo de Tendencia Cuadrtica con Ajuste Perfecto..............................................................................36 3.1.7 Modelo de Tendencia Exponencial con Ajuste Perfecto...........................................................................36 3.2 Mtodo de los Mnimos Cuadrados..............................................................................................................37 3.2.1 Ajuste de Tendencia y Pronstico con mnimos cuadrados......................................................................37 3.3 Factores que influyen en los datos de series cronolgicas...........................................................................38 3.3.1 Factores del Modelo de Tendencia Lineal.................................................................................................39 3.3.2 Factores de Mnimos Cuadrados...............................................................................................................40 3.3.2.1 Con datos mensuales y trimestrales........................................................................................................40 3.3.2.1.1. Modelo Exponencial con datos Mensuales.........................................................................................41 3.3.2.1.2 Modelo Exponencial Con Datos Trimestrales.....................................................................................41 4. GUA PARA ANALIZAR PROBLEMAS DE SERIES CRONOLOGICAS...............................................45 4.1 Recoleccin de datos fiables.........................................................................................................................46 4.2 Analizar una serie temporal..........................................................................................................................48 5-3 Comprobacin de la Hiptesis.....................................................................................................................63 5. CASO PRCTICO.........................................................................................................................................52 5.1 PROBLEMA - DETERMINACION DE LAS VARIABLES EN LOS TIPOS DE CAMBIO PARA LAS CINCO MONEDAS EXTRANJERAS QUE PROPORCIONA EL BANCO FINANCIERO MUNDIAL,
FASE II
SEMINARIO DE INTEGRACIN PROFESIONAL 2008
DEL PERIODO COMPRENDIDO ENTRE EL 4 DE ENERO DE 1999 Y EL 24 DE ABRIL DEL 2003 CON EL MTODO DE SERIES CRONOLOGICAS - VARIACION PERIODICA..................................52 5.2 Caracterizacin del comportamiento............................................................................................................53 ANEXOS............................................................................................................................................................67 BIBLIOGRAFA................................................................................................................................................66 CAPTULO..........................................................................................................................................................2 CAPTULO II.....................................................................................................................................................10 CAPTULO III...................................................................................................................................................29 CAPTULO IV...................................................................................................................................................45 CAPITULO V.....................................................................................................................................................52 CONCLUSIONES..............................................................................................................................................64 INTRODUCCION................................................................................................................................................1 PROMEDIOS MVILES..................................................................................................................................83 RECOMENDACIONES....................................................................................................................................65
FASE II
INTRODUCCIN
En el presente trabajo se desarrolla el concepto de anlisis de series de tiempo, y se muestra la manera en que los mtodos de pronsticos de negocios ayudan al proceso de planeacin. Se inicia con la resea histrica y antecedentes de las series cronolgicas a manera de determinar los orgenes que abarcan este tema. Se contina con la explicacin de las tcnicas para analizar una serie, promedios mviles y suavizacin exponencial. Se analizan series de tiempos anuales con la presentacin de ajustes de tendencias y pronstico con mnimos cuadrados y otros mtodos de pronstico ms elaborados. Despus se extienden estos modelos de ajustes de tendencia y pronstico a una serie de tiempo, ya sea mensual o trimestral y se evala el impacto del efecto. El tema que abarca la presente investigacin es de mucha importancia para la carrera de Contadura Pblica y Auditora, sobre todo para aquellos que cursan la carrera y desean especializarse en el sistema bancario, financiero o burstil, debido a que la estadstica es una ciencia aplicable para analizar datos, y tomar decisiones en base a ellos.
FASE II
CAPTULO I SERIES CRONOLGICAS
Resea Histrica
Esta idea de componentes no observables en el anlisis econmico puede remontarse a 1825-1875, pero es todava anterior en estudios de astronoma y meteorologa, en 1823 el matemtico Laplace analiz el efecto de las fases de la luna sobre las mareas y los movimientos de aire en la tierra. En 1911 se cre en Francia un comit para proponer mtodos para separar cada componente, con el fin de pronosticar cada uno por separado. Con posterioridad en Estados Unidos se propuso hacer lo mismo. Ya en 1919 Persons plantea que las series cronolgicas estn constituidas por cuatro elementos o componentes: a. Una tendencia de largo plazo (que constituye el elemento de crecimiento de la serie).
b.
Un movimiento cclico en forma de onda, sper impuesto en la tendencia.
c. Un movimiento estacional dentro del ao. d. Una variacin residual, causada por situaciones que afectan a las series de manera individual.
FASE II
Nerlove, Grether y Carvalho (1979) se adscriben a la visin que las series cronolgicas pueden visualizarse como constituidas por varias componentes no observables: tendencia, ciclo, estacionalidad y movimiento irregular. Como vemos la extraccin de componentes no observables de una serie temporal es una idea antigua, pero no es sino hasta la mitad del siglo XX que se dispuso de instrumentos de clculo potentes y de esquemas tericos que permitieran el desarrollo de metodologas ms adecuadas, por ello inicialmente se plantearon esquemas deterministas. A esta altura importa sealar las consideraciones respecto a las seales de inters que se plantean en Espasa y Cancelo (1993). Estos autores consideran que la seal relevante, la que recoge la evolucin subyacente de la serie se obtiene una vez que a los datos originales se les ha extrado aquellas oscilaciones que dificultan el seguimiento del fenmeno de inters. A pesar de que est muy extendido el estudio de la evolucin de la serie, una vez desagregado el componente estacional, esa serie contiene el componente irregular en su interior, lo que introduce ruido a la seal. Esto ltimo hace que sea preferible asociar la evolucin subyacente de la variable a una seal como la tendencia, en lugar de trabajar con la serie desestacionalizada, la tendencia es una seal ms pura. Inicialmente el mtodo que ms se ha utilizado para descomponer series fue el de Promedio Mvil. Lo que lo haca especialmente atractivo es la sencillez computacional. La introduccin de la computadora dio paso a mtodos de desestacionalizacin masivos (Shiskin 1954), lo que result en el primer mtodo de la Oficina del Censo
FASE II
de los EE.UU. (Census Method I) que no era ms que un pequeo refinamiento del mtodo de Razn o Promedio Mvil. Luego apareci el Census Method II, que se estudi empricamente entre los aos 1955- 1965, dando lugar a las variantes experimentales X1 a X11. Este mtodo era utilizado por la mayora de los pases industrializados en la dcada de los 60. Como vimos cada uno de los componentes de las series cronolgicas recoge fenmenos o seales distintas. En lo que respecta al componente estacional, Granger (1978) explicita cuatro posibles causas de las fluctuaciones estacionales:
a.
El calendario propiamente dicho (feriados fijos, diferente nmero de das de cada mes, etc.). Razones Institucionales. Se fijan determinados momentos del ao para realizar ciertas actividades.
b.
c. El clima, que determina por ejemplo las cosechas, etc.

d.
Expectativas de variaciones estacionales (aumento o disminucin de la produccin previa a determinadas fechas, por ejemplo).
Estas causas pueden considerarse como factores exgenos, de naturaleza noeconmica, que influyen sobre la variable que se estudia y que oscurecen las caractersticas de la serie relacionadas con factores netamente econmicos. Dagum (1978) resume lo que considera las tres caractersticas ms importantes de los fenmenos estacionales son:
FASE II
a. b.
Se repite cada ao con cierta regularidad, aunque puede evolucionar. Se puede medirse y separarse de las otras fuerzas que influencian el movimiento de la serie. Es causado principalmente por fuerzas no econmicas, exgenas al sistema econmico, y que no pueden controlarse o modificarse por los tomadores de decisiones en el corto plazo.
c.
La componente tendencia representa los movimientos de largo plazo de la serie, que se puede considerar, junto con las oscilaciones estacionales y la componente irregular, como generador de los valores observados. Una caracterstica esencial de la tendencia es que se mueve en forma suave con relacin a la unidad de tiempo para la cual existe un registro de observaciones. El ciclo es una oscilacin peridica, caracterizada por perodos alternantes de expansin y contraccin. La componente irregular est compuesta por movimientos imprevisibles relacionados con eventos de toda clase, tienen apariencia aleatoria estable, y pueden distinguirse de otras irregularidades, como los valores aberrantes.
Conceptos generales
Una serie cronolgica, est formada por un conjunto de observaciones de una variable, ordenadas en funcin del tiempo. Su mbito de aplicacin, no est limitado a la esfera estrictamente econmica. Su metodologa
FASE II
puede
utilizarse
en
la
medicina
(electrocardiograma,
electroencefalograma, etc.), agricultura (evolucin de las lluvias en las diferentes estaciones), psicologa (evolucin del coeficiente intelectual de una persona) y en muchas otras disciplinas. El propsito perseguido con el anlisis de series, consiste en predecir los valores futuros de la variable estudiada. Para ello, las observaciones son descompuestas en un conjunto de elementos (componentes), que permitan descubrir las regularidades que presentan. El anlisis de series cronolgicas, se realiza a travs de dos modelos bsicos. Modelo Aditivo Modelo Multiplicativo Yt = Tt + St + Ct + Et Yt = Tt * St * Ct * Et
Yt - Variable estudiada Tt - Tendencia St - Variaciones estacionales Ct - Fluctuaciones cclicas Et Sucesos aleatorios o irregulares La eleccin del modelo a utilizar, estar dada por el que mejor se ajuste a los datos, de cada problema en particular. En el modelo aditivo todos los componentes son valores reales, mientras que en el multiplicativo, la tendencia es real, pero los restantes componentes se expresan como un porcentaje de ella.
FASE II
Importancia del pronstico en los negocios
Debido a que las condiciones econmicas y comerciales varan en el tiempo, los lderes de los negocios deben encontrar formas de mantenerse al da respecto a los efectos que esos cambios tendrn en sus operaciones. Una tcnica que pueden usar los lderes de negocios, como ayuda a la planeacin de las necesidades operativas en lo futuro es el pronstico. Aunque se han desarrollado numerosos mtodos para pronosticar, todos tienen un objetivo comn, predecir los eventos futuros de manera que las proyecciones se puedan incorporar en el proceso de toma de decisiones. La necesidad de pronosticar prevalece en la sociedad moderna. Como ejemplo los funcionarios del gobierno deben poder pronosticar aspectos como desempleo, inflacin, produccin industrial e ingresos esperados de los impuestos personales y corporativos, para formular las polticas. Los ejecutivos de mercadotecnia de una corporacin grande de un mercado de venta de productos, deben ser capaces de pronosticar demanda, ingresos de venta, preferencias del consumidor, etc. Para mantener un mercado secundario de reemplazo, para su flota de vehculos de una lnea de rentas, deben saber pronosticar el uso y necesidades en base al nmero de compradores. Y la administracin de una Universidad debe tener la capacidad de pronosticar la inscripcin de estudiantes de acuerdo a las proyecciones nacionales de poblacin y las tendencias de la enseanza segn los desarrollos tecnolgicos, para planear la construccin de aulas o nuevos centros y para evaluar las necesidades.
FASE II
Tipos de mtodos de pronstico En esencia existen dos enfoques de pronsticos: Cualitativos y Cuantitativo. Los mtodos de pronstico cualitativos son importantes, en especial cuando no se dispone de datos histricos, como seria el caso de un depto. De finanzas que desea pronosticar los ingresos de una compaa nuevos. Los mtodos de pronstico cualitativo se consideran altamente subjetivos o basados en la opinin, incluye el mtodo de enumeracin de factores, la opinin de expertos y la tcnica DELPHI. Por otro lado, los mtodos de pronstico cuantitativos utilizan los datos histricos. La meta es estudiar lo que ocurri en el pasado, para entender mejor la estructura fundamental de los datos y proporcionar los medios necesarios para predecir los sucesos futuros. Los mtodos de pronstico cuantitativos se dividen en dos tipos:
Series cronolgicas Series causales
Los mtodos de pronstico de series cronolgicas implican la proyeccin de los valores futuros de un variable, basada por completo en las observaciones pasadas o presentes de esa variable. Una serie cronolgica es un conjunto de valores numricos obtenidos en periodos iguales en el tiempo.
FASE II
Por ejemplo: Los precios diarios al cierre de una accin dada en la bolsa de Nueva Cork constituyen una serie de tiempo. Otros ejemplos de series cronolgicas, econmicas o de negocios se encuentran en la publicacin mensual del ndice de precios al consumidor, el informe trimestral del producto interno bruto (PIB), lo mismo que el registro anual de los ingresos de venta totales de una empresa. Sin embargo, las series cronolgicas no estn restringidas a datos econmicos o de negocios. Por ejemplo, quizs el rector de una Universidad desea investigar si existe una indicacin percitente del incremento en el nmero de estudiantes, por generacin durante la ltima dcada. Para lograr esto en una base anual, puede examinar en la lista de estudiantes el % que cursa el primer o segundo ao, o estudiar el % de pasantes que se grada con honores. Los mtodos de pronsticos causales
Comprenden la determinacin de factores relacionados con la variable que se predice, e incluyen anlisis con variables retrasadas, modelado economtrico, anlisis de indicador Lder, ndices de difusin y otros medidores econmicos.
FASE II
CAPTULO II SERIES CRONOLGICAS
Objetivo El principal objetivo de las series es conocer, el comportamiento de una variable cuantitativa en el pasado para estimar su comportamiento en el futuro, es decir pronosticar las incertidumbres que puedan darse en los estados financieros por actividades futuras. La importancia de estas series de tiempo, se basa en mantener datos acerca del pasado que muestren la informacin acerca de los cambios futuros. La toma de decisiones econmicas y comerciales, necesitan que se hagan proyecciones de las condiciones externas e internas, que les afecta. Por lo general las predicciones del futuro mejoraran a medida que se va haciendo mas precisa la informacin del pasado.
Componentes de una serie cronolgica El componente de tendencia de una serie representa movimientos lentos y graduales del conjunto de datos. Su desplazamiento es uniforme, y se identifica con los cambios permanentes y fundamentales, como los crecimientos de la poblacin, los cambios en el salario real de una comunidad, etc.
FASE II
Si analizamos el consumo de un producto alimenticio, en condiciones normales, es razonable suponer que un aumento en la poblacin, traer como consecuencia un mayor consumo del mismo. Este aumento no se percibe en perodos cortos de tiempo, pues como veremos, existen otros factores que distorsionan las observaciones, pero s se advierte en el largo plazo. En el grfico se aprecia una tendencia creciente, a pesar de que las observaciones fluctan a lo largo del tiempo, por la influencia de los otros componentes.
45 40 35 30 25 20 15 10 5 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Las variaciones estacionales representan los movimientos oscilatorios, dentro de un plazo relativamente corto (un ao o menos). En el perodo escogido, presentan una considerable dosis de regularidad.
FASE II
Si analizamos la evolucin de las ventas de una heladera, encontraremos picos bastantes acentuados, en los meses de verano. La estacin, est condicionando la distribucin de las ventas anuales, y ese cuadro se repetir en los aos sucesivos. El concepto de estacionalidad, se utiliza tambin para explicar variaciones que no se corresponden con el concepto de estacin. Las mayores ventas de un supermercado los das sbado, tambin se consideran fluctuaciones estacionales, por ser una configuracin repetida a intervalos regulares, del mismo fenmeno. Las fluctuaciones cclicas, se identifican con los movimientos oscilatorios alrededor de la tendencia, que no se encuentran ceidos a perodos regulares, pero que siempre son de largo plazo. Aunque son fenmenos diferentes, podemos asociar (al solo efecto de su compresin) estas fluctuaciones, al concepto de ciclo econmico. Ellos se caracterizan por una primera etapa de crecimiento acelerado, a mayor ritmo que la tendencia. Esta faz expansiva del ciclo, hace que los valores aumenten por encima del valor de tendencia, hasta llegar al momento del boom en el cual la situacin se revierte. Los valores comienzan a caer vertiginosamente en esta faz depresiva, hasta que un nuevo impulso vuelva a estabilizar la situacin, y pueda dar lugar al surgimiento de un nuevo ciclo.
FASE II
La construccin de viviendas en el Uruguay, ha estado caracterizada por fluctuaciones de este tipo. Los sucesos aleatorios o irregulares, reflejan el componente de la serie que vara en forma totalmente espordica. Sus variaciones son generalmente ocasionadas por factores accidentales (huelgas, terremotos, inundaciones). Si estudiamos las ventas de una empresa, cuya fbrica se incendi y permaneci seis meses inactiva, es lgico encontrar una cada brusca durante ese perodo. Este componente representa un residuo, que no puede ser explicado por las variaciones de tendencia, estacionalidad y ciclo. Sus movimientos suelen suavizarse mediante la utilizacin de promedios, que distribuyen sus efectos a lo largo del tiempo.
Algunos procedimientos descriptivos Existen algunos procedimientos muy sencillos que facilitan el anlisis descriptivo de las series cronolgicas. Uno de ellos es el llamado ndice base 100. Si disponemos de informacin acerca de la evolucin de los ingresos laborales a lo largo de un cierto perodo, resulta ms fcil apreciar esa evolucin si expresamos todos los datos en funcin de un ao cualquiera, tomado como base = 100. Este ao puede ser el ao inicial de la serie, el ao final, o bien un ao intermedio que tengamos buenas razones para seleccionar. Para hacerlo, basta con dividir cada registro por el correspondiente al ao base y multiplicarlo luego
FASE II
por 100. Este procedimiento no tiene otro objeto que facilitar una rpida comparacin1. Total de aglomerados urbanos: evolucin de los ingresos laborales (a pesos corrientes) 1998/2002
Los movimientos cclicos Hemos dejado, deliberadamente, la consideracin de los movimientos cclicos para el final. La razn estriba en que, generalmente, no hay un modo eficaz de capturarlos o predecir su comportamiento. Si una serie presentara ciclos relativamente regulares, de similar duracin y profundidad, entonces ellos podran ser capturados mediante algn ndice construido con una metodologa semejante a la empleada para las estacionalidades. Pero toda vez que no sea as es decir, si los ciclos son variables en duracin e intensidad esto ya no ser posible. En consecuencia, la alternativa que resta para el estudio de los ciclos (siempre que se disponga de una serie suficientemente larga) ser despojarla de todos los otros componentes (tendencia, estacionalidad, variaciones irregulares): la variabilidad que quede sera atribuible al ciclo. Si graficramos entonces la serie y si realmente existiera un ciclo, podramos examinarlo y obtener conclusiones respecto de sus caractersticas.
En qu orden? Ya se ha dicho que no todas las series presentan los mismos componentes. Por lo dems, eliminar unos u otros, as como el orden en que se lo haga, depende de los propsitos ltimos del anlisis. Si, como se lo expres ms arriba, se tratara de
FASE II
examinar el comportamiento de un ciclo, tendra sentido eliminar la tendencia, desestacionalizar la serie y suavizarla, para dejar slo el ciclo. En cambio, si el propsito fuera apreciar la tendencia (con la finalidad de hacer proyecciones), adecuada. En el ejemplo del estudio de Frenkel y S. Rosada mencionado en la primera parte, en cambio, habra que eliminar tendencia y estacionalidad y si fuese posible el ciclo para aislar y apreciar la influencia de un hecho puntual, tal como lo fue la reduccin arancelaria. tal vez conviniera desestacionalizar la serie primero y eventualmente suavizarla, para luego tratar de hallar la funcin de regresin ms
Descomposicin de Series Cronolgicas La desestacionalizacin de Series Cronolgicas es uno de los varios enfoques estadsticos que se pueden utilizar para analizar una serie. Considera que la serie observada est constituida por varios componentes que pueden separarse y que brindan informacin adicional de gran relevancia la que no puede obtenerse mediante el anlisis se la serie agregada. Es en este sentido que se habla de extraccin de seales de una serie de tiempo. Se han desarrollados diversas metodologas con el propsito de desagregar los componentes no observables de las series cronolgicas. Esas metodologas pueden agruparse en tres categoras de acuerdo a la metodologa de descomposicin que aplican:
FASE II
a. Mtodos de Regresin b. Mtodos de Promedios Mviles c. Mtodos basados en Modelos La referencia a modelos del tercer mtodo no implica que los otros dos no modelicen, sino que los mtodos basados en modelos, ajusten modelos estocsticos a cada componente de la serie.
Tendencia La tendencia secular se refiere a desplazamientos de los datos a largo plazo hacia arriba o hacia abajo. Existen 2 objetivos bsicos para aislar el componente de la tendencia de una serie cronolgica. Es identificar la tendencia y utilizarla, como por ejemplo, al hacer una prediccin o pronostico. El otro consiste en eliminar la tendencia, de manera que se puedan estudiar los otros componentes de una serie cronolgica. As, en trminos de predicciones, la investigacin de l a tendencia puede proporcionar cierta idea con respecto ala direccin a largo plazo de una serie de tiempo. Es identificar, a fin e que sea posible tomar en cuenta la tendencia en las
decisiones de planeacin. Cuando se desea conocer la evolucin de una variable en el largo plazo, el estudio de la tendencia se convierte en un factor relevante. La orientacin de la demanda en el largo plazo, es un aspecto de vital importancia para muchas empresas. Una demanda creciente, puede indicar la ampliacin de
FASE II
las instalaciones, adquirir maquinaria y equipos ms productivos, o requerir fondos que financien su desarrollo. Una demanda decreciente en cambio, puede sugerir otro tipo de cambios, como reducir los gastos fijos, reconsiderar la poltica de publicidad, o lanzar nuevos productos al mercado. Para obtener la tendencia es necesario proceder a su aislamiento. Esto se realiza en funcin de los siguientes objetivos bsicos: a. Para proyectar los valores futuros de la variable. b. Para eliminar la tendencia calculada para la serie, y estudiar el comportamiento de los restantes componentes. La ecuacin de la tendencia puede ser lineal o curvilnea (parbola, exponencial). Nuestro enfoque ser lineal por la gran aplicabilidad que posee y la simplicidad de los clculos. La estimacin de la tendencia puede hacerse mediante diversos mtodos, nosotros utilizaremos el mtodo de los mnimos cuadrados.
Mtodo de los mnimos cuadrados Un gran nmero de series cronolgicas econmicas se recopilan por mes o trimestre y otras se obtienen cada semana, por da o incluso por hora. Cuando
FASE II
una serie de tiempo se registra por tiempo, por trimestre o por mes, debe considerarse el impacto de los efectos estacionales. Este mtodo es el ms utilizado para la obtencin de la tendencia y ya fue definido al hablar de regresin. En este caso consideraremos a la variable X (tiempo) como independiente e Y (valores observados) como dependiente, y las llamamos t y Yt respectivamente. Suponemos que el sistema causal que influye en la serie, es una funcin del tiempo. Los coeficientes de la recta, definidos al hablar de recta de regresin son:
Y a=
n
x b
n
b=
xy x y
n n 2 x x n n
2
t Si elegimos convenientemente la escala cronolgica, de manera que =0 , la
resolucin del sistema se simplifica notoriamente.
a=
Y
n
b=
Y t t
t 2
Esto se logra mediante un cambio de variable, asignando a cada valor de la variable un nmero elegido de modo que la diferencia entre dos valores sucesivos sea constante y la suma total sea nula.
FASE II
Ejemplo: Ao 1998 1999 2000 2001 2002 2003 2004 2005 2006 t -4 -3 -2 -1 0 1 2 3 4 0 Yt 10 12 11 13 14 16 12 15 14 117 t.Yt -40 -36 -22 -13 0 16 24 45 56 30 t2 16 9 4 1 0 1 4 9 16 60
a=
Y
n
117 = 13 9
b=
t Y t
2 t
3 = 0.5 6
Tt =1 + 0.5 t t 3
La primera columna y la tercera corresponden a informacin obtenida, o sea los datos en el tiempo. Las restantes columnas son de clculo para hallar los coeficientes de la recta. Con la recta obtenida pueden proyectarse los valores de tendencia para los aos siguientes. Si quisiramos conocer el valor para 2009 bastara identificar el nmero que le corresponde a ese ao y sustituirlo en la recta
T =1 + 0.5 * 7 =1 .5 3 6
FASE II
En el caso planteado, la cantidad de observaciones es impar, y el valor central que escogimos para que
t
t
=0 es 0.
Cuando el nmero de observaciones es par, tenemos dos valores centrales. En este caso asignamos los nmeros 1 y 1. Como la diferencia entre los valores consecutivos debe ser constante, los saltos sern ahora de dos en dos. Si agregamos a las observaciones el ao 1997 los valores seran los siguientes:
Ao 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006
Xt -9 -7 -5 -3 -1 1 3 5 7 9 0
Promedios Mviles Un segundo mtodo para el anlisis de l a tendencia es utilizar un promedio mvil, el cual es un valor medio de los ltimos K puntos de datos, digamos, las ultimas 10, 15 o 22 observaciones. Por ejemplo, si se supone que el promedio esta compuesto de las ultimas 12 observaciones (k=12), entonces, a medida que se considere cada nueva
FASE II
observacin (incluida en el promedio), se suprime la ms antigua (el dato 12). Un promedio mvil es el valor medio aritmtico de las k observaciones.
Variaciones Estacionales Las variaciones estacionales de una serie cronolgica, son aquellas fluctuaciones que se repiten regularmente dentro del ao. Las fluctuaciones estacionales son variaciones que se repiten regularmente en un periodo de un ao. Existen 2 objetivos generales para aislar el componente estacional de una serie cronolgica. El primero es eliminar ese patrn a fin de estudiar las fluctuaciones cclicas. La segunda finalidad es identificar factores estacionales, de esta manera que se puedan considerar en la toma de decisiones. Por ejemplo si una compaa productora fluctuaciones estacionales se da cuenta de que existen de obra e inventarios, en la demanda de un determinado, producto, es
posible que desee ajustar sus presupuestos, mano
teniendo esto en mente. Por lo general tales ajustes resultan muy costosos. Por ejemplo, compaa puede buscar un producto complementario. El cual presente variaciones estacionales en su de manda opuesta alas del mismo. La demanda de equipo de calefaccin. Para probar y encarar los patrones estacionales, es necesario identificar y determinar primero la extensin de estas variaciones. La Tcnica mas difundida para el anlisis estacional es el mtodo de l a razn al promedio mvil. El aislamiento del componente estacional, se funda en los siguientes objetivos:
FASE II
Para identificar los valores estacionales, que complementan la estimacin de valores futuros a travs de la tendencia. Para estudiar el componente cclico de la serie desestacionalizada. Por ejemplo, si los productos que comercializa una empresa, tienen una demanda estacional, el ritmo de produccin de los mismos, deber adaptarse lgicamente a estos factores. Si esa empresa se dedica a la fabricacin y venta de equipos de calefaccin y aire acondicionado, no puede pasar por alto los factores estacionales opuestos que tienen sus productos. El proceso productivo se disear, para tener los calefactores en stock antes de comenzar el invierno, y los equipos de fro antes del verano, procurando que los stocks de los mismos sean mnimos fuera de la temporada. En las siguientes lneas, veremos los mtodos ms usuales para aislar el componente estacional.
Variaciones Cclicas E Irregulares Las variaciones cclicas son de tipo peridico y presentan ms de un ao de duracin. Comnmente, tales variaciones no se pueden apartar de las de naturaleza irregular, por lo que se analizaran juntas. Para aislar las variaciones cclicas, las otras variaciones (de tendencia y estacionales) se deben separar de los datos de las series cronolgicas. Las variaciones estacionales se suprimen en forma efectiva utilizando cifras anuales (ya que las variaciones estacionales se definen como ciclos de un ao o menos duracin, las cifras anuales no
FASE II
mostraran
fluctuaciones estacionales) o bien
- analizar cifras mensuales total de
utilizando un promedio mvil de doce meses. A continuacin se extrae la tendencia de los datos, y lo que queda se considera como el fluctuaciones cclicas e irregulares. Para eliminar la tendencia se requiere obtener una recta (o curva) de tendencia. Esto se puede realizar utilizando una ecuacin de regresin o un promedio mvil de largo plazo. La eliminacin de la tendencia a partir de los datos depende de s se utiliza el modelo aditivo o el multiplicativo. En el primero, cada observacin se resta del valor correspondiente de la tendencia. El resultado es una serie de desviaciones con respecto a esta.
En esta grfica se muestran los datos con eliminacin de l a tendencia, dejando solo los ciclos
FASE II
En esta grfica se muestran los datos originales con tendencia y ciclos.
Mtodo de diferencia a la tendencia Este procedimiento consiste en restar la tendencia de la informacin original, para eliminar posteriormente las variaciones cclicas e irregulares a travs de la promediacin.
Yt = Tt + S t + C t + E t
Yt Tt = S t + C t + Et
Al promediar los elementos del segundo miembro, se suavizan los cclicos y accidentales, quedando aislada la funcin estacional. Ejemplo: 2004 2005 2006
factores
FASE II
1er cuatrn. 2do cuatrn. 3er cuatrn.
16 19 24
19 26 31
24 34 41
Tt = 26 + 2.617 t
Los valores de tendencia para cada uno de los cuatrimestres son los que aparecen en el siguiente cuadro. 2004 15.532 18.149 20.766 2005 23.383 26 28.617 2006 31.234 33.851 36.468
1 cuatrn. 2do cuatrn. 3er cuatrn.
er
Si restamos los valores de tendencia hallados, de los valores observados del cuadro anterior, se obtiene un nuevo cuadro con las diferencias, que luego se promedian para calcular el componente estacional. / 3 -11.149 -3.716 1 0.333 10.149 3.383 0 0 La funcin de estacionalidad (St) es la que aparece en la ltima columna. Si 1er cuatrn. 2do cuatrn. 3er cuatrn. por efecto del redondeo de cifras, su suma no fuera nula, los valores deberan ajustarse, sumando o restando una constante adecuada. Si hubiera dado por ejemplo: S1
FASE II
2004 0.468 0.851 3.234
2005 -4.383 0 2.383
2006 -7.234 0.149 4.532
-3.714
S2 S3
+0.330 +3.351 -0.033
Deberamos sumar 0.011 (0.033 / 3) a cada valor de la funcin para que su suma sea nula. Si quisiramos proyectar los valores de la serie para 2007 en base a tendencia y estacionalidad, haramos lo siguiente:
1er cuatr./07= Y5 = 26 + 2.617 * 5 3.716 = 35.369
2do cuatr./07= Y6 = 26 + 2.617 * 6 + 0.333 = 42.035
3er cuatr./07= Y7 = 26 + 2.617 * 7 + 3.383 = 47.702
Mtodo del porcentaje de tendencia. Este procedimiento es similar al descrito en el punto anterior, salvo que la eliminacin de la tendencia, se realiza mediante una divisin, pues se aplica en esquemas multiplicativos.
Yt = Tt * S t * C t * E t
Yt = S t * Ct * Et Tt
FASE II
Los valores obtenidos se promedian para suavizar las variaciones cclicas e irregulares. Para ilustrar el mecanismo de clculo, podemos utilizar los valores hallados en el punto anterior. Yt 16 19 24 19 26 31 24 34 41 Tt 15.532 18.149 20.766 23.383 26 28.617 31.234 33.851 36.468 Yt / T t 1.0302 1.0469 1.1558 0.8126 1.0000 1.0833 0.7684 1.0044 1.1243
St
1.0302 + 0.8126 + 0.7684 = 0.8704 3 1.0469 +1.0000 +1.0044 S2 = =1.0171 3 1.1558 +1.0833 +1.1243 S3 = =1.1211 3 S1 =
3.0086 La suma de los valores estacionales debe ser 3, pues estamos considerando 3 cuatrimestres. Para corregirlos, utilizaremos el coeficiente
3.0000 = 0.9971 3.0086
En estos casos, los valores de la funcin estacionalidad suelen presentarse como porcentajes, para lo cual es necesario multiplicarlos por 100.
FASE II SEMINARIO DE INTEGRACIN PROFESIONAL 2008
Los valores ajustados seran los siguientes: S1 - 0.8704 * 99.71 = 86.79 S2 - 1.0171 * 99.71 = 101.42 S3 - 1.1211 * 99.71 = 111.79 300.00 Esto significa que en el 1er cuatrimestre, los valores se encuentran Un 13.21% por debajo del promedio, mientras que en el segundo y tercero, estn respectivamente el 1.42% y 11.79% por encima de l.1
Variaciones Aleatorias La variacin aleatoria es habitualmente eliminada mediante la media flexible. Por ejemplo, en datos que contienen valores mensuales, esto se hace sustituyendo para cada valor mensual una media que comprende a ese mes y los meses vecinos. La media de cinco o siete meses puede tambin usarse, aunque la desventaja de esto es que puede oscurecer incluso la variacin que podra interesar al investigador.
www.eubca.edu.uy/materiales/estadistica/TEMA%205-Series%20Cronologicas.doc SEMINARIO DE INTEGRACIN PROFESIONAL 2008
FASE II
CAPTULO III
2.
PROBLEMTICA DE SERIES CRONOLGICAS

2.1.
Tendencia
En la siguiente taba se presentan datos de series cronolgicas en lo referente a un periodo de 20 aos

toneladas 10 11 9 11 12 15 13 17 16 13 14 10 18 ao 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966
FASE II
16 20 22 14 21 17 21
1967 1968 1969 1970 1971 1972 1973
Obtengamos una recta de tendencia mediante las formulas siguientes: b= ntY-tY nt (t) 2 2 a=Y-bt n Sustituyendo:
ao 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 Periodo t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 toneladas 10 11 9 11 12 15 13 17 16 13 14 10 18 16 20 22 14 21 17 21 tY 10 22 27 44 60 90 91 136 144 130 154 120 234 224 300 352 238 378 323 420 t*2 1 4 9 16 25 36 49 64 81 100 121 144 169 196 225 256 289 324 361 400
Aplicando las formulas b= 20(3497)-210(300) =0.52

20(2870)-(210) 2 a= 300-0.52 =9.52 20 Y=9.52+0.52t En la cual Yt =valor predicho de l a serie cronolgica a= valor de Yt cuando t=0 b= pendiente de la recta t= nmero de periodos 2.1.1. Modelo de tenencia lineal: INGRESOS BRUTOS REALES ( En miles de millones de dlares corrientes) PARA KODAK COMPANY 1975-1978 AO 1975 1976 1977 1978 1979 1980 VENTAS 5 5.4 6 7 8 9.7 AO 1981 1982 1983 1984 1985 1986 VENTAS 10.3 10.8 10.2 10.6 10.6 11.5 AO 1987 1988 1989 1990 1991 1992 VENTAS 13.3 17 18.4 18.9 19.4 20.2 AO 1993 1994 1995 1996 1997 1998 VENTAS 16.3 13.7 15.3 16.2 14.5 13.4
Al codificar los valores consecutivos de X de 0 a 23 y despus de usar Microsoft Excel o minitab en la serie de tiempo ajustado, se determina que: Yi = 10.8654 + 0.02506 Xi
FASE II
Donde el origen es de 1975 y la unidad de X igual a un ao. El coeficiente de regresin se interpreta como sigue: La ordenada en Y b0 = 10.8654 que es el valor de tendencia ajustado que refleja los ingresos brutos actuales promedio pronosticados, ( en miles de millones de dlares constantes de 1982 a 1984) durante el ao origen o ao base 1975.
2.1.2.
Tendencia Cuadrtica
Un modelo de tendencia cuadrtica o polinomio de segundo grado es la forma ms sencilla de modelo curvilneo. Con el mtodo de mnimos cuadrados se puede ajustar una ecuacin de tendencia cuadrtica como la siguiente: i = b + b1 X + b2 Xi Donde: b= estimacin de la ordenada en Y b1= estimacin del efecto lineal en Y b2 = estimacin del efecto curvilneo en Y Para usar la ecuacin de tendencia cuadrtica con el propsito de pronosticar se sustituye el valor de X adecuado en esa ecuacin. Por ejemplo, para predecir la tendencia en los ingresos brutos actuales para 1999 ( es decir, X25 es igual a 24, se tiene : 1999: Y25 es = 8.5284 + 0.6624 (24) 0.0277 (24) 1999: Y25 = 8.47 miles de millones de dlares
FASE II
2.1.3.
Modelo de Tendencia Exponencial
Cuando una seria parece aumentar a una tasa de crecimiento tal que el % de la diferencia de una observacin a otra es constante, se puede ajustar al modelo de tendencia exponencial, que se presente en la ecuacin siguiente: Yi = bob1^Xi En donde: bo es igual a estimacin de la ordena en Y (b1-1) por 100% es igual a estimacin de la tasa de crecimiento anual compuesta ( en %). Si se toma el logaritmo ( base 10) en ambos lados de la ecuacin anterior se obtiene la siguiente: Log Yi = Log bo + Xi Log b1 Como la ecuacin tiene forma lineal, se puede usar el mtodo de mnimos cuadrados, si se trabaja con los valores logaritmo Yi, en lugar de los valores Yi y se obtiene la pendiente ( Log b1 ) y la ordenada en Y ( Log bo).
2.1.4.
Seleccin del Modelo de Tendencia mediante las Diferencias Primera, Segunda y Porcentual
FASE II
Se ha visto que los datos actuales de ingresos brutos anuales para Eastman Kodak se ajustaron con tres modelos distintos: Lineal, cuadrtico y exponencial. Cmo puede determinarse cual de esos modelos es el ajuste adecuado, si alguno lo es?. Adems de la inspeccin visual del diagrama de dispersin, una manera mas objetiva de evaluar una serie de tiempo para determinar el modelo de ajuste apropiado es calcular y examinar la primera y segunda diferencia y la diferencia porcentual. Las caractersticas que identifican a los modelos de tendencia lineal, cuadrtica y exponencial se describen as: Si un modelo de tendencia lineal se ajustara de manera perfecta a una serie de tiempo, entonces las primeras diferencias serian constantes. Es decir, las diferencias entre observaciones consecutivas de las series serian las mismas. ( Y2 Y1) = (Y3 Y2) = = ( Yn Yn -1 ) Si un modelo de tendencia cuadrtica se ajustara de manera perfecta a una serie de tiempo, entonces las segundas diferencias serian constantes. Es decir: [( Y3 Y2) - ( Y2 Y1)] = [( Y4 Y3) ( Y3 Y2) = = [ (Yn Yn -1) ( Yn 1) Yn 2[ Si un modelo de tendencia exponencial se ajustara de manera perfecta a una serie de tiempo, entonces las diferencias porcentuales entre observaciones consecutivas serian constantes. Esto es: [ ( Y2-Y1) / Y1] * 100% = [ ( Y3 Y2) / Y2] * 100% = = [ (Yn Yn -1) / Yn 1) * 100%
FASE II
Aunque no debe esperarse un modelo de ajuste perfecto para un conjunto dado de datos de una serie de tiempo, de todas formas se pueden considerar las primeras diferencias, las segundas diferencias y las diferencias porcentuales como gua al elegir el modelo adecuado.
2.1.5.
Modelo deTendencia Lineal con Ajuste Perfecto
Se dispone de la siguiente serie cronolgica anual del No. De pasajeros (en millones) que usan cierta lnea rea:
1988 P A S A J E R O S 3 0 .0 1989 3 3 .0 1990 3 6 .0 1991 3 9 .0 1992 4 2 .0 1993 4 5 .0 1994 4 8 .0 1995 5 1 .0 1996 5 4 .0 1997 5 7 .0
Mediante las primeras diferencias, muestra que el modelo de tendencia lineal, proporciona un ajuste perfecto para estos datos. Solucin
1988 P A S A J E R O S 3 0 .0 P R IM E R A S D IF .
1989 3 3 .0 3 .0
1990 3 6 .0 3 .0
1991 3 9 .0 3 .0
1992 4 2 .0 3 .0
1993 4 5 .0 3 .0
1994 4 8 .0 3 .0
1995 5 1 .0 3 .0
1996 5 4 .0 3 .0
1997 5 7 .0 3 .0
Como se observa las diferencias entre observaciones consecutivas son las mismas en toda la serie.
FASE II
2.1.6.
Modelo de Tendencia Cuadrtica con Ajuste Perfecto
1988 P A S A J E R O S 3 0 .0
1989 3 1 .0
1990 3 3 .5
1991 3 7 .5
1992 4 3 .0
1993 5 0 .0
1994 5 8 .5
1995 6 8 .5
1996 8 0 .0
1997 9 3 .0
Mediante las segundas diferencias muestra que el modelo de tendencia cuadrtica proporciona un ajuste perfecto para estos datos. Solucin
1988 P A S A J E R O S 3 0 .0 P R IM E R A S D IF . S E G U N D A S D IF
1989 3 1 .0 1 .0
1990 3 3 .5 2 .5 1 .5
1991 3 7 .5 4 .0 1 .5
1992 4 3 .0 5 .5 1 .5
1993 5 0 .0 7 .0 1 .5
1994 5 8 .5 8 .5 1 .5
1995 6 8 .5 1 0 .0 1 .5
1996 8 0 .0 1 1 .5 1 .5
1997 9 3 .0 1 3 .0 1 .5
Las segundas diferencias entre pares consecutivos de observaciones son las mismas en todas las series.
2.1.7.
Modelo de Tendencia Exponencial con Ajuste Perfecto
FASE II
Mediante las diferencias porcentuales demuestra que el modelo de tendencia exponencial proporciona un ajuste perfecto para estos datos. Solucin
1988 P A S A J E R O S 3 0 .0 P R IM E R A S D IF . D IF E R E N C IA S PO R CEN TU ALES 1989 3 1 .5 1 .5 5 .0 1990 3 3 .1 1 .6 5 .0 1991 3 4 .8 1 .7 5 .0 1992 3 6 .5 1 .7 5 .0 1993 3 8 .3 1 .8 5 .0 1994 4 0 .2 1 .9 5 .0 1995 4 2 .2 2 .0 5 .0 1996 4 4 .3 2 .1 5 .0 1997 4 6 .5 2 .2 5 .0
198
Las seguidas diferencias entre pares consecutivos de observaciones son las mismas en todas las series.
2.2.
PASAJER O S 30
Ajuste de Tendencia y Pronstico con mnimos cuadrados
Mtodo de los Mnimos Cuadrados

2.2.1.
El factor componente de una serie cronolgica que se estudia con mayor frecuencia es la tendencia. Primero, la tendencia se estudia con el propsito de predecir, es decir como ayuda para hacer proyecciones de pronsticos a mediano y largo plazo. Segundo se estudia para aislar y despus eliminar sus efectos del modelo de la seria cronolgica, como gua en el pronostico a corto plazo (un ao o menos), para condiciones generales del ciclo de negocios.
FASE II
2.3.
Factores que influyen en los datos de series cronolgicas
C la s ific a c i n del C o m p o n e n te s o m p o n e n te C
T e n d e n c ia
E s ta c io n a l
D e fin ic io n e s R a z n d e la In flu e n c ia D u ra c i n P a tro n d e m o v im ie n to g lo b a l o p e rc is te n te , a la rg o p la z o h a c ia aC a m boio s e n la te c n o lo g ia , rrib a S is te m tic o h a c ia a b a jo p o b la c i n , riq u e z a , v a lo re s V a rio s a o s F lu c tu a c i n m a s o m e n o s re g u la r C o n d ic io n e s d e c lim a ,D e n tro d e 1 2 m e se s ( o que o c u rre e n c a d a p e ro d o d e d o c e m e o e tu m b re s s o c ia le s , d a to s m e n s u a le s o cs ss S is te m tic o cada ao re lig io s a s trim e s tra le s )
C c lic o
Irre g u la r
O s c ila c i n o m o vim ie n to re p e titiv o a rrib a o a b a jo e n c u a tro e ta p a s ; p ic o ( p ro s p e rid a d ), c o n tra c c i n ( re s e cIn te ), c c i n d e n u m e ro sD s d o s a d ie z a o s c o n i n ra oe fo n d o ( d e p re s i n ) y e x p a n c ic o (m b in a c io n e s d e fa c to re sre n te in te n c id a d e n u n n d ife , S is te m tic o re c u p e ra c i n o c re c im ie n to .q u e in flu y e n e n la e c o n o m iac ic lo c o m p le to V a ria c io n e s a le a to ria s e n lo s F lu c tu a c i n e rra tica o re s id u a l e n u nd a to s o d e b id a s a s e rie q u e e s ta p re s e n te d e s p u s e n tu a lid a d e s n o p re v is ta s ev de to m a r e n c u e n ta lo s e fe c to s c o m o h u e lg a s , h u ra c a n e s , s is te m a tic o s ( d e te n d e n c ia , e s ta inio n d a c io n e s , a s e s in a to s o rta d u ra c i n y s in c u al C N o s is te m tic o y c c lic o ) p o ltic o s , e tc . re p e tic i n
Como se describe en el cuadro anterior, para obtener un panorama visual de los movimientos globales a largo plazo en una serie cronolgica se construye un diagrama en la que los datos observados (variable dependientes) se grafican en eje vertical y el tiempo (variable independiente) en el eje horizontal. Si es evidente que se puede ajustar a los datos una lnea recta de tendencia de manera adecuada, los dos mtodos de uso mas amplio para el ajuste de tendencia, es el de mnimos cuadrados y el de suavizacin exponencial doble. Si los datos de la seria de tiempo indican algn movimiento a largo plazo hacia arriba o hacia abajo los dos mtodos de ajuste de tendencia mas usados son el de mnimos cuadrados y el de suavizacin exponencial triple.
FASE II
2.3.1.
Factores del Modelo de Tendencia Lineal
Mtodo de mnimos cuadrados que permite ajustar una lnea recta como la ecuacin siguiente: i = b + b1 X De manera que los valores calculados para los dos coeficientes (la ordenada Y, b y la pendiente b1) dan como resultado la suma de los cuadrados de las diferencias entre cada valor observado i, en los datos y cada valor promedio y pronosticado Yi a lo largo de la lnea de tendencia que se quiere minimizar esto es, se tiene lo siguiente, basado en el principio de mnimos cuadrados: n ( Yi-Yi) = mnimo i=1 Para obtener la anterior recta, se debe recordar que en una anlisis de regresin lineal, se calculan la pendiente b1 y la ordenada en Y b, una vez lograda y desarrollada la ecuacin de la recta i = b + b1 X, se pueden sustituir los valores de X en la ecuacin para predecir Y. Al usar el mtodo de mnimos cuadrados para ajustar las tendencias en una serie cronolgica la interpretacin de los coeficientes se simplifica si los valores de X, se simplifican si los valores de X se codifican de manera que la primera observacin en la seria cronolgica se elige como el origen y se le asignan el valor X = 0
FASE II
Despus se asignan los enteros sucesivos a las observaciones: 1,2,3 de manera que la n- esma y ltima observacin tiene el valor de n -1. Por ejemplo, para la serie de tiempo registrada cada ao durante 24 aos, se asigna el valor 0 al primer ao, uno al segundo, dos al tercero, y 23 al ltimo (ao 24). Recuerde el ejemplo de cmo utilizar la estadstica la serie de tiempo anual que representa los ingresos brutos reales. Despus se usa el ndice de precios al consumidor (IPC), para convertir ( y deflacionar) el ingreso bruto de dlares reales e ingreso bruto en dlares actuales. Esto se logra al multiplicar cada valor de ingreso bruto real al la cantidad correspondiente ( por ejemplo, 100.0 / IPC). Los datos de ingresos brutos actuales ( es decir ajustados) revisados en miles de millones de dlares constantes se muestran junto con los datos de ingresos brutos reales en miles de millones de dlares corrientes.
2.3.2.
Factores de Mnimos Cuadrados Con datos mensuales y trimestrales
2.3.2.1.
Para desarrollar un modelo de regresin de mnimos cuadrados que incluyan los componentes de tendencia y estacional se combina el enfoque de ajuste de tendencia de mnimos cuadrados con el objeto de construccin de modelo que emplean variables de prediccin categricas, para describir los componentes estacinales.
FASE II
Se puede representar un modelo multiplicativo clsico de serie de tiempo si se ajusta la siguiente ecuacin de tendencia exponencial con los componentes estacionales que estn indicados en las ecuaciones para los datos mensuales o por las ecuaciones para serie de tiempo trimestrales.
2.3.2.1.1.
Modelo Exponencial con datos Mensuales
Yi = bob1^ Xi b2 ^ m1b3^ m2 b4^ m3 b5 ^ m4 b6 ^ m5, b7 elevado m6, bo ^ 7, b9 elevado ^ b8 b11 ^ m10 b12 ^ m11 En donde: Bo= ordenada Y estimada (b1 1) * 100% = tasa de crecimiento compuesta mensual, estimada en %. Xi= valor mensual codificado B2 igual multiplicador para enero respecto a diciembre B3 multiplicador frente a febrero respecto a diciembre. B4 Multiplicar marzo respecto a diciembre . B12 = multiplicador para diciembre respecto a diciembre M1= 1 si es enero 0 si no lo es M2 = 1 si es febrero 0 si no lo es M3= 1 si es marzo 0 si no lo es M11 = 1 si es noviembre 0 si no lo es
2.3.2.1.2.
Modelo Exponencial Con Datos Trimestrales
Yi = bob1^xib2^Q1b3^Q2b4^Q3 Donde:
FASE II
Bo = Ordenada Y estimada (b1-1) *100% = Tasa de crecimiento compuesto trimestral (en %) Xi = Valor trimestral codificado B2 = Multiplicador para el primer trimestre respecto al cuarto B3 = Multiplicador para el segundo trimestre respecto al cuarto. B4 = Multiplicador para el tercer trimestre respecto al cuarto. Q1 = 1 si es el primer trimestre, o si no lo es Q2 = 1 si es el segundo trimestre, o si no lo es Q3 = 1 si es el tercer trimestre, o si no lo es Observe que M1, M2,M3M11 son variables ficticias necesarias para representar una serie de tiempo de 12 meses, y Q1,Q2,Q3, son 3 variables ficticias que se requieren para representar los 4 periodos trimestrales en una serie de tiempo trimestral. Formulas: Modelo Exponencial Con Datos Mensuales In Y1 = Indo + Xi In b1 + M1 In b2 + M2 In b3 + M3 In b4 + M11 In b12 Modelo Exponencial con Datos Trimestrales In Y1 = Indo + Xi In b1 + Q1 In b2 + Q2 In b3 + Q3 In b4 + Q11 In b12
FASE II
2.3.3.
Factores de Variaciones Cclicas e Irregulares
En este ejemplo se muestra el mtodo para eliminar la tendencia en los datos del modelo aditivo, dada una ecuacin de regresin lineal que se deriva de los mismos.
t Datos Tendencia Datos Yt 0 1 2 1 0 sin originales Y Yt=10+2t 1 2 3 4 5 12 15 18 19 20 12 14 16 18 20 tendencia Y-
FASE II
6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
21 22 25 28 31 34 35 36 37 38 41 44 47 50 51
22 24 26 28 30 32 34 36 38 40 42 44 46 48 50
-1 -2 -1 0 1 2 1 0 -1 -2 -1 0 1 2 1
Datos sin tendencia Y-Yt 2.5 2 1.5 1 0.5 0 -0.5 1 -1 -1.5 -2 -2.5
11 13 15 17 19 21
Datos sin tendencia Y-Yt
FASE II
CAPTULO IV
3.
GUA PARA ANALIZAR PROBLEMAS DE SERIES CRONOLOGICAS
Las definiciones realizadas en los captulos I y II permiten apreciar que el anlisis de una serie cronolgica requiere de la eleccin de un modelo (multiplicativo o aditivo) y la determinacin de los cuatro movimientos caractersticos descritos anteriormente, para lo cual se requiere de un procedimiento que facilite y estandarice las operaciones, todo lo cual es independiente de la naturaleza de la magnitud objeto de estudio. Metodolgicamente, el anlisis de una serie cronolgica consta de los siguientes aspectos: a. Recoleccin de datos fiables.
b.
Representacin grfica de los datos de la serie y valoracin cualitativa de su comportamiento.
c. Determinacin de la tendencia.
FASE II
d. Determinacin de la existencia o no de estacionalidad. En caso afirmativo, obtener el ndice correspondiente y proceder a suprimir este movimiento en los datos. e. Ajuste de los datos desestacionalizados a la tendencia, si procede. f. Registro de las variaciones cclicas si aparecen, sealando la periodicidad y amplitud de la oscilacin alrededor de la tendencia. g. Determinacin de los movimientos irregulares. h. Evaluar los resultados obtenidos, en particular las fuentes de error y su magnitud, as como si el proceso se encuentra bajo control estadstico o no. Es importante sealar que al determinar cada uno de los movimientos (tendencia, estacionalidad, periodicidad y aleatorios) se debe realizar una discusin de la correspondencia de los resultados obtenidos con lo esperado en dependencia de la naturaleza de los datos, con vistas a brindar una valoracin cualitativa del comportamiento de la magnitud bajo estudio y con ello facilitar la adopcin de las acciones ms adecuadas. Igualmente debe significarse que en todos los anlisis realizados, no se ha efectuado referencia alguna a la naturaleza de los datos que componen la serie, por lo cual los fundamentos tericos expresados son aplicables a la evaluacin de magnitudes tan diversas como pueden ser niveles de lluvia, demanda de combustible, niveles de precios, importe de los cobros y pagos, etc.
3.1.
Recoleccin de datos fiables
En las respuestas numricas a problemas el aspecto de mayor importancia radica en que los datos generalmente contienen errores que deben ser considerados al interpretar los resultados obtenidos y que se originan en las cuatro reas fundamentales siguientes:
FASE II
Errores por parte del operador durante el proceso de incorporacin de los datos al sistema. Este tipo de error no puede ser ignorado. Si existen errores en los datos, las soluciones o resultados que proporciona el sistema sern intiles en su totalidad o de manera parcial, en dependencia de la magnitud del error. Esta posibilidad hace que los resultados obtenidos deban ser analizados crticamente y no confiar ciegamente en los mismos. La revisin de los datos utilizados en los clculos es una forma de minimizar la presencia de este tipo de error. Los inherentes a la formulacin del problema. El procedimiento para reducir este tipo de error es mejorar el modelo utilizado en la formulacin del problema hasta que el error a que conduce est en correspondencia con la precisin y exactitud de los datos disponibles. Generalmente la precisin del modelo est estrechamente relacionada con el conocimiento existente del problema cuya solucin se acomete. Es importante sealar que este tipo de error condiciona la validez de los resultados sin importar cuan exactos sean los clculos numricos realizados por el sistema de cmputo. Los relacionadas con la incertidumbre en la determinacin de los datos. Este problema es causado por el error en los instrumentos de medicin utilizados, que en el caso de la Contabilidad se encuentra asociado al registro correcto de las operaciones. Aquellos en que se incurre durante la determinacin numrica de la solucin. Este tipo de error es causado por la representacin necesariamente aproximada en la computadora, mediante un nmero finito de dgitos, de los nmeros reales, tales como el resultado de la divisin de 2 entre 3, los nmeros e y p, etc. Esta caracterstica conduce a la existencia de dos tipos de errores: por truncamiento,
FASE II
que proviene del clculo numrico de una expresin cuando se desprecian a partir de un trmino los restantes dgitos y errores por redondeo, debido a que los clculos aritmticos casi nunca pueden llevarse a cabo con una completa exactitud, ya que muchos nmeros tienen una representacin decimal infinita y deben ser expresados de forma finita.
3.2.
Analizar una serie temporal
Una serie cronolgica es una lnea de valores de variables reunidos en un cierto periodo de tiempo, habitualmente en intervalos regulares. Si cada valor nuevo se aade a los previos, la serie es acumulativa. La curva es la presentacin ms usual para la serie cronolgica. El tiempo siempre se presenta en el eje horizontal, x. Si es necesario, pueden situarse varias variables o series de datos en el mismo diagrama. Esto tiene especial sentido cuando se estn investigando sus conexiones o ha de ponerse nfasis en stas. Cuando se presentan dos series cronolgicas distintas con distintas escalas en una figura, podemos situar una escala cuanto al margen izquierdo de la figura y la otra junto al margen derecho. Si es necesario, tanto los valores medidos como los que se predicen pueden mostrarse en la misma curva; vanse las figuras de abajo.
FASE II
Si el rango de la variable es muy pequeo, puede ser resaltado acortando la escala Y, es decir, cortando la parte que no contiene valores, normalmente a partir de la parte de abajo de la escala. La figura de la derecha tiene exactamente los mismos contenidos que la de la izquierda, pero la variacin se ha hecho ms visible al recortar la escala por la parte de abajo. - Si, por el contrario, la variable vara en una escala muy amplia, puede hacerse logartmica la escala del eje Y. Toda serie cronolgica es intrnsecamente discontinua, es decir, obtiene un valor discreto para cada periodo de tiempo. Esto es por lo que la presentacin elegida para una serie cronolgica suele ser una curva "en escalera", que es en principio lo mismo que un histograma donde las columnas se dibujan una junto a otra. Vase la figura de la izquierda. Si dirigimos una mirada ms detenida a la variacin de la serie cronolgica, sta suele revelar componentes, todos los cuales tienen sus regularidades especficas que pueden ser analizadas. Los ms habituales de estos componentes son:
a. b.
Tendencia Variacin peridica
c. Variacin estacional a. Metodologa para la tendencia Una tendencia es una direccin lineal de desarrollo en un periodo de tiempo. Una forma sencilla de estudiarla es hacer un diagrama de dispersin y entonces situar
FASE II
manualmente una estimacin aproximada de la lnea que describe la tendencia en l. Un mtodo ms refinado y exacto para la tarea arriba mencionada es el anlisis de regresin. Tras haber encontrado la ecuacin que se ajusta de forma ptima a la tendencia, sta habitualmente es tambin presentada de forma grfica, posiblemente junto con el diagrama de dispersin original.
b. Metodologa de una Variacin Cclica El periodo de variacin suele ser una unidad natural de tiempo, como un ao o un da. Por ejemplo, el consumo de energa de un edificio vara simultneamente con tres frecuencias: ritmos anual, semanal y diario. Estos se calculan uno cada vez, por el siguiente mtodo, bsicamente el mismo en los tres casos: La variacin peridica anual se halla haciendo un grupo de los valores para enero, otro de los de febrero, etc. Entonces, para cada uno de estos doce grupos se calcula la media y finalmente las doce medias se presentan como la variacin anual.
FASE II
Cuando calculan los ritmos semanales, habr siete grupos, es decir, uno para cada da de la semana. Se calcula la media para cada uno de los siete grupos, y las siete medias conforman la variacin semanal. El ritmo diario de 24 mediciones diarias se calcula de forma tal que todos los valores se disponen en grupos de 24. Las variacin diaria buscada. Cuando se ha encontrado la variacin peridica, sta se presenta, sea grficamente como curva de la longitud de un periodo, o bien numricamente como un ndice. Este ndice habitualmente se hace a partir de una base de 100 ( 1,00), y sus valores peridicos se obtienen cuando las medias peridicas (por ejemplo mensuales) se dividen por la media comn del conjunto de los datos. c. Metodologa de una Variacin Estacional Tiene lugar repetidamente en la misma manera que una variacin peridica, pero su longitud y forma varan. Para revelar la variacin estacional, la tendencia y las variaciones peridicas de los datos han de ser halladas primero. Tras esto, la tendencia y las variaciones peridicas se eliminan de los datos. Esto se hace por ejemplo dividiendo todos los valores individuales por el ndice de la variacin peridica, y por la frmula de la tendencia tal y como se ha hallado por el mtodo de anlisis de regresin. Tras estas operaciones, los datos slo incluyen (de forma suplementaria a la variacin aleatoria) la variacin estacional. La variacin estacional se presenta grficamente como una curva o numricamente, como un ndice de coyuntura, del mismo modo que el ndice de variacin mencionado anteriormente. 24 medias indican entonces la
FASE II
CAPITULO V
4.
CASO PRCTICO
4.1.
PROBLEMA - DETERMINACION DE LAS VARIABLES EN LOS TIPOS DE CAMBIO PARA LAS CINCO MONEDAS EXTRANJERAS QUE PROPORCIONA EL BANCO FINANCIERO MUNDIAL, DEL PERIODO COMPRENDIDO ENTRE EL 4 DE ENERO DE 1999 Y EL 24 DE ABRIL DEL 2003 CON EL MTODO DE SERIES CRONOLOGICAS VARIACION PERIODICA.
La eleccin de estas cinco monedas tiene como objetivo caracterizar las diferencias entre los pases de economas denominadas del Primer Mundo (Canad, Unin Europea, Reino unido de Gran Bretaa y Japn) y menos estables
como es el caso de Mxico, con vistas a proporcionar la mayor cantidad de informacin posible que sirva de soporte para la adopcin de las estrategias financieras ms ventajosas para llevar a cabo las operaciones con dichas monedas por parte de las entidades que negocian con esas economas. Finalmente, otro aspecto que es necesario resaltar en la seleccin de la serie de datos es que, el EURO asume su protagonismo como moneda con todas sus facultades a partir del 2003, por lo cual los resultados de los anlisis realizados con la misma, tiene el sesgo que impone el periodo de trnsito hacia una moneda nica. No obstante, por el impacto a nivel mundial se incluye su anlisis.
4.2.
Caracterizacin del comportamiento
La evaluacin cualitativa del comportamiento de la magnitud bajo estudio, en este caso el tipo de cambio, brinda elementos acerca de su estabilidad en el transcurso del tiempo, que puede dividirse en las tres categoras siguientes: Corto plazo, cuando se caracterizan las variaciones relativas a un mes natural. Mediano plazo, que usualmente se refieren al comportamiento en periodos de tiempo que abarcan tres, seis y doce meses. Largo plazo, en el caso de evaluaciones que abarquen tres o ms aos de manera conjunta. Es importante resaltar previo a la presentacin del anlisis realizado de la serie de datos seleccionada, que los aspectos recogidos en los apartados siguientes
FASE II
considera el comportamiento intrnseco de la magnitud bajo estudio, a partir del cual corresponde a la entidad establecer su estrategia financiera durante el ejercicio, con vistas a minimizar o acotar impacto financiero sobre la empresa de la variacin del tipo de cambio. Corto plazo Como se indic anteriormente, el anlisis de las variaciones del tipo de cambio en el corto plazo considera el mes natural, cuyo comportamiento puede dividirse en dos categoras: la caracterizacin estadstica de las variaciones diarias y los ndices que reflejan el comportamiento mensual de manera integrada. En el primer caso, el ndice seleccionado para su caracterizacin en este trabajo es la mxima variacin absoluta (dd) de un da a otro, obtenida mediante la
expresin
, cuyo histograma de distribucin para cada una de las
monedas mostrado en las figuras 3a a la 3e, donde se aprecia:
FASE II
FASE II
La mxima variacin de un da a otro (dd) que debe esperarse es prcticamente simtrica y se corresponde en orden decreciente con: PM, 12%; CAD, 11%; EURO, 6%; YEN, 3.4% y LE, 2.4%.
FASE II
En todos los casos, la funcin de distribucin de la mxima variacin absoluta (d d) de un da a otro es semejante a la normal, lo cual se refuerza con la coincidencia existente entre la media, la mediana y la moda, que se relaciona en la tabla 1.
Tabla 1. Mxima diferencia relativa de variacin de un da a otro.
CAD mximo mnimo media moda mediana 10.97% -10.01% 0.0082% 0.0000 0.0000
PM 11.73% -10.95% 0.0106% 0.0000 0.0001 1.73%
YEN 3.36% -3.30% -0.0030% 0.0000 0.0000 0.62%
LE 2.34% -2.38% -0.0028% 0.0000 -0.0001 0.48%
EUR0 5.90% -5.97% -0.0034% 0.0000 -0.0002 0.71%
desestandar 0.85%
FASE II
Asumiendo que la funcin de distribucin que describe la magnitud bajo estudio es normal, la probabilidad de encontrar los valores reales se corresponde con el indicado en la tabla 2, de la cual es posible afirmar que la cantidad de das probables donde dd se encuentra en los intervalos de variacin indicados en la tabla 3 para meses promedio de 22 das con actividad bancaria efectiva es de 15, 21 y 22, das respectivamente.
Tabla 2. Probabilidad de encontrar un valor real.
Intervalo variacin mdd+ mdd+2 mdd-3
deValores contenidos en l (%) 68.27 95.4.5 99.73
FASE II
Tabla 3. Intervalos de variacin de dd para cada una de las monedas analizadas.
Moneda intervalo CAD mdd- mdd+ mdd-2 mdd+2 mdd-3 mdd+3 -0.8460% 0.8624% -1.7001% 1.7165% -2.5543% 2.5707% PM -1.7208% 1.7420% -3.4522% 3.4734% -5.1836% 5.2048% YEN -0.6272% 0.6212% -1.2514% 1.2454% -1.8756% 1.8696% LE -0.4813% 0.4757% -0.9598% 0.9542% -1.4383% 1.4327% EUR0 -0.7147% 0.7078% -1.4259% 1.4191% -2.1372% 2.1304%
FASE II
Otra magnitud de inters en el corto plazo, a los efectos de estimar las variaciones que pueden reflejarse en el Estado de Resultados a partir de las variaciones en el tipo de cambio de un mes a otro, puede caracterizarse a partir del ndice (vt) definido como , en el cual las magnitudes F e I representan el
tipo de cambio vigente al cierre e inicio del mes respectivamente. En las figuras 4a a la 4e se muestra el comportamiento de la mxima variacin mensual y el promedio del mismo mes, de cuya evaluacin puede sealarse:
FASE II
FASE II
FASE II
Existen dos meses crticos, entendidos como aquellos en que la variacin mxima y el promedio son negativos: julio para el CAD y enero para el PM. Los meses desfavorables en el promedio para las monedas seleccionadas se corresponden con los relacionados en la tabla 4, de donde se aprecia que los meses de mayor probabilidad de riesgo son: octubre, muy desfavorable, en tanto enero, febrero, marzo y septiembre son desfavorables.
4.3.
Comprobacin de la Hiptesis
Con la realizacin del anlisis de las variables podemos corroborar que la hiptesis planteada fue comprobada, debido a que el mejor mtodo para efectuar anlisis de variaciones de tipos de cambio es a travs del mtodo estadstico de series cronolgicas.
FASE II
CONCLUSIONES
1. Es infalible que a pesar de que existen varios mtodos empricos de estimar y pronosticar el tiempo, solo el mtodo estadstico que es derivado de la ciencia y por su procedimiento cientfico, garantiza que los datos que se deriven de su aplicacin sern los ms aproximados a la realidad. 2. La toma de decisiones en base a datos confiables es primordial en cualquier actividad que el hombre realice, y ms an si depende de cuantificar fenmenos o sucesos, debido a que la exactitud debe ser lo ms acercada a la perfeccin.
FASE II
RECOMENDACIONES 1. Se recomienda que el tema estadstico de series cronolgicas debe ser estudiado y conocido, por todas las personas que deseen analizar variables de carcter cuantitativo, a manera de que cualquier estudio que realice sea con datos funcionales y exactos. 2. Se recomienda que antes de tomar decisiones se tenga certeza de los mtodos aplicados a las variables, y que de preferencia sea aplicado un mtodo estadstico confiable por parte del profesional a cargo del mismo.
FASE II
BIBLIOGRAFA
Berenson,
Mark,
Krehbiel,
Timothy
Levine,
David,
Estadstica
para
administracin, Pearson, Prentice Hall, segnda Edicin, Mexico D.F. Material de Estadstica, Universidad de Uruguay,
http://www.eubca.edu.uy/materiales/estadistica/TEMA%205-Series %20Cronologicas.doc R. Chateauneuf, Series cronolgicas, Marzo de 2005,
http://146.83.41.79/macroeconomia/pdfs/Series%20cronologicas.pdf
FASE II
ANEXOS
FASE II
UNIVERSIDAD DE SAN CARLOS DE GUATEMALA PLAN DE INVESTIGACIN
SERIES CRONOLGICAS
SALN 210 EDIFICIO S3 AO 2008

INTRODUCCION El presente documento muestra el plan de investigacin para la realizacin del tema de Series Cronolgicas, describe el planteamiento del tema a desarrollar, el planteamiento, los objetivos, Bosquejo preliminar de temas, determinacin de mtodos y tcnicas, Cronograma de actividades, la estimacin de recursos, as como la bibliografa relacionada. el objetivo de este plan es dar a conocer la teora relacionada con las series cronolgicas, para sus posterior aplicacin, se espera que con la aplicacin del plan de investigacin propuesto, se pueda realizar con xito
FASE II
Justificacin del Problema Uno de los grandes asuntos que hoy da atae a nuestra humanidad, es conocer el futuro, es decir, predecir resultados futuros. No obstante, cabe sealar que la exploracin ambiental proporciona los fundamentos para la elaboracin de pronsticos. La informacin que se obtiene por medio de esa exploracin se utiliza para desarrollar escenarios. A su vez, estos ltimos establecen la premisas sobre las cuales se elaboran los pronsticos, los cuales son predicciones de los posibles resultados. Un escenario es una visin consistente en cmo podra ser el futuro de una organizacin Las series cronolgicas, constituidas por sucesivas observaciones de un mismo fenmeno durante cierto lapso, es fundamental estudiar sus variaciones ms que su nivel absoluto. Las series cronolgicas son de gran inters especialmente para quien se dedica al anlisis del desarrollo actual y futuro de las actividades econmicas. Existen otros campos en donde tambin se utilizan. Por ejemplo, en el estudio de cierta enfermedad es de importancia la temperatura del enfermo durante un tiempo determinado; en el control de calidad industrial es preciso obtener mediciones de produccin a medida que se desarrolla el proceso; el crecimiento de un determinado microorganismo o el de una planta, puede ser ilustrativo de cierta hiptesis en las ciencias biolgicas. Es evidente este anlisis para explicarse el desarrollo de la serie y pronosticar su comportamiento futuro.
FASE II
2
2.1
Planteamiento del problema Definicin el Problema El objeto de Estudio propuesto en el proyecto de investigacin es el Anlisis de las Series Cronolgicas y su Relacin, para la Realizacin de pronsticos.
2.1.1 Especificacin del problema Debido a que las condiciones econmicas y comerciales varan en el tiempo, los lderes de los negocios deben encontrar formas de mantenerse al da respecto a los efectos que esos cambios tendrn en sus operaciones. Una tcnica que pueden usar los lderes de negocios, como ayuda a la planeacin de las necesidades operativas en lo futuro es el pronstico. Aunque se han desarrollado numerosos mtodos para pronosticar, todos tienen un objetivo comn, predecir los eventos futuros de manera que las proyecciones se puedan incorporar en el proceso de toma de decisiones. La necesidad de pronosticar prevalece en la sociedad moderna. Como ejemplo los funcionarios del gobierno deben poder pronosticar aspectos como desempleo, inflacin, produccin industrial e ingresos esperados de los impuestos personales y corporativos, para formular las polticas. Los ejecutivos de mercadotecnia de una corporacin grande de un mercado de venta de productos, deben ser capaces de pronosticar demanda, ingresos de venta, preferencias del consumidor, etc.
FASE II
Para mantener un mercado secundario de reemplazo, para su flota de vehculos de una lnea de rentas, deben saber pronosticar el uso y necesidades en base al nmero de compradores. Y la administracin de una Universidad debe tener la capacidad de pronosticar la inscripcin de estudiantes de acuerdo a las proyecciones nacionales de poblacin y las tendencias de la enseanza segn los desarrollos tecnolgicos, para planear la construccin de aulas o nuevos centros y para evaluar las necesidades. 2.1.2 Delimitacin Se analizar la teora existente relacionada con la estadstica, dando nfasis a las Series Cronolgicas desde su resea histrica hasta la actualidad, as como su aplicacin en la realizacin de pronsticos, tomando como ejemplo la ddeterminacin de las variables en los tipos de cambio para las cinco monedas extranjeras que proporciona el banco financiero mundial, del periodo comprendido entre el 4 de enero de 1999 y el 24 de abril del 2003 con el mtodo de series cronolgicas - variacin peridica 2.2 Marco Terico 2.2.1. Series Cronolgicas 2.2.1.1. Resea histrica
FASE II
Esta idea de componentes no observables en el anlisis econmico puede remontarse a 1825-1875, pero es todava anterior en estudios de astronoma y meteorologa, en 1823 el matemtico Laplace analiz el efecto de las fases de la luna sobre las mareas y los movimientos de aire en la tierra. 2.2.1.2. Conceptos generales
Una serie cronolgica, est formada por un conjunto de observaciones de una variable, ordenadas en funcin del tiempo. Su mbito de aplicacin, no est limitado a la esfera estrictamente econmica. Su metodologa puede utilizarse en la medicina (electrocardiograma, electroencefalograma, etc.), agricultura (evolucin de las lluvias en las diferentes estaciones), psicologa (evolucin del coeficiente intelectual de una persona) y en muchas otras disciplinas. El propsito perseguido con el anlisis de series, consiste en predecir los valores futuros de la variable estudiada. 2.2.1.3. Importancia del pronstico en los negocios
Debido a que las condiciones econmicas y comerciales varan en el tiempo, los lderes de los negocios deben encontrar formas de mantenerse al da respecto a los efectos que esos cambios tendrn en sus operaciones. Una tcnica que pueden usar los lderes de negocios, como ayuda a la planeacin de las necesidades operativas en lo futuro es el pronstico.
FASE II
Aunque se han desarrollado numerosos mtodos para pronosticar, todos tienen un objetivo comn, predecir los eventos futuros de manera que las proyecciones se puedan incorporar en el proceso de toma de decisiones. Los mtodos de pronstico cuantitativos se dividen en dos tipos: 2.2.1.3.1. Series cronolgicas Series causales
Los mtodos de pronstico de series cronolgicas implican la proyeccin de los valores futuros de un variable, basada por completo en las observaciones pasadas o presentes de esa variable. Una serie cronolgica es un conjunto de valores numricos obtenidos en periodos iguales en el tiempo. 2.2.1.3.2. Los mtodos de pronsticos causales
Comprenden la determinacin de factores relacionados con la variable que se predice, e incluyen anlisis con variables retrasadas, modelado economtrico, anlisis de indicador Lder, ndices de difusin y otros medidores econmicos. 2.2.2. Series Cronolgicas 2.2.2.1. Objetivo
FASE II
El principal objetivo de las series es conocer, el comportamiento de una variable cuantitativa en el pasado para estimar su comportamiento en el futuro, es decir pronosticar las incertidumbres que puedan darse en los estados financieros por actividades futuras. 2.2.2.2. Componentes de una serie cronolgica
El componente de tendencia de una serie representa movimientos lentos y graduales del conjunto de datos. Su desplazamiento es uniforme, y se identifica con los cambios comunidad, etc. 2.2.2.3. Algunos procedimientos descriptivos permanentes y fundamentales, como los crecimientos de la poblacin, los cambios en el salario real de una
Existen algunos procedimientos muy sencillos que facilitan el anlisis descriptivo de las series cronolgicas. Uno de ellos es el llamado ndice base 100. 2.2.2.4. Los movimientos cclicos
Hemos dejado, deliberadamente, la consideracin de los movimientos cclicos para el final. La razn estriba en que, generalmente, no hay un modo eficaz de capturarlos o predecir su comportamiento. Si una serie presentara ciclos relativamente regulares, de similar duracin y profundidad, entonces ellos podran ser capturados mediante algn ndice construido con una metodologa semejante a la empleada para las
FASE II
estacionalidades. Pero toda vez que no sea as es decir, si los ciclos son variables en duracin e intensidad esto ya no ser posible. En consecuencia, la alternativa que resta para el estudio de los ciclos (siempre que se disponga de una serie suficientemente larga) ser despojarla de todos los otros componentes (tendencia, estacionalidad, variaciones irregulares): la variabilidad que quede sera atribuible al ciclo. Si graficramos entonces la serie y si realmente existiera un ciclo, podramos examinarlo y obtener conclusiones respecto de sus caractersticas. 2.2.2.5. En qu orden?
Ya se ha dicho que no todas las series presentan los mismos componentes. Por lo dems, eliminar unos u otros, as como el orden en que se lo haga, depende de los propsitos ltimos del anlisis. Si, como se lo expres ms arriba, se tratara de examinar el comportamiento de un ciclo, tendra sentido eliminar la tendencia, desestacionalizar la serie y suavizarla, para dejar slo el ciclo. En cambio, si el propsito fuera apreciar la tendencia (con la finalidad de hacer proyecciones), tal vez conviniera desestacionalizar la serie primero y eventualmente suavizarla, para luego tratar de hallar la funcin de regresin ms adecuada. 2.2.2.6. Descomposicin de Series Cronolgicas
La desestacionalizacin de Series Cronolgicas es uno de los varios enfoques estadsticos que se pueden utilizar para analizar una serie.
FASE II
Considera que la serie observada est constituida por varios componentes que pueden separarse y que brindan informacin adicional de gran relevancia la que no puede obtenerse mediante el anlisis se la serie agregada. Es en este sentido que se habla de extraccin de seales de una serie de tiempo. Se han desarrollados diversas metodologas con el propsito de desagregar los componentes no observables de las series cronolgicas. Esas metodologas pueden agruparse en tres categoras de acuerdo a la metodologa de descomposicin que aplican: a. b. c. Mtodos de Regresin Mtodos de Promedios Mviles Mtodos basados en Modelos
La referencia a modelos del tercer mtodo no implica que los otros dos no modelicen, sino que los mtodos basados en modelos, ajusten modelos estocsticos a cada componente de la serie. 2.2.2.7. Tendencia
La tendencia secular se refiere a desplazamientos de los datos a largo plazo hacia arriba o hacia abajo. Existen 2 objetivos bsicos para aislar el componente de la tendencia de una serie cronolgica. Es identificar la tendencia y utilizarla, como por ejemplo, al hacer una prediccin o pronostico. El otro consiste en eliminar la tendencia, de
FASE II
manera que
se puedan estudiar los otros componentes
de una serie
cronolgica. As, en trminos de predicciones, la investigacin de l a tendencia puede proporcionar cierta idea con respecto ala direccin a largo plazo de una serie de tiempo. Es identificar, a fin e que sea posible tomar en cuenta la tendencia en las decisiones de planeacin. Cuando se desea conocer la evolucin de una variable en el largo plazo, el estudio de la tendencia se convierte en un factor relevante. La orientacin de la demanda en el largo plazo, es un aspecto de vital importancia para muchas empresas. Una demanda creciente, puede indicar la ampliacin de las instalaciones, adquirir maquinaria y equipos ms productivos, o requerir fondos que financien su desarrollo. Una demanda decreciente en cambio, puede sugerir otro tipo de cambios, como reducir los gastos fijos, reconsiderar la poltica de publicidad, o lanzar nuevos productos al mercado. Para obtener la tendencia es necesario proceder a su aislamiento. Esto se realiza en funcin de los siguientes objetivos bsicos: a. b. Para proyectar los valores futuros de la variable. Para eliminar la tendencia calculada para la serie, y estudiar el
comportamiento de los restantes componentes.
FASE II
La ecuacin de la tendencia puede ser lineal o curvilnea (parbola, exponencial). Nuestro enfoque ser lineal por la gran aplicabilidad que posee y la simplicidad de los clculos. La estimacin de la tendencia puede hacerse mediante diversos mtodos, nosotros utilizaremos el mtodo de los mnimos cuadrados. 2.2.2.8. Mtodo de los mnimos cuadrados
Un gran nmero de series cronolgicas econmicas se recopilan por mes o trimestre y otras se obtienen cada semana, por da o incluso por hora. Cuando una serie de tiempo se registra por tiempo, por trimestre o por mes, debe considerarse el impacto de los efectos estacionales. 2.2.2.9. Promedios Mviles
Un segundo mtodo para el anlisis de l a tendencia es utilizar un promedio mvil, el cual es un valor medio de los ltimos K puntos de datos, digamos, las ultimas 10, 15 o 22 observaciones. 2.2.2.10. Variaciones Estacionales
Las variaciones estacionales de una serie cronolgica, son aquellas fluctuaciones que se repiten regularmente dentro del ao.
FASE II
2.2.2.11.
Variaciones Cclicas E Irregulares
Las variaciones cclicas son de tipo peridico y presentan ms de un ao de duracin. Comnmente, tales variaciones no se pueden apartar de las de naturaleza irregular, por lo que se analizaran juntas. 2.2.2.12. Mtodo de diferencia a la tendencia
Este procedimiento consiste en restar la tendencia de la informacin original, para eliminar posteriormente las variaciones cclicas e irregulares a travs de la premediacin. Al promediar los elementos del segundo miembro, se suavizan los factores cclicos y accidentales, quedando aislada la funcin estacional. 2.2.2.13. Mtodo del porcentaje de tendencia.
Este procedimiento es similar al descrito en el punto anterior, salvo que la eliminacin de la tendencia, se realiza mediante una divisin, pues se aplica en esquemas multiplicativos. Los valores obtenidos se promedian para suavizar las variaciones cclicas e irregulares. 2.2.2.14. Variaciones Aleatorias
FASE II
La variacin aleatoria es habitualmente eliminada mediante la media flexible. Por ejemplo, en datos que contienen valores mensuales, esto se hace sustituyendo para cada valor mensual una media que comprende a ese mes y los meses vecinos. La media de cinco o siete meses puede tambin usarse, aunque la desventaja de esto es que puede oscurecer incluso la variacin que podra interesar al investigador. 2.3 Hiptesis El uso del mtodo estadstico de las series cronolgicas, facilita el anlisis en las variaciones, y sirve de apoyo para la realizacin de pronsticos. 3 3.1 Objetivos Generales 3.1.1 Obtener informacin actualizada que nos permita conocer el tema de series cronolgicas. 3.1.2 Obtener el conocimiento terico sobre el tema de series cronolgicas, para el anlisis y propuesta de soluciones a problemas de la realidad, en la que se desenvuelve el futuro Contador Publico y Auditor.
FASE II
3.1.3 Contribuir al enriquecimiento de los conocimientos del futuro Contador Pblico y Auditor, para las diferentes reas de trabajo en que este se desenvuelve. 3.4 Especficos 3.4.1 Identificar cada uno de los conceptos relacionados con el tema de series cronolgicas, as establecer sus ventajas para la realizacin de pronsticos. 3.4.2 Aplicar los conocimientos obtenidos, para dar solucin a una problemtica propuesta (caso prctico). 3.4.3 Comprobar la hiptesis planteada en el presente plan de investigacin.
Bosquejo Preliminar de Temas
CAPTULO I 1. SERIES CRONOLGICAS 1.1. Resea Histrica 1.2. Conceptos generales 1.3. Importancia del pronstico en los negocios 1.3.1. Series cronolgicas Series causales 1.3.2. Los mtodos de pronsticos causales
FASE II
CAPTULO II 2. SERIES CRONOLGICAS 2.1. Objetivo 2.2. Componentes de una serie cronolgica 2.3. Algunos procedimientos descriptivos 2.4. Los movimientos cclicos 2.5. En qu orden? 2.6. Descomposicin de Series Cronolgicas 2.7. Tendencia 2.8. Mtodo de los mnimos cuadrados
2.9.
Promedios Mviles Variaciones Estacionales Variaciones Cclicas E Irregulares Mtodo de diferencia a la tendencia Mtodo del porcentaje de tendencia. Variaciones Aleatorias
2.10. 2.11. 2.12. 2.13. 2.14. CAPTULO III
3. PROBLEMTICA DE SERIES CRONOLGICAS 3.1. Tendencia 3.1.1. 3.1.2. 3.1.3. 3.1.4. Modelo de tenencia lineal: Tendencia Cuadrtica Modelo de Tendencia Exponencial
Seleccin del Modelo de Tendencia mediante las Diferencias Primera, Segunda y Porcentual
FASE II
3.1.5. 3.1.6. 3.1.7. 3.2.1. 3.3.1. 3.3.2.
Modelo de Tendencia Lineal con Ajuste Perfecto Modelo de Tendencia Cuadrtica con Ajuste Perfecto Modelo de Tendencia Exponencial con Ajuste Perfecto
3.2. Mtodo de los Mnimos Cuadrados Ajuste de Tendencia y Pronstico con mnimos cuadrados 3.3. Factores que influyen en los datos de series cronolgicas Factores del Modelo de Tendencia Lineal Factores de Mnimos Cuadrados 3.3.2.1. Con datos mensuales y trimestrales 3.3.2.1.1. Modelo Exponencial con datos Mensuales 3.3.2.1.2. Modelo Trimestrales 3.3.3. CAPTULO IV 4. GUA PARA ANALIZAR PROBLEMAS DE SERIES CRONOLOGICAS 4.1. Recoleccin de datos fiables 4.2. Analizar una serie temporal CAPITULO V 5. CASO PRCTICO 5. Determinacin de los mtodos y Tcnicas Entres los Mtodos de campo podemos mencionar: Factores de Variaciones Cclicas e Irregulares Exponencial Con Datos
FASE II
Recolectar informacin en las bibliotecas de la Universidad de San Carlos (Biblioteca Central y Biblioteca de la Facultad de CCEE, S-6), personas que nos orienten sobre el tema y como utilizar las evidencias obtenidas, libros que traten sobre estos casos. Para realizar una investigacin de campo tambin se utilizan los siguientes mtodos: investigacin, observacin, anlisis, induccin y sntesis. Para lograr el objetivo del trabajo juntamente con los mtodos definidos para recabar toda la informacin necesaria, se utilizarn tcnicas acordes a la investigacin a realizar los cuales son: recursos econmicos, fotocopias, fichas bibliogrficas, de estudio y resumen, cuestionarios, e indagacin. 6. Cronograma de Actividades
FECHA 01/02/2008 02/02/2008 04/02/2008 07/02/2008 09/02/2008 14/02/2008 16/02/2008 22/02/2008
HORA INICIO 22:00 08:00 22:00 22:00 08:00 22:00 08:00 18:00
HORA FINA 23:00 12:00 01:00 00:00 12:00 00:00 12:00 19:00
TIEMPO 1 Hrs 4 Hrs 3 Hrs 2 Hrs 4 Hrs 2 Hrs 4 Hrs 1 Hrs
PARTICIPA 8 INTEGRANTES 8 INTEGRANTES 8 INTEGRANTES 8 INTEGRANTES 8 INTEGRANTES 8 INTEGRANTES 8 INTEGRANTES 8 INTEGRANTES
ACTIVIDAD
Reunin para platicar del tema Recopilacin de datos en USAC Realizar plan de Investigacin Terminar plan de Investigacin Realizar primer capitulo del trabajo Integracin de los captulos de Inv Terminar informe final Presentacin del Informe Final
LUGAR CASA USAC CASA CASA USAC CASA USAC USAC
FASE II
7.
Bibliografa
Berenson, Mark, Krehbiel, Timothy y Levine, David, Estadstica para administracin, Pearson, Prentice Hall, segnda Edicin, Mexico D.F. Material de Estadstica, Universidad de Uruguay, http://www.eubca.edu.uy/materiales/estadistica/TEMA%205-Series %20Cronologicas.doc R. Chateauneuf, Series cronolgicas, Marzo de 2005, http://146.83.41.79/macroeconomia/pdfs/Series%20cronologicas.pdf
FASE II

Series Cronologicas

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Series Cronologicas

Enviado por

Direitos autorais:

Formatos disponíveis

SERIES CRONOLGICAS - TEMA 16

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

CAPTULO I SERIES CRONOLGICAS

Un movimiento cclico en forma de onda, sper impuesto en la tendencia.

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

c. El clima, que determina por ejemplo las cosechas, etc.

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

Importancia del pronstico en los negocios

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

Series cronolgicas Series causales

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

CAPTULO II SERIES CRONOLGICAS

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

t Si elegimos convenientemente la escala cronolgica, de manera que =0 , la

resolucin del sistema se simplifica notoriamente.

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

posible que desee ajustar sus presupuestos, mano

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

fluctuaciones estacionales) o bien

- analizar cifras mensuales total de

SEMINARIO DE INTEGRACIN PROFESIONAL 2008

SERIES CRONOLGICAS - TEMA 16

En esta grfica se muestran los datos originales con tendencia y ciclos.