PROMEDIOS MOVILES

Los mtodos de pronstico son por su misma definicin herramientas para cuantificar fenmenos
para desarrollar metodologas para la toma de decisiones. Estas decisiones son eventos que se
hacen presentes en las empresas y actividades comerciales diariamente. La toma de decisiones no
es un proceso fcil siempre esta presente el costo de oportunidad, donde se sacrifica un elemento
para tomar otro curso de accin. Tomando en cuenta esta situacin debemos preguntarnos a
nosotros mismos: cmo podemos tomar decisiones si apenas conocemos parte de las variables?,
qu nos permite tomar la mejor decisin, la decisin de mayor rendimiento y menor riesgo?
Por medio de los mtodos de pronstico podemos poner fenmenos financieros y comerciales en
trminos matemticos, los cuales nos permiten ver las cosas desde las perspectivas adecuadas y
bajos trminos directamente aplicados al caso, para finalmente tomar una decisin que permita
tanto la eficiencia econmica como tcnica en las empresas. Especficamente, los Promedios
Mviles sern el objetivo de esta investigacin. Se dice que los promedios mviles reflejan el
comportamiento promedio de un fenmeno a travs de un cierto periodo. Este mtodo considera la
media de no todos los datos, sino slo los ms recientes, dependiendo eso si del marco de tiempo
del fenmeno, por ejemplo de 2 o de 89 das.
Para efectos de esta investigacin no solo discutiremos los modelos matemticos del promedio
mvil y el uso de las series de Fibonacci, sino su graficacin e interpretacin dentro de los
mercados de acciones, como el N.Y.S.E. y N.A.S.D.A.Q., ndices burstiles, como el Dow Jones &
SP 500, y los mercados de divisas Forex.

CURSO DE FOREX: ESTRATEGIAS FX

Los secretos de cmo hacer dinero en el Forex (mercado
internacional de divisas)
Quiere Aprender Forex?
Clic aqu para ver ms informacin, costos y para matricularse.

El Problema de los mercados financieros

En los mercados financieros (monedas, acciones y bonos) cada da se vuelven ms difciles de
predecir, para poder aprovechar oportunidades de sobre-compra o sobre-venta para hacer
inversiones rentables. Esto se debe en buena medida a la o especulacin que se da en estos
mercados.
Durante los ltimos aos una ha surgido una ciencia matemtica, conocida como Anlisis
Tcnico, que por medio de los modelos de probabilidad y estudio de los precios pasados busca
poder predecir los movimientos del futuro.

Antecedentes del anlisis tcnico

En la industria de los mercados financieros existen diferentes tcnicas, las cuales aplican modelos
matemticos. A un cierto conjunto de tcnicas en particular se les llama Anlisis Tcnico. El Anlisis
Tcnico consiste en el estudio de los precios y figuras pasados de un evento, esto en funcin de
determinar patrones para poder predecir, en trminos de probabilidad, el comportamiento del futuro
y, por ende, tomar las decisiones apropiadas.
El enfoque del Anlisis Tcnico se basa en tres principios fundamentales:
1) Los Movimientos del Mercado lo Descuentan Todo. Este principio se refiere a la teora donde
los movimientos econmicos, polticos y sociales que influyen directamente en el sentimiento de
mercado (oferta y demanda) son descontados por el mercado, o sea, son reflejados en el grfico o
lnea de precios.
2) Los Precios se Mueven en Tendencias. El concepto de tendencia es absolutamente esencial
para el enfoque tcnico. El nico propsito de la representacin grfica de los movimientos de
precios de las monedas y otros fenmenos es identificar las tendencias presentes, con el fin de
especular en la direccin correcta, para una transaccin exitosa. En su totalidad el enfoque del
seguimiento de tendencias se basa en seguirlas hasta que muestren seales de un cambio.
3) La Historia se Repite. Una gran parte del Anlisis Tcnico y del estudio de los movimientos
tiene que ver con el estudio de la psicologa humana. Otra manera de expresar esta premisa (que
la historia se repite) es que la clave para comprender el futuro est en el estudio del pasado, o que
el futuro es solamente una repeticin del pasado.
Graficacin de los Promedios Mviles
Se partir de un ejemplo sencillo de promedios mviles, para poder entender cmo estos se
grafican. Suponga que se tiene la serie Yt para 12 periodos y se calcula el pronstico Yt usando
promedios mviles de 3 periodos. En este ejemplo estamos formulando un promedio mvil a los
ltimos 3 das. Para graficar este fenmeno utilizamos en plano Y y X. Donde X es la variable t o
tiempo y Y la variable precio. Adems necesitamos graficar las lneas de valores Yt junto con el
promedio mvil.
T

Yt

Yt (N= 3)

42

52

54

65

49,3

51

57,0

64

56,7

67

60,0

53

60,7

66

61,3

10

68

62,0

11

58

62,3

12

67

64,0

Existen casos especialmente en los mercados financieros donde las muestras para esta tcnica
son enormes. Generalmente estos se calculan en das los cuales se desglosan en periodos de 5,
15, 30 minutos, hasta 1 hora, 4 horas y un da. Existe software que realiza estos clculos por
nosotros como el Metatrader y el E-Signal.
Aplicacin de los Promedios Mviles
Los promedios mviles indican el promedio del precio en un punto determinado de tiempo sobre un
perodo de tiempo definido. Se llaman promedios mviles ya que reflejan el ltimo promedio,
mientras que se toma en cuenta la misma medida de tiempo. El promedio mvil, sin embargo, es
un indicador retrasado, por lo tanto no indica necesariamente un cambio en la tendencia en los
precios o comportamiento de un fenmeno. Los promedios mviles tienen la versatilidad que estos
pueden ser calculados a los precios de cierre, apertura, precio mximo y precio mnimo en los
determinados periodos de tiempo por da.

Usando el tipo de grafico denominado candelas japonesas podemos ver 4 promedios mviles cada
uno al mismo plazo 25 das, pero calculados a los precios de cierre, apertura, precio mximo y
precio mnimo.
El uso de un perodo ms corto de tiempo, como puede ser un promedio mvil de 5 o 10 das
reflejara mejor la accin de los precios ms recientes que un promedio mvil de 40 o 200 das.
Alternativamente, los promedios mviles pueden ser utilizados combinando dos promedios de
perodos de tiempo definidos. Aunque use promedios mviles de 5 o 20 das o promedios mviles
de 40 o 200 das, las seales de compra son generadas cuando el promedio a corto plazo o
promedio rpido cruza por encima del promedio a largo plazo o promedio lento. Las seales de
venta son generadas cuando el promedio ms corto cae por debajo del ms largo.

Este grafico representa el ndice burstil de los Estados Unidos Standard & Poors 500 que refleja
las 500 empresa ms slidas de los Estados Unidos del Sector Servicios. El uso de dos promedios
se utiliza para observar oportunidades de venta y compra, en este caso observamos dos
promedios mviles, uno a 20 das (lnea verde) y el otro a 200 das (lnea rojiza).
Desde Agosto del 2004 vemos como el promedio a 20 das o de corto plazo est por debajo del
promedio a largo plazo o el de 200 das, y no es sino hasta noviembre del 2004 cuando hay un
cruce de los promedios, lo cual indic un momemtum hacia una nueva tendencia alcista. Los
promedios no se vuelven cruzar indicando la perseverancia de la tendencia alcista.
El mtodo ms popular de interpretar un promedio mvil es comparar la relacin entre el promedio
mvil de la tasa de cambio del instrumento financiero. Una seal de compra es generada cuando la
lnea de precios aumenta por encima de su promedio mvil y una seal de venta es generada
cuando la lnea de precios cae por debajo de su promedio mvil.
En el grafico siguiente tenemos al comportamiento de las acciones de la empresa Lockheed Martin,
smbolo LMT, cuyas acciones se cotizan en la Bolsa de Nueva York o NYSE.

Como podemos observar las acciones de Lockheed Martin desde agosto del 2004 hasta julio del
2005, y podemos observar que la accin est en una tendencia alcista. La lnea representada con
el color rojizo es un promedio mvil a 50 das al precio de cierre. Observemos que cuando hay
cruces entre la lnea de precios de la accin y el promedio mvil se generan seales de venta o
compra, como la seal de compra (la lnea de precios cruza el promedio de abajo hacia arriba) que
se genera a finales de octubre del 2004 o la seal de venta a finales de diciembre del 2004.
Los promedios mviles tambin son herramientas para determinar las tendencias a largo plazo.
Utilizando dos o ms promedios a largo plazo podemos ver la tendencia.

En este grafico refleja el comportamiento del Euro frente al Dlar desde mayo hasta el 18 de julio
del 2005. En este caso en particular utilizamos periodos de 4 horas, esto significa que el clculo
para el promedio mvil debe realizarse 6 veces por cada da. Para este caso el particular se utilizan
los promedios mviles para ver la tendencia al mediano plazo del par EUR/USD. Se utilizan dos
promedios exponenciales donde el Alfa es 0.1 a 89 das (corto plazo), uno al precio promedio
mximo y el otro al precio mnimo promedio, representados por las lneas color turquesa. Dos
promedios exponenciales a 144 das (largo plazo), uno al precio promedio mximo y el otro al
precio mnimo promedio, representados por las lneas color rojo.
Evidentemente podemos observar que las lneas rojas estn por arriba de las lneas turquesa,
indicando una tendencia bajista del Euro ante el Dlar. En el caso contrario donde las lneas
turquesa estn por arriba de las rojas se puede concluir que existe una tendencia alcista del Euro
ante el Dlar como lo muestra el grfico inferior.

Este grfico nos muestra un periodo desde el 26 de noviembre del 2004 hasta el 2 de febrero del
2005. Donde el Euro alcanz un mximo frente al dlar (lneas turquesa por arriba de las lneas
rojas) y despus se revirti la tendencia, lo cual confirma el cruce de los promedios mviles.
Promedio Mvil Simple y Promedio Mvil Suavizado Exponencialmente
Un promedio mvil simple o aritmtico es calculado como la suma de un nmero predeterminado
de precios por un cierto nmero de perodos de tiempo (n), dividido por el nmero de perodos de
tiempo. El resultado es el precio promedio en dicho perodo de tiempo. Los promedios mviles
simples emplean la misma ponderacin para los precios. Es calculado usando la siguiente frmula:
Promedio Mvil Simple = SUMA (precios de cierre) / n
donde n es el nmero de perodos por da por el numero de das.
Un promedio mvil exponencial (o suavizado exponencialmente) es calculado aplicando un
porcentaje del precio de cierre, apertura, mximo o mnimo de hoy al valor del promedio mvil de
ayer. Este es el ms preferido ya que asigna mayor ponderacin a los datos ms recientes, y
considera los datos en la vida entera del instrumento. Naturalmente cuanto ms antiguo se vuelve
el precio, menos ponderacin se le asigna.

Como indicador de corto plazo los promedios mviles exponenciales resultan ms tiles. Este
grfico refleja el comportamiento de la Libra Esterlina frente al Dlar GBP/USD, desde el 21 al 26
de julio del 2005 en periodos de 15 minutos, lo que significa que el clculo se realiza 96 veces por
cada da. La lnea amarilla representa un promedio mvil simple a los precios de cierre de los
ltimos 25 das, la lnea prpura representa lo mismo con la variacin que es un promedio
exponencial, que pondera los precios ms recientes con relacin al da anterior.
Como podemos observar el promedio exponencial es ms sensible a la lnea de precios, ya que
pondera ms los precios ms recientes dando as mayor importancia a las cotizaciones recientes y
menos ponderacin conforme el tiempo pasa, a diferencia del promedio simple.
La Secuencia de Fibonacci
Leonardo de Pisa, a quien se le conoca ms por Fibonacci (o hijo de Bonaccio), era un conocido
mercader de Pisa que tena negocios en el norte de frica. Despus de un viaje a Egipto, en 1202,
public su obra Liber abacci, (Libro del Clculo), en el cual recopil todas las enseanzas que
recogi en sus numerosos viajes al mundo rabe, difundi en el mundo cientfico occidental los
principios de clculo de los rabes.

En la presentacin de su sistema de numeracin, agreg una explicacin de procedimientos

algebraicos y aplicaciones a numerosos problemas. Con este tratado introduce en Occidente el uso
corriente de las cifras llamadas "rabes. En 1220, compuso su Practicae geometricae, que
contiene los comienzos de la trigonometra, y, en 1225, su Liber quadratorum, dedicado al
emperador Federico II. Entre sus trabajos, se encuentra la serie de nmeros llamada serie de
Fibonacci: 0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, , en la cual cada trmino es igual a la suma
de los dos anteriores. La secuencia Fibonacci contiene una correlacin nica entre cada numero de
su secuencia. Cualquier numero es el resultado de la suma de los nmeros anteriores, 5 + 8 = 13,
por ejemplo.
A travs de la secuencia cualquier nmero divido entre el anterior tendr un resultado de 1.618 o
muy similar; ejemplo 55 / 34 = 1.6176. Por otro lado cualquier nmero dividido entre su sucesor
dar el siguiente resultado 0.618 o similar; ejemplo 34 / 55 = 0.618. Finalmente si se divide
cualquier numero entre el primer y segundo nmero subsiguiente obtendremos estos resultados;
34 / 89 = 0.38 y 34 / 144 = 0.23. Estos valores son constantes siguiendo las reglas durante toda la
secuencia. Finalmente obtenemos tres valores bsicos: 61.8 %, 50%, 38% y un 23%. Estos valores
reflejan niveles de retroceso donde un fenmeno natural o hecho por el hombre puede descansar
antes de continuar o retroceder.
La sucesin de Fibonacci aparece constantemente en la naturaleza: en las escamas de una pia
(aparecen en espiral alrededor del vrtice en nmero igual a los trminos de la sucesin) y en las
pias de girasol (que forman una red de espirales, unas van en el sentido de las agujas del reloj y
otras en el contrario, pero siempre las cantidades de unas y de otras son los trminos consecutivos
de la sucesin en cuestin). Tambin se presenta en casi todos los fenmenos del universo desde
las espirales de las galaxias hasta las pirmides de Egipto. Sin embargo solo recientemente esta
teora ha adquirido popularidad en la industria de los mercados financieros como un mtodo para
determinar movimientos y toma de decisiones, ya que el sentimiento de mercado, oferta y
demanda es determinado por personas que toman decisiones con base en sus emociones y
pensamientos; en otras palabras es ms un fenmeno de origen natural que financiero.

En este grfico podemos ver la exactitud de los niveles de retroceso Fibonacci. Este grfico refleja
el comportamiento del Euro frente al Dlar desde el 16 de junio hasta el 27 de julio del 2005. A
principios del 5 de julio el Euro se cotizaba a 1.1869 dlares por Euro, y hubo un movimiento alcista
del mercado donde el Euro se apreci en valor hasta alcanzar un mximo de 1.2250 dlares por
Euro. La lnea azul diagonal represente el inicio significativo del fenmeno hasta su punto mximo
y las lneas prpura representan los niveles de retroceso Fibonacci del 100% (final del evento),
61.8 %,50 % 38.2 %, 23.6 % y finalmente el 0% o el punto donde inicia el evento.
Los niveles de retroceso Fibonacci se utilizan en las grficas de las acciones o monedas para
determinar soportes y resistencias. Las resistencias son puntos mximos del mercado donde un
instrumento financiero alcanza un mximo de precio, disminuyendo la demanda y estabilizando el
precio, es decir este no aumentar ms. Estas resistencias pueden ser tcnicas o psicolgicas. Un
ejemplo de resistencia se observa en el grfico superior, donde 1.2250 es un punto de resistencia
para el Euro, como podemos ver durante este periodo de tiempo ha alcanzado este punto de dos
ocasiones sin sobrepasarlo.
Por otro lado los soportes son precios de mercado muy bajos donde los oferentes o vendedores no
estn ya dispuestos a vender a un precio tan bajo, teniendo como efecto la disminucin de la oferta
lo que produce que los precios no bajen ms. Para efectos del grfico podemos observar como el
precio de 1.1960 ha servido de soporte en los ltimos periodos del grafico.
Cuando un nivel de resistencia es cruzado, el mercado buscar un nuevo nivel de resistencia y la
resistencia anterior se convierte en un soporte. En el caso de los soportes ocurre lo mismo, un
soporte cruzado se convierte en resistencia. Estos conceptos de soporte y resistencia son
fundamentales para entender la funcin prctica de los niveles Fibonacci.

La utilizacin de los niveles Fibonacci consiste en determinar niveles donde los precios se detienen
para retroceder o continuar la tendencia. Como podemos observar despus del movimiento alcista
al nivel 100%, o 1.2250 el mercado ha retrocedido, o hasta el nivel 50% o 1.2065 sirviendo de nivel
de soporte, donde momentos despus rebot hasta el 61.8% cruzando este nivel de resistencia.
Sin embargo, continu el sentimiento bajista del Euro ante el Dlar hasta sobrepasar el nivel 38.2%
y finalmente terminando en el 23.6% el cual seria un soporte fuerte y difcil de cruzar.
En el nivel 23.6% o 1.1960 los demandantes, aprovechando el precio de la moneda compararon la
misma hasta alcanzar el 100% o 1.2250, sin embargo este precio es un nivel de resistencia fuerte y
los especuladores (que pensaron que el precio iba a subir mas all del 100% o 1.2250) liquidaron
sus rdenes de compra en Euros a ese precio y pusieron rdenes de venta (short selling o vender
en corto) del Euro provocando una cada hasta el 23.6% donde actualmente la moneda volvi la
rebotar hasta el nivel 61.8%.
Los beneficios informticos del Fibonacci son obvios, ya que estos niveles ayudan a identificar
niveles de retroceso para el aprovechamiento de las oportunidades de compra de la moneda o
acciones o venta de las mismas, al igual que determinar mximos y mnimos de precio segn el
sentimiento de mercado de los especuladores. Por ejemplo:

Comprar Euros frente al Dlar EUR/USD a 1.1960 para vender los a liquidar la posicin en
1.2250.

Vender Euros frente al Dlar EUR/USD a 1.2250 para liquidar a 1.1960

Estos ejemplos y otros se pueden formular al ver la relacin de soportes y resistencias y los
diferentes niveles (23%,38%,50% y 61%) dentro de los niveles de retroceso de la secuencia
Fibonacci. Por supuesto esta tcnica puede ser utilizada para medir y ver niveles de retroceso en
cualquier fenmeno que se pueda graficar, ndices de desempleo, PIB, fluctuaciones de precio y
otros.
Algunas conclusiones:

1.

Los Promedios Mviles son instrumentos para determinar no solo el comportamiento de un

instrumento financiero, si no para determinar oportunidades de compra o venta, adems
del estudio de ndices y otros elementos producto del anlisis en las empresas.

2.

Por medio de los promedios mviles podemos determinar las tendencias de los fenmenos
financieros y econmicos.

3.

Existen varios tipos de promedios mviles cada uno con variaciones especficas, por lo
tanto es importante saber cmo utilizar y combinar esta herramienta apropiadamente.

4.

La secuencia Fibonacci es una herramienta considerada una constante en todos los

fenmenos de la naturaleza y creados por el hombre.

5.

Al igual que los promedios mviles la secuencia Fibonacci nos indica oportunidades
ideales para realizar compras o ventas de los instrumentos financieros, ya que es una
herramienta muy exacta y consistente con el sentimiento de mercado.

MEDIA MVIL SIMPLE

6.Pronstico de Demanda con Media Mvil

Simple
7.

por GEO Tutoriales el 23/07/2011 en Proyeccin de Demanda 7

8. El mtodo de Media Mvil Simple es un procedimiento de clculo sencillo

que pertenece a la categora de pronsticos de series de tiempo, es decir,
que utiliza informacin histrica para poder generar un pronstico. Su
aplicacin principal es cuando la demanda real no presenta mayores
variaciones de corto plazo e idealmente no se presenta estacionalidades. En
este contexto muchos productos alimenticios presentan estas caractersticas
y por tanto su aplicacin puede resultar adecuada.
9. La funcin matemtica que permite obtener un pronstico utilizando media
mvil simple es:

10.
11.Donde Ft es el pronstico para el perodo t y At la demanda real para el
perodo t. La constante n determina el nmero de perodos a promediar.

12.

Media Mvil Simple (Ejemplo)

13.En la tabla a continuacin se muestra el procedimiento de pronstico de

demanda con media mvil simple con n=3. Por ejemplo, el pronstico de
Abril se obtiene promediando los valores reales de Enero, Febrero y
Marzo: F(Abril)=(200+230+260)/3=230. El pronstico de Mayo se
obtiene promediando los valores reales de Febrero, Marzo y
Abril: F(Mayo)=(230+260+180)/3=223. Notar que los pronsticos no
consideran decimales (decisin arbitraria).

14.
15.Para tener una primera aproximacin a lo acertado del pronstico se
recomienda graficar los datos reales de demanda y los obtenidos con el
pronstico. De esta forma se obtiene un acercamiento sobre la magnitud de
los errores del pronstico y la naturaleza de ste, es decir, si se genera una
sobre o sub estimacin de la demanda real. Este anlisis se puede
complementar con el Clculo del MAD y la Seal de Rastreo para el
pronstico generado.

16.
17.Se puede observar que en 6 de los 9 pronsticos realizados se genera una
subestimacin de la demanda real lo cual nos da indicios que este mtodo
de pronstico no es lo ms adecuado en este caso.
18.Quieres tener el archivo Excel con la resolucin de este problema?.
Recomindanos en Facebook, Twitter o Google+ utilizando la herramienta
de redes sociales a continuacin y accede de formagratuita e inmediata a
la descarga del archivo (el enlace de descarga con el nombre Descarga el
Archivo se mostrar abajo una vez que nos hayas recomendado).

PROMEDIO MVIL EXPONENCIAL (EMA)

La media mvil exponencial, al igual que la media mvil simple, ofrece una
correlacin suavizada entre la accin del precio y el transcurso del tiempo. La
diferencia est en que el clculo de la media mvil exponencial da ms
importancia a los ltimos datos obtenidos durante un determinado perodo.
La frmula:
EMA(t) = EMA(t 1) + K*[Precio(t) EMA(t 1)]
Donde
t=valor actual
t-1=valor previo
K= 2 / (n + 1) (n=periodo elegido para EMA)

El EMA para la primera sesin del perodo de clculo coincide con el valor de la
media mvil simple.

Como puedes ver, para calcular el valor actual del EMA se tiene en cuenta el valor
del EMA inmediatamente anterior y el precio actual, por tanto, los ltimos valores
van teniendo ms peso en el resultado final que los primeros valores del perodo
de clculo.

En la prctica esto se traduce en una reaccin ms rpida a cambios recientes en

el comportamiento del precio de un par de divisas. De este modo tambin quedan
mitigados en los valores recientes del EMA posibles picos de rango alto en el precio
(conocidos como spikes).

Por ejemplo, si tenemos los valores 5,2,4,6,7, vemos como en general la serie lleva
una tendencia creciente. Puedes ver como se produjo un pico bajo en el segundo
valor. La media mvil simple da el mismo peso a este pico que al resto de valores
pudiendo reflejar un valor actual confuso mientras que la media mvil exponencial
dara un valor ms actual, ms alto, mitigando el pico a la baja del segundo valor y
reaccionando ms rpidamente a las subidas recientes.

Ahora te preguntars, si el EMA es tan bueno, para que queremos el SMA?

Ambas tienen su utilidad y las ventajas de una se convierten en las desventajas de

la otra y viceversa. Por ejemplo, el EMA puede dar ms falsas seales que el SMA
al moverse ms rpidamente con la accin presente del precio, el SMA sera mejor
para evitar esto, sin embargo esta misma caracterstica hace que el SMA se mueva
ms lentamente pudiendo dar las seales demasiado tarde y hacerte entrar al
mercado cuando un movimiento est casi acabado, es este caso sera mejor un
EMA para entrar al mercado lo ms rpidamente posible cuando se detecte una
nueva tendencia.

Decidir cual usar ser cosa tuya, si es que decides usar medias mviles en tu
anlisis. Si quieres tener informacin rpida un EMA de periodo corto sera lo
mejor, por el contrario si buscas informacin sobre una tendencia dominante de
forma duradera la mejor sera un SMA de perodo largo.

Lo comn es usar un conjunto de medias mviles con distintos periodos de clculo.

Por ejemplo, una media mvil de periodo largo que nos proporcione la tendencia
general dominante en el mercado y una media mvil de periodo corto que nos
proporcione informacin sobre el comportamiento de precio de forma ms actual y
nos de un buen punto de entrada en la direccin de la tendencia principal. Este
punto de entrada sera un cruce de dos o ms medias mviles, te cansars de
escuchar cruces de medias mviles como parte de sistemas de trading.

De forma rpida: El cruce de medias mviles consiste en entrar en largo cuando la

media mvil de periodo ms corto cruce de abajo arriba una media mvil de
periodo ms largo. La seal para entrar en venta ser cuando la media mvil de
periodo ms corto cruce de arriba abajo una media mvil de perodo ms largo.

pesar de que los promedios mviles simples son una gran herramienta, hay un

problema asociado a ellos. Los promedios mviles simples son muy susceptibles a las
confusiones.
Veamos:
Digamos que se coloc un SMA de 5 en el grfico de 1 da de EUR/USD y los precios de
cierre de los ltimos 5 das son los siguientes:

Da 1: 1.2345
Da 2: 1.2350
Da 3: 1.2360
Da 4: 1.2365
Da 5: 1.2370

El promedio mvil resultante es: (1.2345+1.2350+1.2360+1.2365+1.2370)/5= 1.2358

Bastante simple, cierto?
Pero qu tal si le precio de cierre del da 2 hubiese sido: 1.23000.
El resultado del promedio mvil simple sera muchsimo ms bajo y podra darte la nocin de
que el precio va hacia abajo cuando en realidad el da 2 pudo haber sido solo un evento de
tiempo (tal vez un decrecimiento de las tasas de inters).
El punto de todo esto es que algunas veces los promedios mviles simples pueden
ser demasiado simples. Afortunadamente hay una forma de filtrar esas confusiones que te
pueden dar la idea equivocada y se llama Promedios Mviles Exponenciales (EMA)

Los Promedios Mviles Exponenciales (EMA) le dan ms

importancia a los periodos recientes.

En nuestro ejemplo anterior, el EMA le dara ms importancia a los das 3-5, lo cual significa
que la confusin del da 2 no hubiera tenido tanto impacto. Esto lo que hace es poner ms
nfasis en lo que los operadores de Forex estn haciendo AHORA!.

Al operar divisas es mucho ms importante observar lo que los operadores de forex estn
haciendo en este momento, ms que poner atencin a lo que hicieron la semana o el mes
anterior.

SUAVIZACIN EXPONENCIAL
SIMPLE

El mtodo de suavizacin o suavizamiento exponencial simple puede

considerarse como una evolucin del mtodo de promedio mvil ponderado,
en ste caso se calcula el promedio de una serie de tiempo con un mecanismo
de autocorreccin que busca ajustar los pronsticos en direccin opuesta a las
desviaciones del pasado
mediante una correccin que se ve afectada por un coeficiente de suavizacin.
As entonces, este modelo de pronstico precisa tan slo de tres tipos de
datos: el pronstico del ltimo perodo, la demanda del ltimo perodo y el
coeficiente de suavizacin.

Cundo utilizar un pronstico de

suavizacin exponencial simple?

El pronstico de suavizacin exponencial simple es ptimo para patrones de

demanda aleatorios o nivelados donde se pretende eliminar el impacto de los
elementos irregulares histricos mediante un enfoque en perodos de
demanda reciente, este posee una ventaja sobre el modelo de promedio mvil
ponderado ya que no requiere de una gran cantidad de perodos y de
ponderaciones para lograr ptimos resultados.

Modelo de Suavizacin Exponencial Simple

Frmulas

Para efectos acadmicos suele proporcionarse el factor de suavizacin, sin

embargo en la prctica ste es comnmente hallado de la forma descrita
arriba.

Promedio de ventas en unidades en el perodo t

Pronstico de ventas en unidades del perodo t -1

Ventas reales en unidades en el perodo t - 1

Coeficiente de suavizacin (entre 0,0 y 1,0)

Ejemplo de aplicacin de un pronstico de

Suavizacin Exponencial Simple
En Enero un vendedor de vehculos estim unas ventas de 142 automviles
para el mes siguiente. En Febrero las ventas reales fueron de 153 automviles.
Utilizando una constante de suavizacin exponencial de 0.20 presupueste las
ventas del mes de Marzo.

Solucin

Podemos as determinar que el pronstico de ventas para el perodo 3

correspondiente a Marzo es equivalente a 144 automviles.

PROMEDIO MVIL PONDERADO

Este mtodo de pronstico es una variacin del promedio mvil. Mientras, en

el promedio mvil simple se le asigna igual importancia a cada uno de los
datos que componen dicho promedio, en el promedio mvil
ponderado podemos asignar cualquier importancia (peso) a cualquier dato
del promedio (siempre que la sumatoria de las ponderaciones sean
equivalentes al 100%). Es una prctica regular aplicar el factor de ponderacin
(porcentaje) mayor al dato ms reciente.

Cundo utilizar un pronstico de promedio

mvil ponderado?
El pronstico de promedio mvil ponderado es ptimo para patrones de
demanda aleatorios o nivelados donde se pretende eliminar el impacto de los
elementos irregulares histricos mediante un enfoque en perodos de
demanda reciente, dicho enfoque es superior al del promedio mvil simple.

Modelo de Promedio Mvil Ponderado

Frmula

Promedio de ventas en unidades en el perodo t

Sumatoria de datos

Factor de ponderacin

Ventas o demandas reales en unidades de los perodos anteriores a t

Nmero de datos

Ejemplo de aplicacin de un pronstico de

Promedio Mvil Ponderacin
Un almacn ha determinado que el mejor pronstico se encuentra
determinado con 4 datos y utilizando los siguientes factores de ponderacin
(40%, 30%, 20% y 10%). Determinar el pronstico para el perodo 5.
Perodo

Ventas (unidades)

Ponderacin

Mes 1

100000

10%

Mes 2

90000

20%

Mes 3

105000

30%

Mes 4

95000

40%

Solucin
En este caso el primer paso consiste en multiplicar a cada perodo por su
correspondiente factor de ponderacin, luego efectuar la sumatoria de los
productos.

Podemos as determinar que el pronstico de ventas para el perodo 5 es

equivalente a 97500 unidades.

Ejemplo Pronstico de Demanda con Media

Mvil Ponderada
por GEO Tutoriales el 08/04/2014 en Proyeccin de Demanda 0

En el contexto de los mtodos de series de tiempo, el mtodo demedia mvil

ponderada es una variantes de la tcnica de media mvil simple donde existe
la posibilidad de modificar las ponderaciones que tiene cada uno de los datos en el
clculo del promedio. Este mtodo resulta ser til cuando es vlida la premisa de
que el pasado ms reciente tiene un mayor poder predictivo respecto al futuro (por
lo cual se suele asociar una mayor ponderacin en el clculo del promedio), sin
embargo, en caso de existir estacionalidad en el patrn histrico de la demanda
puede ser necesario ponderar con mayor fuerza un dato ms antiguo de la serie de
tiempo. La frmula de clculo para una media mvil ponderada se presenta a
continuacin:
En la nomenclatura anterior Ft representa el pronstico para el perodo t, At es la
demanda real (observada) para el perodo t y Wt representa las ponderaciones
seleccionadas para el promedio ponderado. Por supuesto la sumatoria de dichas
ponderaciones debe ser igual a 1 (o un 100%).
Para ilustrar la aplicacin del mtodo utilizaremos la serie histrica que
presentamos en el artculo sobre cmo utilizar una regresin lineal para
realizar un pronstico de demanda. En esta oportunidad aplicaremos el
mtodo de media mvil simple con n=3 (como medio de contraste) y una media
mvil ponderada de 3 perodos igualmente pero con ponderaciones seleccionadas
arbitrariamente de 60%, 30% y 10%, respectivamente.

En la columna MP se incluyen los resultados del promedio mvil ponderado

redondeando los resultados al entero ms cercano. Notar que para una mayor
comodidad se pueden fijar las ponderaciones a celdas especficas, lo que facilita
copiar la frmula a los perodos siguientes. A continuacin y para facilitar la
interpretacin de los resultados se presenta un grfico que contrasta los datos de
la serie histrica y los dos dispositivos de pronstico utilizados.

Se puede apreciar que en la medida que las ponderaciones seleccionadas para

cada perodo se aproximen a 1/3, el pronstico obtenido a travs de la media
mvil ponderada se asemejar al comportamiento de los resultados del promedio
mvil simple con n=3. En este contexto es importante destacar que no existe

procedimiento exacto que permita seleccionar de forma inequvoca las

ponderaciones Wt de un promedio mvil ponderado y en consecuencia la prueba
y error suelen ser estrategias utilizadas para evaluar el ajuste del pronstico a
los datos reales.
Finalmente s el objetivo es proponer alguno de los mtodos de pronsticos
utilizados en este artculo se recomienda complementar el anlisis calculando
elMAD y Seal de Rastreo (TS) en cada caso, de modo de disponer de mayores
elementos de juicio antes de tomar una decisin.

SERIES DE TIEMPO EMPLEANDO EXCEL Y

GRAPH
1) DEFINICIN
Las series de tiempo llamadas tambin series cronolgicas o series histricas son un conjunto
de datos numricos que se obtienen en perodos regulares y especficos a travs del tiempo, los tiempos
pueden ser en aos, meses, semanas, das o otra unidad adecuada al problema que se est trabajando.
Ejemplos de series de tiempo son: Ventas mensuales de un producto en una empresa, produccin total anual
de petrleo enEcuador durante un cierto nmero aos o las temperaturas anunciadas cada hora por el
meteorlogo para un aeropuerto.
Matemticamente, una serie de tiempo se define por los valores Y1, Y2, Y3,.de una variable Y (ventas
mensuales, produccin total, etc.) en tiempos t1, t3, t3.. Si se reemplaza a X por la variable tiempo,
estas series se definen como distribuciones de pares ordenados (X,Y) en el plano cartesiano, siendo Y
una funcin de X; esto se denota por:
Y = f(t)?Y= f(X)
El principal objetivo de las series de tiempo es hacer proyecciones o pronsticos sobre una actividad futura,
suponiendo estables las condiciones y variaciones registradas hasta la fecha, lo cual permite planear y tomar
decisiones a corto o largo plazo. Despus, con base en esa situacin ideal, que supone que los factores que
influyeron en la serie en el pasado lo continuarn haciendo en el futuro, se analizan las tendencias pasadas y
el comportamiento de las actividades bajo la influencia de ellas; por ejemplo, en la proyeccin de ventas de un
producto o de un servicio de una empresa se calculan los posibles precios, la reaccin del consumidor, la
influencia de la competencia, etc.

2) MOVIMIENTOS O COMPONENTES
El modelo clsico o de descomposicin, considera que los datos de series de tiempo estn compuestas de los
siguientes cuatro patrones bsicos:
2.1) TENDENCIA SECULAR
La tendencia secular o simplemente tendencia, son movimientos o variaciones continuas de la variable de
modo uniforme y suave, por encima o por debajo, que se observan en el largo plazo durante un perodo de
longitud prolongada. Representan el comportamiento predominante o direccin general de la serie de tiempo
como ascendente o descendente. La grfica de la tendencia suele ser una curva suave y aun una lnea recta
que muestra la tendencia de las variaciones. Ejemplos de tendencia secular son las ventas, exportaciones,
produccin y el empleo.

La siguiente grfica muestra la tendencia de exportaciones de la Empresa D & M en perodo 2000-2009.

Aunque los datos muestran ciertas variaciones estn por encima y por debajo de la recta de tendencia, la
tendencia secular es ascendente.

Empleando Excel:

2.2) MOVIMIENTOS ESTACIONALES

Representa un movimiento peridico que se producen en forma similar cada ao por la misma poca, en
correlacin con los meses o con las estaciones del ao y aun con determinadas fechas. Si los sucesos no se
repiten anualmente, los datos deben recolectarse trimestral, mensual o incluso semanalmente. Ejemplos de
movimientos estacionales son la variacin de precios de ciertos productos, incremento de ventas de juguetesy
disminucin de ventas de tiles Navidad, incremento de ventas de flores por el da del amor y la amistad, etc.
A continuacin se muestra un ejemplo de grfica que representa este tipo de movimientos estacionales:

2.3) MOVIMIENTOS CCLICOS

Son variaciones hacia arriba y hacia abajo de la tendencia que se presentan cada cierto nmero de intervalos,
en forma peridica de manera ondular a modo de oscilaciones ms o menos regulares durante un perodo
relativamente prolongado, que por lo general abarca tres o ms aos de duracin. La produccin, empleo,
promedio industrial, etc. son ejemplos de este tipo de movimientos.
A continuacin se muestra un ejemplo de grfica que representa este tipo de movimientos cclicos:

2.4) MOVIMIENTOS IRREGULARES O ALEATORIOS

Son aquellas variaciones producidas por sucesos de ocurrencia imprevisible o accidental que producen
movimientos sin un patrn discernible; as por ejemplo, las exportaciones de una empresa pueden ser
afectadas por sucesos inusuales no previsibles tales como huelgas, guerras, terremotos, inundaciones, etc.
Estas variaciones irregulares son de corta duracin y de magnitud muy variable.
A continuacin se muestra un ejemplo de grfica que representa este tipo de movimientos irregulares:

TAREA DE INTERAPRENDIZAJE
1) Realice un organizador grfico sobre las series de tiempo.
2) Elabore empleando Excel las grficas de los ejemplos presentados en los movimientos estacionales,
cclicos e irregulares.

3) Cree y elabore una grfica que represente a cada uno de los movimientos de las series de tiempo de
manera manual y empleando Excel.

3) MODELOS DE SERIES DE TIEMPO

Son expresiones matemticas de relacin entre los movimientos de tendencia secular (T), movimientos
cclicos (C), movimientos estacionales (E) y movimientos irregulares (I) que generan la variable Y. Hay dos
modelos para la definicin de Y, los cuales son:
3.1) MODELO MULTIPLICATIVO
En el que Y queda definida por el producto de las variaciones.
Y = TCEI
3.2) MODELO ADITIVO
En el que Y queda definida por la suma de las variaciones.
Y=T+C+E+I
En el modelo multiplicativo, las variaciones se expresan en trminos relativos o porcentuales de la tendencia,
en tanto que en el modelo aditivo las variaciones se expresan como residuos en las mismas unidades
originales. El modelo aditivo sufre el supuesto irreal de que los movimientos o componentes son
independientes uno de otro, algo que difcilmente se da en el caso de la vida real. El modelo multiplicativo
supone que los movimientos o componentes interactan entre s y no se mueven independientemente, por lo

que este modelo es ms utilizado que el aditivo. Sin embargo, el criterio fundamental que se debe seguir en el
caso de una situacin dada es emplear el modelo que mejor se ajuste a los datos.

4) MTODOS DE SUAVIZAMIENTO Y PRONSTICO

Estos mtodos eliminan las fluctuaciones aleatorias de la serie de tiempo, proporcionando datos menos
distorsionados del comportamiento real de misma.
4.1) MTODO DE LOS PROMEDIOS MVILES
El movimiento medio de orden N de una serie de valores Y1, Y2, Y3,... Yn se define por la sucesin de valores
correspondientes a las medias aritmticas:

O sea los valores 7, 12

Nota:
Utilizando adecuadamente estos movimientos medios se eliminan los movimientos o variaciones estacionales,
cclicas e irregulares, quedando slo el movimiento de tendencia. Este mtodo presenta el inconveniente de
que se pierden datos iniciales y finales de la serie original. Tambin se puede observar que a medida que N
crece, la cantidad de nuevos datos se reduce.
Si se emplean medias aritmticas ponderadas en el mtodo de los promedios mviles, el mtodo toma de
nombre Promedios Mviles Ponderados de Orden N.
Ejemplo ilustrativo
Con los siguientes datos acerca de la ventas en miles de dlares de la Empresa D & M durante los ltimos 3
aos tomados en perodos de trimestres:
Trimestre
1
2
3
4
5
6
7

8
9
10
11
12
1) Suavizar los datos empleando el mtodo de los promedios mviles de orden 3 (longitud de 3 perodos).
2) Pronosticar las ventas para el trimestre nmero 13.
3) Suponga que para el Gerente de Ventas la ltima venta realizada es el doble de importante que la
penltima, y la antepenltima venta tiene la mitad de importancia que la penltima. Realizar el pronstico de
ventas para el trimestre nmero 13 empleando el mtodo de los promedios mviles ponderados de orden 3.
4) Elaborar un grfico en el que consten las ventas y los promedios mviles (ventas suavizadas).
Solucin:
1) El clculo de los promedios mviles de orden 3 se presentan en la siguiente tabla:
Trimestre
1
2
3
4
5
6
7
8
9
10
11
12
Empleando Excel se muestra en la siguiente figura:

2) El ltimo valor del promedio mvil, que en este ejemplo es 26,33, representa el pronstico de las ventas
para el trimestre nmero 13, y tericamente para todo trimestre futuro.
3) Para resolver lo planteado se toma en cuenta las 3 ltimas ventas con sus respectivos pesos o
ponderaciones. Estos datos se presentan en la siguiente tabla:
Trimestre

Reemplazando valores en la frmula de la media aritmtica ponderada se obtiene:

El valor 30,14 es el pronstico de ventas para el trimestre nmero 13.

Los clculos en Excel se muestran en la siguiente figura:

4) El grfico en el que constan las ventas y los promedios mviles se muestra en la siguiente figura elaborado
empleando Excel:

Empleando Graph se muestra en la siguiente figura:

4.2) SUAVIZACIN EXPONENCIAL

Este mtodo contiene un mecanismo de autocorreccin que ajusta los pronsticos en direccin opuesta a los
errores pasados. Es un caso particular de promedios mviles ponderados de los valores actuales y anteriores
en el cual las ponderaciones disminuyen exponencialmente. Se emplea tanto para suavizar como para
realizar pronsticos. Se emplea la siguiente frmula:

Donde:
yt+1= pronstico para cualquier perodo futuro.
a = constante de suavizacin, a la cual se le da un valor entre 0 y 1.
Xt= valor real para el perodo de tiempo.
Yt= pronstico hecho previamente para el perodo de tiempo
Cuando exista menos dispersin en los datos reales respecto a los datos pronosticados entonces ser ms
confiable el mtodo empleado. Para saber cuan preciso es el mtodo empleado en la realizacin del
pronstico se utiliza la siguiente frmula del cuadrado medio del error (CME) como indicador de precisin
del pronstico:

Siendo n el nmero de errores

Ejemplo ilustrativo
Con los siguientes datos acerca de la ventas en miles de dlares de la Empresa D & M durante los ltimos 12
meses:
Meses
Septiembre
Octubre
Noviembre
Diciembre
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto

1) Suavizar los datos empleando el mtodo de suavizacin exponencial con a = 5. Pronosticar las ventas para
el mes de septiembre. Calcular el cuadrado medio del error. Elaborar un grfico en el que consten las ventas y
los pronsticos.
2) Suavizar los datos empleando el mtodo de los promedios mviles de orden 3. Pronosticar las ventas para
mes de septiembre. Calcular el cuadrado medio del error. Elaborar un grfico en el que consten las ventas y
los promedios mviles.
3) Qu mtodo es el ms preciso?
Solucin:
1) Realizando los clculos se suavizamiento se obtienen los resultados respectivos de pronstico, los
cuales se presentan en la siguiente tabla:

Observando la tabla anterior se tiene que el pronstico de ventas para el mes de septiembre es de 6,798, o
para cualquier perodo futuro, ya que los datos no presentan una tendencia sino que se supone que varan o
fluctan a largo plazo alrededor de este valor promedio.
Calculando el cuadrado medio del error se obtienen los siguientes resultados, los cuales se presentan en la
siguiente tabla:
Meses
Septiembre
Octubre
Noviembre
Diciembre
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Aplicando la frmula se obtiene el cuadrado medio del error:

Los clculos realizados en Excel se muestran en la siguiente figura:

La grfica de las ventas y los pronsticos con el mtodo de suavizacin exponencial elaborada en Excel se
muestra en la siguiente figura:

2) Suavizando los datos empleando el mtodo de los promedios mviles de orden 3 elaborado en Excel se
muestra en la siguiente figura:

Observando el grfico anterior se tiene que el ltimo pronstico calculado es de 7, por lo que el pronstico
para septiembre es de 7.
Observando el grfico anterior se tiene que el cuadrado medio del error es de 4,522.
La grfica de las ventas y los pronsticos con el mtodo de los promedios mviles elaborada en Graph se
muestra en la siguiente figura:

3) Como CME en el mtodo de suavizacin exponencial es de 7,09 y con el mtodo de los promedios mviles
es de 4,52, se concluye que el mtodo de los promedios mviles es el ms preciso para este ejemplo
ilustrativo.
EL PRESENTE TEXTO ES SOLO UNA SELECCION DEL TRABAJO ORIGINAL.
PARA CONSULTAR LA MONOGRAFIA COMPLETA SELECCIONAR LA OPCION DESCARGAR DEL MENU
SUPERIOR.
Leer ms: http://www.monografias.com/trabajos93/series-tiempo-empleando-excel-y-graph/series-tiempoempleando-excel-y-graph.shtml#ixzz3qA4Wn5te