Predicción por descomposición de series

Descomposición de series: Sobre una serie temporal Yt podemos identificar una serie de componentes básicos que se denominan respectivamente como:

TENDENCIA: Tt Movimientos de larga duración que se mantienen durante todo el periodo de observación. CICLO: Ct Oscilaciones alrededor de la tendencia producidos por períodos alternativos de prosperidad y depresión. ESTACIONALIDAD: St Movimiento que se produce, dentro de un periodo anual, por motivos no estrictamente económicos (climáticos, sociales,ect.) IRREGULARIDAD: It Movimientos erráticos generados por causas ajenas al fenómeno económico y no repetidos en el tiempo Predicción por descomposición de series

Descomposición de series: Podemos plantear diferentes esquemas alternativos de descomposición de una serie temporal: ADITIVO:

MULTIPLICATIVO:

MIXTO:

Predicción por descomposición de series

Descomposición de series: Generalmente, el proceso de descomposición de una serie se realiza, en el enfoque clásico, mediante un proceso secuencial de identificación y separación de componentes. Por regla general el orden en el que se van identificando los sucesivos componentes es el siguiente (para estructura aditiva): Estacionalidad Tendencia Ciclo Componente irregular Predicción por descomposición de series

Desestacionalización: Proceso de eliminación del componente estacional de una serie. Es frecuente antes de aplicar un proceso de desestacionalización realizar un análisis de LABORALIDAD y efecto PASCUA (Semana Santa) LABORALIDAD: Corrección de los datos originales en función del número de días laborables de cada mes. Efecto PASCUA: Corrección que se aplica a los meses de Abril o Marzo en función de las fechas de Semana Santa. A las series de las que se han eliminado estos efectos se les denomina SERIES CORREGUIDAS DE CALENDARIO. Predicción por descomposición de series

Desestacionalización: Métodos alternativos:

Diferencias sobre la media móvil Ratios sobre la media móvil X-11 /X-11 ARIMA / X-12 Métodos basados en el Proceso Generador de Datos y Análisis en el dominio de las frecuencias (TRAMO/SEATS)

Predicción por descomposición de series

Desestacionalización: Media móvil: Transformación de la serie original en la que las nuevas observaciones para cada periodo son un promedio de las observaciones originales. El orden de la media móvil indica el número de observaciones a promediar. Con ?=0,5 para r=-6 y +6 y ?=1 resto Con ?=0,5 para r=-2 y +2 y ?=1 resto Predicción por descomposición de series

Desestacionalización: DIFERENCIAS SOBRE LA MEDIA MÓVIL (Aditivo) Paso 1: Calcular la media móvil centrada de orden 12 para series mensuales y 4 para series trimestrales. Paso 2: Calcular las diferencias de la serie original y la media móvil Paso 3: Calcular los índices de estacionalidad para cada periodo m (1 a 12 en mensual y 1 a 4 en trimestres) por promedio de la serie de diferencias. Predicción por descomposición de series

Desestacionalización: DIFERENCIAS SOBRE LA MEDIA MÓVIL (Aditivo) Paso 4: Reponderar los índices de estacionalidad para que sumen 0. Paso 4: Calcular la serie desestacionalizada Y1t por diferencias entre la serie original y los índices de estacionalidad. Predicción por descomposición de series