UNIVERSIDAD CATOLICA DE CUENCA

NOMBRES:

Wilson Gevanny Pugo Tenecota

David Abraham Celi Luzuriaga

CURSO:

6to de Economía

FECHA:

17 de junio de 2023

ASIGNATURA:

Modelos Econométricos

TEMA:

Introducción a las Series Temporales

INTRODUCCION

Las series temporales son una herramienta analítica fundamental en el campo de la

economía, que permite el estudio y la comprensión de la evolución de variables
económicas a lo largo del tiempo. Estas variables pueden incluir indicadores
macroeconómicos, como el Producto Interno Bruto (PIB), la tasa de desempleo, los
precios de los bienes y servicios, entre otros. En el análisis de series temporales, se
examinan los patrones y las tendencias presentes en los datos a lo largo del tiempo, lo que
proporciona una visión más profunda de la dinámica económica. Esta metodología es de
suma importancia en la toma de decisiones económicas, ya que permite identificar
relaciones causales, predecir futuros escenarios y evaluar el impacto de políticas
económicas.

En primer lugar, se deben identificar los componentes clave de una serie temporal. Estos
componentes incluyen la tendencia, la estacionalidad, los ciclos y la variación aleatoria.
La tendencia muestra la dirección general y el patrón de cambio a largo plazo de la serie,
mientras que la estacionalidad representa patrones recurrentes en períodos fijos, como
estaciones del año o días de la semana. Por otro lado, los ciclos son fluctuaciones
recurrentes pero no periódicas que abarcan períodos más largos, y la variación aleatoria
refleja los factores impredecibles e irregulares.

El análisis de series temporales implica descomponer la serie en estos componentes,

utilizando métodos estadísticos y matemáticos, para comprender mejor su
comportamiento y realizar predicciones precisas. Entre las técnicas más comunes se
encuentran el suavizado exponencial, los modelos de regresión y la descomposición de
Fourier.

El análisis de series temporales es una herramienta fundamental en el campo de la

economía y ofrece muchas ventajas para comprender y predecir el comportamiento de
variables económicas. Sin embargo, también existen ciertos desafíos y limitaciones que
deben tenerse en cuenta al utilizar esta metodología.
En primer lugar, el análisis de series temporales asume que los datos se distribuyen de
manera estacionaria, es decir, que tienen una media constante y una varianza constante
en el tiempo. Sin embargo, en la realidad económica, las variables pueden verse afectadas
por eventos imprevistos, cambios estructurales o choques externos, lo que hace que los
datos no sean estrictamente estacionarios. Esto puede dificultar la aplicación de técnicas
tradicionales de modelado de series temporales y requerir enfoques más sofisticados,
como los modelos de cambio estructural. Otra limitación del análisis de series temporales
es que supone una relación de causalidad entre las variables. Aunque el análisis de series
temporales permite identificar correlaciones y patrones, no proporciona información
directa sobre las relaciones causales subyacentes. Es importante tener precaución al
interpretar los resultados y evitar conclusiones erróneas sobre la dirección y el sentido de
la causalidad entre variables económicas.

Por último, es esencial considerar la incertidumbre inherente a las predicciones basadas

en series temporales. Si bien los modelos pueden proporcionar pronósticos valiosos,
existe la posibilidad de errores y desviaciones de los resultados esperados. Las
predicciones de series temporales deben ser interpretadas con cautela y acompañadas de
intervalos de confianza para reflejar adecuadamente la incertidumbre asociada.

En este trabajo, se explorará el análisis de series temporales aplicado a la economía,

enfocándose en la identificación de patrones, la predicción de variables económicas y la
evaluación de políticas económicas. El objetivo final es brindar una comprensión más
sólida de la dinámica económica y cómo las series temporales pueden contribuir al
desarrollo de estrategias económicas efectivas.

SERIES DE TIEMPO

Una serie de tiempo es una secuencia de datos numéricos, cada uno de los cuales se
asocia con un instante específico del tiempo. Podemos citar como ejemplos de series de
tiempo al índice mensual de inflación, al tipo de cambio diario, al producto bruto
interno trimestral, al índice de desempleo anual, etc. Estas series poseen como
característica que los lapsos de tiempo, para cada una de ellas, son homogéneos; es
decir, si se utiliza una serie con datos semanales, este mismo tipo de datos (con una
misma frecuencia) se deberá mantener durante toda la serie.
El análisis de una secuencia de datos se conoce como un análisis de series de tiempo de
una variable. En caso que se esté estudiando un conjunto de series para la misma
secuencia de tiempo, este análisis es denominado análisis múltiple de series de tiempo.
El objetivo de este análisis es estudiar la dinámica o estructura temporal de la
información. A través del estudio y comprensión del comportamiento de las series
económicas, se puede llegar a predecir utilizando la información que se tiene hasta el
momento utilizando extrapolación
Una serie temporal, ( t y, t = 1, 2,..., n), es un conjunto de observaciones o medidas
realizadas secuencialmente en intervalos predeterminados y de igual, o
aproximadamente igual, duración. La característica específica de una serie temporal es,
por tanto, que las observaciones están ordenadas en el tiempo.
Por serie de tiempo nos referimos a datos estadísticos que se recopilan, observan o
registran en intervalos de tiempo regulares (diario, semanal, semestral, anual, entre
otros). El término serie de tiempo se aplica por ejemplo a datos registrados en forma
periódica que muestran, por ejemplo, las ventas anuales totales de almacenes, el valor
trimestral total de contratos de construcción otorgados, el valor trimestral del PIB.
Las series temporales desempeñan un papel fundamental en el análisis económico, ya que
permiten estudiar y comprender el comportamiento de variables económicas a lo largo
del tiempo. Estas variables pueden incluir el crecimiento del producto interno bruto (PIB),
la inflación, las tasas de desempleo, los precios de los productos, entre otros aspectos
relevantes para la economía.

En el análisis de series temporales, se identifican varios componentes que contribuyen a

la variación de los datos a lo largo del tiempo. Estos componentes son fundamentales para
comprender y modelar el comportamiento de las variables económicas a lo largo de
diferentes períodos. Los principales componentes de una serie temporal son la tendencia,
la estacionalidad, el ciclo y la variación aleatoria.
COMPONENTES DE UNA SERIE DE TIEMPO

La tendencia

Es el componente que describe la dirección general y el patrón de cambio a largo plazo

de la serie temporal. Representa la evolución sistemática y sostenida de la variable
económica en estudio. Por ejemplo, en una serie temporal que registra el crecimiento del
producto interno bruto (PIB) de un país, la tendencia puede indicar si la economía está
experimentando un crecimiento constante, una desaceleración o una contracción. La
identificación de la tendencia es esencial para comprender la trayectoria general de una
variable económica y evaluar su desempeño a largo plazo.

La tendencia es uno de los componentes principales de una serie temporal y se refiere al

patrón general y sostenido de cambio a largo plazo en los datos. Representa la dirección
y el comportamiento general de la serie en el tiempo, independiente de las fluctuaciones
a corto plazo. Aquí hay algunos aspectos importantes sobre la tendencia:

1. Dirección de la tendencia: La tendencia puede ser ascendente (positiva),

descendente (negativa) o constante (sin cambios significativos). Por ejemplo, en
una serie de tiempo que representa el crecimiento del PIB de un país, una
tendencia ascendente indica un crecimiento económico sostenido, mientras que
una tendencia descendente podría señalar una desaceleración o una recesión
económica.
2. Causas de la tendencia: La tendencia puede estar influenciada por múltiples
factores, como cambios demográficos, avances tecnológicos, políticas
gubernamentales, condiciones económicas globales o fluctuaciones en la oferta y
demanda de bienes y servicios.
3. Métodos de identificación de la tendencia: Para identificar y modelar la tendencia,
se utilizan diversas técnicas estadísticas, como el suavizado exponencial, el ajuste
de regresión lineal o los modelos de suavizado no lineal. Estos métodos permiten
estimar la dirección y la magnitud de la tendencia, facilitando la comprensión de
los cambios a largo plazo en la variable económica en estudio.
 4. Interpretación de la tendencia: La interpretación de la tendencia es crucial para
comprender la evolución general de la variable económica y evaluar su
desempeño a largo plazo. La tendencia puede proporcionar información sobre el
crecimiento económico, las perspectivas futuras, los desequilibrios estructurales
o la eficiencia de las políticas económicas

La tendencia en una serie temporal representa la evolución general y sostenida de la

variable a lo largo del tiempo, independiente de las fluctuaciones a corto plazo. Al
analizar la tendencia, se busca identificar si la serie muestra un crecimiento constante,
una disminución gradual o se mantiene relativamente estable. Una tendencia ascendente
indica un crecimiento positivo en la variable económica en cuestión. Puede ser un indicio
de un crecimiento económico sostenido, una mayor demanda de bienes y servicios, un
aumento en la inversión o mejoras en la productividad. Esta tendencia positiva puede ser
alentadora, ya que implica una mejora general en la economía y puede reflejar un mayor
nivel de desarrollo y bienestar.

Por otro lado, una tendencia descendente señala una disminución en la variable
económica a lo largo del tiempo. Esto puede ser un indicador de una recesión económica,
una caída en la demanda o cambios desfavorables en las condiciones económicas. Una
tendencia descendente puede ser motivo de preocupación, ya que puede afectar
negativamente el empleo, los ingresos y el nivel de vida de la población. Una tendencia
constante, donde no hay cambios significativos en la serie temporal, puede indicar una
estabilidad en la variable económica. Esto puede ser favorable si se mantiene un equilibrio
adecuado y se evitan fluctuaciones drásticas. Sin embargo, también puede ser un reflejo
de una economía estancada o de un período de estabilidad después de un crecimiento o
una recesión.

Es importante considerar que la interpretación de la tendencia debe realizarse en conjunto

con otros factores y análisis adicionales. Por ejemplo, es fundamental analizar otros
componentes de la serie temporal, como la estacionalidad, el ciclo y la variación aleatoria,
para obtener una comprensión más completa del comportamiento de la variable
económica.
Además, es esencial tener en cuenta que la interpretación de la tendencia puede variar
según el contexto y la variable económica específica que se esté analizando. Cada serie
temporal presenta características únicas, y es fundamental considerar factores
económicos, sociales y políticos relevantes para una interpretación adecuada.

Ejemplo práctico:

Supongamos que estás analizando una serie temporal que representa el crecimiento anual
del Producto Interno Bruto (PIB) de un país durante los últimos 20 años. Los datos son
los siguientes:
Para analizar la tendencia en esta serie temporal, podemos utilizar un método simple
como el ajuste de regresión lineal. Calcularemos una línea de tendencia que mejor se
ajuste a los datos y evaluaremos su dirección y magnitud. Después de realizar el análisis
de regresión lineal, obtenemos una línea de tendencia con una ecuación: Y = 3.72X +
1.48, donde Y representa el crecimiento del PIB y X representa el año. Esto indica que,
en promedio, el crecimiento del PIB ha sido de aproximadamente 3.72% por año.

Interpretación:

Basándonos en el análisis de la tendencia, podemos concluir lo siguiente:

Dirección de la tendencia: La tendencia muestra un crecimiento positivo en el PIB durante

el período analizado. Aunque hay algunas fluctuaciones de año en año, la línea de
tendencia indica un aumento general en el crecimiento económico.

Magnitud de la tendencia: La ecuación de la línea de tendencia nos indica que el

crecimiento promedio del PIB ha sido del 3.72% por año. Esto sugiere que el país ha
experimentado un crecimiento económico constante y moderado en el período analizado.

Estabilidad y desviaciones: A pesar de la tendencia ascendente, observamos algunas

desviaciones en el crecimiento del PIB en ciertos años. Por ejemplo, en 2009, hubo una
contracción económica con un crecimiento del PIB de solo 0.2%. Además, en 2020, se
registró una disminución significativa del PIB con una contracción del 2.5% debido a la
pandemia de COVID-19. Estas desviaciones resaltan la importancia de considerar
eventos económicos y externos al analizar la tendencia.

En resumen, el análisis de la tendencia en esta serie temporal del crecimiento del PIB
muestra un crecimiento económico positivo y constante, con una tasa promedio de
crecimiento del 3.72% por año. Sin embargo, también es importante considerar las
desviaciones y eventos específicos que pueden afectar temporalmente la tendencia
general. (Wooldridge, 2010)
Por último antes de concluir unos datos que tenemos que tener en cuenta a la hora de usar
una tendencia

• La tendencia puede ser creciente, decreciente o constante a lo largo del tiempo.

• Puede representar el crecimiento económico sostenido de un país, la disminución
en la tasa de desempleo o el aumento en los precios de los bienes.
• La tendencia a largo plazo puede ser afectada por factores como políticas
gubernamentales, cambios demográficos o avances tecnológicos.

La estacionalidad

La estacionalidad es otro componente importante en el análisis de series temporales y se

refiere a los patrones recurrentes y predecibles que se repiten en la serie en intervalos
regulares. Algunos aspectos relevantes sobre la estacionalidad son los siguientes:

Patrones estacionales: La estacionalidad se relaciona con los efectos recurrentes que se

observan en diferentes momentos del año, como estaciones del año, días festivos, eventos
culturales o ciclos de producción. Estos patrones pueden generar aumentos o
disminuciones sistemáticas en los datos.

Identificación de la estacionalidad: Para identificar la estacionalidad, se utilizan métodos

como el análisis de componentes principales, el análisis de Fourier o el promedio móvil
centrado. Estas técnicas permiten separar el componente estacional de la serie temporal y
analizar sus características.

Interpretación de la estacionalidad: Comprender la estacionalidad es fundamental para

predecir y planificar en función de los patrones observados. Por ejemplo, en el sector
minorista, la identificación de los patrones estacionales puede ayudar a anticipar las
demandas específicas de los consumidores en determinados momentos del año y ajustar
las estrategias de marketing y producción en consecuencia.

Eliminación de la estacionalidad: En algunos análisis, es necesarios y se refiere a los

patrones recurrentes y predecibles que se repiten en períodos regulares dentro de la serie
temporal. Estos patrones pueden estar influenciados por factores estacionales, como las
estaciones del año, días festivos o eventos cíclicos. Por ejemplo, en una serie temporal
que representa las ventas mensuales de juguetes, es probable que se observe una
estacionalidad con aumentos significativos durante la temporada navideña. La
identificación y el modelado de la estacionalidad permiten comprender cómo varían las
variables económicas en diferentes momentos del año y facilitan la realización de
pronósticos precisos.

Por otro lado como la estacionalidad en una serie temporal se refiere a patrones
recurrentes y predecibles que ocurren en ciertos períodos de tiempo dentro de la serie.
Estos patrones se repiten regularmente y pueden estar influenciados por factores como
estaciones del año, días de la semana, festividades u otros eventos cíclicos. La
estacionalidad es importante en el análisis de series temporales porque permite identificar
fluctuaciones regulares y predecibles en los datos. Ayuda a entender cómo ciertos
períodos afectan la variable en estudio y permite ajustar las expectativas y decisiones en
función de estos patrones estacionales.

Al reconocer la estacionalidad, se pueden obtener beneficios prácticos como:

1. Planificación y pronóstico: La identificación de patrones estacionales permite

prever y planificar la demanda futura de bienes y servicios. Ayuda a ajustar la
producción, el inventario y las estrategias de marketing de acuerdo con las
fluctuaciones estacionales.
2. Toma de decisiones: La estacionalidad proporciona información valiosa para la
toma de decisiones empresariales. Permite ajustar los recursos, los precios y las
estrategias de promoción de manera más efectiva para aprovechar al máximo los
períodos de alta demanda y mitigar los períodos de baja demanda.
3. Evaluación del desempeño: Al considerar la estacionalidad, es posible comparar
el desempeño de diferentes períodos del año y evaluar si se están cumpliendo los
objetivos establecidos. Esto ayuda a medir el éxito de las estrategias
implementadas y a realizar ajustes necesarios.
4. Análisis comparativo: La estacionalidad permite comparar el desempeño de
diferentes años o períodos, lo que puede ser útil para identificar tendencias a largo
 plazo y evaluar si hay cambios significativos en los patrones estacionales a lo
largo del tiempo.

Ejemplo práctico:

Supongamos que estás analizando una serie temporal que representa las ventas mensuales
de helados en una heladería durante los últimos cinco años. Los datos son los siguientes:

Para analizar la estacionalidad en esta serie temporal, podemos observar los patrones
recurrentes en los datos a lo largo de los meses.

Interpretación:

Basándonos en el análisis de la estacionalidad, podemos realizar las siguientes

interpretaciones:

Patrones estacionales: Al observar los datos, podemos notar un patrón estacional en las
ventas de helados. Hay un aumento gradual en las ventas durante la primavera y el verano
(marzo a julio), seguido de una disminución en otoño e invierno (agosto a febrero). Este
patrón se repite de manera similar cada año.

Aumento en la estacionalidad: La serie muestra un aumento gradual en las ventas de

helados a medida que se acerca la temporada de primavera y verano. Esto puede estar
influenciado por factores como el clima cálido, las vacaciones escolares y la mayor
demanda de productos refrescantes durante esos meses.

Disminución en la estacionalidad: Durante los meses de otoño e invierno, las ventas de

helados disminuyen. Esto puede deberse a factores como las bajas temperaturas, la menor
actividad turística o la preferencia por alimentos más cálidos en esa época del año.

Utilidad de la estacionalidad: Comprender la estacionalidad en las ventas de helados

puede ser útil para la planificación empresarial. Por ejemplo, la heladería puede anticipar
la demanda más alta durante los meses de primavera y verano y ajustar su producción y
estrategias de marketing en consecuencia. También puede utilizar estrategias de
promoción y descuentos durante los meses de menor demanda para estimular las ventas.

Es importante considerar que la estacionalidad puede variar según el producto, el sector

o la ubicación geográfica. Por lo tanto, al analizar la estacionalidad en una serie temporal,
es fundamental tener en cuenta los factores específicos que puedan influir en los patrones
observados. Esto permitirá una interpretación más precisa y relevante de los datos
estacionales. (Stock, 2012)

Por último, antes de concluir unos datos que tenemos que tener en cuenta a la hora de
usar la estacionalidad

• La estacionalidad muestra patrones recurrentes y predecibles en la serie temporal.

• Puede estar influenciada por factores estacionales como las estaciones del año,
días festivos o eventos específicos.
• Por ejemplo, las ventas de productos de consumo pueden aumentar durante la
temporada navideña o las ventas de helados pueden ser más altas en los meses de
verano.
Ciclicidad

Esta componente refleja comportamientos recurrentes, aunque no tienen por qué ser
exactamente periódicos, con un periodo superior a un año. Muestran, habitualmente,
cómo se suceden las etapas de bonanza económica con las de crisis, o al menos,
desaceleración.

Con frecuencia los ciclos económicos resultan de la superposición o yuxtaposición de

distintos efectos, con periodos diferentes, más cortos o más largos (dos años, diez o
veinte años, etc.). Por ello, son difícilmente reconocibles. Por ello, muchas veces no se
consiguen separar de la tendencia, al menos para series no demasiado largas.
Denominaremos a la componente cíclica

como o .

La figura de la derecha ilustra esta definición con la representación de la anterior serie

de ventas de turismos, junto con la componente cíclica (de color naranja). Como
decíamos, a veces no se separa de la tendencia. A la componente se le denomina
entonces la "ciclo-tendencia". En esa figura se muestra (en color verde y con trazo
grueso) la ciclo-tendencia de la serie de ventas de turismos.

No separaremos ciclo y tendencia en estos materiales, por lo que, siempre que nos
refiramos a la tendencia, estaremos hablando, de hecho, de la ciclo-tendencia.
Aleatoriedad
Esta se debe a factores a corto plazo, imprevisibles y no recurrentes que afectan a la
serie de tiempo. Como este componente explica la variabilidad aleatoria de la serie, es
impredecible, es decir, no se puede esperar predecir su impacto sobre la serie de tiempo.
Existen dos tipos de variación irregular: a) Las variaciones que son provocadas por
acontecimientos especiales, fácilmente identificables, como las elecciones,
inundaciones, huelgas, terremotos. b) Variaciones aleatorias o por casualidad, cuyas
causas no se pueden señalar en forma exacta, pero que tienden a equilibrarse a la larga.

También llamado "ruido", recoge alteraciones de la serie, pequeñas en su incidencia, y

sin una pauta periódica ni tendencial reconocible. Se considera que está ocasionada por
múltiples factores, de pequeña entidad y diferentes ritmos temporales, que no se pueden
estudiar individualmente. Esto en la teoría, porque en la práctica lo que ocurre es que la
consideración de una serie como compuesta por componentes tendenciales, cíclicas y
estacionales no deja de ser un modelo y, como tal, una representación aproximada e
imperfecta, aunque valiosa, del mundo real. La componente irregular recogería, en
consecuencia, la incapacidad del modelo para explicar a la perfección el
comportamiento de la serie temporal. (Bernabeu, 1995)

Se describe como o .
Conclusión

• Tendencia: La identificación y comprensión de la tendencia en una serie temporal

es fundamental para entender la dirección y el patrón general del cambio a largo
plazo de una variable. Permite observar el crecimiento, la disminución o la
estabilidad de la variable sin tener en cuenta las fluctuaciones a corto plazo. El
análisis de la tendencia proporciona información valiosa para la toma de
decisiones empresariales, la planificación estratégica y la evaluación del
desempeño económico.
• Estacionalidad: La estacionalidad en una serie temporal revela patrones regulares
y predecibles que se repiten en ciertos períodos de tiempo. Permite identificar
fluctuaciones estacionales que pueden estar influenciadas por factores como las
estaciones del año, las festividades o los eventos cíclicos. Comprender la
estacionalidad es esencial para la planificación y el pronóstico, ya que permite
ajustar la oferta y la demanda, así como las estrategias de marketing y promoción,
en función de los patrones estacionales.
• Importancia conjunta: Tanto la tendencia como la estacionalidad son componentes
cruciales en el análisis de series temporales. La tendencia revela el cambio a largo
plazo y la dirección general de la variable, mientras que la estacionalidad muestra
patrones recurrentes en períodos específicos. Al considerar ambos componentes,
se obtiene una visión más completa y precisa del comportamiento de la variable a
lo largo del tiempo.
• Influencia en la toma de decisiones: Tanto la tendencia como la estacionalidad
influyen en la toma de decisiones empresariales y económicas. La tendencia
proporciona información sobre el desempeño general y las perspectivas a largo
plazo, lo que ayuda a planificar inversiones, estimar crecimiento y evaluar riesgos.
La estacionalidad permite ajustar las estrategias operativas y de marketing para
aprovechar los períodos de mayor demanda y minimizar los períodos de menor
demanda, mejorando así la eficiencia y la rentabilidad.
Bibliografía
Bernabeu, C. B. (1995). Obtenido de
[Link]
Stock, J. H. (2012). Obtenido de
[Link]
Wooldridge, J. M. (2010). Obtenido de
[Link]
[Link]