Análisis de pronósticos/series temporales

Una serie de tiempo es una secuencia de observaciones indexadas en el tiempo. El análisis de series de tiempo describe cómo cambia esa secuencia, separa la estructura recurrente de la variación irregular y, cuando corresponde, pronostica valores futuros con incertidumbre cuantificada.

Cuándo usarlo

Utilice el análisis de series temporales cuando el orden y el espaciamiento de las observaciones sean importantes, por ejemplo, demanda diaria, ingresos mensuales, uso de energía por hora o un valor de cierre del mercado. El método puede describir tendencias, estacionalidades, ciclos, cambios abruptos y dependencia entre las observaciones actuales y anteriores.

Puede admitir preguntas como:

• ¿Cómo podría evolucionar el desempeño económico o empresarial en los próximos meses?
• ¿Qué volumen de producción e inventario se pueden necesitar?
• ¿Un movimiento reciente es una variación estacional normal o una ruptura estructural?
• ¿Qué tan incierto es el pronóstico y qué decisiones son sensibles a esa incertidumbre?

Utilice otro diseño cuando haya muy poca historia, el proceso haya cambiado fundamentalmente o el objetivo principal sea estimar el efecto causal de una intervención.

Orígenes

Métodos de series temporales desarrollados en astronomía, economía, procesamiento de señales y estadística. Los primeros investigadores estudiaron tendencias, periodicidad y correlación serial; trabajos posteriores formalizaron procesos autorregresivos y de media móvil. George Box y Gwilym Jenkins integraron la identificación, estimación, verificación de diagnóstico y pronóstico de modelos en un influyente flujo de trabajo práctico. El análisis contemporáneo incluye suavizado exponencial, modelos de espacio de estados, regresión dinámica y enfoques de aprendizaje automático, pero se mantiene la misma disciplina: respetar el orden temporal y validar pronósticos a partir de la muestra.

Qué es

El análisis de series temporales trata las observaciones como potencialmente dependientes y no intercambiables. Un valor actual puede estar relacionado con valores recientes, posiciones estacionales, variables externas y shocks.

Una descomposición útil distingue:

nivel:

la línea base actual de la serie;

tendencia:

movimiento sostenido en el tiempo;

estacionalidad:

un patrón que se repite en un calendario o frecuencia operativa conocida;

ciclo:

movimiento más amplio sin un período estacional fijo;

variación irregular:

golpes, ruido y error de medición.

Los pronósticos extrapolan la estructura aprendida bajo supuestos explícitos. Son estimaciones condicionales, no predicciones de que el futuro repetirá exactamente el pasado.