5 Aplicación Del Ajuste Estacional

APLICACIÓN DEL AJUSTE
ESTACIONAL
UNIDAD 2 SERIES DE TIEMPO
a = 44708,33 – (6,5*3412,13)
b = 3412,13 a = 22529,48
El modelo de variación estacional, estacionaria o cíclica, permite
determinar el pronóstico cuándo existen fluctuaciones periódicas
de la serie de tiempo, esto generalmente como resultado de la
influencia de fenómenos de naturaleza económica, como por
ejemplo: las temporadas de ventas.
Ahora bien, el modelo de variación estacional en su forma

más simple, no considera la posibilidad de que dicho
comportamiento estacional de la demanda, también se vea
afectado por una tendencia creciente o decreciente, algo que
se ajusta más a la práctica.
Para estos casos se aplica el modelo de variación estacional con

tendencia.
CONCEPTO
El modelo de variación estacional con tendencia es un modelo óptimo
para patrones de demanda que presenten un comportamiento cíclico y
que a su vez presentan una tendencia,
Debido a que la mayoría de las series de tiempo son demasiado cortas para la
identificación de una tendencia, el ciclo y la tendencia se estiman
conjuntamente y se denominan tendencia–ciclo
Además, en el caso de las series de tiempo económicas, la mayoría de los

indicadores también están vinculados, directa o indirectamente, a una actividad
diaria que generalmente se resume y registra cada mes o cada trimestre.
En este caso, el número de días hábiles, que varía de un mes a otro de forma casi
predeterminada, puede explicar algunos movimientos a corto plazo en las series
de tiempo. Asimismo, otros efectos como días festivos o eventos religiosos también
pueden afectar la serie.
Estos efectos constituyen el componente de calendario

(COMPONENTE DE CALENDARIO: {Ct}): Recoge la incidencia de las diferencias en la
composición del calendario, referida, al número de veces que un determinado día de
la semana (lunes, martes, etc.) se presenta dentro de un mes o al número de días
feriados de un mes en particular. Dentro de este componente también se incluye el
efecto derivado de las festividades móviles, como la Semana Santa, y al efecto
derivado del día extra que se tiene en los febreros bisiestos
Si suponemos los componentes mutuamente
independientes obtenemos el modelo de
descomposición de una serie de tiempo
aditivo:
Donde Yt denota la serie de tiempo,

Tt la tendencia-ciclo,
Et la estacionalidad,
IT el componente irregular y
CT el componente de calendario.
Si existe dependencia entre las componentes,

entonces se obtiene el modelo de
descomposición multiplicativo:
Donde ahora el componente estacional e irregular son expresados en términos de la

tendencia-ciclo. Empíricamente se ha observado que para la mayoría de las series
económicas (en niveles) la descomposición multiplicativa es más apropiada
OBJETIVO
El objetivo principal del ajuste estacional es remover las variaciones estacionales
y los efectos de calendario (frecuencia de días y días festivos móviles). Lo
anterior con el fin de estandarizar las series económicas dejando sólo el reflejo
de las variaciones ocasionadas por la tendencia-ciclo y el componente irregular
De esta forma, la serie desestacionalizada se obtiene, en un
modelo de descomposición multiplicativo, mediante el cociente
de la serie original entre el factor estacional y el factor de
calendario:
Así, el ajuste estacional es una técnica de

análisis que estima y luego elimina de una serie
las influencias que son sistemáticas y
relacionadas con el calendario, dejando
únicamente una estimación de lo «nuevo» de
la serie (cambio en la tendencia, ciclo y
componente irregular)
Bell y Hillmer [6] sugirieron que el ajuste estacional tiene tres propósitos principales:
1. Para ayudar en el pronóstico a corto plazo de las series de tiempo.
2. Para ayudar a relacionar las series de tiempo con otras series o eventos
extremos.
3. Para permitir realizar comparaciones de la series mes a mes (o trimestre a

trimestre).
En particular, el último punto es de gran importancia para el análisis de los

indicadores económicos de coyuntura ya que permite analizar mucho mejor el
cambio de los indicadores en el margen (en el corto plazo) y así tomar decisiones
más oportunas
EJEMPLO
DETERMINE EL PRONOSTICO DE LA DEMANDA PARA EL AÑO 4 MEDIANTE EL

MODELO DE VARIACION ESTACIONAL CON TENDENCIA
MESES DEMANDA
2019 2020 2021
ENE-FEB 360 360 420
MAR-ABR 190 180 170
MAY-JUN 220 290 280
JUL-AGO 210 230 330
SEP-OCT 240 300 360
NOV-DIC 80 170 150
https://www.youtube.com/watch?v=JDyhiGowdoI

5 Aplicación Del Ajuste Estacional

Cargado por

Copyright:

Formatos disponibles

5 Aplicación Del Ajuste Estacional

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

5 Aplicación Del Ajuste Estacional

Cargado por

Copyright:

Formatos disponibles

APLICACIÓN DEL AJUSTE

Ahora bien, el modelo de variación estacional en su forma

Para estos casos se aplica el modelo de variación estacional con

Además, en el caso de las series de tiempo económicas, la mayoría de los

Estos efectos constituyen el componente de calendario

Donde Yt denota la serie de tiempo,

Si existe dependencia entre las componentes,

Donde ahora el componente estacional e irregular son expresados en términos de la

Así, el ajuste estacional es una técnica de

1. Para ayudar en el pronóstico a corto plazo de las series de tiempo.

3. Para permitir realizar comparaciones de la series mes a mes (o trimestre a

En particular, el último punto es de gran importancia para el análisis de los

DETERMINE EL PRONOSTICO DE LA DEMANDA PARA EL AÑO 4 MEDIANTE EL

NOV-DIC 80 170 150

También podría gustarte