TEMA TEÓRICO 7 – SERIES CRONOLÓGICAS

TEMA 7 – SERIES CRONOLÓGICAS

7.1 Conceptos generales

Una serie cronológica está formada por un conjunto de observaciones
de una variable ordenadas en función del tiempo.
Su ámbito de aplicación, no está limitado a la esfera estrictamente eco-
nómica. Su metodología puede utilizarse en la medicina (electrocardiograma,
electroencefalograma, etc.), agricultura (evolución de las lluvias en las diferen-
tes estaciones), psicología (evolución del coeficiente intelectual de una
persona) y en muchas otras disciplinas.

El propósito perseguido con el análisis 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 análisis de series cronológicas, se realiza a través de dos modelos básicos.

A) Modelo Aditivo Yt = Tt + St + Ct + Et

B) Modelo Multiplicativo Yt = Tt * St * Ct * Et

Yt - Variable estudiada
Tt - Tendencia
St - Variaciones estacionales
Ct - Fluctuaciones cíclicas
Et – Sucesos aleatorios o irregulares

La elección del modelo a utilizar, estará 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.

7.2 Componentes de una serie cronológica

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 población, los cambios en el salario real de una comunidad,
etc.
Si analizamos el consumo de un producto alimenticio, en condiciones
normales, es razonable suponer que un aumento en la población, traerá como
consecuencia un mayor consumo del mismo.
Este aumento no se percibe en períodos cortos de tiempo, pues como
veremos, existen otros factores que distorsionan las observaciones, pero sí se
advierte en el largo plazo.

1
 TEMA TEÓRICO 7 – SERIES CRONOLÓGICAS

En el gráfico se aprecia una tendencia creciente, a pesar de que las

observaciones fluctúan 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 año o menos). En el
período escogido, presentan una considerable dosis de regularidad.
Si analizamos la evolución de las ventas de una heladería,
encontraremos picos bastantes acentuados, en los meses de verano. La
estación, está condicionando la distribución de las ventas anuales, y ese
cuadro se repetirá en los años sucesivos.
El concepto de estacionalidad, se utiliza también para explicar
variaciones que no se corresponden con el concepto de “estación”.
Las mayores ventas de un supermercado los días sábado, también se
consideran fluctuaciones estacionales, por ser una configuración repetida a
intervalos regulares, del mismo fenómeno.

Las fluctuaciones cíclicas, se identifican con los movimientos

oscilatorios alrededor de la tendencia, que no se encuentran ceñidos a
períodos regulares, pero que siempre son de largo plazo. Aunque son
fenómenos diferentes, podemos asociar (al solo efecto de su compresión)
estas fluctuaciones, al concepto de ciclo económico.
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
situación se revierte.
Los valores comienzan a caer vertiginosamente en esta faz depresiva,
hasta que un nuevo impulso vuelva a estabilizar la situación, y pueda dar lugar
al surgimiento de un nuevo ciclo.
La construcción 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 varía en forma totalmente esporádica.
Sus variaciones son generalmente ocasionadas por factores
accidentales (huelgas, terremotos, inundaciones).

2
 TEMA TEÓRICO 7 – SERIES CRONOLÓGICAS

Si estudiamos las ventas de una empresa, cuya fábrica se incendió y

permaneció seis meses inactiva, es lógico encontrar una caída brusca durante
ese período.
Este componente representa un residuo, que no puede ser explicado
por las variaciones de tendencia, estacionalidad y ciclo.
Sus movimientos suelen suavizarse mediante la utilización de
promedios, que distribuyen sus efectos a lo largo del tiempo.

7.3 TENDENCIA
Cuando se desea conocer la evolución de una variable en el largo plazo,
el estudio de la tendencia se convierte en un factor relevante.
La orientación de la demanda en el largo plazo, es un aspecto de vital
importancia para muchas empresas. Una demanda creciente, puede indicar la
ampliación de las instalaciones, adquirir maquinaria y equipos más
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 política de publicidad, o
lanzar nuevos productos al mercado.
Para obtener la tendencia es necesario proceder a su aislamiento. Esto
se realiza en función de los siguientes objetivos básicos:

1. Para proyectar los valores futuros de la variable.

2. Para eliminar la tendencia calculada para la serie, y estudiar el
comportamiento de los restantes componentes.

La ecuación de la tendencia puede ser lineal o curvilínea (parábola,

exponencial).
Nuestro enfoque será lineal por la gran aplicabilidad que posee y la
simplicidad de los cálculos.
La estimación de la tendencia puede hacerse mediante diversos
métodos, nosotros utilizaremos el método de los mínimos cuadrados.

7.3.1 Método de los mínimos cuadrados

Este método es el más utilizado para la obtención de la tendencia y ya

fue definido al hablar de regresión.
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 función del
tiempo.
Los coeficientes de la recta, definidos al hablar de recta de regresión son:

3
 TEMA TEÓRICO 7 – SERIES CRONOLÓGICAS

 xy   x ·  y
a
Y b
x ; b n n n
 x    x 
2
n n 2

n  n 
 

Si elegimos convenientemente la escala cronológica, de manera que

 t  0 , la resolución del sistema se simplifica notoriamente.

Y b
Y · t
t
a
t

n t 2

Esto se logra mediante un cambio de variable, asignando a cada valor

de la variable un número elegido de modo que la diferencia entre dos valores
sucesivos sea constante y la suma total sea nula.

Ejemplo:

Año t Yt t.Yt t2
2004 -4 10 -40 16
2005 -3 12 -36 9
2006 -2 11 -22 4
2007 -1 13 -13 1
2008 0 14 0 0
2009 1 16 16 1
2010 2 12 24 4
2011 3 15 45 9
2012 4 14 56 16
0 117 30 60

Y 117 b
t Y t

3
 0.5
a   13
t

n 9 t t
2
6

Tt  13  0.5 t t
La primer y tercer columna corresponde a información obtenida, o sea
los datos en el tiempo. Las restantes columnas son de cálculo para hallar los
coeficientes de la recta.

Con la recta obtenida pueden proyectarse los valores de tendencia para

los años siguientes.

Si quisiéramos conocer el valor para 2015 bastaría identificar el número

que le corresponde a ese año y sustituirlo en la recta

T  13  0.5 * 7  16.5

4
 TEMA TEÓRICO 7 – SERIES CRONOLÓGICAS

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 número de observaciones es par, tenemos dos valores

centrales. En este caso asignamos los números –1 y 1. Como la diferencia
entre los valores consecutivos debe ser constante, los saltos serán ahora de
dos en dos.

Si agregamos a las observaciones el año 2003 los valores serían los

siguientes:

Año Xt
2003 -9
2004 -7
2005 -5
2006 -3
2007 -1
2008 1
2009 3
2010 5
2011 7
2012 9
0

7.4 VARIACIONES ESTACIONALES

Las variaciones estacionales de una serie cronológica, son aquellas
fluctuaciones que se repiten regularmente dentro del año.
El aislamiento del componente estacional, se funda en los siguientes
objetivos:
a.- Para identificar los valores estacionales, que complementan la
estimación de valores futuros a través de la tendencia.
b.- Para estudiar el componente cíclico de la serie desestacionalizada.

Por ejemplo, si los productos que comercializa una empresa, tienen una
demanda estacional, el ritmo de producción de los mismos, deberá adaptarse
lógicamente a estos factores.
Si esa empresa se dedica a la fabricación y venta de equipos de
calefacción y aire acondicionado, no puede pasar por alto los factores
estacionales opuestos que tienen sus productos.
El proceso productivo se diseñará, para tener los calefactores en stock
antes de comenzar el invierno, y los equipos de frío antes del verano,
procurando que los stocks de los mismos sean mínimos fuera de la temporada.
En las siguientes líneas, veremos los métodos más usuales para aislar
el componente estacional.

7.4.1 Método de diferencia a la tendencia

5
 TEMA TEÓRICO 7 – SERIES CRONOLÓGICAS

Este procedimiento consiste en restar la tendencia de la información

original, para eliminar posteriormente las variaciones cíclicas e irregulares a
través de la promediación.

Yt  Tt  S t  C t  Et

Yt  Tt  S t  C t  Et

Al promediar los elementos del segundo miembro, se suavizan los

factores cíclicos y accidentales, quedando aislada la función estacional.

Ejemplo:

2010 2011 2012

1er cuatrim. 16 19 24
2do cuatrim. 19 26 34
3er cuatrim. 24 31 41

Tt  26  2.617 t

Los valores de tendencia para cada uno de los cuatrimestres son los que
aparecen en el siguiente cuadro.

2010 2011 2012

er
1 cuatrim. 15.532 23.383 31.234
2do cuatrim. 18.149 26 33.851
3er cuatrim. 20.766 28.617 36.468

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.

2010 2011 2012 Σ

er
1 cuatrim. 0.468 -4.383 -7.234 -11.149 -3.716
do
2 cuatrim. 0.851 0 0.149 1 0.333
er
3 cuatrim. 3.234 2.383 4.532 10.149 3.383
0 0

La función de estacionalidad (St) es la que aparece en la última

columna. Si por efecto del redondeo de cifras, su suma no fuera nula, los

6
 TEMA TEÓRICO 7 – SERIES CRONOLÓGICAS

valores deberían ajustarse, sumando o restando una constante

adecuada.

Si hubiera dado por ejemplo:

S1 -3.714
S2 +0.330
S3 +3.351
-0.033

deberíamos sumar 0.011 (0.033 / 3) a cada valor de la función para que

su suma sea nula.

Si quisiéramos proyectar los valores de la serie para 2013 en

base a tendencia y estacionalidad, haríamos lo siguiente:

ˆ
1er cuatr./13= Y5 = 26 + 2.617 * 5 – 3.716 = 35.369
ˆ
2do cuatr./13= Y6 = 26 + 2.617 * 6 + 0.333 = 42.035
Yˆ
3er cuatr./13= 7 = 26 + 2.617 * 7 + 3.383 = 47.702

7.4.2 Método del porcentaje de tendencia.

Este procedimiento es similar al descrito en el punto anterior,

salvo que la eliminación de la tendencia, se realiza mediante una división,
pues se aplica en esquemas multiplicativos.

Yt  Tt * S t * C t * Et

Yt
 S t * Ct * Et
Tt

Los valores obtenidos se promedian para suavizar las variaciones

cíclicas e irregulares.
Para ilustrar el mecanismo de cálculo, podemos utilizar los valores
hallados en el punto anterior.

Yt Tt Yt / Tt
16 15.532 1.0302
19 18.149 1.0469
24 20.766 1.1558
19 23.383 0.8126
26 26 1.0000
31 28.617 1.0833
24 31.234 0.7684
34 33.851 1.0044

7
 TEMA TEÓRICO 7 – SERIES CRONOLÓGICAS

41 36.468 1.1243

St
1.0302  0.8126  0.7684
S1   0.8704
3
1.0469  1.0000  1.0044
S2   1.0171
3
1.1558  1.0833  1.1243
S3   1.1211
3

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 función estacionalidad suelen

presentarse como porcentajes, para lo cual es necesario multiplicarlos por 100.

Los valores ajustados serían 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, están respectivamente el 1.42% y 11.79% por
encima de él.