2.7 Pronósticos Basados en Factores de Tendencia y Estacionales

2.7 PRONÓSTICOS BASADOS EN FACTORES DE TENDENCIA Y ESTACIONALES 

Introducción

Como se indicó anteriormente el primer pasó en un análisis de series de tiempo, consiste en graficar los datos y observar sus tendencias en el tiempo. Primero debe determinarse si parece haber un movimiento hacia arriba o hacia abajo a largo plazo en la serie (una tendencia) o si la serie parece oscilar alrededor de una recta horizontal en el tiempo. En este caso (es decir, no hay tendencia positiva o negativa a largo plazo. Los métodos que pueden emplearse son:

para suavizar nuestros datos usualmente

a) El método de promedios móviles El método de pronóstico móvil se móvil se utiliza cuando se quiere dar más importancia a conjuntos de datos más recientes para obtener la previsión. Cada punto de una media móvil de una serie temporal es la media aritmética de un número de puntos consecutivos de la serie, donde el número de puntos es elegido de tal manera que los efectos estacionales y / o irregulares sean eliminados. ¿Cuándo utilizar un pronóstico de promedio móvil? El pronóstico de promedio móvil es óptimo para patrones de demanda aleatoria o nivelada donde se pretende eliminar el impacto de los elementos irregulares históricos mediante un enfoque en períodos de demanda reciente.

b) El método de suavización exponencial En el método de suavización o suavizamiento exponencial se calcula el promedio de una serie de tiempo con un mecanismo de autocorrección que busca ajustar los pronósticos en dirección opuesta a las desviaciones del pasado mediante una corrección que se ve afectada por un coeficiente de suavización.  Así entonces, este modelo de pronóstico precisa tan sólo de tres tipos de datos: el pronóstico del último período, la demanda del último período y el coeficiente de suavización.

¿Cuándo utilizar un pronóstico de suavización exponencial simple? El pronóstico de suavización exponencial es óptimo para patrones de demanda aleatorios o nivelados donde se pretende eliminar el impacto de los elementos irregulares históricos mediante un enfoque en períodos de demanda reciente, este posee una ventaja sobre el modelo de promedio móvil ponderado ya que no requiere de una gran cantidad de períodos y de ponderaciones para lograr óptimos resultados.

 

Conclusión

El objetivo de ambos métodos es el de “emparejar” la serie y proporcionar un panorama global a largo plazo. Por otro lado, si de hecho existe una tendencia, se pueden aplicar varios métodos de pronóstico de series de tiempo al manejar datos anuales, y otro método para los datos de series de tiempo mensual o trimestral.