Variacion Estacional

VARIACIÓN ESTACIONAL

Patrones de cambio en una serie de tiempos en una año. Tales patrones tienden a repetirse cada año. El componente estacional se refiere a un patrón de cambio que se repite a si mismo año tras año. En el caso de las series mensuales, el componente estacional mide la variabilidad de las series de enero, febrero, etc. En las series trimestrales hay cuatro elementos estaciónales, uno para cada trimestre. La variación estacional puede reflejar condiciones de clima, días festivos o la longitud de los meses del calendario.

Movimientos estacionales o variaciones estacionales.

Se refieren a las fluctuaciones periódicas que se observan en series de tiempo cuya frecuencia es menor a un año (trimestral, mensual, diaria, etc.), aproximadamente en las mismas fechas y casi con la misma intensidad. Por ejemplo, el mayor monto de recaudación del Impuesto a la Renta se observa en el mes de marzo de todos los años o la mayor brecha entre el tipo de cambio de compra y venta se produce los días viernes década semana o la mayor cotización de los títulos que se mueven en la Bolsa de Valores de Lima se observa diariamente entre las 11 a.m. y 12 m.

Las variaciones estacionales, como veremos, responden fundamentalmente a factores relacionados al clima, lo institucional o las expectativas y no a factores de tipo económico. En el Gráfico no se observa ningún movimiento estacional, puesto que se trata de una serie anual.

Las principales fuerzas que causan una variación estacional son las condiciones del tiempo, como por ejemplo:

1) En invierno las ventas de helado

2) En verano la venta de lana

3) Exportación de fruta en marzo.

Todos estos fenómenos presentan un comportamiento estacional (anual, semanal, etc.)

Figura 1.3

VARIACIÓN IRREGULAR

El componente aleatorio mide la variabilidad de las series de tiempo después de que se retiran los otros componentes. Contabiliza la variabilidad aleatoria en una serie de tiempo ocasionada por factores imprevistos y no ocurrentes. La mayoría de los componentes irregulares se conforman de variabilidad aleatoria. Sin embargo ciertos sucesos a veces impredecibles como huelgas, cambios de clima (sequías, inundaciones o terremotos), elecciones, conflictos armados o la aprobación de asuntos legislativos, pueden causar irregularidad en una variable.

Movimientos irregulares o al azar o ruido estadístico. Si bien pueden ser generados por factores de tipo económico, generalmente sus efectos producen variaciones que solo duran un corto intervalo de tiempo. Aunque debe reconocerse que en ocasiones sus efectos sobre el

comportamiento de una serie pueden ser tan intensos que fácilmente podrían dar lugar a un nuevo ciclo o a otros movimientos. Un claro ejemplo de esto es el efecto del shock de precios de agosto de 1990 sobre el comportamiento de la inflación.

Al analizar una serie de tiempo es necesario, entonces, tener en consideración el comportamiento de cada uno de estos componentes. Para ello el criterio mas lógico a seguir es aislarlos secuencialmente partiendo de la serie original para luego analizarlos de manera individual. Si bien esto supone la utilización de m‚todos estadísticos adecuados, que mas adelante veremos, la mejor forma de apreciarlos es a través de su observación visual.

a) Detectar Outlier: se refiere a puntos de la serie que se escapan de lo normal. Un outliers es una observación de la serie que corresponde a un comportamiento anormal del fenómeno (sin incidencias futuras) o a un error de medición.

Se debe determinar desde fuera si un punto dado es outlier o no. Si se concluye que lo es, se debe omitir o reemplazar por otro valor antes de analizar la serie.

Por ejemplo, en un estudio de la producción diaria en una fabrica se presentó la siguiente situación ver figura 1.1:

Figura 1.1

Los dos puntos enmarcados en un círculo parecen corresponder a un comportamiento anormal de la serie. Al investigar estos dos puntos se vio que correspondían a dos días de paro, lo que naturalmente afectó la producción en esos días. El problema fue solucionado eliminando las observaciones e interpolando.

El ultimo paso es ajustar los cocientes medios modificados con un factor decorrección tal que la suma de los 12 cocientes mensuales sea 1200 (o de 400 en el casode cuatro cocientes trimestrales).

Aplicación de ajustes estacionales

Una aplicación frecuente de índices estacionales es la de ajustar datos de serie detiempo observados para eliminar la influencia del componente estacional en ellos; sellaman datos con ajuste estacional. Los ajustes estacionales son particularmente pertinentes cuando se desea comparar datos de diferentes meses para determinar si hatenido lugar un incremento (o decremento) en relación con las expectativas estacionales.Los valores de serie de tiempo mensuales (o trimestrales) observados se ajustanrespecto de la influencia estacional dividiendo cada valor entre el índice mensual (otrimestral) de ese mes. El resultado se multiplica luego por 100 para mantener la posición decimal de los datos originales. El proceso de ajuste de datos en relación con lainfluencia de variaciones estacionales puede representarse como:Formula

nº6

Pronósticos basados en factores de tendencia y estacionales

La ecuación de tendencia lineal constituye un punto de partida para pronósticosa largo plazo de valores anuales. Sin embargo, una consideración particularmenteimportante en los pronósticos a largo plazo es el componente cíclico de las series detiempo. No existe un método estándar para pronosticar

...