SERIES TEMPORALES
MÉTODOS DE PREVISIÓN CUANTITATIVOS UNIVARIANTES CAUSAL Incorpora variables externas para explicar el comportamiento de variable objeto de estudio Se trata de hacer previsiones de una serie empleando para ello los valores pasados de la serie temporal Métodos Arima Métodos de descomposición
COMPONENTES TENDENCIA CICLO ESTACIONALIDAD MOVIMIENTO IREGULAR
COMPONENTES TENDENCIA Patrón de evolución sostenido a medio y largo plazo de la serie
COMPONENTES CICLO Movimiento oscilatorio por encima y por debajo de la tendencia de una serie temporal
COMPONENTES ESTACIONALIDAD Oscilaciones de una serie temporal que se completa dentro de un año y se repiten mas o menos de forma invariable en los años sucesivos.
COMPONENTES IRREGULAR Oscilaciones de una serie temporal que se atribuyen a factores fortuitos, aleatorios y esporádicos
ANÁLISIS PRIMARIO DE SERIES TEMPORALES Descomposición de series: Esquemas alternativos de descomposición de una serie temporal: ADITIVO: MULTIPLICATIVO:
SUPUESTOS Se considera que existe una cierta estabilidad en la estructura del fenómeno estudiado. Los datos deben ser homogéneos en el tiempo, o lo que es lo mismo, se debe mantener la definición y medición de la magnitud objeto de estudio.
Series: Número de viajeros extranjeros. Comunidad de Cataluña Número de establecimientos hoteleros
Descomposición de series: Componente Estacional Serie: Número de viajeros extranjeros. Comunidad de Cataluña
Descomposición de series: Componente Tendencial Serie: Número de viajeros extranjeros. Comunidad de Cataluña
Descomposición de series: Componente Cíclico e irregular Serie: Número de viajeros extranjeros. Comunidad de Cataluña
Descomposición de series: Componente Cíclico e irregular Serie: Número de viajeros extranjeros. Comunidad de Cataluña
Series sin tendencia ni estacionalidad. Descomposición de series: Métodos de Estimación Series sin tendencia ni estacionalidad. Métodos Ingenuos: Última observación Media Histórica MM de orden 3 Alisado Exponencial Simple Series con tendencia y sin estacionalidad Doble Alisado exponencial del Brown con un parámetro Alisado exponencial de Holt Winter con doble parámetro Series con tendencia y con estacionalidad
Series sin tendencia ni estacionalidad. Series Temporales: Métodos de Estimación Series sin tendencia ni estacionalidad.
Series con tendencia y sin estacionalidad Series Temporales Métodos de Estimación Series con tendencia y sin estacionalidad
Series con tendencia y con estacionalidad Series Temporales Métodos de Estimación Series con tendencia y con estacionalidad
DESCOMPOSICIÓN DE S.T. En el caso de un esquema aditivo la secuencia a seguir es la siguiente: ESTACIONALIDAD TENDENCIA CICLO IRREGULAR
DESCOMPOSICIÓN DE S.T. En el caso de un esquema multiplicativo la secuencia a seguir es la siguiente: ESTACIONALIDAD TENDENCIA CICLO IRREGULAR
Series sin tendencia ni estacionalidad. Descomposición de series: Métodos de Estimación Series sin tendencia ni estacionalidad. Métodos Ingenuos: Última observación Media Histórica MM de orden 3 Alisado Exponencial Simple Series con tendencia y sin estacionalidad Doble Alisado exponencial del Brown con un parámetro Alisado exponencial de Holt Winter con doble parámetro Series con tendencia y con estacionalidad
Series sin tendencia ni estacionalidad. Series Temporales: Métodos de Estimación Series sin tendencia ni estacionalidad. TURIMO MADRID
PREVISIÓN DE SERIES TEMPORALES Series sin tendencia ni estacionalidad. Métodos Ingenuos: Última observación TURISMO MADRID
PREVISIÓN DE SERIES TEMPORALES Series sin tendencia ni estacionalidad. Métodos Ingenuos: Media Histórica TURISMO
SERIES TEMPORALES Medias móviles Concepto: Es una transformación que se efectúa a la serie original en la que las nuevas observaciones corresponden a un promedio de las observaciones originales. El número de observaciones a promediar corresponden al orden de la media móvil.
SERIES TEMPORALES Medias móviles UTILIDADES Suavizar Predecir Representar la tendencia Desestacionalizar TIPOS Centrada: El valor se asigna al punto de medio del intervalo No centrada: El valor se asigna al período correspondiente a la observación más adelantada
MEDIA MOVIL DE ORDEN TRES FECHA IP TURISMO CENTRADA SIN CENTRAR 2010M01 84,9 2010M02 82,7 86,8 2010M03 92,8 84,9333 86,80 2010M04 79,3 87,7667 84,93 2010M05 91,2 87,4333 87,77 2010M06 91,8 89,8333 87,43 2010M07 86,5 77,7333 89,83 2010M08 54,9 75,8000 77,73 2010M09 86 76,3000 75,80 2010M10 88 87,9667 76,30 2010M11 89,9 85,1333 87,97 2010M12 77,5 83,6667 85,13
MEDIA MOVIL CENTRADA DE ORDEN DOCE FECHA IP TURISMO MEDIA MOVIL Ene 2010 84,9 Feb 2010 82,7 Mar 2010 92,8 Abr 2010 79,3 May 2010 91,2 Jun 2010 91,8 Jul 2010 86,5 83,74 Ago 2010 54,9 83,71 Sep 2010 86,0 83,49 Oct 2010 88,0 83,27 Nov 2010 89,9 83,18 Dic 2010 77,5 82,14 Ene 2011 83,6 82,76
PREVISIÓN DE SERIES TEMPORALES Series sin tendencia ni estacionalidad. Métodos Ingenuos: MM de orden 3 TURISMO
Medidas sobre los errores. Diagrama de predicción realización Descomposición de series: Métodos de Evaluación Medidas sobre los errores. Diagrama de predicción realización Error tipo I y tipo II
Medidas sobre los errores. Descomposición de series: Métodos de Evaluación Medidas sobre los errores. Raíz del Error Cuadrático Medio EMA PEA
Descomposición de series: Métodos de Estimación: Ingenuo I Medidas de Evaluaciones basadas en los errores:
Medidas sobre los errores. Diagrama de predicción realización Descomposición de series: Métodos de Evaluación Medidas sobre los errores. Diagrama de predicción realización Error tipo I y tipo II
Descomposición de series: Métodos de Estimación: Ingenuo I Medidas de Evaluación: Diagrama de Predicción Realización Propuesto por Theil. Corresponden a un diagrama de dispersión donde se representan las tasas de crecimiento reales y estimadas para la variable endógena. En estos casos la línea de predicción perfecta corresponde a la diagonal que atraviesa los cuadrantes primero y tercero. Si los puntos se encontrasen en los cuadrantes segundos y cuarto, la predicción presentaría un problema de signo contrario. ((zona I) Si los puntos están predominantemente en las zonas III, hay una sobrevaloración de las variaciones y están en la zona II hay una infravaloración de las variaciones
Descomposición de series: Métodos de Estimación: Ingenuo I Medidas de Evaluación: Diagrama de Predicción Realización ΔYreal II I III ΔYestimado III I II
Descomposición de series: Métodos de Estimación: Ingenuo I Medidas de Evaluación: Diagrama de Predicción Realización
Medidas sobre los errores. Diagrama de predicción realización Descomposición de series: Métodos de Evaluación Medidas sobre los errores. Diagrama de predicción realización Error tipo I y tipo II
Descomposición de series: Métodos de Estimación: Ingenuo I Medidas de Evaluación: Cambio de Tendencia En análisis de regresión sobre series temporales es frecuente que el modelo estimado represente la senda de largo plazo (tendencia) seguida por la variable objeto de estudio. No obstante, existen algunos puntos (máximos y mínimos locales) de especial interés o relevancia de cara la capacidad de modelo estimado en reproducirlos. Tipos de cambio de Tendencia. Ocurre un máximo local cuando: e Por otro lado, ocurre un mínimo local cuando: e
Descomposición de series: Métodos de Estimación: Ingenuo I Medidas de Evaluación: Cambio de Tendencia
Descomposición de series: Métodos de Estimación: Ingenuo I Medidas de Evaluación: Cambio de Tendencia
Series sin tendencia ni estacionalidad. Descomposición de series: Métodos de Estimación Series sin tendencia ni estacionalidad. Métodos Ingenuos: Última observación Media Histórica MM de orden 3 Alisado Exponencial Simple Series con tendencia y sin estacionalidad Doble Alisado exponencial del Brown con un parámetro Alisado exponencial de Holt Winter con doble parámetro Series con tendencia y con estacionalidad
Alisado Exponencial Simple Media ponderada de infinitos términos (1) Retardando un período la ecuación (1) (2) Multiplicar ambos lados de ecuación (2) por w (3)
Restando la ecuación (3) de la (1) nos quedaría
(4) La función del alisados quedará así expresada (5)
ECUACIÓN DEFINITIVA Si la serie es estable Si la serie es inestable
PREVISIÓN DE SERIES TEMPORALES Series sin tendencia ni estacionalidad. Alisado exponencial simple
PREVISIÓN DE SERIES TEMPORALES Series sin tendencia ni estacionalidad. Alisado exponencial simple: serie Turistas
PREVISIÓN DE SERIES TEMPORALES Series sin tendencia ni estacionalidad. Alisado exponencial simple