CAPTULO I

GENERALIDADES
1.1 Definiciones
Serie: de acuerdo al Diccionario de la Real Academia de la Lengua, se puede
definir como el conjunto de cosas que se suceden unas a otras y que estn
relacionadas entre s. Tambin se le denomina as a la expresin de la suma
de los infinitos trminos de una sucesin. (3:1).
Cronologa: es la ciencia que tiene por objeto determinar el orden y fechas de
sucesos histricos. (3:1).
1.2 Definicin de series cronolgicas
Se llama serie de tiempo o cronolgica a cualquier sucesin de observaciones de
un fenmeno que es variable con respecto al tiempo y se observa en intervalos de
tiempo regulares, es decir que, estas observaciones se deben hacer en perodos
igualmente espaciados. Una serie cronolgica describe la variacin de los valores
de la variable en el tiempo y tales variaciones son resultado del comportamiento
sistemtico o aleatorio de la variable. (2:1).
Tambin se dice que es un conjunto de observaciones de una variable, ordenadas
segn transcurre el tiempo.
En una serie de tiempo las observaciones no se deben ordenar de mayor a menor
debido a que se perdera el grueso de la informacin, ya que nos interesa detectar
cmo se mueve la variable en el tiempo, por tal motivo es muy importante respetar
la secuencia temporal de las observaciones.

Matemticamente, una serie de tiempo se define por los valores Y1, Y2, Y3,Yx
de una variable Y (ventas mensuales, produccin total, etc.) en tiempos t1, t3, t3
tx. 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)
Las series cronolgicas tiene toda una gama de posibilidades al alcance del
usuario menos experto (1:1). Entre otras cosas:

Brinda la posibilidad de definir un sinnmero de reportes, agrupando para ello

los indicadores segn los intereses del usuario.

Capta la informacin contable de las entidades, ya sea de una salva en

disquete o directamente de los archivos del sistema contable.

Es capaz de consolidar la informacin de varias unidades y /o centros de

costo, y mostrarlos como si fuera de una nica entidad.

Permite la interaccin con otras poderosas aplicaciones, como Microsoft

Excel, lo cual permite ampliar al usuario las posibilidades de operacin con los
datos que puede obtener de Series Cronolgicas, esto es, guardar tablas
como hojas de Excel, ampliar el alcance de las tablas, elaborar grficos, etc.

Elabora informes comparativos entre entidades sobre el comportamiento de

cualquiera de los indicadores definidos.

Brinda Series Cronolgicas del comportamiento de cualquier indicador en

todos los meses de un ao.

Capta, calcula y muestra los resultados de una entidad en el ao anterior, en

el ao en curso y presupuestados.

Las series cronolgicas se basan en el clculo de Indicadores econmicos a partir

de la informacin almacenada en el sistema de contabilidad.

14

Para

ello

dichos

indicadores

se

definen

como

funciones

de

cuentas

contables. Algunos indicadores se definen como funciones de otros indicadores,

calculndose mediante procesos recursivos.
1.3 Componentes de las series cronolgicas
El anlisis ms clsico de las series temporales se basa en la suposicin de que
los valores que toma la variable de observacin es la consecuencia de cuatro
componentes, cuya actuacin conjunta da como resultado los valores medidos,
estos componentes son:
a) Tendencia secular o regular. Indica la marcha general y persistente del
fenmeno observado, es una componente de la serie que refleja la evolucin a
largo plazo. Por ejemplo, la tendencia creciente del ndice de reciclado de
basuras en los pases desarrollados, o el uso creciente de Internet en la
sociedad, independientemente de que en un mes concreto en un pas, por
determinadas causas, haya una baja en la utilizacin de Internet.
b) Variacin estacional o Variacin cclica regular. Es el movimiento peridico de
corto plazo. Se trata de una componente causal debida a la influencia de
ciertos fenmenos que se repiten de manera peridica en un ao (las
estaciones), una semana (los fines de semana) o un da (las horas puntas) o
cualquier otro periodo. Recoge las oscilaciones que se producen en esos
perodos de repeticin.
c) Variacin cclica o Variacin cclica irregular. Es el componente de la serie que
recoge las oscilaciones peridicas de amplitud superior a un ao. Movimientos
normalmente irregulares alrededor de la tendencia, en las que a diferencia de
las variaciones estacionales, tiene un perodo y amplitud variables, pudiendo
clasificarse como cclicos, cuasicclicos o recurrentes.
d) Variacin aleatoria o ruido, accidental, de carcter
denominada residuo,

no

muestran

ninguna

errtico.

regularidad

Tambin

(salvo

las

regularidades estadsticas), debidos a fenmenos de carcter ocasional como

14

pueden ser tormentas, terremotos, inundaciones, huelgas, guerras, avances

tecnolgicos, etc.
e) Variacin trasciente, accidental, de carcter errtico debidos a fenmenos
aislados que son capaces de modificar el comportamiento de la serie
(tendencia, estacionalidad variaciones cclicas y aleatoria). (4:1)

1.4 Tipos de series temporales

Aditivas, se componen sumando la Tendencia, estacionalidad, variacin cclica

regular, variacin cclica irregular, ruido:

Multiplicativas, se componen multiplicando la Tendencia, estacionalidad,

variacin

cclica

regular,

variacin

cclica

irregular,

ruido:

Mixtas, se componen sumando y multiplicando la Tendencia, estacionalidad,

variacin cclica regular, variacin cclica irregular, ruido. Existen varias
alternativas, entre otras:

1.5 Notacin

14

Existen diferentes notaciones empleadas para la representacin matemtica de

una serie temporal:
o
sta es una de las comunes que representa una Serie de Tiempo X que es
indexada por nmeros naturales. Tambin estamos acostumbrados a ver:

1.6 Enfoques en anlisis de series de tiempo

Existen bsicamente tres enfoques para analizar series de tiempo los cuales son:

Enfoque Clsico.
Enfoque Box-Jenkins.
Enfoque ingenieril o Anlisis Espectral.

El primer enfoque corresponde a realizar un anlisis descriptivo de la serie y

consiste en realizar una descomposicin de la serie en componentes de
tendencia, estacional y aleatorio. El enfoque box-Jenkins se basa en obtener una
serie estacionaria, a partir de una que no lo es y el enfoque Espectral consiste en
descomponer la serie en distintas frecuencias permitiendo aislar aquellas que ms
contribuyan a la variabilidad de la serie.
1.7 Procesos binarios
Son unas series temporales especiales, en las que las observaciones, slo toman
dos valores (que usualmente se representan por 0 y 1), suelen darse en teora de
la comunicacin. Por ejemplo la posicin de un enchufe, bien apagado o
encendido puede ser representado como 0 y 1, respectivamente.
Dependiendo del campo en el cual se utilizar esta metodologa, las series se
pueden clasificar en:
Serie continua.

14

Una serie de tiempo es continua cuando las observaciones son tomadas

continuamente en el tiempo, aun cuando la variable medida slo tome un nmero
de valores finitos.
Serie discreta
Una serie temporal es discreta cuando las observaciones son tomadas en tiempos
especficos, normalmente igualmente espaciados. Se supondrn los datos en
intervalos regulares de tiempo (horas, das, meses, aos,..). El trmino discreto es
usado aun cuando la variable medida sea continua.
1.8 Descomposicin de series cronolgicas
La desestacionalizacin de series cronolgicas es uno de los varios enfoques
estadsticos que se pueden utilizar para analizar una serie. Considera que la serie
observada est constituida por varios componentes que pueden separarse y que
brindan informacin adicional de gran relevancia la que no puede obtenerse
mediante el anlisis se la serie agregada. Es en este sentido que se habla de
extraccin de seales de una serie de tiempo". (2:1)
Se han desarrollados diversas metodologas con el propsito de desagregar los
componentes no observables de las series cronolgicas. Esas metodologas
pueden agruparse en tres categoras de acuerdo a la metodologa de
descomposicin que aplican:

Mtodos de regresin

Mtodos de promedios mviles

Mtodos basados en modelos

La referencia a modelos del tercer mtodo no implica que los otros dos no
modelicen, sino que los mtodos basados en modelos, ajusten modelos
estocsticos a cada componente de la serie.

14

1.9 Mtodos de los mnimos cuadrados

Un gran nmero de series cronolgicas econmicas se recopilan por mes o
trimestre y otras se obtienen cada semana, por da o incluso por hora.
Cuando una serie de tiempo se registra por tiempo, por trimestre o por mes, debe
considerarse el impacto de los efectos estacionales.
Este mtodo es el ms utilizado para la obtencin de la tendencia y ya fue definido
al hablar de regresin.
En este caso consideraremos a la variable X (tiempo) como independiente e Y
(valores observados) como dependiente, y las llamamos t y Yt respectivamente.
Suponemos que el sistema causal que influye en la serie, es una funcin del
tiempo.

Los coeficientes de la recta, definidos al hablar de recta de regresin son:

a

Y
n

x
n

xy x y
n

x
n

Si elegimos convenientemente la escala cronolgica, de manera que t 0 , la

resolucin del sistema se simplifica notoriamente.

Y t
t
t

14

Esto se logra mediante un cambio de variable, asignando a cada valor de la

variable un nmero elegido de modo que la diferencia entre dos valores sucesivos
sea constante y la suma total sea nula.
Ejemplo:
Ao
1998
1999
2000
2001
2002
2003
2004
2005
2006

T
-4
-3
-2
-1
0
1
2
3
4
0

Yt
10
12
11
13
14
16
12
15
14
117

t.Yt
-40
-36
-22
-13
0
16
24
45
56
30

t2
16
9
4
1
0
1
4
9
16
60

117
13
9

t Y
t

2
t

3
0.5
6

Tt 13 0.5 t t

La primera columna y la tercera corresponden a informacin obtenida, o sea los

datos en el tiempo. Las restantes columnas son de clculo para hallar los
coeficientes de la recta.
Con la recta obtenida pueden proyectarse los valores de tendencia para los aos
siguientes.
Si quisiramos conocer el valor para 2009 bastara identificar el nmero que le
corresponde a ese ao y sustituirlo en la recta T 13 0.5 * 7 16.5

14

En el caso planteado, la cantidad de observaciones es impar, y el valor central que

escogimos para que

0 es 0.

Cuando el nmero de observaciones es par, tenemos dos valores centrales. En

este caso asignamos los nmeros 1 y 1. Como la diferencia entre los valores
consecutivos debe ser constante, los saltos sern ahora de dos en dos.
1.10 Principales caractersticas de las series de tiempo
Las series de tiempo estudian la evolucin de una variable que observamos a lo
largo del tiempo. Las principales caractersticas de una serie antes de someterla a
un proceso de pronsticos, se resumen en cuatro:

Cualitativas: Es decir dada su importancia y caractersticas, han pasado por un

proceso previo de anlisis cualitativo y se ha logrando identificar que son
susceptibles de prever su comportamiento en el futuro.

Temporales: Las series de tiempo en las empresas son normalmente

expresadas en trminos del calendario, es decir los valores que se pronostican
son asignados a fechas concretas (meses, das, horas, etc., dependiendo de la
base de tiempo que trabaje cada empresa).

Cuantitativas: Corresponde al valor en s que toman las variables para

expresar las distintas variaciones.

Probabilsticas: Es decir la confiabilidad de que el valor pronosticado ocurra en

el horizonte planeado.

La clasificacin de las series de tiempo depende principalmente del volumen de

datos que tengan as:

Series tipo A: Son de alto volumen. Son bastante regulares de tal forma que los
mtodos estadsticos como los que utiliza Forecast funcionan bien.

14

Generalmente las series de alto volumen son importantes para las empresas, y
las consecuencias de errores en el pronstico pueden ser significativas. Por lo
tanto si no son muchas, conviene revisar detenidamente una a una, e incluso
hacer ajustes por experiencia si se considera conveniente.

Series tipo B: Son de volumen medio. Normalmente estas series pueden ser
pronosticadas con buena exactitud por los mtodos de Forecast Pro. Ya que
este grupo de tems no es tan crucial para el resultado de la empresa, se
presta para pronosticarlos de manera automtica.

Series tipo C: Son de bajo volumen, y muchas veces representan ms del 50%
del total de las series. Muchas de estas series contienen ceros "0" con ventas
ocasionales y eventualmente una venta grande. El porcentaje de error de los
pronsticos de las series tipo C es casi siempre muy grande pero las
consecuencias de este error normalmente son pequeas. Cuando aparecieron
los sistemas de pronsticos tipo C, casi nunca eran pronosticados. Se usaba
un pronstico por defecto (0 o 1). (4:1)

1.11 El anlisis de series de tiempo

El anlisis de series de tiempo consiste en una descripcin de los movimientos
que la componen. En conclusin, en las series de tiempo, la variable Y es un
producto de las variable T, C, S, e I, que originan, respectivamente los
movimientos de tendencia, cclicos, estacinales e irregulares. En smbolo:
Y = T * C * S * I = TCSI
Ests anlisis, consiste en una investigacin de los factores T, C, S, e I y a
menudo se refiere a una descomposicin de una serie de tiempo en sus
movimientos, componentes bsicos.
1.12 Movimientos medios, suavizacin de series de tiempo

14

Dado un conjunto de nmeros Y1, Y2, Y3,

Se define un movimiento medio de orden N al que viene dado por la sucesin de
medias aritmticas, Y1 + Y2 ++ YN, Y2 + Y3 ++ YN+1, Y3 + Y4 ++ YN+2
Las sumas de los numeradores de (3) se llaman movimientos totales de orden N.

1.13 Tendencias cuadrticas

Un modelo de tendencia cuadrtica o polinomio de segundo grado es la forma
ms sencilla de modelo curvilneo.

Con el mtodo de mnimos cuadrados se

puede ajustar una ecuacin de tendencia cuadrtica como la siguiente:

i = b + b1 X + b2 Xi
Donde:
b= estimacin de la ordenada en Y
b1= estimacin del efecto lineal en Y
b2 = estimacin del efecto curvilneo en Y
Para usar la ecuacin de tendencia cuadrtica con el propsito de pronosticar se
sustituye el valor de X adecuado en esa ecuacin.
Por ejemplo, para predecir la tendencia en los ingresos brutos actuales para 1999
(es decir, X25 es igual a 24, se tiene:
1999: Y25 es = 8.5284 + 0.6624 (24) 0.0277 (24)
1999: Y25 = 8.47 miles de millones de dlares

14

1.14 Tendencia exponencial

Cuando una seria parece aumentar a una tasa de crecimiento tal que l % de la
diferencia de una observacin a otra es constante, se puede ajustar al modelo de
tendencia exponencial, que se presente en la ecuacin siguiente:
Yi = bob1^Xi
En donde:
bo es igual a estimacin de la ordena en Y.
(b1-1) por 100% es igual a estimacin de la tasa de crecimiento anual compuesta
(en %).
Si se toma el logaritmo (base 10) en ambos lados de la ecuacin anterior se
obtiene la siguiente:
Log Yi = Log bo + Xi Log b1
Como la ecuacin tiene forma lineal, se puede usar el mtodo de mnimos
cuadrados, si se trabaja con los valores logaritmo Yi, en lugar de los valores Yi y
se obtiene la pendiente (Log b1) y la ordenada en Y (Log bo).
1.15 Frmulas usadas en las series cronolgicas
Mtodo de los mnimos cuadrados
Para el ajuste de la lnea se utiliza el Mtodo de Mnimos Cuadrados, con la
Ecuacin de la Lnea Recta:
Y = a + bx
Y cuando se usa para describir la tendencia es escrita as:
Yc = a + bx
Dnde:

14

Yc

Valores calculados o estimados de la variable y

ayb =

Coeficientes de Regresin

Origen

Pendiente

Das, semanas, meses, semestres, aos, etc.

Mtodo largo
Para encontrar los coeficientes de a y b, de la ecuacin, por el Mtodo General
o con Origen en el primer dato de la Variable se utilizan las siguientes ecuaciones
normales:

= na + b x2

xy

= a x + b x

Mtodo corto
Para el Mtodo Corto, Abreviado, Indirecto o con Origen en el Ao Central las
anteriores ecuaciones se simplifican haciendo que la sumatoria de X sea igual a
cero, quedando as:
a

=
N

xy

x2

14

CAPTULO II
CASOS PRCTICOS

Instrucciones: Resuelva los casos segn los planteamientos dados, si en los

problemas no dice el mtodo a utilizar, use su criterio. Tomar en cuenta si es serie
par o impar.
Problema No. 1
Una Industria de productos farmacuticos, realiz un estudio al mercado local,
concluyendo que necesita aumentar su produccin. Para planificar la produccin
de los aos 2012 y 2013, le solicita que:
1. Determine la produccin estimada en para los aos 2012 y 2013, utilizando
el mtodo largo (Ecuaciones Normales)

Problema No. 2
Con los datos del Problema 1:
Estime la produccin para los aos 2015 y 2016, realizndolo a travs del mtodo
corto o Mnimos cuadrados.

Problema No. 3

19

Tome su resolucin del Problema No. 1 y traslade el origen al ao 2009, con esto
determine la nueva estimacin para el ao 2015, y la prueba ser que este valor
encontrado ser el mismo al que usted encontr en el numeral 1 de este
problema.

Problema No. 4

19

Los socios de Grupo No. 11 han decidido contratarlo para que le asesore para
saber la estimacin de pago de ISR para determinados aos, por lo que le
presenta la siguiente informacin en miles de quetzales:

Determine la utilidad antes de impuesto para los aos 2013 y 2014, bajo el mtodo
que usted considere.

Problema
No. 5

19

Ante la creciente demanda de sus artculos, la empresa Social Demcrata, S.A.

quiere estimar sus ventas para los prximos 3 aos, por lo que a usted lo han
recomendado para realizar este trabajo. El Gerente de Ventas al momento de
trasladarle la informacin, le proporciona lo siguiente:

Por lo que su trabajo como Contador Pblico y Auditor es el siguiente:

Determinar las ventas para los aos 2012 y 2014.

19

20