Breve introducción a las series de tiempo

Hoy en día, el mercado y la industrial en general, requiere de técnicas matemáticas y estadísticas que le permitan conocer el comportamiento de sus productos o servicios a través del tiempo. Por tal razón, las series de tiempo se emplean en las empresas a nivel de negocio con el fin de planificar, prever o prevenir, y de esta forma se puedan tomar decisiones tempranas.

Definir las series de tiempo a veces no es tan están fácil, por tal razón, Villavicencio nos da una definición más sencilla: “una serie de tiempo es una secuencia de observaciones, medidos en determinados momentos del tiempo, ordenados cronológicamente y espaciados entre sí de manera uniforme” (p.1)

Teniendo en cuenta lo anterior, las series de tiempo lo podemos ver, por ejemplo: para conocer el precio de un artículo, tener proyecciones de la tasa de empleo y desempleo, la tasa de inflación, tasa de mortalidad infantil por año, entre otras aplicaciones.

Para tener éxito en crear una serie de tiempo se debe contar con una metodología para el modelamiento. Por ejemplo, para modelos ARIMA, Box y Jenkins desarrollaron su metodología para lo cual tienen en cuenta la dependencia existente entre los datos en el tiempo, lo que significa es que, cada observación en el tiempo se puede modelar en función de los valores anteriores. Para esto, la metodología de Box y Jenkins recomienda como mínimo entre 50 y 100 observaciones en la serie temporal para tener un buen modelo.

Sin embargo, para tener un modelo en series de tiempo, hay que tener en cuenta los pasos generales para su modelamiento, los cuales son:

1. Identificación

En esta fase, verificamos si la serie es estacionaria, si es así entonces se determina los parámetros para el modelo, en caso contrario se debe realizar una transformación de la serie para convertirla en estacionaria.

2. Estimación

En esta fase, se realiza la estimación de los parámetros del modelo.

3. Chequeo

Se realiza una pregunta de negocio, ¿Es el modelo adecuado? Si es así entonces seguimos a la siguiente fase de predicción, en caso contrario entonces debemos volver a la fase uno.

4. Predicción

Por último, se realiza la obtención de las predicciones con el modelo, en este punto debemos asegurarnos de que el modelo haga las predicciones de forma satisfactoria, en caso de no serlo entonces se deberá volver a la fase uno.

Teniendo en cuenta las fases anteriormente mencionadas podemos tener un buen modelo que nos permita tener el pronóstico deseado, sin embargo, el éxito dependerá de la calidad de los datos y la metodología empleada. Espero que esta breve introducción te de una noción sobre lo que son las series de tiempo.

Bibliografía

Villavicencio, J. (2014). Introducción a series de tiempo. Recuperado de: http://www.estadisticas.gobierno.pr/iepr/LinkClick.aspx?fileticket=4_BxecUaZmg%3D