Métodos para hacer pronósticos de las series de tiempo

Métodos para hacer pronósticos de las series de tiempo:

Una serie de tiempo es una lista de fechas, cada una de las cuales se asocia a un valor (un número). Las series de tiempo son un modo estructurado de representar datos. Visualmente, es una curva que evoluciona a lo largo del tiempo. Por ejemplo, las ventas diarias de un producto pueden representarse como una serie de tiempo.

En el sector minorista o en el de manufactura, las series de tiempo son importantes porque son las representaciones más canónicas del flujo de artículos vendido o producido. La representación de datos comerciales como series de tiempo generalmente ayuda a los encargados a visualizar la actividad de sus comercios.

Ejemplo de series de tiempo

El gráfico que se encuentra arriba representa, como dos series de tiempo agregadas mensualmente, la actividad de búsqueda en la red en Estados Unidos de dos expresiones: cloud computing y asp.net mvc.

Pronóstico de series de tiempo

El pronóstico de las series de tiempo significa que extendemos los valores históricos al futuro, donde aún no hay mediciones disponibles. El pronóstico se realiza generalmente para optimizar áreas como los niveles de inventario, la capacidad de producción o los niveles de personal.

Existen dos variables estructurales principales que definen un pronóstico de serie de tiempo:

• El período, que representa el nivel de agregación. Los períodos más comunes son meses, semanas y días en la cadena de suministro (para la optimización del inventario). Los centros de atención telefónica utilizan períodos de cuartos de hora (para la optimización del personal).

• El horizonte, que representa la cantidad de períodos por adelantado que deben ser pronosticados. En la cadena de suministro, el horizonte es generalmente igual o mayor que el tiempo de entrega.

Luego, existen algunas sutilezas relacionadas con la definición del período mismo, principalmente debido a irregularidades del calendario. Por ejemplo, uno puede decidir que la agregación mensual comienza el día N de cada mes (en lugar del 1.º), pero si N es mayor que 28, causa problemas porque no todos los meses tienen más de 28 días.

La solución de Lokad: ofrecemos pronóstico de series de tiempo como un servicio. Existen diferentes métodos para el pronóstico de las series de tiempo; Lokad utiliza métodos puramente estadísticos. Visite nuestra página sobre la tecnología de pronóstico para más información.

Propósitos, promedios móviles, suavizamiento exponencial y modelos autorregresivos:

Aunque existen más métodos para pronosticar, por simplicidad presentamos solamente dos, que consideramos los más usuales y sencillos de llevar a cabo.

• Promedios Móviles

• Suavización Exponencial

Estos métodos pueden utilizarse cuando:

a) Hay información disponible de la variable(s) que se está pronosticando.

b) La información puede ser cuantificada.

c) Si se considera razonable que el patrón de comportamiento del pasado continuará en el futuro. Si se cuenta con una base de datos histórica y se quiere pronosticar una variable considerando su comportamiento pasado, entonces podemos utilizar el método de promedios móviles o el método de suavización exponencial, que son conocidos también como métodos de series de tiempo.

El método de pronóstico móvil simple 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. 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.

Método de Promedios Móviles

La utilización de esta técnica supone que la serie de tiempo es estable, esto es, que los datos que la componen se generan sin variaciones importantes entre un dato y otro (error aleatorio=0)2, esto es, que el comportamiento de los datos aunque muestren un crecimiento o un decrecimiento lo hagan con una tendencia constante.

Cuando se usa el método de promedios móviles se está suponiendo que todas las observaciones de la serie de tiempo son igualmente importantes para la estimación del parámetro a pronosticar (en este caso los ingresos). De esta manera, se utiliza como pronóstico para el siguiente periodo el promedio de los n valores de los datos más recientes de la serie de tiempo. Utilizando una expresión matemática, tenemos:

El término móvil indica que conforme se tienen una nueva observación de la serie de tiempo, se reemplaza la observación más antigua de la ecuación y se calcula un nuevo promedio. El resultado es que el promedio se moverá, esto es, conforme se tengan nuevos datos y se vayan sustituyendo en la fórmula, el valor del promedio irá modificándose.

No existe una regla específica que nos indique cómo seleccionar la base de la promedio móvil n Si la variable que se va a pronosticar no presenta variaciones considerables, esto es, si su comportamiento es relativamente estable en el tiempo, se recomienda que el valor de n sea grande. Por el contrario, es aconsejable un valor de n pequeño si la variable muestra patrones cambiantes. En la práctica, los valores de n oscilan entre 2 y 10.

El método de promedios móviles es muy útil cuando se tiene información no desagregada y cuando no se conoce otro método más sofisticado y que permita predecir con mayor confianza.

Suavización Exponencial

Otro método para realizar un pronóstico es el método de suavización exponencial. A diferencia de los promedios móviles, este método pronostica otorgando una ponderación a los datos dependiendo del peso que tengan dentro del cálculo del pronóstico. Esta ponderación se lleva a cabo a través

...