ANLISIS DE SERIES CRONOLGICAS

OBJETIVO
- Conocer el comportamiento de una variable cuantitativa en el pasado para
estimar su comportamiento en el futuro.
- Pronosticar las incertidumbres que puedan darse en los estados
financieros por actividades futuras.
- Conocer los componentes de este anlisis.
INTRODUCCIN
Dentro de las series estadsticas merecen especial atencin aquellas que tienen
como uno de sus variables el tiempo. Mencionado tambin que cuando uno de
los caracteres cuantitativos es el tiempo la serie estadstica se llama serie
cronolgica, el segundo carcter puede ser cualitativo o cuantitativo.
El inters por estas series radica en que son tiles en muchos trabajos en los
que el tiempo juega un papel preponderante, lo cual ocurre en mltiples aspectos
de la Administracin, Economa y muchas otras disciplinas.
Este es un campo donde queda mucho por hacer y es un buen reto a la
imaginacin y al talento de los investigadores.
Por serie cronolgica nos referimos a datos estadsticos que se recopilan,
observan o registran en intervalos de tiempo regulares (diario, semanal,
semestral, anual, entre otros). El trmino serie de tiempo se aplica por ejemplo
a datos registrados en forma peridica que muestran, por ejemplo, las ventas
anuales totales de almacenes, el valor trimestral total de contratos de
construccin otorgados.
 SERIES CRONOLGICAS Y SUS COMPONENTES
Se llama serie cronolgica o temporal a aquella sucesin de observaciones en
la que alguno de sus caracteres se mide en unidades de tiempo.
El tiempo como sabemos es una caracterstica cuantitativa y el resto de los
caracteres de la serie pueden ser cualitativos o cuantitativos.
Una serie de tiempo o cronolgica, trata una cantidad variable dependiente y
como funcin del tiempo t.
Esto se escribe:

y= F(t)
Es decir, estudia el comportamiento de una variable y a lo largo del tiempo t. Las
unidades de tiempo ms usadas son por lo general de un ao, un trimestre, un
mes, etc.
Se elegirn las ms adecuadas para el estudio que trate de llevarse.
Dentro de estas unidades de tiempo, algunas tienen duracin constante (horas,
das, etc.), pero otras son variables (meses, aos, etc.). Este carcter variable
puede influir en los resultados de algunos estudios, y debe tenerse en cuenta al
elegir las unidades de tiempo.
Ejemplo:
Un ejemplo de serie cronolgica es el comportamiento de las ventas mensuales
de un producto A.

La grfica de una serie cronolgica es una grfica de lnea, la cual se construye

sobre un sistema de ejes coordenadas. En el eje horizontal se ubica la variable
independiente tiempo (aos, meses, das, etc.), en el eje vertical los valores de
la variable dependiente y (ventas, produccin, etc.).
La figura representa la grfica de la serie cronolgica del ejemplo anterior.

ANALISIS DE SERIES CRONOLGICAS

Una serie cronolgica no es sino una variable dada en sucesivos intentes de
tiempo y se le conoce tambin con el nombre de serie de tiempo, serie histrica,
serie cronolgica, etc.
Una serie cronolgica llamada tambin serie de tiempo o serie histrica de un
conjunto de datos recopilados, observados y registrados sistemticamente en
un tiempo determinado.
Las principales aplicaciones de las series cronolgicas son las proyecciones
(determinacin de las tendencias); debe advertirse que las proyecciones no son
valores determinantes que tienen que ocurrir necesariamente en el futuro, son
valores estimados o esperados y estos resultados pueden variar dependiendo
de varios factores que de forma directa e indirecta participen en los resultados
de una serie cronolgica.
Las empresas industriales y comerciales deben de realizar un examen sobre la
forma como la produccin y venta de sus artculos han sido afectados en el
pasado por diferentes factores con el objeto de hacer una estimacin,
diagnstico o previsin para el futuro a fin de estar en condiciones de trazar
planes de desarrollo de la empresa.
Grficamente las series cronolgicas se representan haciendo uso de los ejes
cartesianos, colocando la variable tiempo (ti) en el semi-eje positivo de las
abscisas y la variable (Yi) en el semi-eje positivo de las coordenadas.
COMPONENTES DE LAS SERIES CRONOLGICAS

Las series de tiempo pueden estar definidas por cuatro tiempos principales,
llamados a menudo componentes de una serie de tiempo:

La tendencia secular.
La variacin cclica.
La variacin estacional.
La variacin irregular.

Tendencia
Se refiere a la direccin que sigue la serie cronolgica que se puede visualizar
con facilidad a partir del grfico poligonal de la serie. Hay series cuyos valores
poseen una Tendencia ascendente o creciente, en tanto hay otros cuyos
valores poseen una Tendencia descendiente y por ltimo existen series que no
son fciles de advertir su tendencia.
El estudio de la tendencia es de suma importancia porque sirve para determinar
el probable comportamiento de los datos en el futuro. La proyeccin de la serie
cronolgica constituye el aspecto ms importante para la planificacin social,
econmica, educacional, etc. de mediano y largo plazo.
La tendencia se puede determinar por una expresin matemtica, siendo
necesario proyectar la serie y as obtener valores estimados para el futuro, que
puedan tener a su vez un error o sesgo cuya, dimensin depende de la validez
o significacin de los datos de la serie, del periodo elegido y del mtodo utilizado
para analizar la tendencia.
Del mtodo estadstico elegido, depende el comportamiento de la variable en el
tiempo. La tendencia de una serie se puede determinar y estimar por dos
mtodos generales: el grfico y el analtico.
Tendencia secular
La tendencia secular o tendencia a largo plazo de una serie es por lo comn el
resultado de factores a largo plazo. En trminos intuitivos, la tendencia de una
serie de tiempo caracteriza el patrn gradual y consistente de las variaciones de
la propia serie, que se consideran consecuencias de fuerzas persistentes que
afectan el crecimiento o la reduccin de la misma, tales como: cambios en la
poblacin, en las caractersticas demogrficas de la misma, cambios en los
ingresos, en la salud, en el nivel de educacin y tecnologa.
Las tendencias a largo plazo se ajustan a diversos esquemas. Algunas se
mueven continuamente haca arriba, otras declinan, y otras ms permanecen
igual en un cierto perodo o intervalo de tiempo.
Tendencia lineal
Como se dijo antes, la tendencia de una serie viene dada por el movimiento
general a largo plazo de la serie. La tendencia a largo plazo de muchas series
de negocios (industriales y comerciales), como ventas, exportaciones y
produccin, con frecuencia se aproxima a una lnea recta. Esta lnea de
tendencia muestra que algo aumenta o disminuye a un ritmo constante.
El mtodo que se utiliza para obtener la lnea recta de mejor ajuste es el Mtodo
de Mnimos Cuadrados.
Tendencia no lineal
Cuando la serie de tiempo presenta un comportamiento curvilneo se dice que
este comportamiento es no lineal. Dentro de las tendencias no lineales que
pueden presentarse en una serie se encuentran, la polinomial, logartmica,
exponencial y potencial, entre otras.
METODO DE ESTIMACIN DE LA TENDENCIA
Una tendencia puede estimarse de diferentes maneras:
Mtodo de los mnimos cuadrados
Al realizar un anlisis lgico entre las variables es necesario determinar el tipo
de funcin matemtica que representa la relacin entre ellas, para lo cual se
debe ajustar la recta o curva de regresin en base a la forma que representa la
grfica. La curva de mejor ajuste se la puede realizar por el mtodo de los
mnimos cuadrados aplicando a diferentes tipos de funciones tal como ser:
Funcin Lineal, Parablica, Potencial, Exponencial, etc.
Mtodo Libre
Consiste en ajustar una recta a una curva de tendencia mediante la observacin
del grfico. Los puntos que servirn de base para establecer la funcin deseada
sern escogidos por el observador. Mediante el diagrama de dispersin
observamos que se trata de una funcin lineal (Por la forma de los puntos de
"X,Y").
Mtodo del promedio mvil
Por medio de promedios mviles de orden adecuado, se pueden eliminar
patrones cclicos, estacinales e irregulares as slo el movimiento de tendencia.
Una desventaja de este mtodo es que los datos al inicio y final de las series se
pierden, como en el ejemplo 1, donde se inici con siete nmeros y con un
promedio mvil de orden 3 se lleg a cinco nmeros. Otra desventaja es que los
promedios mviles pueden generar ciclos u otros movimientos que no estaban
en los datos originales. Una tercera desventaja es que los promedios mviles se
ven muy afectados por valores extremos. Para superar esto de alguna manera,
algunas veces se utiliza un promedio mvil ponderado con pesos adecuados; en
tal caso, se da el dato o a los datos centrales el mayor peso y a los valores
extremos se les proporcionan pesos pequeos.
Mtodo de los semipromedios
Este consiste en separar los datos en dos
partes (de preferencia iguales) y calcular el promedio de los datos en cada parte,
con lo que se obtienen dos puntos en la grfica de series de tiempo. Despus se
traza una recta de tendenc
ia entre estos dos puntos. Los valores de tendencia a
partir de la recta de tendencia, pero tambin pueden determinarse de manera
directa, sin grfica
A pesar de que este mtodo es sencillo de aplicar, suele conducir resultados
pobres cuando se utiliza en
forma indiscriminada. Adems, slo es aplicable
cuando la tendencia es lineal o aproximadamente lineal, aunque llega a
extenderse a casos en donde los datos pueden separarse en varias partes, en
cada una de las cuales la tendencia sea lineal.
Tendencia lineal semilogartmica
Es una representacin grfica de una funcin o de un conjunto de valores
numricos, en la que el eje de abscisas o el eje de ordenadas tienen escala
logartmica mientras el otro eje tiene una escala lineal o proporcional.
Los datos que siguen una variacin similar a una funcin exponencial, y=aebx,
o aquellas serie de datos cuyo rango abarca varios rdenes de magnitud , son
apropiados para una representacin semilogartmica o logartmica. Por ello, este
tipo de representacin es muy usada en ciencia e ingeniera.
Variacin cclica
Con frecuencia las series de tiempo presentan secuencias alternas de puntos
abajo y arriba de la lnea de tendencia que duran ms de un ao, esta variacin
se mantiene despus de que se han eliminado las variaciones o tendencias
estacional e irregular. Un ejemplo de este tipo de variacin son los ciclos
comerciales cuyos perodos recurrentes dependen de la prosperidad, recesin,
depresin y recuperacin, las cuales no dependen de factores como el clima o
las costumbres sociales.
Son oscilaciones de larga duracin alrededor de la curva de tendencia, los
cuales pueden o no ser peridicos. Se caracterizan por tener lapsos de
expansin y contraccin. Solo se consideran movimientos cclicos si se producen
en un intervalo de tiempo superior al ao.
Variacin estacional
El componente de la serie de tiempo que representa la variabilidad en los datos
debida a influencias de las estaciones, se llama componente estacional. Esta
variacin corresponde a los movimientos de la serie que recurren ao tras ao
en los mismos meses (o en los mismos trimestres) del ao poco ms o menos
con la misma intensidad.
Son las oscilaciones que se repiten a intervalos regulares durante un periodo de
tiempo o pueden ser fluctuaciones peridicas que se presentan en forma
mensual, semestral, anual, etc.
Ejemplo:
La temperatura que aumenta en verano y baja en invierno
Las ventas que aumentan en el fin de mes
Las fiestas patronales
Las disposiciones legales que entran en vigor en fechas determinadas.
Variacin irregular
Esta se debe a factores a corto plazo, imprevisibles y no recurrentes que afectan
a la serie de tiempo. Como este componente explica la variabilidad aleatoria de
la serie, es impredecible, es decir, no se puede esperar predecir su impacto
sobre la serie de tiempo. Existen dos tipos de variacin irregular: a) Las
variaciones que son provocadas por acontecimientos especiales, fcilmente
identificables, como las elecciones, inundaciones, huelgas, terremotos.
b) Variaciones aleatorias o por casualidad, cuyas causas no se pueden sealar
en forma exacta, pero que tienden a equilibrarse a la larga.
CONCLUSIONES
Las series cronolgicas o de tiempo nos ayudan de gran manera, por ejemplo, a
describir, explicar, predecir y controlar aquellos procesos que de alguna manera
se presentan en el tiempo.
Si bien hay que recordar que la observacin se da de manera ordenada en el
tiempo por lo que su aplicacin se refleja de manera concreta en diferentes reas
cientficas y sociales ayudando a pronosticar eventos futuros o a tomar
decisiones importantes de diferentes tipos.
APLICACIN
En la tabla adjunta se reflejan las ventas trimestrales de una empresa
constructora en millones de euros. Desestacionalizar la serie por el mtodo
analtico de los mnimos cuadrados.

MTODO ANALTICO DE LA TENDENCIA (MNIMOS CUADRADOS)

PRIMER PASO. - Se calculan las medias anuales yt (medias para cada ao
de k = 4 subperodos)
SEGUNDO PASO. - La tendencia media anual Tt se obtiene ajustando una
recta de regresin a los aos y a las medias anuales Yt

Por el mtodo de los mnimos cuadrados, resulta:

TERCER PASO. - A partir de la tendencia media anual Tt se obtiene el valor

de la tendencia para los distintos subperodos, segn la expresin general:
En la siguiente tabla se encuentran los datos de las ventas de los ltimos
cinco aos de una empresa:

a) Graficar los datos

b) Determinar la ecuacin de tendencia
c) Trazar la recta de tendencia
d) Pronosticar las ventas para los siguientes dos aos
e) Estimar sus ciclos relativos
f) Construye su grfica de ciclos
SOLUCION
a) Con los datos que se tienen se obtiene la siguiente grfica:
b) Para determinar los coeficientes de la ecuacin se debe construir una tabla
con los datos necesarios:

Se sustituyen los valores en las frmulas respectivas:

y habiendo calculado los coeficientes, entonces la Ecuacin de Tendencia queda:

y = 6.1 + 1.3t
c) Para trazar la recta, se deben tener dos puntos, para el primero de ellos se
puede utilizar el valor 6.1 de la ecuacin anterior y el segundo se puede obtener
asignando un valor cualquiera a x, dentro del rango del intervalo del que se
dispone, por ejemplo 4 (ao 2006) para obtener el valor de y, es decir:
y = 6.1 + 1.3t = 6.1+ 1.3(4) =11.3
con lo que ya se puede trazar la Recta de Tendencia
d) Los dos aos siguientes son 2008 y 2009, que en trminos de los clculos
que estamos haciendo son 6 y 7, respectivamente. Pues bien, estos se
sustituyen en la Ecuacin de Tendencia y se obtienen los pronsticos
requeridos, es decir:

y = 6.1 + 1.3t = 6.1+ 1.3(6) = 13.9

y = 6.1 + 1.3t = 6.1+ 1.3(7) = 15.2

e) Para estimar los ciclos relativos, construir una tabla con los clculos
necesarios:
Con los datos anteriores se construye la siguiente grfica:

BIBLIOGRAFA
http://www.unac.edu.pe/documentos/organizacion/vri/cdcitra/Informes_Finales_
Investigacion/IF_JUNIO_2012/IF_CALDERON%20OTOYA_FCA/capitulo%208.
pdf
http://www.estadistica.mat.uson.mx/Material/seriesdetiempo.pdf
https://es.slideshare.net/isaacgflores/anlisis-de-series-de-tiempo
http://galeon.com/rogergomez/ESTADISTICA/ESTACUATRO.pdf
http://www.seduca2.uaemex.mx/ckfinder/uploads/files/u3tema_3_series_de_t.p
df