Pronosticos Box Jenkins

MariCarmen González Videgaray
Profesora Titular
[email protected]
Pronósticos:
Metodología
de Box-Jenkins
Marzo 2009
Universidad Nacional Autónoma de México

Facultad de Estudios Superiores Acatlán
Prefacio
La vida humana gira en torno a dos polos: los hábitos y las decisiones.
Los hábitos representan el mundo del automatismo, la repetición y la
rutina, así como los caminos trillados; es la esfera de la inercia, facilidad,
seguridad, de las cosas que caen por su propio peso.
Las decisiones son todo lo contrario: el alto en el camino, el lugar de la y
griega que hace reconsiderar la ruta, el momento de considerar y
ponderar las alternativas, el momento dramático de escoger o desechar
perspectivas que también atraen. M. Rodríguez y M. Márquez
Durante el siglo anterior muchas organizaciones se dieron a la tarea de in-

corporar las herramientas de cómputo a su trabajo cotidiano. Para ello, se
desarrollaron y perfeccionaron gran variedad y número de aplicaciones. Hoy
en día, con la aparición y auge de internet y la world wide web, el uso de la
computadora y los sistemas automatizados se ha intensificado y ha pasado a
formar parte de muchas actividades.
Una de las consecuencias más interesantes de este uso, es que las empresas
e instituciones pueden contar con grandes cantidades de datos, registrados
y almacenados con precisión y de manera inmediata. Por ejemplo, el com-
ercio electrónico permite registrar transacciones diversas en tiempo real; los
buscadores y servicios de correo electrónico almacenan en forma permanente
datos de sus usuarios; los supermercados llevan inventarios que se actualizan
con cada compra o recepción de productos; en fin, casi en todos los ámbitos
es posible recabar, almacenar, organizar y recuperar datos.
Como consecuencia, muchas organizaciones tienen ahora una nueva meta:
utilizar esos conjuntos de datos para apoyar y mejorar la toma de deci-
siones. Para ello es factible utilizar modelos matemáticos que reflejen de
manera aproximada el comportamiento del evento que se analiza. Un mo-
delo matemático es una ecuación o conjunto de ecuaciones que puede usarse
con varios fines: describir, explicar, pronosticar o controlar.
Una de las actividades más importantes que puede hacerse con un buen
conjunto de datos es pronosticar. Algunos de los métodos más usuales para
hacer pronósticos, como la regresión lineal o no lineal, requieren de unos
cuantos datos para generar una curva aproximada a la realidad que, si se ex-
trapola, puede brindar una predicción más o menos acertada. Sin embargo,
VI
al contar con un conjunto más amplio de datos, es posible producir pronós-

ticos que tomen en cuenta otros aspectos importantes como cambios en las
tendencias, o variaciones debidas a fenómenos repetitivos como las estaciones
del año, de tal modo que los resultados sean aún más precisos y, por lo tanto,
útiles.
Para hacer este tipo de pronósticos resulta indispensable la participación
de profesionistas que posean conocimientos de matemáticas y modelos avan-
zados, de manera que las organizaciones puedan explotar sus datos en la
mejor forma.
Los modelos matemáticos pueden ser deterministas (cuando los resul-
tados son plenamente predecibles con certeza) o estocásticos (cuando los
resultados no pueden predecirse con certeza, pero sí pueden aproximarse).
Por lo general, al tomar decisiones es necesario utilizar modelos estocásticos,
ya que se requiere de predicciones sobre un futuro más o menos incierto.
En México, donde toda suerte de decisiones políticas (por lo general im-
predecibles o aún sorpresivas), afectan los procesos económicos, se hace aún
más patente la necesidad de sistemas de pronósticos confiables, precisos y
eficientes.
Surge de aquí la oportunidad de conocer los modelos estocásticos con
fines de predicción o control. Entre ellos destaca la Metodología de Box-
Jenkins para series de tiempo. Hace algunos años, esta metodología recibió
fuertes ataques al ser tachada de “extremadamente difícil y laboriosa”[3, pp.
158-161], por el tipo de cálculos matemáticos que involucra, por lo cual muy
pocos tenían acceso a sus beneficios. Hoy en día, se cuenta con excelentes pa-
quetes de software como SAS, EViews, Statgraphics, MiniTab, SPSS Trends,
entre otros, que permiten un manejo sencillo de la información, a la vez que
generan muy buenos pronósticos. Por otro lado, prácticamente todas las car-
reras dél área de matemáticas han incorporado esta metodología a sus planes
de estudio.
Por todo lo anterior, estas notas pretenden ser una guía para el estudi-
ante, al facilitar la comprensión de la teoría y motivar al desarrollo prác-
tico de modelos para fenómenos reales. Se presentan una serie de prop-
uestas didácticas para el proceso enseñanza-aprendizaje de la Metodología
de Box-Jenkins que se complementan con los recursos y actividades que se
ofrecen en el ambiente virtual de aprendizaje InteligenciaNet, ubicado en
http://www.inteligencianet.com.
Cabe señalar que para el ejemplo de aplicación del último capítulo se uti-
lizó la estructura conocida como IMRyD: Introducción, Material y métodos,
Resultados y Discusión [41, 40].
Agradecimientos
Agradezco mucho el apoyo que recibí de Asael Fabian Martínez Martínez,

quien me resolvió amablemente algunas dudas de LATEX; a Jorge Abel Romero
Ortiz, quien efectuó con enorme cuidado la primera revisión de estilo de estas
VII
notas; y al Dr. Jesús H. del Río Martínez, por sus valiosas enseñanzas acerca
de cómo elaborar trabajos de investigación, así como sus aportaciones al
último capítulo.
Gracias también a las más de veinte generaciones de alumnos de Ma-
temáticas Aplicadas y Computación de la Facultad de Estudios Superiores
Acatlán de la Universidad Nacional Autónoma de México, con quienes se
fueron construyendo estas ideas.
Acatlán, Estado de México MariCarmen González Videgaray

2009
Índice general
1. Conceptos fundamentales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1. Pronósticos y decisiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Una aproximación sistemática (ARIMA) . . . . . . . . . . . . . . . . . . 2
1.3. Serie de tiempo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3.1. Definición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3.2. Componentes de una serie de tiempo . . . . . . . . . . . . . . . . 4
1.4. Objetivos del análisis de series de tiempo . . . . . . . . . . . . . . . . . . 7
1.5. Modelos univariados y multivariados . . . . . . . . . . . . . . . . . . . . . . 8
1.6. Metodología de Box-Jenkins . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.7. Funciones de primer y segundo orden . . . . . . . . . . . . . . . . . . . . . 11
1.7.1. Función de media . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.7.2. Función de varianza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.7.3. Funciones de relación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.8. Detección de la periodicidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.8.1. Propiedades de la función seno . . . . . . . . . . . . . . . . . . . . . 13
1.8.2. Función seno generalizada . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.8.3. Coeficientes de la serie de Fourier . . . . . . . . . . . . . . . . . . 17
1.8.4. Espectro lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.8.5. Periodograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.8.6. Periodograma integrado . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.9. Funciones muestrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.9.1. Función de media . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.9.2. Función de varianza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.9.3. Función de autocovarianza y autocorrelación . . . . . . . . . 30
2. Modelos estacionarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.1. Estacionaridad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.1.1. Dos conceptos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.1.2. Importancia de la estacionaridad . . . . . . . . . . . . . . . . . . . 33
2.2. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.2.1. Matriz de varianzas y autocovarianzas . . . . . . . . . . . . . . 35
2.2.2. Matriz de autocorrelaciones . . . . . . . . . . . . . . . . . . . . . . . . 35
2.3. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.3.1. Ejemplo de datos estacionarios . . . . . . . . . . . . . . . . . . . . . 36
2.3.2. Ejemplo de datos no estacionarios . . . . . . . . . . . . . . . . . . 38
X Índice general
2.4. Modelo lineal general y forma invertida . . . . . . . . . . . . . . . . . . . 40

2.5. Función de autocorrelación parcial . . . . . . . . . . . . . . . . . . . . . . . . 42
2.6. Modelos autorregresivos AR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.6.1. Modelo AR(1) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.6.2. Modelo AR(2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.6.3. Modelo AR(p) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.7. Modelos de medias móviles MA . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.7.1. Modelo MA(1) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.7.2. Modelo MA(2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.7.3. Modelo MA(q) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.8. Modelos mezclados ARMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.8.1. Modelo ARMA(1,1) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.8.2. Modelo ARMA(p,q) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.9. Notación abreviada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.10. Dualidad de los modelos y resumen . . . . . . . . . . . . . . . . . . . . . . . 55
3. Modelos no estacionarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.2. Estabilización de la varianza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.3. Eliminación de la tendencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.4. Variación estacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.5. Modelos ARIMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4. Pronósticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.2. Pronósticos de costo mínimo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.3. Cálculo de los pronósticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.4. Límite de los pronósticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.4.1. Pronóstico de un modelo AR(1) . . . . . . . . . . . . . . . . . . . . 70
4.4.2. Pronóstico de un modelo MA(1) . . . . . . . . . . . . . . . . . . . . 71
4.4.3. Pronóstico de un modelo ARMA(1,1) . . . . . . . . . . . . . . . 72
4.5. Actualización de los pronósticos . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5. Metodología de Box-Jenkins . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
5.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
5.2. Identificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
5.2.1. Interpretación de la ACF . . . . . . . . . . . . . . . . . . . . . . . . . . 74
5.2.2. Interpretación de la PACF . . . . . . . . . . . . . . . . . . . . . . . . . 76
5.3. Estimación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.3.1. Mínimos cuadrados y máxima verosimilitud . . . . . . . . . . 77
5.3.2. Procedimiento de estimación . . . . . . . . . . . . . . . . . . . . . . . 78
5.3.3. Inicialización de la serie de tiempo . . . . . . . . . . . . . . . . . . 79
5.3.4. Estimación no lineal de los parámetros . . . . . . . . . . . . . . 80
5.3.5. Valor inicial de los parámetros . . . . . . . . . . . . . . . . . . . . . 83
5.3.6. Ejemplo: estimación de ARMA(1,1) . . . . . . . . . . . . . . . . 84
Índice general XI
5.4. Diagnóstico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
5.4.1. Análisis de la estacionaridad . . . . . . . . . . . . . . . . . . . . . . . 86
5.4.2. Modelo sobre-estimado . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.4.3. Modelo sub-estimado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
5.4.4. Datos faltantes y atípicos . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.4.5. Comparación de modelos . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.5. Pronóstico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6. Modelos con variación estacional . . . . . . . . . . . . . . . . . . . . . . . . . . 97

6.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.2. Modelos exclusivamente estacionales . . . . . . . . . . . . . . . . . . . . . . 97
6.2.1. Modelos SAR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.2.2. Modelos SMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
6.2.3. Modelos SARIMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
6.3. Modelos multiplicativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
6.3.1. Modelo ARIMA(1,0,0)(1,0,0)s . . . . . . . . . . . . . . . . . . . . . . 102
6.3.2. Modelo ARIMA(0,0,1)(0,0,1)s . . . . . . . . . . . . . . . . . . . . . . 103
6.4. Resumen de modelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
7. Ejemplo de aplicación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107

7.1. Las remesas en México . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
7.2. Importancia de las remesas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
7.3. Objetivo del estudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
7.4. Metodología . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
7.5. Ajuste del modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
7.6. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
7.7. Pronósticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
7.8. Discusión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
Índice alfabético . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
Índice de figuras
1.1. Ventas anuales de computadoras IBM . . . . . . . . . . . . . . . . . . . . . . 5

1.2. Ventas mensuales de champaña en Estados Unidos . . . . . . . . . . . 6
1.3. Ciclos solares entre 1996 y 2006 . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4. Ruido blanco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5. Enfoque de Box-Jenkins . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.6. Metodología de Box-Jenkins . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.7. Función Seno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.8. Funciones seno con diferentes amplitudes . . . . . . . . . . . . . . . . . . . 14
1.9. Funciones seno con diferentes fases . . . . . . . . . . . . . . . . . . . . . . . . 15
1.10. Función seno con A = 2, L = 16, f = 1/16, φ = −1 . . . . . . . . . . 16
1.11. Ejemplo 1 - Función seno con A = 1, L = 16, f = 1/16, φ = 0 . 18
1.12. Ejemplo 2 - Función seno con A = 1, L = 2, f = 8/16, φ = 0 . . 19
1.13. Ejemplo 3 - Función con valores aleatorios . . . . . . . . . . . . . . . . . . 21
1.14. Espectro lineal del Ejemplo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.17. Periodograma del Ejemplo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.20. Periodograma Integrado Ejemplo 3 . . . . . . . . . . . . . . . . . . . . . . . . 27
2.1. Proceso estocástico estacionario . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

2.2. Proceso estocástico no estacionario . . . . . . . . . . . . . . . . . . . . . . . . 34
2.3. Tasa de inflación mensual en México . . . . . . . . . . . . . . . . . . . . . . . 37
2.4. La tasa de inflación es estacionaria . . . . . . . . . . . . . . . . . . . . . . . . 37
2.5. ACF de la tasa de inflación mensual en México . . . . . . . . . . . . . . 38
2.6. Periodograma de la tasa de inflación mensual en México . . . . . . 38
2.7. Periodograma integrado de la tasa de inflación mensual en
México . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.8. Tasa de desocupación abierta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.9. Características tasa desocupación . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.10. ACF de un modelo AR(1) con coeficiente positivo . . . . . . . . . . . 46
2.11. ACF de un modelo AR(1) con coeficiente negativo . . . . . . . . . . . 46
XIV Índice de figuras
2.12. PACF del modelo AR(1) con coeficiente positivo . . . . . . . . . . . . 47

2.13. PACF del modelo AR(1) con coeficiente negativo . . . . . . . . . . . . 47
2.14. ACF y PACF de MA(1) con coeficiente positivo . . . . . . . . . . . . . 51
2.15. ACF y PACF de MA(1) con coeficiente negativo . . . . . . . . . . . . 52
3.1. Menú desplegable en Statgraphics . . . . . . . . . . . . . . . . . . . . . . . . . 59

3.2. Ventana para hacer transformaciones . . . . . . . . . . . . . . . . . . . . . . 60
3.3. Orden de las diferencias no estacionales . . . . . . . . . . . . . . . . . . . . 62
3.4. Longitud de la variación estacional . . . . . . . . . . . . . . . . . . . . . . . . 65
5.1. Ejemplo de modelo sobre-estimado . . . . . . . . . . . . . . . . . . . . . . . . 87

5.2. Model Specification Options . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
5.3. Modelo sin el parámetro sobrante . . . . . . . . . . . . . . . . . . . . . . . . . 89
5.4. Comparación de modelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5.5. Comparación del período de estimación . . . . . . . . . . . . . . . . . . . . 94
5.6. Comparación del período de validación . . . . . . . . . . . . . . . . . . . . . 95
5.7. Estimación del modelo ARMA(1,1,1) . . . . . . . . . . . . . . . . . . . . . . 95
5.8. Pronósticos modelo ARIMA(0,1,1) . . . . . . . . . . . . . . . . . . . . . . . . . 96
6.1. ACF y PACF de modelo SAR(1) . . . . . . . . . . . . . . . . . . . . . . . . . . 99

6.2. ACF y PACF de modelo SMA(1) . . . . . . . . . . . . . . . . . . . . . . . . . . 100
6.3. ACF y PACF de modelo SARMA(1,1) . . . . . . . . . . . . . . . . . . . . . 101
6.4. ACF y PACF de modelo AR(1)SAR(1) . . . . . . . . . . . . . . . . . . . . 103
6.5. ACF y PACF de modelo MA(1)SMA(1) . . . . . . . . . . . . . . . . . . . . 105
7.1. Remesas familiares totales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110

7.2. Logaritmo natural de las remesas . . . . . . . . . . . . . . . . . . . . . . . . . . 111
7.3. Diferencia del logaritmo natural de las remesas . . . . . . . . . . . . . . 112
7.4. ACF de la serie modificada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
7.5. PACF de la serie modificada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
7.6. Periodograma integrado de la serie modificada . . . . . . . . . . . . . . 113
7.7. Datos y pronósticos de las remesas . . . . . . . . . . . . . . . . . . . . . . . . 114
7.8. Pronósticos de las remesas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
1 Conceptos fundamentales
Es muy difícil hacer predicciones, sobre todo del futuro.

Declaración tomada de una conferencia sobre el mañana.
1.1. Pronósticos y decisiones

Una gran cantidad de decisiones, aún las decisiones más simples que se toman
en la vida diaria, como elegir la hora adecuada de salida para llegar a tiempo
al trabajo o a la escuela, involucran un pronóstico. Por ejemplo, para decidir
cuál es la hora óptima para salir de casa hacia la escuela, es necesario estimar
el tiempo que tomará llegar al lugar correspondiente, así como tener una idea
clara con respecto al tráfico en la ruta seleccionada.
Las decisiones tendrán más o menos importancia, en función de sus con-
secuencias. Si se piensa, por ejemplo, en decisiones políticas o económicas
que pueden llegar a afectar a un país entero o inclusive a varios países; la
decisión de crear una nueva empresa o cerrarla, de contraer matrimonio o no,
etcétera. En fin, si las consecuencias son de mayor trascendencia, será más
importante cuidar la decisión y, sobre todo, acertar ella.
Para evitar decisiones erróneas, graves o aún catastróficas, deben preverse
con la mayor exactitud posible sus consecuencias, esto es, debe hacerse un
pronóstico que sea suficientemente parecido al fenómeno real sobre el cual se
decide y que permita una visión confiable del proceso. De aquí la importancia
de un buen método de pronóstico: un buen pronóstico garantiza una buena
decisión.
Como aquel personaje de Moliére que se sorprendía al percatarse de que
siempre hablaba en prosa, tal vez muchas personas se sorprenderían al darse
cuenta de la gran cantidad de pronósticos o predicciones que realizan diari-
amente. Claro está que la mayoría de ellos son intuitivos y carecen de una
aproximación sistemática, sin embargo, resultan bastante satisfactorios. Esto
funciona cuando la información cualitativa es suficiente y los resultados de
la decisión no implican grandes costos en caso de error. En cambio, cuan-
do se trata de decisiones a nivel de organizaciones, cuyos resultados son de
gran importancia, y se cuenta con información más completa y cuantitativa,
es más conveniente contar con un método también cuantitativo que permita
medir, incluso, la confianza que puede tenerse en el pronóstico.
2 1 Conceptos fundamentales
No debe verse el pronóstico cuantitativo como una predicción lanzada

por un adivino, que deberá ser idéntica al comportamiento futuro. Esto es
prácticamente imposible: de hecho, el pronóstico generalmente se da en forma
de un intervalo de confianza, es decir, de un rango de posibles valores. Por otro
lado, aún en la técnica más sofisticada, es esencial el conocimiento profundo
del fenómeno en cuestión, ya que sólo así podrá saberse si el método es
adecuado, si el patrón o tendencia es consistente, el tipo de modelo a elegir,
etcétera. El sentido común y la información completa deberán anteponerse
siempre a los resultados matemáticos.
A lo largo de este texto se considerará como pronóstico o predicción al
valor estimado de un evento que es desconocido por alguna de las siguientes
circunstancias:
No ha transcurrido el tiempo necesario para que el evento ocurra, es decir,
el evento de interés será conocido en un tiempo futuro.
No se han dado las circunstancias necesarias para que el evento ocurra, es
decir, el evento de interés depende de otros eventos que no han ocurrido.
1.2. Una aproximación sistemática (ARIMA)

Existen muchos y muy diversos métodos de pronóstico, tanto cualita-
tivos como cuantitativos. Dentro de los métodos más generales de pronóstico
cuantitativo para datos históricos, existen algunos que pueden manejar casi
cualquier tipo de datos numéricos, haciendo uso de modelos matemáticos de
tipo estocástico. Aunque estos métodos podrían parecer excesivamente labo-
riosos, existen ya una gran cantidad de paquetes electrónicos, de manera que
resultan sencillos y económicos.
Algunas aplicaciones útiles para efectuar pronósticos son las siguientes:
Statgraphics Centurion
SAS ETS
SPSS Trends
EViews
Para entender estos métodos puede partirse de la idea de que un conjun-
to de datos históricos está formados por una serie de choques aleatorios
(random shocks) , acumulados y ponderados en el tiempo; de manera tal que
al alejarse hacia atrás en el tiempo van perdiendo su influencia en el resul-
tado final. Otra forma de explicar un proceso en el tiempo es considerar que
está formado por una ponderación de los valores históricos más un error o
fluctuación aleatoria.
A los modelos anteriores se les llama de manera conjunta modelos au-
torregresivos y de medias móviles 1 .
1
El nombre fue acuñado en 1976 por Box y Jenkins [9], sin embargo, resulta poco
apropiado porque en realidad no se están calculando promedios y, además, existe
1.3 Serie de tiempo 3
Así pues, es posible construir modelos de tipo autorregresivo y de medias

móviles. Estos modelos se engloban con el nombre abreviado de modelos
ARMA (Autorregresive Moving Averages) y se describirán en el Capítulo 2.
El proceso por el cual se determina el modelo adecuado no es inmediato y
requiere por lo general de varios intentos sucesivos antes de obtener un buen
modelo. Esto se tratará en el Capítulo 5.
1.3. Serie de tiempo

1.3.1. Definición
Uno de los conceptos fundamentales dentro de los pronósticos cuantita-

tivos es el de serie de tiempo. Una serie de tiempo es una colección de
observaciones cronológicas, es decir, generadas en forma secuencial a través
del tiempo. Los datos recabados se ordenan con respecto al tiempo y las
observaciones sucesivas suelen ser dependientes entre sí.
Algunos ejemplos de series de tiempo pueden ser:
La cantidad de personas que usan diariamente el sistema de transporte
metropolitano,
El número de casos registrados semanalmente de sarampión,
El producto nacional bruto (PNB) mensual de México,
Los ingresos mensuales en México por turismo,
La temperatura promedio diaria,
El índice semanal de contaminación,
El índice mensual de inflación.
Una serie de tiempo es un proceso estocástico con espacio de estados S
continuo o discreto y espacio paramétrico T discreto. La serie de tiempo se
denota como {Yt }.
Así el valor Yt y representa la t-ésima observación, es decir, el valor que
tendrá la serie de tiempo en el momento t. Dicho valor puede ser conocido,
en cuyo caso es una constante, o desconocido, en cuyo caso es una variable
aleatoria.
Una serie de tiempo observada, es decir, el conjunto de sus valores o
datos, se acostumbra llamar una realización del proceso estocástico. Esto
es, la realización es una de todo el conjunto de posibles secuencias o resul-
tados del proceso. Se le llama de esta forma porque, si el fenómeno pudiera
ocurrir de nuevo (lo cual en la mayoría de los casos reales es imposible), se
supone que se obtendrían resultados diferentes, es decir, una realización dis-
tinta. Este concepto es fundamental y más adelante se relacionará con el de
estacionaridad.
otra metodología de pronóstico con el mismo nombre de medias móviles y otras
bases teóricas.
El objeto del análisis de series de tiempo es entonces describir el

proceso teórico que subyace a la serie de tiempo en forma de un modelo
matemático que tenga propiedades similares al proceso real.
Este tipo de series de tiempo se obtienen de registros instantáneos, pro-
mediados (temperaturas, índice Dow Jones, índice de precios y cotizaciones
de la Bolsa Mexicana de Valores); o acumulados (producción total en un mes,
precipitación pluvial acumulada en un día, accidentes totales de una semana,
por ejemplo).
Si bien el parámetro t debe ser discreto, el valor de la serie de tiempo Yt
puede ser discreto o continuo, lo cual dependerá del fenómeno en cuestión.
Por ejemplo, las temperaturas e índices de la BMV pueden tomar valores
continuos, mientras que el número de accidentes será siempre discreto, a
menos que se trate de un promedio.
En general se considerará que se cuenta con N datos históricos, es decir,
con las observaciones :
Y1 , Y2 , . . . , YN
A los datos Y1 , Y2 , . . . , YN −1 se les llamará historia o datos históricos,
mientras que al dato YN se le llamará presente o dato actual, aún cuando
en la mayoría de las ocasiones se refiera a un momento del tiempo que ya
transcurrió.
A veces es necesario corregir o modificar los datos originales, de manera
que se facilite su manejo. Por ejemplo:
Para tener meses de longitud idéntica, pueden redondearse a 30 días. Esto
suele hacerse al considerar los meses en contabilidad o finanzas (Días de
febrero×30/28).
Para homogeneizar el valor del dinero, que cambia debido al tiempo y a la
inflación, las cantidades pueden pasarse a dólares o deflactarse.
1.3.2. Componentes de una serie de tiempo
La serie de tiempo es, por lo general, una mezcla de varios factores o

componentes. Es importante aprender a distinguir —e inclusive aislar—
estos componentes.
Una serie de tiempo estará siempre formada por uno o más de los sigu-
ientes componentes :
1. Tendencia. La tendencia es un cambio sistemático en el patrón de los
datos y suele detectarse a simple vista en la gráfica de la serie. Una serie
sin tendencia será semejante o fluctuará alrededor de una recta horizontal.
En cambio, una serie con tendencia lineal, será creciente o decreciente en
forma aproximada a una línea recta con pendiente positiva o negativa,
según el caso. Una serie con tendencia cuadrática tendrá semejanza con
una parábola. La tendencia se identifica en inglés como trend. La Figura
1.1 muestra una serie con una clara tendencia creciente.
1.3 Serie de tiempo 5
Figura 1.1. Ventas anuales de computadoras IBM
Por supuesto, la tendencia es un componente sustancial que deberá consi-

derarse al pronosticar. Para incluir la tendencia en los modelos de pronós-
tico existen dos opciones: eliminarla o modelarla. La eliminación puede
hacerse —como se verá más adelante— a través de una transformación
(logaritmo, recíproco o raíz cuadrada, por ejemplo), de diferencias ordi-
narias o de diferencias finitas.
2. Variación estacional. Es muy común que algunos fenómenos estén vin-
culados a las estaciones del año, el clima, variaciones económicas repetiti-
vas en el año, etcétera. Cuando se observa un patrón de comportamiento
que se repite en períodos menores o iguales a un año, se dice que la serie
de tiempo tiene variación estacional (seasonality en inglés). Es muy im-
portante considerar esta variación dentro del pronóstico. Para ello puede
intentarse su eliminación a través de diferencias estacionales, o puede
modelarse como veremos más adelante. En la Figura 1.2 que representa
las ventas mensuales de champaña en Estados Unidos, es evidente que
existe un patrón repetitivo dentro de cada año, es decir, una variación
estacional, la cual lógicamente puede atribuirse a que se da un mayor
consumo de champaña en ciertas épocas como el fin de año.
3. Ciclo. Se trata de un patrón repetitivo con longitud mayor a un año.
Es más difícil de observar puesto que requiere de largos tiempos para ser
advertido. Para detectar un ciclo que ocurre cada once años, es necesario
contar al menos con 33 años de observaciones. El ciclo puede deberse,
por ejemplo, a los sexenios presidenciales u otro tipo de elecciones dentro
de nuestro país. También se observan ciclos en las manchas solares que
afectan al clima. El ciclo debe ser considerado, si es que se percibe. Por
lo general, si no hay datos sistemáticos de períodos largos de tiempo,
Time Series Plot for bubbly

15
12
0
0 20 40 60 80 100
Figura 1.2. Ventas mensuales de champaña en Estados Unidos
es imposible notar su ocurrencia. En inglés se conoce como cycle. En la

Figura 1.3 se observan dos ciclos ocurridos en un lapso de once años,
relacionados con las manchas y explosiones solares.
Figura 1.3. Ciclos solares entre 1996 y 2006
4. Fluctuación aleatoria. Cualquier serie de tiempo real, aún cuando

pueda ser parecida a las gráficas que se obtienen a partir de los mode-
los matemáticos (rectas, parábolas, función logaritmo, etcétera), siempre
contendrá un conjunto de variaciones irregulares que representan el re-
1.4 Objetivos del análisis de series de tiempo 7
sultado de los llamados choques o golpes aleatorios (random shocks). Es

decir,estas fluctuaciones aleatorias agrupan todo aquello que el modelo
matemático no puede explicar. Por ello, para que un modelo sea adecua-
do, las fluctuaciones aleatorias deben ser prácticamente despreciables,
dicho más formalmente: deben ser estadísticamente insignificantes.
De esta manera, la fluctuación aleatoria ideal debería ser lo que llamamos
ruido blanco (white noise), es decir: variables aleatorias independientes,
idénticamente distribuidas como Normal con media cero y varianza cons-
tante σ 2 . A continuación se muestra una gráfica de cincuenta valores
simulados de ruido blanco en la Figura 1.4.
Time Series Plot for Ruido

2.9
1.9
0.9
-0.1
-1.1
-2.1
-3.1
0 10 20 30 40 50
Figura 1.4. Ruido blanco
Esta gráfica no muestra tendencia, los datos están todos alrededor de una
media constante cero, la varianza es constante(i. e. la serie es homoscedás-
tica), no hay variación estacional ni ciclo. Éste es el tipo de gráfica que se
espera encontrar en los residuales que genere un buen modelo de series de
tiempo. Adicionalmente, existen pruebas de hipótesis para verificar que
se cumplen las propiedades del ruido blanco.
1.4. Objetivos del análisis de series de tiempo

El análisis de series de tiempo puede tener uno o más de los siguientes
cuatro objetivos:
Descripción. Pretende simplemente enunciar el comportamiento de un
proceso, permitiendo una visualización clara que generalmente se obtiene
de la gráfica de la serie de tiempo. Por ejemplo, se puede observar el
comportamiento de las temperaturas diarias para detectar posibles ten-

dencias y/o variaciones estacionales. Responde a la pregunta ¿cómo se
comporta el fenómeno?
Explicación. Pretende realizar un análisis de tipo causa-efecto al rela-
cionar un fenómeno con el medio circundante o con otras variables. Por
ejemplo, puede explicarse la contaminación de acuerdo con el día de la
semana, la cantidad de autos en circulación, etcétera. Responde a las
preguntas ¿por qué se comporta así el fenómeno?, ¿qué otras variables
afectan a la variable de interés?
Pronóstico. Pretende estimar valores futuros de un fenómeno con el
fin de tomar decisiones o prever comportamientos. Por ejemplo, es con-
veniente estimar la cantidad de turismo que llegará a una zona para
preparar las condiciones necesarias, sin incurrir en gastos excesivos. Re-
sponde a la pregunta ¿qué ocurrirá con el fenómeno en un futuro próximo?
Control. Si no sólo se desea observar, sino modificar el comportamiento
de un proceso para obtener algún beneficio o para que se mantenga den-
tro de ciertos límites establecidos, el objetivo es controlar. Por ejemplo,
definir las acciones necesarias para que la inflación no exceda de cierto
límite. Responde a la pregunta ¿cómo mantener el fenómeno en ciertos
límites?
1.5. Modelos univariados y multivariados

Los modelos clásicos de regresión relacionan una variable dependiente
con una o más variables independientes. La idea general de estos métodos es
explicar y/o pronosticar el valor de la variable dependiente a través de los
valores de las variables independientes.
En el análisis de series de tiempo existen tres posibilidades:
1. Utilizar como variables independientes a los valores anteriores o pasados
de la misma serie de tiempo que se desea pronosticar. En este caso se
hablará de modelos univariados de series de tiempo.
2. Utilizar otras series de tiempo independientes como variables explicativas.
3. Mezclar los dos anteriores. En este caso y el anterior se trata de modelos
multivariados de series de tiempo
En los dos últimos, pueden manejarse conjuntos de series de tiempo para
formar modelos causales, en los cuales deberá encontrarse una función de
transferencia que relacione las distintas series de tiempo. Este análisis está
fuera de los objetivos de este trabajo, pero pueden consultarse las referencias
sugeridas en la bibliografía, como [39].
Básicamente, el procedimiento que usan los modelos multivariados con-
siste en formular modelos de tipo regresión lineal o no lineal múltiple, donde,
en lugar de colocar una variable en función de otras, se tiene una serie de
tiempo en función de otras series de tiempo.
1.6 Metodología de Box-Jenkins 9
Puesto que en este caso resulta inadecuado hablar de variables dependi-

entes e independientes, ya que la variable dependiente e independiente pueden
ser una sola en distintos momentos del tiempo, es mejor utilizar como denom-
inación:
Variable exógena: aquella cuyo valor no depende del resultado del mo-
delo. (Hace las veces de variable independiente).
Variable endógena: aquella cuyo valor depende del resultado del modelo.
(Hace las veces de variable dependiente).
1.6. Metodología de Box-Jenkins
En 1976, George E. P. Box y Gwilym M. Jenkins publican su libro Time

Series Analysis. Forecasting and Control[9], en el cual mencionan cuatro apli-
caciones prácticas del pronóstico de series de tiempo: planeación económica
y financiera, planeación de la producción, control de inventarios y produc-
ción, así como control y optimización de procesos industriales. A partir de
la aparición de este libro, muchos autores han seguido los lineamientos de
Box y Jenkins, creando más aplicaciones y facilitando el trabajo por medios
electrónicos.
La metodología de Box-Jenkins consiste en extraer los movimientos pre-
decibles de los datos observados y separarlos de la parte no predecible o
completamente aleatoria. La serie de tiempo se desagrega en varios compo-
nentes, algunas veces llamados filtros, precisamente porque la filosofía de
este método consiste en detectar los distintos componentes y separarlos us-
ando los filtros correspondientes, hasta obtener residuales no predecibles cuyo
comportamiento tiene poca influencia en el resultado final y es semejante al
ruido blanco. El enfoque de Box-Jenkins hace principalmente uso de tres fil-
tros lineales: el autorregresivo, el de integración y el de medias móviles, como
se muestra en la Figura 1.5.
El proceso iterativo de Box-Jenkins para construir modelos lineales de
series de tiempo se basa en dos grandes principios:
El principio de parsimonia. Consiste en elegir siempre el modelo más
sencillo que sea suficientemente representativo de los datos. Se basa en la
filosofía propuesta por William de Occam, conocida como Occam´s razor:
All things being equal, the simplest solution tends to be the best one (De
entre cosas iguales, la solución más sencilla tiende a ser la mejor).
El principio del mejoramiento iterativo. Consiste en partir de un
modelo sencillo y factible, al cual se harán mejoramientos sucesivos, hasta
llegar a un modelo satisfactorio.
De acuerdo con estos dos principios, no es necesario que se identifique
un modelo adecuado desde el primer intento, ya que la metodología ofrece
recursos para mejorar los diversos modelos tentativos, de manera sucesiva.
Yt Filtro de
estacionaridad
Filtro de
Wt integración
Filtro
Zt autorregresivo
Filtro de medias
móviles
et
Ruido blanco
Figura 1.5. Enfoque de Box-Jenkins
Además, al tomar en cuenta el principio de parsimonia, deberá iniciarse siem-

pre el proceso con un modelo sencillo, que poco a poco se irá mejorando, a
través de las estadísticas que permiten determinar qué es lo que falta —o
sobra— en un modelo.
En la Figura 1.6 se presenta un diagrama funcional del método de Box-
Jenkins[37, Pág. 63], que contiene los pasos principales que deberán seguirse
para llegar a un modelo adecuado.
Los procedimientos empleados en la identificación son inexactos y re-
quieren de mucho razonamiento y experiencia por parte del analista, así como
del conocimiento del fenómeno en cuestión. La metodología parte de elegir
un modelo sencillo y tratar de mejorarlo. Por supuesto, no se podrá hablar
de un modelo óptimo, pero sí de un modelo que genere pronósticos ade-
cuados. Cabe señalar aquí que algunos paquetes estadísticos como SAS y
Statgraphics ofrecen la posibilidad de generar automáticamente un modelo
que es supuestamente el mejor, pero deberá sujetarse siempre la decisión al
criterio del analista, ya que puede haber aspectos cualitativos que el software
no considere.
La metodología ofrece un conjunto de estadísticos y gráficos que serán
de gran utilidad para la identificación del modelo y para mejorarlos. Para
verificar si un modelo es adecuado, será muy importante el estudio de los
residuales, como se verá más adelante.
Es indispensable hacer notar aquí que hay modelos que se ajustan a los
datos pero que generan pronósticos inaceptables. En este caso habrá que
1.7 Funciones de primer y segundo orden 11
Serie
Original Yt
Acciones que puede Acciones

Acciones que
que debe
debe
hacer el software hacer
hacer el
el analista
analista
Gráfica
ACF
PACF
Periodograma
Identificar ¿Se
¿Se puede
puede
¿Es
¿Es Identificar un
un Estimar los
Modelo mejorar
mejorar el
el
estacionaria?
estacionaria? Modelo Tentativo
Tentativo parámetros
modelo?
modelo?
Hacerla
Hacerla Serie
estacionaria
estacionaria Transformada Zt Pronosticar
Figura 1.6. Metodología de Box-Jenkins
regresar a la identificación, o inclusive, revisar si el método es realmente

adecuado. Por otro lado, de acuerdo con el objetivo final, puede sacrificarse
el ajuste por la precisión en los pronósticos, en virtud de que ésta es la meta
de interés.
1.7. Funciones de primer y segundo orden

De la misma forma en que una variable aleatoria se caracteriza por sus
parámetros y entre ellos destacan el de primer orden (la media) y el de
segundo orden (la varianza), un proceso estocástico en general y en particular
una serie de tiempo, pueden caracterizarse por sus funciones de primer y
segundo orden.
La función de primer orden es la función de media. Se habla en este
caso de una función porque ya no se trata de un solo punto —como en
la variable aleatoria— sino en un conjunto de puntos que irá tomando la
media a lo largo del tiempo. Lo mismo ocurre para las funciones de segundo
orden: varianza, autocovarianza, autocorrelación y autocorrelación parcial,
todas ellas tomarán distintos valores al transcurrir el tiempo. A continuación
se definen de manera sucinta.
1.7.1. Función de media
La función de media es el valor esperado de la serie de tiempo en cada

valor del índice tiempo, es decir:
µt = E(Yt ) (1.1)
Obsérvese que la función anterior podría entonces tomar diversos valores
a lo largo del tiempo. En algunos casos podrá ser constante y se dirá entonces
que la serie de tiempo no muestra tendencia.
1.7.2. Función de varianza
La función de varianza mide la dispersión esperada de la serie de tiempo

en cada valor del índice tiempo, es decir:
Var(Yt ) = E(Yt − µt )2 (1.2)

Obsérvese que la función anterior podría entonces tomar diversos valores
a lo largo del tiempo. En algunos casos podrá ser constante y se dirá que
la serie tiene varianza constante o es homoscedástica. Si la varianza cam-
bia a través del tiempo (generalmente es creciente) se dice que la serie es
heteroscedástica.
1.7.3. Funciones de relación
La función de autocovarianza y la función de autocorrelación miden la

forma en que, al variar la serie en un punto, se afecta su valor en otro punto
del tiempo.
Así, la función de autocovarianza se calcula como:
Autocov(Yt , Yt−k ) = E((Yt − µt )(Yt−k − µt−k )) (1.3)

Por otra parte, la función de autocorrelación se calcula como:
Autocov(Yt , Yt−k )
Autocorr(Yt , Yt−k ) = p (1.4)
Var(Yt )Var(Yt−k )
Como puede verse, ambas funciones dependen tanto de la posición en
el tiempo t, como de la magnitud del intervalo que separa a la pareja de
variables, es decir, k. Como la función de autocorrelación se utilizará muy
a menudo a lo largo de este texto, su nombre será sustituido por las siglas
ACF, provenientes de su equivalente en inglés: AutoCorrelation Function.
Por su parte, la función de autocorrelación parcial mide la contribu-
ción al modelo de cada nueva variable endógena (variable histórica) que se
agrega al modelo de pronóstico. Esta función se abreviará como PACF (por
su equivalencia en inglés: Partial AutoCorrelation Function). En el Capítulo
2 se explicará la forma de obtenerla.
1.8 Detección de la periodicidad 13
1.8. Detección de la periodicidad

1.8.1. Propiedades de la función seno
En la gráfica de la función seno más sencilla, f (x) = sen(x), para

x ∈ [0, 2π] radianes, es posible detectar con facilidad cuatro propiedades
esenciales:
Amplitud o fuerza: es la distancia máxima de la curva al eje horizontal.
También se le llama fuerza de la función. Se denota por A.
Longitud de período: distancia de cresta a cresta o de valle a valle. Es
el lapso que tarda la curva en repetirse. Se denota por L.
Frecuencia: recíproco de la longitud. Mide la proporción del ciclo que se
recorre en una unidad. Por supuesto, a mayor longitud menor frecuencia y
viceversa. Se denota por f .
Fase: es el desplazamiento horizontal de la curva, con respecto al eje ver-
tical. Se denota por φ.
En la Figura 1.7 se han marcado la amplitud, longitud y fase. Es sencillo
verificar en la gráfica que en este caso la amplitud es 1, la longitud es 2π, la
frecuencia es 1/2π y la fase es 0.
1.50
Longitud
1.00
0.50
Amplitud
Fase
0.00
0.00 1.00 2.00 3.00 4.00 5.00 6.00 7.00
-0.50
-1.00
-1.50
x
Figura 1.7. Función Seno

1.8.2. Función seno generalizada
¿Cómo variar las propiedades de la función seno para hacerla más gener-
al? Si se desea obtener una función cuya amplitud tenga un valor de A, la
ecuación correspondiente sería:
f (x) = A sen(x)
Así, en la Figura 1.8 se observa la función seno anterior junto con una
nueva función seno cuya amplitud es de A = 2.
2.50
2.00
1.50
1.00
0.50
A=1
0.00
0.00 1.00 2.00 3.00 4.00 5.00 6.00 7.00 A=2
-0.50
-1.00
-1.50
-2.00
-2.50
x
Figura 1.8. Funciones seno con diferentes amplitudes
Modificar la fase es muy sencillo, basta con sumar (o restar) una constante
al argumento de la función, de la siguiente forma:
f (x) = A sen(x + φ)
Por ejemplo, en la Figura 1.9 se observa la función seno original junto con
la nueva función f (x) = sen(x − 1); al modificar la fase la función seno sufre
un desplazamiento horizontal.
Ahora, para manipular la longitud —y por lo tanto la frecuencia— de la
función, puede considerarse que la función seno pasa por un conjunto de N
puntos discretos equidistantes, de tal manera que, si la longitud es 2π como
1.50
1.00
0.50
phi=0
0.00
0.00 1.00 2.00 3.00 4.00 5.00 6.00 7.00 phi=-1
-0.50
-1.00
-1.50
x
Figura 1.9. Funciones seno con diferentes fases
en el caso inicial (f (x) = sen(x)) y corresponde a los N puntos, la frecuencia

en cada uno de los puntos sería de 2π/N .
Así, la función seno con longitud L = N puntos, frecuencia f = 1/N ,
amplitud A y fase φ, se expresaría como:

2πt
f (t) = A sen +φ
N
Para t = 1, 2, . . . , N .
En la Figura 1.10 se muestra la función seno con amplitud A = 2, longitud
L = 16, frecuencia f = 1/16 y fase φ = −1
También es posible hacer una traslación de la función seno con respecto
al eje horizontal agregando una constante A0 . Esta constante ocasionará un
desplazamiento rígido de la función hacia arriba si A0 > 0 o hacia abajo si
A0 < 0.
Supóngase ahora que se tiene un conjunto de N puntos que corresponden
a las observaciones de una serie de tiempo {Yt }: Y1 , Y2 , . . . , YN . Se desea
generar una combinación lineal de funciones seno que pasen por todos y
cada uno de los N puntos. Para ello podrían ajustarse las funciones seno con
frecuencias:
2.50
2.00
1.50
1.00
0.50
f(t)
0.00
0 2 4 6 8 10 12 14 16 18
-0.50
-1.00
-1.50
-2.00
-2.50
t
Figura 1.10. Función seno con A = 2, L = 16, f = 1/16, φ = −1
f1 = 1/N
f2 = 2/N
f3 = 3/N
..
.
f[N/2] = 1/2
Donde:

N/2 si N es par
[N/2] =
(N − 1)/2 si N es impar
Estas frecuencias corresponden a las longitudes recíprocas que pueden
enlistarse como sigue:
L1 = N
L2 = N/2
L3 = N/3
..
.
L[N/2] = 2
Obsérvese que la máxima longitud posible consiste en una función seno
que toma todos los puntos para concluir un solo período, mientras que la
mínima longitud consiste en que se complete todo un período cada dos puntos.
Así, la combinación lineal de [N/2] funciones seno que pasan por los N
puntos de la serie de tiempo puede expresarse de acuerdo con la ecuación 1.5
de la función seno generalizada:
[N/2]
X 2πkt
Yt = Ak sen + φk (1.5)
N
k=0
Con objeto de separar los dos términos que conforman el argumento de

la función seno, de manera que sea posible estimarlos con modelos lineales,
puede usarse la identidad trigonométrica:
sen (u + v) = sen u cos v + cos u sen v

Así, la ecuación 1.5 quedará como:
[N/2]
X 2πkt 2πkt
Yt = Ak sen cos φk + Ak cos sen φk
N N
k=0
Si se renombran las constantes como:
αk = Ak sen φk (1.6)
βk = Ak cos φk (1.7)
Y se sustituyen en la ecuación anterior, se obtiene lo siguiente:
[N/2]
X 2πkt 2πkt
Yt = αk cos + βk sen (1.8)
N N
k=0
Que no es otra cosa más que la conocida serie de Fourier. Es posible

demostrar que esta serie es una combinación lineal de N funciones ortogonales
(seno y coseno), de tal manera que forma una base del espacio vectorial de
dimensión N y, por lo tanto, cualquier conjunto de observaciones de una
serie de tiempo Yt puede modelarse con esta función, si se encuentran los
coeficientes correspondientes. En el caso que nos ocupa, estos coeficientes
permitirán, a su vez, reconstruir la función seno generalizada (1.5) con sus
respectivas amplitudes, longitudes, frecuencias y fases.
1.8.3. Coeficientes de la serie de Fourier
Puede demostrarse que las ecuaciones para calcular los coeficientes de

la serie de Fourier [39] son las siguientes:
N
1 2πkt
P
ak = N Yt cos N si k = 0, y k = N/2 cuando N par
t=1
N N −1
2 2πkt
P
ak = N Yt cos N si k = 1, 2, . . . , 2
(1.9)
t=1
N N
2 2πkt
P
bk = N Yt sen N si k = 1, 2, . . . , 2
t=1
Donde ak y bk son los valores numéricos calculados para αk y βk , respec-

tivamente. Ahora, sean ωk = 2πk/N para k = 0, 1, . . . , [N/2]. Estos valores
se llaman frecuencias de Fourier o armónicas.
Ejemplo 1: Serie de tiempo con longitud 16. Supongamos que se tiene una
serie de tiempo sumamente sencilla, con 16 valores cuya gráfica se presenta
en la Figura 1.11 y que se obtienen evaluando la función Yt = sen 2πkt

N para
k = 1, 2, . . . , 16.
1.50
1.00
0.50
0.00
Yt
0 2 4 6 8 10 12 14 16 18
-0.50
-1.00
-1.50
t
Figura 1.11. Ejemplo 1 - Función seno con A = 1, L = 16, f = 1/16, φ = 0
Para estos datos es posible calcular los coeficientes de Fourier, tal como
se muestra en el Cuadro 1.1.
Ejemplo 2: Serie de tiempo con longitud 2. Supongamos que se tiene una

serie de tiempo sumamente sencilla, con 16 valores que son simplemente 0
y 1 en forma alternada (datos del Cuadro 1.2, los cuales corresponden a la
gráfica que se presenta en la Figura 1.12. Para estos datos es posible calcular
los coeficientes de Fourier, que se muestran en el Cuadro 1.3:
Ejemplo 3: Serie de tiempo aleatoria. Supongamos que se tiene una serie de

tiempo con 20 valores (Cuadro 1.4) que se obtuvieron utilizando la instrucción
k ak bk
0 0.0 -
1 0.0 1.0
2 0.0 0.0
3 0.0 0.0
4 0.0 0.0
5 0.0 0.0
6 0.0 0.0
7 0.0 0.0
8 0.0 0.0
Cuadro 1.1. Coeficientes de Fourier del Ejemplo 1
t Yt t Yt
1 0 9 0
2 1 10 1
3 0 11 0
4 1 12 1
5 0 13 0
6 1 14 1
7 0 15 0
8 1 16 1
Cuadro 1.2. Datos del Ejemplo 2
1.20
1.00
0.80
0.60
Yt
0.40
0.20
0.00
0 2 4 6 8 10 12 14 16 18
t
Figura 1.12. Ejemplo 2 - Función seno con A = 1, L = 2, f = 8/16, φ = 0

k ak bk
0 0.5 -
1 0.0 0.0
2 0.0 0.0
3 0.0 0.0
4 0.0 0.0
5 0.0 0.0
6 0.0 0.0
7 0.0 0.0
8 0.5 0.0
Cuadro 1.3. Coeficientes de Fourier Ejemplo 2
t Yt t Yt
1 1.00 11 0.38
2 0.60 12 0.45
3 0.18 13 0.17
4 0.41 14 0.59
5 0.06 15 0.23
6 0.01 16 0.67
7 0.67 17 0.76
8 0.44 18 0.99
9 0.71 19 0.95
10 0.58 20 0.43
Cuadro 1.4. Datos del Ejemplo 3
=aleatorio() en la hoja de cálculo Microsoft Excel. Estos datos produjeron

la gráfica que se presenta en la Figura 1.13. Para estos datos es posible calcular
los coeficientes de Fourier, que se muestran en el Cuadro 1.5.
k ak bk
0 0.51 -
1 0.14 -0.11
2 0.20 -0.14
3 -0.03 0.06
4 -0.07 -0.02
5 -0.04 0.03
6 -0.03 0.09
7 -0.12 0.03
8 -0.12 -0.10
9 -0.03 0.09
10 0.00 0.00
Cuadro 1.5. Coeficientes de Fourier para el Ejemplo 3

1.20
1.00
0.80
0.60
Yt
0.40
0.20
0.00
0 5 10 15 20
t
Figura 1.13. Ejemplo 3 - Función con valores aleatorios
1.8.4. Espectro lineal
Los coeficientes de Fourier pueden obtenerse de forma manual o, prefer-

entemente, con un programa u hoja de cálculo. Una vez que se cuente con ellos
para cada una de las frecuencias armónicas, será posible obtener los valores
correspondientes de la función seno generalizada, a través de las ecuaciones
1.6 y 1.7, como se explica a continuación.
La constante, término independiente o desplazamiento vertical, se calcula
como:
A0 = a0 (1.10)
Las amplitudes correspondientes a cada frecuencia serán:
p
Ak = a2k + b2k para k = 1, 2, . . . , [N/2] (1.11)
Y las fases se obtienen como:

φk = arctan abkk para k = 1, 2, . . . , [N/2] (1.12)
Observarás que utilizamos el arco tangente (y no el arco seno o arco

coseno) para encontrar rápidamente el ángulo que satisface simultáneamente
ambas propiedades, es decir, que está en el cuadrante correspondiente del
círculo trigonométrico. Sin embargo, si utilizas una calculadora, hoja de cál-
culo o lenguaje de programación, es probable que la operación arco tangente
devuelva ángulos negativos. En este caso, será necesario convertirlos en posi-
tivos, identificando correctamente el cuadrante que corresponde. Por ejemplo,
si tanto ak como bk son positivos, el ángulo está en el primer cuadrante y no
es necesario modificarlo. Si ak > 0 y bk < 0, significa que el ángulo está en el

segundo cuadrante. Si se obtiene un ángulo negativo, podrá hacerse positivo
sumando el valor de π. De cualquier forma, en adelante no se utiliza la fase.
¿Cuál es la utilidad de estos resultados dentro del análisis de series de
tiempo? Lo que se ha hecho es descomponer a la serie en un conjunto de
funciones seno, cada una con su respectiva longitud, frecuencia, amplitud y
fase. Si la serie real contiene algún tipo de periodicidad, la función seno cuya
frecuencia corresponda con ella deberá mostrar una amplitud más destacada.
Por supuesto, si una serie tiene periodicidad de orden k, entonces también ten-
drá periodicidad en los órdenes correspondientes a los múltiplos: 2k, 3k, 4k, . . .
Así, si se elabora una gráfica de las amplitudes (eje vertical) contra las fre-
cuencias (eje horizontal), se espera que las amplitudes correspondientes a
la frecuencia correspondiente al período subyacente, así como sus múltiplos,
destaquen con respecto a las demás. Esta gráfica recibe el nombre de espec-
tro lineal.
Ejemplo 1: Serie de tiempo con longitud 16. Con los datos ya expuestos y
los coeficientes de Fourier, es posible obtener los valores de las amplitudes y
fases que se muestran en el Cuadro 1.6.
k Ak φk
0 0.0 -
1 1.0 1.57
2 0.0 -
3 0.0 -
4 0.0 -
5 0.0 -
6 0.0 -
7 0.0 -
8 0.0 -
Cuadro 1.6. Amplitudes y fases del Ejemplo 1
A su vez, estos valores permiten graficar el espectro lineal correspondiente,

como se muestra en la Figura 1.14. En ella es posible apreciar que la única
frecuencia cuya amplitud es distinta de cero es la armónica f1 = 1/16, la cual
corresponde a una longitud de 16, la misma señalada al describir el ejemplo
por vez primera.
Ejemplo 2: Serie de tiempo con longitud 2. Con los datos ya expuestos y los
coeficientes de Fourier, es posible obtener los valores de las amplitudes y fases
del Cuadro 1.7:
Con las amplitudes y fases es posible entonces graficar el espectro lineal
correspondiente, como se muestra en la Figura 1.15. En ella es posible apreciar
1.20
1.00
0.80
Amplitudes Ak
0.60
0.40
0.20
0.00
0.00 0.06 0.13 0.19 0.25 0.31 0.38 0.44 0.50
-0.20
Frecuencias armónicas k/N
Figura 1.14. Espectro lineal del Ejemplo 1
k Ak φk
0 0.5 -
1 0.0 -
2 0.0 -
3 0.0 -
4 0.0 -
5 0.0 -
6 0.0 -
7 0.0 -
8 0.5 0.0
que las dos frecuencias cuya amplitud es distinta de cero son las correspon-
dientes al término constante y la armónica f8 = 8/16, la cual corresponde
a una longitud de 2. De esta forma comprobamos que, a través de los coefi-
cientes de Fourier, se recuperan las características de la función seno original.
Ejemplo 3: Serie de tiempo aleatoria. Con los datos ya expuestos y los coe-
ficientes de Fourier, es posible obtener los valores de las amplitudes y fases
que se muestran en el Cuadro :
Estos valores generan el espectro lineal que se muestra en la Figura 1.16.
En ella es posible apreciar que sobresalen prácticamente todas las amplitudes
y ninguna de ellas domina. Esto significa que la serie carece de periodicidad,
lo cual es lógico considerando que procede de datos completamente aleatorios.
0.60
0.50
0.40
Amplitudes Ak
0.30
0.20
0.10
0.00
0.00 0.06 0.13 0.19 0.25 0.31 0.38 0.44 0.50
k Ak φk
0 0.52 -
1 0.21 -0.18
2 0.07 -0.72
3 0.19 0.94
4 0.17 -0.41
5 0.05 0.05
6 0.09 -0.34
7 0.14 -0.87
8 0.13 1.38
9 0.07 -0.50
10 0.02 -1.57
1.8.5. Periodograma
Si bien el espectro lineal es útil para detectar posibles componentes per-

iódicos en una serie de tiempo, en el caso particular en que exista period-
icidad pero con amplitudes relativamente bajas, es posible que no sea fá-
cil visualizarla en la gráfica. Entonces, una forma de hacerla más visible es
“exagerar” la amplitud. Con este objeto Schuster (1898) propuso utilizar la
gráfica del periodograma, el cual se calcula como se indica en la ecuación
1.13:
2
 
 N a0 k = 0, 
I(ωk ) = N2 a2k + b2k k = 1, 2, . . . , N 2−1 ,

(1.13)
N a2N/2 k = N2 cuando N es par.
 
0.4
0.35
0.3
0.25
Amplitudes Ak
0.2
0.15
0.1
0.05
0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
El periodogramaPse define de esta forma para que la suma de todos sus

N
valores sea igual a t=1 Yt2 , es decir, a la suma de cuadrados de la serie de
tiempo. Al tomar los cuadrados de las amplitudes y multiplicarlos por el valor
de N los valores grandes se harán aún mayores, mientras que los pequeños
disminuyen. Así se incrementa el contraste entre unos y otros.
Las Figuras 1.17 a 1.19 muestran los periodogramas de los Ejemplos 1 a
3, respectivamente.
1.8.6. Periodograma integrado

Otra forma de analizar con rapidez el periodograma es hacer la suma
normalizada de sus valores y representarlo a través de una prueba de bondad
de ajuste no paramétrica de Kolmogorov-Smirnov. La suma normalizada se
calcula como:
k
X I (ωj )
IP (ωk ) = PN (1.14)
2
j=0 t=1 Yt
La gráfica de la suma normalizada contra los valores de las frecuencias ar-

mónicas fk = k/N recibe el nombre de periodograma integrado (integrat-
ed periodogram).
La mayor parte de las aplicaciones de estadística, como Statgraphics y
SAS, ofrecen tanto la gráfica del periodograma como la del periodograma
integrado. La ventaja del periodograma integrado es que permite hacer un
análisis visual rápido tanto del ajuste de un modelo ya estimado como de la
posible periodicidad.
Cuando una serie de tiempo carezca de periodicidad, el periodograma in-
tegrado tenderá a parecerese a la línea recta a 45 grados que sería la suma
Periodograma I(ωk)
5
0
0.00 0.06 0.13 0.19 0.25 0.31 0.38 0.44 0.50
Frecuencias armónicas ωk
Figura 1.17. Periodograma del Ejemplo 1
4.5
3.5
3
Periodograma I(ωk)
2.5
1.5
0.5
0
0.00 0.06 0.13 0.19 0.25 0.31 0.38 0.44 0.50

2.5
Periodograma I(ωk)
1.5
0.5
0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
de amplitudes todas con valores mínimos e idénticos. A continuación, en la

Figura 1.20 se muestra un ejemplo de periodograma integrado sin señales
de periodicidad, que corresponde al Ejemplo 3 de este capítulo. (Los peri-
odogramas integrados que se muestran aquí se obtuvieron con el software
Statgraphics Plus).
Figura 1.20. Periodograma Integrado Ejemplo 3
En cambio, cuando una serie de tiempo contenga periodicidad, el periodo-

grama presentaría valores altos tanto en la frecuencia correspondiente como
en sus múltiplos. Entonces, en el periodograma integrado se observarán una
especie de “escalones” indicando ya sea variación estacional o ciclo. Las Fi-
guras 1.21 y 1.22 muestran los periodogramas integrados para los Ejemplos
2 y 3, respectivamente.

1.9 Funciones muestrales 29
Finalmente, es importante observar qué significa si el periodograma inte-

grado muestra un valor muy alto al inicio, es decir, en frecuencias cercanas a
cero: esto implica que la serie tiene tendencia.
1.9. Funciones muestrales
De acuerdo con los principios de la estadística inferencial, es posible ha-

cer conclusiones acerca de las propiedades y características de una población,
a través de una muestra representativa, es decir, de un subconjunto de el-
ementos tomados de la población. En el caso de las series de tiempo, la
única muestra con que se cuenta es el conjunto de observaciones históricas:
Y1 , Y2 , . . . , YN . Puesto que, en general, la serie de tiempo ocurre por única
vez y es imposible replicarla, se acostumbra llamar a estas observaciones una
realización del proceso estocástico, de entre todas las realizaciones posibles.
Como se verá en el Capítulo 2, esta realización sólo podrá considerar-
se como una muestra representativa de tamaño N bajo ciertas condiciones.
Cuando esto ocurra, tendrá sentido calcular a través de estos datos los esti-
madores de la media, varianza, autocovarianzas y autocorrelaciones. Así, en
esta sección se presentan los estimadores bajo los siguientes tres supuestos:
1. La función de media es constante en el tiempo, no hay tendencia. Para
verificar este supuesto se observa la gráfica de la serie de tiempo, si los
puntos se mantienen alrededor de una línea horizontal, puede considerarse
que no hay tendencia.
2. La función de varianza es constante en el tiempo (la serie es homoscedás-
tica). Para verificar este supuesto se observa la gráfica de la serie de tiem-
po, si los puntos se mantienen dentro de una franja o banda constante
alrededor de la media, se considera que la varianza es constante.
3. La función de autocorrelación (o autocovarianza) no depende del tiempo
t, sino únicamente del intervalo entre dos variables, k. Esta suposición no
puede hacerse de manera visual, más adelante se revisarán las herramien-
tas para tratar este aspecto.
1.9.1. Función de media
Si la función de media es constante, puede estimarse con el promedio

aritmético, de la siguiente forma:
N
1 X
µ̂Y = Ȳ = Yt (1.15)
N t=1
1.9.2. Función de varianza
Si la función de varianza es constante a través del tiempo (la serie de

tiempo es homoscedástica), podrá ser estimada con:
PN
ˆ (Yt ) = γˆ0 = S 2 = t=1 (Yt− Ȳ )2
Var Y (1.16)
N −1
1.9.3. Función de autocovarianza y autocorrelación
Se considera, además, que la función de autocovarianza permanece cons-

tante en el tiempo, para variables que están separadas por un intervalo de la
misma longitud k. Si la media es cero y la varianza es constante, la función
de autocovarianza se calcula como:
γk = Cov(Yt , Yt+k )

= E Yt − Ȳ Yt+k − Ȳ (1.17)
Y el estimador de la autocovarianza es:

N
X Yt − Ȳ Yt+k − Ȳ
γˆk = (1.18)
t=1
N −1
Mientras que la función de autocorrelación puede expresarse como:
ρk = Corr(Yt , Yt+k )
Cov(Yt , Yt+k )
= p
Var(Yt )Var(Yt+k )
γk
= (1.19)
γ0
Donde el valor de ρk debe ser tal que −1 ≤ ρk ≤ 1, porque tanto la matriz
de autocorrelación como la de autocovarianzas son definidas positivas.
Finalmente, el estimador de la función de autocorrelación en este caso
será:
γˆk
rk = ρˆk = (1.20)
γˆ0
2 Modelos estacionarios
2.1. Estacionaridad
2.1.1. Dos conceptos
La estacionaridad será crucial para identificar el modelo más adecuado para

un conjunto de los datos. El concepto de estacionaridad (stationarity)
puede definirse de dos formas alternas:
Concepto de estacionaridad en sentido fuerte o estricto. Se dice que una serie

de tiempo Yt es estacionaria en sentido estricto o fuertemente estacionaria,
si su función de distribución conjunta de probabilidad permanece idéntica en
el tiempo. Es decir si:
f (Yt , Yt−1 , . . . , Yt−k ) = f (Yt+τ , Yt−1+τ , . . . , Yt−k+τ ) , ∀τ ∈ R (2.1)
Esta propiedad por lo general no se puede verificar en datos reales, pero

puede explicarse con un ejemplo sencillo. Si la serie de tiempo Yt representa
el resultado del t-ésimo lanzamiento de una moneda, puede considerarse que
se trata de una serie de tiempo estacionaria en sentido estricto, ya que la
función de distribución de probabilidad conjunta no depende del tiempo: los
lanzamientos son independientes y la probabilidad de obtener águila o sol
es idéntica en el tiempo. En este caso se trata de un proceso estocástico
Bernoulli, el cual es fuertemente estacionario.
En cambio, si Yt representa la suma de las águilas obtenidas en el t-ésimo
lanzamiento de una moneda, se tendría un proceso Binomial. Para el tiempo
t = 1 se tendrá una probabilidad binomial con n = 1 y p = 0.5; para el
tiempo t = 2 se tendrá una probabilidad binomial con n = 2 y p = 0.5,
y así sucesivamente. En general, para el lanzamiento t la distribución de
probabilidad es Binomial(t,0.5), que se modifica a través del tiempo. Por lo
tanto el proceso Binomial no es estacionario en sentido estricto.
Concepto de estacionaridad en sentido débil o amplio. En virtud de que la

estacionaridad en sentido estricto es difícil de probar, puede tomarse un con-
cepto alterno más sencillo. Se dice que una serie de tiempo es estacionaria
en sentido amplio o débilmente estacionaria, si y sólo si satisface tres condi-
ciones:
32 2 Modelos estacionarios
1. Su media es constante en el tiempo. Es decir,

E(Yt ) = E(Yt+τ ) = µ, ∀τ ∈ R. (2.2)
Aunque aparentemente parece un problema trivial, si la serie muestra
tendencia (generalmente creciente en muchos casos reales), el problema
se complica. Si se ve la serie como una realización de todas las series de
tiempo que podrían ser generadas por un mismo mecanismo o función,
se cuenta tan solo con una muestra de tamaño uno. Con esta muestra
deberá estimarse la media, que en algunos casos será constante y en
otros será una función del tiempo. Si no hay tendencia, puede asumirse
que la media es constante y que el valor observado para cada período
puede representarse por una constante que será la media muestral.
En este caso la media de la serie podrá estimarse a través del promedio
aritmético:
N
1 X
µ̂ = Y = Yt (2.3)
N t=1
2. La varianza es constante en el tiempo. Una segunda condición es que la
dispersión del proceso sea también invariante en el tiempo, i.e.:
Var(Yt ) = Var(Yt+τ ) = γ0 , ∀τ ∈ R. (2.4)
Si la varianza es constante, puede estimarse con:
(Yt − Y )2
P
2 2
γ̂0 = S = (2.5)
N −1
Que es el estimador insesgado para la varianza. Recuérdese que si se
divide entre N el estimador sería asintóticamente insesgado.
3. La función de autocorrelación es independiente del tiempo. Finalmente,
debe imponerse una condición más sobre la correlación entre los datos.
La autocorrelación1 mide la posible dependencia entre un valor observado
Yt y otro Yt−k que está separado por un intervalo de longitud k :
Autocorr(Yt , Yt−k ) = Autocorr(Yt+τ , Yt+τ −k ) = ρk , ∀τ ∈ R. (2.6)
Si la media y la varianza son constantes, la autocorrelación puede expre-
sarse como:
ρk = Corr(Yt , Yt−k )
Cov(Yt , Yt−k )
= p
Var(Yt )Var(Yt−k )
γk
= (2.7)
γ0
1
Recibe el nombre de autocorrelación porque se trata de la correlación entre va-
lores de la misma variable observada en diferentes momentos del tiempo.
2.1 Estacionaridad 33
Así, para una serie de tiempo estacionaria, este valor sólo depende de k,
en el caso de series estacionarias, es decir, la relación entre dos variables
sólo depende del intervalo que las separa y no de su posición en el tiempo
t. Por lo tanto, la función de autocorrelación se estima como:
γ̂k
rk = ρ̂k = (2.8)
γ̂0
Obsérvese que, si la posición en el tiempo t no es relevante, las auto-
correlaciones serán simétricas, puesto que las variables Yt y Yt−k están
separadas por un intervalo de longitud k, de la misma forma que lo están
Yt y Yt+k . Por lo tanto:
ρk = ρ−k (2.9)
Por lo anterior, únicamente se considerarán las autocorrelaciones positi-
vas. La gráfica de las autocorrelaciones estimadas rk contra los valores de
k suele llamarse correlograma. Esta gráfica permite detectar aquellas
autocorrelaciones que destacan sobre las otras. También actuará como
un refuerzo para identificar posible periodicidad (variación estacional o
ciclo), puesto que en ese caso destacarán las autocorrelaciones para los
períodos iguales a la longitud. Por ejemplo, si destacan las autocorrela-
ciones en k = 12 y los datos son mensuales, se puede concluir que existe
variación estacional. Esto se complementará con la información que ar-
rojen el periodograma y el periodograma integrado.
Por supuesto, si bien todo proceso estocástico en sentido estricto lo será
también en sentido amplio, el inverso no es necesariamente cierto.
2.1.2. Importancia de la estacionaridad

¿Por qué resulta indispensable analizar si una serie de tiempo es o no
estacionaria? Si el fenómeno real bajo estudio es estacionario entonces los
valores de la media, la varianza y la función de autocorrelación pueden esti-
marse considerando a la serie de tiempo (a su realización) como una muestra
de tamaño N , cuyos parámetros son constantes a través del tiempo, donde N
es el número de observaciones disponibles que provienen todas de una misma
población. Esto se ilustra en la Figura 2.1.
En cambio, si la serie de tiempo no es estacionaria, el problema es que
los N datos representan en realidad N muestras de tamaño 1. Una muestra
de tamaño uno no es representativa, por lo cual es prácticamente imposible
inferir las propiedades de la población a partir de los datos. Esto se ilustra
en la Figura 2.2.
Ahora bien, ¿qué hacer si el fenómeno no es estacionario? En ese caso
deberá utilizarse alguna transformación matemática temporal para hacerlo
estacionario. Una vez hecho esto, se seguirán los pasos ya enlistados en la
Figura 1.6 del Capítulo 1. Posteriormente, cuando se obtengan los pronósti-
cos, se realizará la transformación inversa para regresar a los datos originales.
Este procedimiento se revisará en el Capítulo 3.
Figura 2.1. Proceso estocástico estacionario
Figura 2.2. Proceso estocástico no estacionario

2.2 Matrices 35
2.2. Matrices
2.2.1. Matriz de varianzas y autocovarianzas
Si se cuenta con N datos provenientes de un procesos estocástico esta-

cionario (ya sea en sentido amplio o estricto), las varianzas y autocovarianzas
pueden arreglarse en una matriz simétrica de N × N en la cual el elemento
(j, k)∀j, k ∈ {1, 2, . . . , N } representa la autocovarianza entre Yj y Yk para
j 6= k y la varianza para j = k.
Así, si se denota por Γ a la matriz de varianzas y autocovarianzas,
ésta quedará conformada como se indica en la ecuación 2.10.
 
γ0 γ1 γ2 . . . γN −1
 γ1 γ0 γ1 . . . γN −2 
Γ= . (2.10)
 
. .. . .
 .. .. 
. . ... 
γN −1 γN −2 γN −3 . . . γ0
Cabe señalar que esta matriz es definida positiva, puesto que el producto
matricial para cualquier vector renglón x de 1 × N :
xΓxT = Var(x) > 0
2.2.2. Matriz de autocorrelaciones
De la misma forma se construye la matriz de autocorrelaciones, sim-

plemente dividiendo la matriz de varianzas y autocovarianzas entre la vari-
anza, es decir:
1
P= Γ
γ0
Entonces:  
1 ρ1 ρ2 . . . ρN −1
 ρ1 1 ρ1 . . . ρN −2 
P= (2.11)
 
.. .. .. .. 
 . . . . ... 
ρN −1 ρN −2 ρN −3 ... 1
Si Γ es definida positiva, entonces P también lo es. Esto implica que los
menores principales de la matriz sean mayores que cero, por lo tanto:

1 ρ1
ρ1 1 > 0

1 ρ2
ρ2 1 > 0

Y así sucesivamente. En general:


1 ρk
ρk 1 > 0

Por lo tanto:
1 − ρ2k > 0
−1 < ρk < 1 (2.12)
Este resultado es sumamente importante. En general, si la autocorrelación

ρk se acerca a 1, se dice que existe una relación (o proporción) directa entre las
dos variables; si se acerca a −1, la relación es inversa (al crecer una variable,
la otra decrece y viceversa). Finalmente, si se acerca a cero, se considera que
las variables son independientes.
2.3. Ejemplos
2.3.1. Ejemplo de datos estacionarios
El primer paso en el análisis de series de tiempo es graficar las observa-

ciones disponibles contra el tiempo. Esto sirve para visualizar:
Posible tendencia
Posible heteroscedasticidad
Posible variación estacional o ciclo
Posibles discontinuidades o datos faltantes
Posibles datos atípicos que salen del comportamiento general
En la Figura 2.3 se presenta la gráfica de la inflación mensual en México2 ,
es decir, los niveles mensuales del Índice Nacional de Precios al Consumidor
(INPC).
Se observan media y varianza constantes, es decir, el fenómeno parece
estacionario, ya que los datos permanecen alrededor de una recta horizontal,
dentro de una franja o banda homogénea. La media aritmética es de 0.4134 y
la desviación estándar estimada es de 0.3242. La Figura 2.4 muestra gráfica-
mente esta idea: obsérvese que prácticamente todos los datos se encuentran
ubicados entre la media más/menos dos desviaciones estándar.
Por otro lado, tanto la función de autocorrelación (ACF) mostrada en la
Figura 2.5 como el periodograma y el periodograma integrado que se mues-
tran en las Figuras 2.6 y 2.7, respectivamente, indican la existencia de una
2
Banco de México. Índices Mensuales de Precios al Consumidor.

http://www.banxico.gob.mx/polmoneinflacion/estadisticas/
indicesPrecios/indicesPreciosConsumidor.html Período de enero 2000 a
febrero 2007. Consultado en marzo 2007. México.
2.3 Ejemplos 37
Figura 2.3. Tasa de inflación mensual en México
Figura 2.4. La tasa de inflación es estacionaria
posible variación estacional cada doce meses. La función de autocorrelación

muestra un valor relativamente alto en 12 que coincide con el pico y el escalón
del periodograma. En la tabla del periodograma que calcula Statgraphics se
ve que el valor más alto del periodograma corresponde a una longitud aprox-
imada de 12 meses, lo cual coincide sin problemas con la interpretación: el
comportamiento del INPC se repite en forma semejante cada año.
Así pues, con estos datos es posible trabajar sin problemas, ya que parecen
cumplir las tres condiciones de la estacionaridad. Sin embargo, se verá más
adelante que existen dos formas de tratar con la variación estacional:
1. Intentar eliminarla.
2. Modelarla.
Figura 2.5. ACF de la tasa de inflación mensual en México
Figura 2.6. Periodograma de la tasa de inflación mensual en México
2.3.2. Ejemplo de datos no estacionarios
A continuación se muestran los datos la tasa mensual de desocupación

abierta en México:3
3
Banco de México. Tasa de desocupación abierta mensual en áreas urbanas.
http://www.banxico.gob.mx/polmoneinflacion/estadisticas/laboral/
laboral.html Período de enero 2000 a agosto 2005. México. Consultado en
marzo 2007.
2.3 Ejemplos 39
Figura 2.7. Periodograma integrado de la tasa de inflación mensual en México
Tasa de Desocupación Abierta

2000 2001 2002 2003 2004 2005
Enero 2.28 2.31 3.04 2.72 3.81 3.75
Febrero 2.43 2.83 2.64 2.74 3.92 3.93
Marzo 2.15 2.33 2.77 2.82 3.86 3.95
Abril 2.45 2.26 2.75 2.95 3.58 4.20
Mayo 2.14 2.47 2.68 2.74 3.48 4.29
Junio 2.11 2.28 2.32 3.27 3.78 3.54
Julio 2.03 2.44 2.93 3.52 3.75 3.50
Agosto 2.58 2.32 2.77 3.96 4.35 4.05
Septiembre 2.51 2.49 3.09 3.87 4.01
Octubre 1.97 2.93 2.66 3.63 3.60
Noviembre 2.00 2.41 2.64 3.80 3.78
Diciembre 1.90 2.46 2.12 2.96 3.04
La gráfica de la serie de tiempo que producen estos datos es la Figura 2.8.
Si se observa cuidadosamente esta figura, y se revisan las condiciones que

se mencionaron como necesarias para que el proceso sea estacionario, puede
destacarse lo siguiente:
La varianza parece ser constante (homoscedástica)
Existe una tendencia claramente creciente
A simple vista no parece existir variación estacional
Existen fluctuaciones aleatorias
Por lo tanto, el proceso no es estacionario
Figura 2.8. Tasa de desocupación abierta
Figura 2.9. Características tasa desocupación
Para poder trabajar con estas series, es necesario, antes de identificar un

posible modelo tentativo, lograr que sean estacionarias. Esto se hará a través
de la estabilización de la varianza, de la eliminación de la tendencia y de la
eliminación de la variación estacional.
2.4. Modelo lineal general y forma invertida

Si se considera que una serie de tiempo Yt está conformada por una com-
binación lineal o una suma ponderada de choques aleatorios sucesivos, puede
construirse un modelo con las ponderaciones de estos errores. El modelo
lineal general, entonces, estará formado por los errores aleatorios pondera-
2.4 Modelo lineal general y forma invertida 41
dos, de la siguiente manera:
Yt = et + Π1 et−1 + Π2 et−2 + Π3 et−3 + . . . (2.13)
A continuación se demostrará que, bajo ciertas condiciones, este modelo

lineal general equivale a lo que se llama modelo de forma invertida, en
donde la serie de tiempo es una suma ponderada de sus valores anteriores:
Yt = Ψ1 Yt−1 + Ψ2 Yt−2 + Ψ3 Yt−3 + . . . + et (2.14)
Por ejemplo, supóngase el modelo finito de forma lineal general:
Yt = et + Π1 et−1 (2.15)
Donde Π2 = Π3 = . . . = 0. Si se despeja el valor de et se tendría:
et = Yt − Π1 et−1
Si se aplica esta misma ecuación para calcular et−1 , se tendrá que:
et−1 = Yt−1 − Π1 et−2 (2.16)
Ahora, si se sustituye la ecuación 2.16 en 2.15, se obtiene:
Yt = et + Π1 (Yt−1 − Π1 et−2 )
Yt = Π1 Yt−1 + et − Π12 et−2
Si se continúa sustituyendo de esta forma, se llegará a:
Yt = Π1 Yt−1 − Π12 Yt−2 + Π13 Yt−3 + . . . + et (2.17)
Esta última ecuación corresponde al modelo de forma invertida donde: Ψ1 =

Π1 , Ψ2 = −Π12 , Ψ3 = Π13 , etcétera. Aquí se observa entonces que, si se toma
como punto de partida eld modelo lineal general finito de la ecuación 2.15,
éste será equivalente a la expresión del modelo de forma invertida pero con un
infinito número de términos. Por supuesto, para que esta equivalencia tenga
sentido, se esperaría que |Π1 | < 1, de manera que los términos más lejanos
en el tiempo tengan menor peso en el modelo.
De la misma forma es posible demostrar que el modelo finito de forma
invertida de la ecuación 2.18 puede transformarse en un modelo lineal general
infinito, simplemente sustituyendo los valores sucesivos de Yt−1 , Yt−2 , . . ..
Yt = Ψ1 Yt−1 + et (2.18)
A partir de las demostraciones anteriores y de las ecuaciones 2.13 y 2.14

se concluye que:
1. Estos modelos no cumplen con el principio de parsimonia ya que tienen
un número infinito de términos, por lo cual son poco prácticos.
2. Es lógico pensar que a medida que las variables se alejan en el tiempo sus
coeficientes, es decir, sus ponderaciones, vayan disminuyendo y tendiendo
a cero. Es decir, que los valores más lejanos en el tiempo tengan menos
influencia en el modelo.
3. Bajo ciertas condiciones, puede demostrarse que el modelo lineal general
puede cambiarse a la forma invertida y viceversa.
4. Puede notarse que un modelo finito de la forma lineal general se trans-
forma en un modelo infinito de forma invertida y viceversa. Se preferirá
siempre aquel modelo que tenga menos variables.
2.5. Función de autocorrelación parcial

Antes de continuar, es preciso definir un instrumento matemático adi-
cional que será necesario para identificar adecuadamente los modelos que
pueden ajustarse a un conjunto de datos. Se ha dicho que un modelo lineal
general puede transformarse en un modelo de forma invertida y viceversa. Si
se toma ahora como punto de partida el modelo de forma invertida, es posible
definir la autocorrelación parcial (partial autocorrelation) de orden k co-
mo la contribución o el peso de cada nueva variable autorregresiva Yt−k que
se agrega al modelo. La autocorrelación parcial de orden k se suele denotar
por ρkk .
De acuerdo con la definición anterior, ρ11 será el coeficiente Ψ1 en el
modelo Yt = Ψ1 Yt−1 +et ; ρ22 será el coeficiente Ψ2 en el modelo Yt = Ψ1 Yt−1 +
Ψ2 Yt−2 + et ; ρ33 será el coeficiente Ψ3 en el modelo Yt = Ψ1 Yt−1 + Ψ2 Yt−2 +
Ψ2 Yt−3 + et , y así sucesivamente.
El cálculo de la PACF se hace a través de los estimadores de la ACF.
Para ello, se parte del modelo en forma invertida (ecuación 2.14), el cual se
multiplica por Yt−k y se toma la esperanza. Si se supone que la media es cons-
tante e igual a cero (lo cual podría obtenerse restándola a cada observación)
se tendrá:
γk = Autocov (Yt , Yt−k )

= E (Yt Yt−k )
= E ((φ1 Yt−1 + φ2 Yt−2 + . . . + φp Yt−p ) Yt−k )
= φ1 γ1 + φ2 γ2 + . . . + φp γp (2.19)
Si la ecuación 2.19 se divide entre γ0 se obtiene:
ρk = φ1 ρk−1 + φ2 ρk−2 + . . . + φp ρk−p (2.20)
Ahora, la ecuación 2.20 puede plantearse para p = 1, 2, . . .. De la ecuación

para p = 1 se despeja el valor de φ1 que será igual a ρ11 ; de la ecuación para
p = 2 se despeja el valor de φ2 que será igual a ρ22 , etcétera.
Así, para obtener ρ11 se despeja φ1 de la ecuación 2.20 con p = 1 y k = 1:
2.6 Modelos autorregresivos AR 43
ρ1 = φ1 ρ0
ρ1 = ρ11 (1)
⇒ ρ11 = ρ1 (2.21)
De la misma forma, para obtener ρ22 se despeja φ2 de las ecuaciones

simultáneas 2.20 con p = 2 y k = 1, 2:
ρ1 = φ1 ρ0 + φ2 ρ1
ρ2 = φ1 ρ1 + φ2 ρ0
(2.22)
Entonces:
ρ1 = φ1 + φ2 ρ1
ρ2 = φ1 ρ1 + φ2
(2.23)
De donde:
1
ρ1
ρ1 ρ2
ρ22 = (2.24)
1 ρ1
ρ1 1
Y así sucesivamente. Posteriormente la PACF se estimará como ρ̂kk = rkk a
través de los estimadores rk .
La gráfica de cada autocorrelación muestral rkk contra los valores corres-
pondientes de k para k = 1, 2, 3, . . . recibe el nombre de función de au-
tocorrelación parcial y se abrevia como PACF (Partial AutoCorrelation
Function).
2.6. Modelos autorregresivos AR

Si se toma como punto de partida el modelo de forma invertida, se puede
construir un modelo más económico que únicamente contenga algunas de
las variables históricas ponderadas, más un error aleatorio. El modelo de la
ecuación 2.25 se denota por AR(p) puesto que contiene p variables históricas
autorregresivas (AutoRegresive Model).
Yt = φ1 Yt−1 + φ2 Yt−2 + φ3 Yt−3 + . . . + φp Yt−p + et (2.25)
Donde las et son ruido blanco, es decir, variables aleatorias independientes

que siguen una distribución Normal con media cero y varianza constante σ 2 .
Así por ejemplo el modelo AR(1) será:
Yt = φ1 Yt−1 + et (2.26)
Mientras que el modelo AR(2) es:
Yt = φ1 Yt−1 + φ2 Yt−2 + et (2.27)
Ahora cabe preguntarse: ¿estos modelos son estacionarios en sentido am-

plio? A continuación revisaremos los modelos AR(1) y AR(2) para después
generalizar esta respuesta.
2.6.1. Modelo AR(1)
Para verificar si el modelo AR(1) es estacionario en sentido amplio, se

revisan las tres condiciones etablecidas en la Sección 2.1.1:
1. La media debe ser constante:
E(Yt ) = E (φ1 Yt−1 + et )

= E (φ1 Yt−1 ) + E (et )
= φ1 E (Yt−1 )
Si la serie de tiempo Yt es estacionaria y la media es constante, debería

cumplirse que E(Yt ) = E(Yt−1 ) = µ y por lo tanto:
µ = φ1 µ
(1 − φ1 ) µ = 0
0
µ=
1 − φ1
µ=0 (2.28)
Así, la media será cero siempre y cuando φ1 6= 0. Nótese que también

es posible agregar una constante al modelo y en ese caso, la media sería
igual a dicha constante entre 1 − φ1 .
2. La varianza debe ser constante:
Var(Yt ) = Var (φ1 Yt−1 + et )

= Var (φ1 Yt−1 ) + Var (et )
= φ21 Var (Yt−1 ) + σ 2
Si la serie de tiempo es estacionaria y la varianza es constante, debería

cumplirse que Var(Yt ) = Var(Yt−1 ) = γ0 y por lo tanto:
γ0 = φ21 γ0 + σ 2
1 − φ1 γ0 = σ 2
2

σ2
γ0 = (2.29)
1 − φ21
(2.30)
Puesto que la varianza debe ser positiva, será constante siempre y cuando
se cumpla que:
1 − φ21 > 0
φ21 < 1
|φ1 | < 1 (2.31)
Así, de acuerdo con la ecuación 2.31 el modelo AR(1) tiene una condi-
ción de estacionaridad que incluye la condición que se había planteado
anteriormente para la media constante.
3. La función de autocorrelación ACF debe depender únicamente del inter-
valo k entre dos variables y no de su posición en el tiempo t. Si se revisa
cada una de las auctocovarianzas considerando que la media es cero, se
tendrá para k = 1:
γ1 = Autocov(Yt , Yt−1 )
= E [(φ1 Yt−1 + et ) Yt−1 ]
2
= φ1 E Yt−1 + E [et Yt−1 ]
= φ1 γ0 (2.32)
Para k = 2:
= E [(φ1 Yt−1 + et ) Yt−2 ]
= φ1 E [Yt−1 Yt−2 ] + E [et Yt−2 ]
= φ1 γ1
= φ21 γ0 (2.33)
Para k = 3:
= E [(φ1 Yt−1 + et ) Yt−3 ]
= φ1 E [Yt−1 Yt−3 ] + E [et Yt−3 ]
= φ1 γ2
= φ31 γ0 (2.34)
Y así sucesivamente, de manera que para k = 1, 2, 3, . . .:
γk = Autocov(Yt , Yt−k )
= E [(φ1 Yt−1 + et ) Yt−k ]
= φ1 E [Yt−1 Yt−k ] + E [et Yt−k ]
= φ1 γk−1
= φk1 γ0 (2.35)
A partir de los resultados anteriores, se concluye que la función de auto-

correlación o ACF de un modelo AR(1) estacionario será:
γk
ρk =
γ0
= φk1 (2.36)
Puesto que la condición de estacionaridad implica que |φ1 | < 1, la gráfica

de la ACF tendrá dos formas posibles, mismas que se ejemplifican en las
Figuras 2.10 y 2.11. Como puede verse, la ACF de un modelo AR(1) será
siempre decreciente infinita.
Figura 2.10. ACF de un modelo AR(1) con coeficiente positivo
Figura 2.11. ACF de un modelo AR(1) con coeficiente negativo

Por otro lado, es posible analizar la función de autocorrelación parcial

o PACF de este modelo. Puesto que la única variable autorregresiva que
tiene contribución en este caso es Yt−1 y dicha contribución tiene el valor del
coeficiente φ1 , se tiene que la PACF se trunca en el valor de k = 1 y es cero
para el resto de los casos. Así, las Figuras 2.12 y 2.13 muestran ejemplos de
los dos casos posibles.
Figura 2.12. PACF del modelo AR(1) con coeficiente positivo
Figura 2.13. PACF del modelo AR(1) con coeficiente negativo
2.6.2. Modelo AR(2)
Al igual que en la sección anterior, puede verificarse que el modelo AR(2):

Yt = φ1 Yt−1 + φ2 Yt−2 + et (2.37)
Debe cumplir las siguientes condiciones en sus parámetros para ser esta-
cionario:
φ1 + φ2 < 1
φ2 − φ1 < 1
|φ2 | < 1 (2.38)
Si se cumplen estas condiciones, la media del proceso AR(2) será:
E(Yt ) = µ = 0 (2.39)
Su varianza se calcula como:
γ0 = Var (φ1 Yt−1 + φ2 Yt−2 + et )

= Var (φ1 Yt−1 ) + Var (φ2 Yt−2 ) + Var (et )
+2Autocov(φ1 Yt−1 , φ2 Yt−2 )
= φ21 γ0 + φ22 γ0 + 2φ1 φ2 γ1 + σ 2
(1 − φ21 − φ22 )γ0 = 2φ1 φ2 γ1 + σ 2
2φ1 φ2 γ1 + σ 2
⇒ γ0 = (2.40)
1 − φ21 − φ22
Las autocovarianzas pueden calcularse tomando el modelo 2.27, multiplicán-

dolo por Yt−k y obteniendo la esperanza. De ahí se obtiene la ACF únicamente
dividiendo entre γ0 , con lo cual se tendrá la ecuación recursiva:
ρk = φ1 ρk−1 + φ2 ρk−2 (2.41)
De aquí se concluye que para k = 1:
ρ1 = φ1 ρ0 + φ2 ρ1
= φ1 + φ2 ρ1
→ (1 − φ2 )ρ1 = φ1
φ1
ρ1 = (2.42)
1 − φ2
Para k = 2:
ρ2 = φ1 ρ1 + φ2 ρ0
= φ1 ρ1 + φ2
φ21
= + φ2 (2.43)
1 − φ2
(2.44)
2.7 Modelos de medias móviles MA 49
De aquí en adelante se usa la ecuación recursiva para k = 3, 4, 5, . . .:
ρk = φ1 ρk−1 + φ2 ρk−2 (2.45)
Así, dadas las condiciones de estacionaridad, la gráfica de la ACF tendrá

algunas variantes, pero siempre será decreciente infinita.
Por otro lado, la PACF de este tipo de modelos se trunca en k = 2
puesto que únicamente contribuyen al modelo Yt−1 y Yt−2 con sus respectivos
coeficientes.
2.6.3. Modelo AR(p)
De acuerdo con lo que se ha visto hasta aquí, para el modelo AR(p) se

tiene que:
Tendrá condiciones de estacionaridad para sus parámetros.
La ACF es decreciente infinita, con variantes que dependen de los signos y
magnitudes de los coeficientes.
La PACF se trunca en k = p.
2.7. Modelos de medias móviles MA

Si se toma como punto de partida el modelo lineal general, se puede
construir un modelo más económico que únicamente contenga algunos de los
errores aleatorios ponderados. El modelo de la ecuación 2.46 se denota por
MA(q) puesto que contiene q variables históricas autorregresivas (Moving
Averages Model). Este modelo se acostumbra formular con signos negativos
con objeto de facilitar el uso de la notación abreviada que se revisará en la
Sección 2.9. Únicamente deberá recordarse que si el coeficiente aparece en el
modelo con valor negativo, esto implica que es positivo y viceversa.
Yt = et − θ1 et−1 − θ2 et−2 − θ3 et−3 + . . . − θq et−q (2.46)
Donde las et son ruido blanco, es decir, variables aleatorias independientes

que siguen una distribución Normal con media cero y varianza constante σ 2 .
Así por ejemplo el modelo MA(1) será:
Yt = et − θ1 et−1 (2.47)
Mientras que el modelo MA(2) es:
Yt = et − θ1 et−1 − θ2 et−2 (2.48)
Ahora cabe preguntarse: ¿estos modelos son estacionarios en sentido am-

plio? A continuación revisaremos los modelos MA(1) y MA(2) para después
generalizar esta respuesta.
2.7.1. Modelo MA(1)
Para verificar si el modelo MA(1) es estacionario en sentido amplio, se

revisan las tres condiciones etablecidas en la Sección 2.1.1:
1. La media debe ser constante:
E(Yt ) = E (et − θ1 et−1 )

= E (et ) − E (θ1 et−1 )
=0 (2.49)
Por lo cual la media es constante independientemente del valor del coe-

ficiente θ1 .
2. La varianza debe ser constante:
Var(Yt ) = Var (et − θ1 et−1 )

= Var (et ) + Var (−θ1 et )
= σ 2 + θ12 σ 2
= 1 + θ12 σ 2

(2.50)
Por lo tanto, la varianza es constante (y positiva) independientemente del

valor de θ1 . Esto significa que el modelo MA(1) no tiene condiciones
de estacionaridad.
3. La función de autocorrelación ACF debe depender únicamente del inter-
valo k entre dos variables y no de su posición en el tiempo t. Si se revisa
cada una de las auctocovarianzas considerando que la media es cero, se
tendrá para k = 1:
= E [(et − θ1 et−1 ) (et−1 − θ1 et−2 )]
= −θ1 E e2t−1

= −θ1 σ 2 (2.51)
Para k = 2:
= E [(et − θ1 et−1 ) (et−2 − θ1 et−3 )]
=0 (2.52)
Para k = 3, 4, 5, . . .:
γk = 0 (2.53)
A partir de los resultados anteriores, se concluye que la función de auto-

correlación o ACF de un modelo MA(1) será:
2.7 Modelos de medias móviles MA 51
γk
ρk =
γ
(0
−θ1
1+θ12
k=1
= (2.54)
0 k = 2, 3, 4, . . .
Si bien se ha concluido que el modelo MA(1) no tiene condiciones de

estacionaridad, recuérdese que este modelo equivale a un modelo MA(∞):
Yt = et − θ1 et−1
et = Yt + θ1 et−1
et−1 = Yt−1 + θ1 et−2
⇒ Yt = et − θ1 (Yt−1 + θ1 et−2 )
= et − θ1 Yt−1 − θ12 et−2
= et − θ1 Yt−1 − θ12 Yt−2 − θ13 Yt−3 + . . . (2.55)
Por lo tanto, para que la ecuación anterior tenga sentido, se requiere im-
poner ahora una condición de invertibilidad la cual implica que |θ1 | < 1.
Asimismo, de la ecuación 2.55 se desprenden los valores de la PACF que
representan las contribuciones parciales de cada Yt−k . Así pues tanto la grá-
fica de la ACF como la de la PACF tendrán dos formas posibles, mismas
que se ejemplifican en la Figuras 2.14 y 2.15. Como puede verse, la ACF de
un modelo MA(1) se trunca en k = 1 mientras que su PACF es decreciente
infinita.
Figura 2.14. ACF y PACF de MA(1) con coeficiente positivo
2.7.2. Modelo MA(2)
El análisis anterior puede hacerse también para el modelo MA(2):

1. Función de media:
E(Yt ) = E(et − θ1 et−1 − θ2 et−2 )

=0 (2.56)
Figura 2.15. ACF y PACF de MA(1) con coeficiente negativo
2. Función de varianza:
Var(Yt ) = Var(et − θ1 et−1 − θ2 et−2 )

γ0 = 1 + θ12 + θ12

(2.57)
3. Función de autocorrelación:
γk
ρk =
γ
0 −θ (1−θ )
1 2
 1+θ12 +θ22 k = 1

= 1+θ−θ2 +θ
2
2 k=2 (2.58)
 1 2
0 k>2

Como puede verse, el modelo MA(2) carece de condiciones de estacionari-

dad, sin embargo, por ser equivalente a un modelo AR(∞), tiene un conjunto
de condiciones de invertibilidad:
θ1 + θ2 < 1
θ2 − θ1 < 1
|θ2 | < 1 (2.59)
2.7.3. Modelo MA(q)
De acuerdo con lo que se ha visto hasta aquí, para el modelo MA(q) se

tiene que:
Carece de condiciones de estacionaridad para sus parámetros, es decir,
siempre es estacionario.
Tiene condiciones de invertibilidad para sus parámetros.
La ACF se trunca en k = q.
La PACF es decreciente infinita, con variantes que dependen de los signos
y magnitudes de los coeficientes.
2.8 Modelos mezclados ARMA 53
2.8. Modelos mezclados ARMA

Por supuesto, es posible mezclar los modelos AR(p) con los modelos
MA(q), con lo cual se obtiene una clase más amplia, los modelos ARMA(p, q)
que contienen p + q parámetros. Estos modelos tendrán tanto condiciones de
estacionaridad como condiciones de invertibilidad.
Yt = φ1 Yt−1 + . . . + φp Yt−p + et − θ1 et−1 − . . . − θq et−q (2.60)
Además, es sencillo verificar que tanto su ACF como su PACF serán decre-
cientes infinitas.
2.8.1. Modelo ARMA(1,1)
El modelo mezclado más sencillo es el ARMA(1,1) que se expresa con la

ecuación:
Yt = φ1 Yt−1 + et − θ1 et−1
Sus características son las siguientes:
1. Función de media:
E(Yt ) = E(φ1 Yt + et − θ1 et−1 )

=0
2. Función de varianza:
Var(Yt ) = Var(φ1 Yt + et − θ1 et−1 )

1 + θ12 − 2φ1 θ1 σ 2
γ0 =
1 − φ21
3. Función de autocorrelación:

1
 k=0
(φ1 −θ1 )(1−φ1 θ1 )
ρk = 1+θ 2 −2φ1 θ1
k=1
φ ρ 1

k ≥2
1 k−1
Puede verificarse con facilidad que el modelo ARMA(1,1) equivale a un mo-

delo AR(∞), por lo cual su PACF será decreciente infinita. Este modelo tiene
una condición de estacionaridad (|φ1 | < 1) y una condición de invertibilidad
(|θ1 | < 1).
2.8.2. Modelo ARMA(p,q)
El modelo ARMA(p, q) se forma al mezclar el modelo AR(p) con el modelo

MA(q), contiene p + q parámetros, p variables autorregresivas y q + 1 errores
aleatorios:
Yt = φ1 Yt−1 + . . . + φp Yt−p + et − θ1 et−1 + . . . + θq et−q
Estos modelos, como puede suponerse tendrán tanto condiciones de estacio-

naridad como de invertibilidad, puesto que poseen parte AR y parte MA. De
la misma forma, su ACF será decreciente infinita, con un efecto de la parte
MA que termina en k = q y su PACF será también decreciente infinita, con
un efecto de la parte AR que desaparece después de k = p.
2.9. Notación abreviada

Puesto que los modelos de tipo ARMA requieren de una expresión rela-
tivamente extensa, es posible desarrollar para ellos una notación abreviada.
Con este fin se define en primer lugar un operador de salto hacia atrás
(backward shift operator) B de la siguiente forma:
BYt = Yt−1 (2.61)

2
B Yt = Yt−2
Bet = et−1
B 2 et = et−2
Si se utiliza este operador, por ejemplo el modelo AR(1) podría expresarse

como:
Yt = φ1 BYt + et
Lo cual permite reorganizar la ecuación como:
(1 − φ1 B)Yt = et
Así, el modelo general ARMA(p,q) se expresará como:
(1 − φ1 B − φ2 B 2 − . . . − φp B p )Yt = (1 − θ1 B − θ2 B 2 − . . . − θq B q )et
Si se definen ahora dos nuevas variables de notación:
φ(B) = 1 − φ1 B − φ2 B 2 − . . . − φp B p (2.62)
θ(B) = 1 − θ1 B − θ2 B 2 − . . . − θq B q (2.63)
Entonces los modelos generales ARMA(p, q) pueden escribirse como:
φ(B)Yt = θ(B)et (2.64)

2.10 Dualidad de los modelos y resumen 55
2.10. Dualidad de los modelos y resumen

Como se ha visto, existe una dualidad entre los procesos AR y los
procesos MA. En el Cuadro 2.1 se resume la información de todos los
modelos explicados hasta el momento (CE=Condiciones de estacionaridad;
CI=Condiciones de invertibilidad):
Modelo Equivale a CE CI ACF PACF

AR(p) MA(∞) Sí No Decreciente Se trunca
infinita en k = p
MA(q) AR(∞) No Sí Se trunca Decreciente

en k = q infinita
ARMA(p, q) AR(∞) Sí Sí Decreciente Decreciente

MA(∞) infinita infinita
Cuadro 2.1. Dualidad y resumen de modelos ARMA

3 Modelos no estacionarios
3.1. Introducción
Hasta el momento se han revisado únicamente los modelos ARMA(p,q) para

los datos que cumplen con las condiciones de estacionaridad en sentido am-
plio. Sin embargo, en muchos de los casos reales se encuentran series de tiem-
po cuya varianza es creciente, con tendencia, con variación estacional, con
combinaciones de estas características o con todas ellas. ¿Cómo se procede
entonces?
En este caso, será necesario modificar temporalmente los datos de manera
que se ajusten a las condiciones de estacionaridad. Hecho esto, será posible
identificar alguno de los modelos ya enunciados. Con el modelo se gener-
an los pronósticos y, finalmente, se “deshace” la transformación matemática
(o las transformaciones), para regresar a los datos originales. Para ello, es
conveniente fijar un orden en el procedimiento:
1. Estabilización de la varianza. El primer paso es estabilizar la varianza,

es decir, lograr que los datos sean homoscedásticos y su apariencia se la de
una banda o franja del mismo ancho, alrededor de la media, sin importar
si la media es o no constante. Esto se hará a través de transformaciones
matemáticas. Una vez que los datos sean homoscedásticos, se pasa al
punto siguiente.
2. Eliminación de la tendencia. Si los datos ya tienen una varianza cons-
tante, se procede a revisar si existe algún tipo de tendencia. La tendencia
se eliminará a través de las llamadas diferencias ordinarias o finitas. Una
vez que los datos tengan media constante, es decir, que se vean como fluc-
tuaciones alrededor de una recta horizontal, todas dentro de una franja
del mismo ancho, conviene revisar si existe variación estacional, como se
explica en el siguiente punto.
3. Tratamiento de la variación estacional. En algunos datos ocurre que
la variación estacional es visible desde el inicio o al estabilizar la varianza.
En otros datos es posible que se advierta hasta eliminar la tendencia. Por
supuesto, también habrá datos que carecen de variación estacional. Puede
ser que la variación estacional sea tan poderosa dentro de la estructura
de los datos, que sea imposible eliminarla. En este último caso convendrá
58 3 Modelos no estacionarios
modelarla, como se verá en el Capítulo 6. Así pues, existen dos caminos

para tratar con la variación estacional:
a) Eliminarla a través de diferencias estacionales.
b) Modelarla a través de modelos multiplicativos
Puesto que no será posible saber cuál de estos dos caminos funciona mejor
hasta probarlos y llegar a la generación de los pronósticos, será necesario
tomar ambos y, una vez que se cuente con todos los resultados, elegir el
mejor.
Es fundamental comenzar siempre el análisis de la estacionaridad por la
estabilización de la varianza, ya que las transformaciones matemáticas que
se requieren para ello pudieran resultar imposibles para datos negativos o
cercanos a cero, lo cual pudiera ser ocasionado por las diferencias. Sin em-
bargo, se verá que el orden en cuanto a la eliminación de la tendencia y el
tratamiento de la variación estacional puede modificarse sin problema. La
única recomendación esencial es que, atendiendo al principio de parsimo-
nia, las transformaciones se hagan de una en una, analizando el resultado
obtenido, para evitar complicar innecesariamente un modelo.
3.2. Estabilización de la varianza

Existen varias transformaciones posibles para inducir una varianza
constante. La idea básica es transformar los datos de modo que la dispersión
sea semejante alrededor de la media, independientemente de que la media sea
o no constante. Las transformaciones más usadas son aquellas que ocasionan
que los datos con gran diferencia entre sí, resulten más parecidos. Por ejemplo
la raíz cuadrada, el logaritmo (natural o decimal) y el recíproco suelen dar
este resultado.
En general, estas transformaciones son útiles cuando:
La varianza es proporcional al crecimiento de la serie. Esto es muy común

en las series financieras o económicas, cuyos datos se manejan en unidades
monetarias, ya que al aumentar los precios los incrementos tienden a ser
mayores mayores conforme transcurra el tiempo, aunque su porcentaje sea
similar. Como gran parte de las variables económicas en México están asoci-
adas además al fenómeno inflacionario, este comportamiento se encontrará
en prácticamente cualquier serie de este tipo. Para eliminar el problema de
la inflación se recomienda utilizar el procedimiento llamado deflactar los
datos o el manejo de una moneda con mayor estabilidad como el dólar.
El paso del tiempo introduce mayor variabilidad (o volatilidad) en el fenó-
meno. Por ejemplo, en la tasa de desocupación urbana en México, además
de observarse una tendencia creciente (lo cual por supuesto preocupa),
puede verse que cada vez hay datos más extremos en sus valores.
3.2 Estabilización de la varianza 59
Entre las transformaciones más utilizadas para estabilizar la varianza

destacan:
√
La raíz cuadrada: Zt = Yt .
El logaritmo (natural o decimal): Zt = ln Yt o Zt = log Yt .
El recíproco o inverso: Zt = 1/Yt . √
El recíproco de la raíz cuadrada: Zt = 1/ Yt .
El recíproco del logaritmo: Zt = 1/ ln Yt .
Estas operaciones pueden ampliarse y generalizarse en la llamada trans-
formación de Box-Cox que suele expresarse como:

(Y + λ2 )λ1 − 1
 t si λ1 6= 0


Zt = λ1 (3.1)


ln (Yt + λ2 ) si λ1 = 0

Dentro de Statgraphics es posible hacer estas transformaciones de la sigu-

iente forma. Una vez que se tiene la serie de tiempo como archivo de datos
(data file), y que se ha seleccionado la opción Special / Time Series Analysis /
Descriptive Methods, con el clic derecho del ratón se obtiene el siguiente menú
desplegable:
Figura 3.1. Menú desplegable en Statgraphics
Al elegir la opción Analysis Options se obtendrá la ventana de diálogo

ilustrada en la Figura 3.2, en la cual es posible efectuar las transformaciones
necesarias a los datos.
Para activar las opciones relacionadas con la variación estacional (Season-
al y Seasonal Order), se requiere haber definido desde el inicio, al seleccionar
los datos, que la serie podría tener este tipo de variación y de qué orden.
Figura 3.2. Ventana para hacer transformaciones
3.3. Eliminación de la tendencia

Una vez que los datos son homoscedásticos, debe revisarse la posible ten-
dencia de la serie. Se ha definido a la tendencia como un cambio sistemático
en el nivel de una serie de tiempo. Es importante notar que lo que parece
un cambio de nivel en una serie pequeña puede no serlo al tener más datos,
convirtiéndose en un movimiento periódico. De nuevo, será indispensable el
conocimiento del fenómeno para establecer el modelo adecuado.
Existen varios métodos para modelar la tendencia, uno de ellos es usar
un modelo de regresión. Esto será adecuado cuando la tendencia sea fija y
determinística. Sin embargo, en muchas de las series de tiempo reales, la ten-
dencia tiene componenetes estocásticos, por lo cual es conveniente encontrar
una forma alternativa de eliminarla.
Una opción para eliminar la tendencia es usar las llamadas diferencias
ordinarias, diferencias finitas o diferencias no estacionales (ordinary
differences o nonseasonal differences).
Este método consiste en restar los valores de las observaciones uno de
otro en un orden preestablecido. Tomando las primeras diferencias de una
serie con tendencia lineal, por ejemplo, esta tendencia desaparece. En gener-
al, un polinomio de grado uno se vuelve constante al aplicar una diferencia,
uno de grado dos se vuelve constante al aplicar dos diferencias y así suce-
sivamente. En procesos económicos, financieros, demográficos, industriales,
3.3 Eliminación de la tendencia 61
etcétera, difícilmente aparecen series que requieran de más de dos diferencias

para eliminar la tendencia. Las diferencias ordinarias se denotan por la letra
∆. A partir de ahora se usará Zt para indicar que la serie de tiempo pudo
haber sufrido alguna transformación.
∆Zt = Zt − Zt−1 (3.2)
∆2 Zt = ∆Zt − ∆Zt−1
= (Zt − Zt−1 ) − (Zt−1 − Zt−2 )
= Zt − 2Zt−1 + Zt−2 (3.3)
∆3 Zt = Zt − 3Zt−1 + 3Zt−2 − Zt−4 (3.4)

..
.
Notas importantes. Deben observarse los siguientes aspectos con relación a

las diferencias ordinarias:
Las segundas diferencias ordinarias no equivalen a la diferencia Zt −Zt−2 , y
así sucesivamente. Los coeficientes de los términos de las diferencias siguen
los valores de un triángulo de Pascal.
Cada vez que se hace una diferencía ordinaria se pierde una observación.
Así, si se hacen d diferencias a un conjunto de N datos, quedarán N − d
observaciones.
Puede hacerse una equivalencia entre las diferencias ordinarias y el opera-
dor de salto hacia atrás: ∆ = 1 − B.
Una vez eliminada la tendencia, seguir haciendo diferencias producirá tam-
bién series sin tendencia; sin embargo, además de que se pierden observa-
ciones, el modelo se complicará de manera innecesaria, contraviniendo el
principio de parsimonia. Véase el siguiente ejemplo:
Zt = et Ruido blanco
∆Zt = Zt − Zt−1 = et − et−1 ARMA(0,1)
La idea básica de eliminar la tendencia no es olvidar que existe, sino

obtener una nueva serie que pueda ser analizada más fácilmente, y después
volver a introducir la tendencia. Por ejemplo, si se obtuvieron las primeras
diferencias
Zt = Yt − Yt−1
Puede reconstruirse la serie original Yt , en forma recursiva, a través de la
ecuación:
Yt = Zt + Yt−1
= Zt + Zt−1 + Yt−2
..
.
= Zt + Zt−1 + Zt−1 + · · · (3.5)
A este proceso de sumas sucesivas se le suele llamar integración de la serie.

¿Cómo efectuar las diferencias ordinarias con Statgraphics? Para ello se
utiliza la ventana de diálogo Adjustment Options, indicando en el espacio
marcado el orden de las diferencias.
Figura 3.3. Orden de las diferencias no estacionales
3.4. Variación estacional

Una vez que la varianza se ha estabilizado (es decir, que la serie es ho-
moscedástica) y se ha eliminado la tendencia (la media es constante), resul-
tará muy evidente la variación estacional, si es que existe. En algunos casos,
la variación estacional es evidente aún con la tendencia y/o la heteroscedas-
ticidad.
3.4 Variación estacional 63
En algunos fenómenos reales, la variación estacional es tan importante

dentro de la serie de tiempo, que será imposible eliminarla. Sin embargo, es
conveniente tratar de hacerlo a través de diferencias estacionales (seasonal
differences).
Sea s la longitud del período de la variación estacional. Es decir, si un
comportamiento se repite de manera semejante cada 12 meses (un año con
unidades mensuales), s = 12; si se repite cada 4 trimestres (un año con
unidades trimestrales), s = 4; cada 7 días (una semana con unidades diarias),
s = 7; etcétera. Las diferencias estacionales se denotarán por ∆s y calculan
de la siguiente manera:
∆s Zt = Zt − Zt−s (3.6)
∆2s Zt = ∆s Zt − ∆s Zt−s
= (Zt − Zt−s ) − (Zt−s − Zt−2s )
= Zt − 2Zt−s + Zt−2s (3.7)
∆3s Zt = Zt − 3Zt−s + 3Zt−2s − Zt−3s (3.8)

..
.
Por lo general, sólo se requiere efectuar una o dos diferencias estacionales. Ya

sea que logre eliminarse o no la variación estacional, es conveniente probar
uno o más modelos estacionales, con objeto de seleccionar la opción que
ofrezca los mejores resultados.
Notas importantes. Deben observarse los siguientes aspectos con relación a

las diferencias estacionales:
Las segundas diferencias estacionales no equivalen a la diferencia estacional
Zt − Zt−s , y así sucesivamente. Los coeficientes de los términos de las
diferencias estacionales siguen los valores de un triángulo de Pascal.
Cada vez que se hace una diferencía ordinaria se pierden s observaciones.
Así, si se hacen D diferencias estacionales a un conjunto de N datos,
quedarán N − Ds observaciones.
Puede hacerse una equivalencia entre las diferencias estacionales y el ope-
rador de salto hacia atrás: ∆s = 1 − B s .
Efectuar diferencias estacionales innecesarias ocasionará que los datos
adquieran una variación estacional inexistente, contraviniendo el principio
de parsimonia y el sentido lógico. Véase el siguiente ejemplo:
Zt = et Ruido blanco
∆s Zt = Zt − Zt−s = et − et−s Modelo con variación estacional
Es posible que un conjunto de datos requieran tanto diferencias ordinarias

como diferencias estacionales. En este caso puede demostrarse que es in-
distinto el orden en que éstas se efectúen. Por ejemplo, supóngase que se
aplican primero las diferencias ordinarias y posteriormente las estacionales,
entonces:
∆s ∆Zt = ∆s (Yt − Yt−1 )

= Yt − Yt−1 − Yt−s + Yt−1−s (3.9)
Si, por el contrario, se efectúa primero la diferencia estacional y luego la

ordinaria:
∆∆s Zt = ∆(Yt − Yt−s )

= Yt − Yt−s − Yt−1 + Yt−s−1 (3.10)
Puede verificarse con facilidad que las ecuaciones 3.9 y 3.10 son algebraica-
mente equivalentes.
No debe olvidarse que habrá que probar también, como se verá más ade-
lante, el modelado de la variación estacional.
Dentro de Statgraphics, es necesario indicar que una serie de tiempo podría
tener variación estacional para que se activen las opciones correspondientes a
ella. Esto se hace al seleccionar los datos, en la ventana de diálogo Descriptive
Options, como se ve en la Figura 3.4.
Si has seleccionado los datos y no señalaste la variación estacional, no
te preocupes, puedes hacerlo en cualquier momento a través del botón Input
Dialog: .
3.5. Modelos ARIMA

Finalmente, es posible señalar tanto las transformaciones como las dife-
rencias dentro de los modelos. Como se ha dicho, al utilizar Zt en lugar de Yt
(observaciones originales), se está indicando que pudo haber ya alguna trans-
formación, misma que habrá de deshacerse una vez seleccionado el modelo y
generados los pronósticos.
Por otro lado, se ha dicho que, si se efectúan diferencias ordinarias, los
datos originales pueden recuperarse a través de sumas sucesivas, por un pro-
ceso llamado de integración. Por esta razón los modelos más generales se lla-
marán ahora modelos integrados autorregresivos y de medias móviles
o simplemente modelos ARIMA(p,d,q), de su equivalente en inglés: Au-
torregresive Integrated Moving Averages.
Hasta ahora se han considerado modelos cuya media es cero; para crear
modelos aún más generales, puede agregarse una constante o término inde-
pendiente, denotado por δ0 . Así, el modelo ARIMA(p,d,q) se expresará como:
3.5 Modelos ARIMA 65
Figura 3.4. Longitud de la variación estacional
Wt = δ0 + φ1 Wt−1 + . . . + φp Wt−p + et − θ1 et−1 − . . . − θq et−q (3.11)
O en su forma abreviada como:
φ(B)Wt = δ0 + θ(B)et (3.12)
Donde Wt = ∆d Zt , Zt es alguna transformación de Yt , δ0 ∈ R y B es el

operador de salto hacia atrás.
Obsérvese que tanto en la ecuación 3.11 como en la 3.12, el término cons-
tante δ0 no es la media, excepto en el caso en que el modelo fuera únicamente
de medias móviles, de otro modo:
E(Wt ) = δ0 + φ1 E(Wt−1 ) + . . . + φp E(Wt−p ) + 0

(1 − φ1 − . . . − φp )E(Wt ) = δ0
δ0
E(Wt ) = (3.13)
1 − φ1 − . . . − φp
Finalmente, en caso de que se hayan efectuado diferencias estacionales de

orden D, el modelo sería el mismo pero con Wt = ∆D d
s ∆ Zt , en cuyo caso...
¿cuántas observaciones se habrán perdido?
4 Pronósticos
4.1. Introducción
Por supuesto, la finalidad de seleccionar un modelo adecuado a los datos,

además de describirlos y comprenderlos mejor, es pronosticarlos para apo-
yar la toma de decisiones. En ese sentido, tanto los modelos ARMA como
los más generales ARIMA, permiten generar pronósticos con facilidad, espe-
cialmente si se utiliza algún paquete estadístico adecuado como Statgraphics,
SAS, EViews, SPSS, etcétera.
Para obtener los pronósticos habrá que elegir el modelo más adecuado a
los datos, sin embargo, también es conveniente utilizar el propio pronóstico
como elemento de juicio para valorar y comparar los modelos. Esto significa
que la elaboración de pronósticos será parte de la identificación de modelos.
En realidad no interesa tanto el ajuste del modelo a los datos reales (in-
terpolación), sino su funcionalidad en cuanto a la generación de pronósticos
(extrapolación). Así, será conveniente en algunas ocasiones seleccionar algún
modelo que, aún cuando no tenga el mejor ajuste, sí provea los pronósticos
más precisos y confiables.
Un pronóstico es un estimador del valor desconocido que tendrá la vari-
able en el futuro (parámetro). Como todo estimador, puede obtenerse de dos
formas:
Puntual, es decir, un número que pretende ser aproximado al fenómeno
real.
Por intervalo, a través de un rango que, con cierto nivel de confianza,
debe contener al valor desconocido futuro de la variable.
En general, es conveniente contar con los dos tipos de pronóstico, puesto
que cada uno de ellos tiene ventajas particulares: el pronóstico puntual brinda
una idea aproximada del valor real, pero es casi seguro que será diferente de
éste. El intervalo de confianza, por su parte, es menos preciso, pero existe
una probabilidad alta (1 − α) de que contenga al valor real.
68 4 Pronósticos
4.2. Pronósticos de costo mínimo

Como todo estimador, el pronóstico es una aproximación al valor real
desconocido que tendrá la variable en un punto futuro del tiempo. Por ello,
todo pronóstico está sujeto a error, de manera inevitable. Este error, a su
vez, ocasiona un costo, tanto si es un error por exceso como si es por defecto.
Por ejemplo, supóngase que una empresa que vende productos perecederos
(e.g. fruta) desea pronosticar las cantidades de cada producto que debe tener
en su almacén para ofrecerlos en venta. Si el pronóstico queda por debajo del
valor real de la demanda de los clientes, no será posible atenderlos adecuada-
mente y se tendrá un costo de pérdida de oportunidad o, incluso, de clientes
que dejen de asistir al negocio por no haber encontrado el producto. En cam-
bio, si el pronóstico excede al valor real, habrá una cantidad de producto en
almacén que no se venderá. Este producto deberá continuar almacenado (si
es posible), desecharse o procesarse en otra forma (jugos, nieves, helados y
otros), con el consiguiente costo para la organización.
¿Cómo encontrar entonces un pronóstico cuyo costo esperado sea mínimo?
Se cuenta con N − d − sD datos observados1 de la serie de tiempo Zt :
Zd+sD+1 , Zd+sD+2 , . . . , ZN .
Se llamará a los valores Zt :
Zd+sD+1 , Zd+sD+2 , . . . , ZN −1
datos históricos; al valor ZN dato presente o actual (aunque probable-

mente no sea en realidad el presente, sino únicamente el dato más reciente
con el que se cuenta); y a los valores desconocidos: Z0 , Z−1 , Z−2 , . . ., datos
prehistóricos.
A partir de ellos se desea construir un modelo matemático que permita
pronosticar los valores de la serie para un horizonte h, es decir, se desea
estimar los valores futuros: ZN +1 , ZN +2 , . . . , ZN +h . Para ello es conveniente
definir una notación que represente al estimador o pronóstico:
ẐN +h = ZN (h) (4.1)
Así pues, el error que se cometerá al pronosticar la variable para un

horizonte h será la diferencia entre el valor real (desconocido) y el valor
estimado (pronóstico), lo cual se expresa como:
eN (h) = ZN +h − ZN (h) (4.2)

1
A partir de ahora se utilizará la notación Zt para denotar a la serie de tiempo
que ya es estacionaria, es decir, que puede incluir alguna transformación, alguna
diferencia ordinaria y/o alguna diferencia estacional. En ese sentido, es posible
que ya no se cuente con los N datos originales, sino únicamente con N − d − sD
datos. Por supuesto, d y D pueden ser ceros.
4.3 Cálculo de los pronósticos 69
Como se ha dicho, este error implica un costo, tanto si 4.2 es positivo

como si es negativo. Esto sugiere que el costo del error podría estimarse
como una función del valor absoluto del mismo:
C(eN (h)) = c |ZN +h − ZN (h)| (4.3)
Donde c ∈ R+ . Sin embargo, al tratar de minimizar el costo del pronóstico se

encontraría que la función 4.3 no es derivable (tiene pico, por lo cual la deriva-
da por la izquierda es distinta de la derivada por la derecha). Por lo tanto,
se puede considerar que el costo es aproximado a una función cuadrática del
error, es decir:
2
C(eN (h)) = c (ZN +h − ZN (h)) (4.4)
Así, a medida que el error crezca en valor absoluto, el costo se incrementará.
Puesto que necesariamente se cometerá un error, lo ideal será econtrar el
pronóstico que minimice el costo esperado de este error.
Es relativamente sencillo verificar que el mejor pronóstico es entonces
el valor esperado de la variable desconocida, puesto que minimiza el costo
esperado del pronóstico; es decir, conviene elegir:
ZN (h) = E(ZN +h ) = mh (4.5)
Para demostrarlo, supóngase que se toma como pronóstico cualquier valor

distinto de 4.5, tal como ZN (h) = E(ZN +h ) + d = m con d ∈ R. Entonces el
costo esperado del error sería:
N +h − (mh +
E[C(eN (h))] = E[c(Z d))2 ]
2 2
= c E(ZN +h − mh ) − 2dE(Z
N +h − mh ) + d
= c E(ZN +h − mh )2 + d2
Para minimizar 4.6, conviene que d = 0, con lo cual se demuestra que el

pronóstico óptimo para ZN +h se obtiene con m = mh = E(ZN +h ).
4.3. Cálculo de los pronósticos

Se ha establecido ya que el mejor pronóstico será el valor esperado de la
variable real desconocida. Supóngase entonces que el modelo elegido para el
pronóstico es un ARMA(p,q) que cumple las condiciones de estacionaridad
e invertibilidad. Para obtener el pronóstico correspondiente al horionte h, se
siguen estos pasos:
1. Se obtienen los estimadores (como se verá más adelante) de los p + q + 1
parámetros desconocidos, es decir, de: δ0 , φ1 , . . . , φp , θ1 , . . . , θq .
2. Se reemplaza el error presente eN y los errores históricos eN −1 , eN −2 ,
eN −3 , . . . , eN −d−SD+1 , con los residuales. Esto es, se reemplazan por la
diferencia entre el valor real Zt y el valor estimado por el modelo elegido.
70 4 Pronósticos
3. Se reemplaza cada error futuro eN +j , 0 < j ≤ h, por su valor esperado,

es decir, cero.
4. Se reemplazan los valores históricos y presente ZN +j , j ≤ 0, por los datos
observados.
5. Se reemplaza cada valor futuro ZN (j), 0 < j < h, de manera recursiva,
por ZN (h).
4.4. Límite de los pronósticos

Como se verá ahora, la funcionalidad de los pronósticos es relativamente
limitada. En general, los pronósticos serán adecuados para un horizonte rel-
ativamente corto, a partir de ahí, los pronósticos se convierten en la media
de la serie. Esto no debe desanimar al analista, puesto que las predicciones
obtenidas serán de gran calidad y podrán actualizarse conforme se agreguen
nuevos datos, generando también los siguientes pronósticos.
4.4.1. Pronóstico de un modelo AR(1)
Supóngase que para un conjunto de datos se identificó un modelo AR(1),

en el cual el valor esperado o media es µ, es decir:
EZt = µ
Entonces, si se deja la media de manera explícita, el modelo AR(1) se

expresaría como:
Zt − µ = φ1 (Zt−1 − µ) + et
Zt = (1 − φ1 )µ + φ1 Zt−1 + et
El pronóstico para un período adelante sería:
ZN (1) = EZN +1 = (1 − φ1 )µ + φ1 ZN (4.6)
Y el pronóstico para un horizonte h sería:
ZN (h) = EZN +h = (1 − φ1 )µ + φ1 ZN (h − 1)
Como se ve, esto genera una serie de ecuaciones recursivas, donde el

pronóstico para dos períodos adelante es:
ZN (2) = EZN +2 = (1 − φ1 )µ + φ1 ZN (1) (4.7)
Si se sustituye 4.6 en la ecuación anterior, se obtiene:
ZN (2) = (1 − φ1 )µ + φ1 ((1 − φ1 )µ + φ1 ZN )
= (1 − φ1 )(1 + φ1 )µ + φ21 ZN
4.4 Límite de los pronósticos 71
Continuando este proceso puede generalizarse la ecuación recursiva para

ZN (h):
ZN (h) = (1 − φ1 )(1 + φ1 + φ21 + . . . + φh−1

1 )µ + φN
1 ZN (4.8)
Para obtener el pronóstico a largo plazo, basta con obtener el límite de

la ecuación anterior cuando h → ∞, suponiendo además que se cumple la
condición de estacionaridad por la cual |φ1 | < 1:
lı́m ZN (h) = µ (4.9)

h→∞
Esto significa que, a largo plazo, el pronóstico tiende a la media de la

serie. Lo mismo ocurrirá para todos los modelos de tipo AR.
4.4.2. Pronóstico de un modelo MA(1)
Supóngase que para un conjunto de datos se identificó un modelo MA(1),

en el cual el valor esperado o media es µ, es decir:
EZt = µ
Entonces, si se deja la media de manera explícita, el modelo MA(1) se

expresaría como:
Zt − µ = et + θ1 et−1
Zt = µ + et + θ1 et−1
El pronóstico para un período adelante sería:
ZN (1) = EZN +1 = µ + θ1 êN (4.10)
Donde êN es el residual que se obtiene como la diferencia entre el valor

real y el estimado por el modelo:
êN = ZN − µ + θ1 êN −1
A partir de ahí, los siguientes pronósticos serán:
ZN (2) = µ
ZN (3) = µ
..
.
ZN (h) = µ
Es decir, inmediatamente después del primer período pronosticado, los

siguientes valores serán iguales a la media de la serie. De la misma forma
puede demostrarse que para un MA(2) se obtienen dos pronósticos y luego
la media de la serie; para un MA(3) se obtienen tres pronósticos y luego la
media de la serie, etcétera.
72 4 Pronósticos
4.4.3. Pronóstico de un modelo ARMA(1,1)
Puede demostrarse de manera sencilla que, si se ha elegido como modelo

un ARMA(1,1), el pronóstico a largo plazo de este modelo también tiende a
la media de la serie. Lo mismo ocurre con los modelos generales ARMA(p,q).
Por ello, debe tenerse precaución al pronosticar, confiando poco en los pronós-
ticos muy lejanos en el tiempo. Esto es razonable puesto que, mientras más
adelante esté el futuro, menos sabemos acerca de cómo serán sus circunstan-
cias.
4.5. Actualización de los pronósticos

Como se ha demostrado, los modelos de tipo ARMA(p,q) generan exce-
lentes pronósticos a corto y tal vez a mediano plazo, pero no a largo plazo.
Mientras más estable sea un fenómeno, será razonable confiar en los pronós-
ticos más lejanos, y viceversa.
Por otro lado, conforme se van obteniendo más datos históricos, es con-
veniente incorporarlos al modelo y actualizar los pronósticos. Esto puede
hacerse de dos formas:
1. Actualización secuencial. El nuevo dato se incopora a los valores ob-

servados y se re-estiman los parámetros, pero se sigue utilizando el mismo
modelo ya seleccionado para pronosticar. Se recomienda cuando el fenó-
meno analizado es muy estable y el pronóstico ha resultado adecuado.
2. Actualización adaptativa. El nuevo dato se incorpora a los valores
observados y se revisa el modelo para verificar si continúa siendo el mismo
o debe cambiarse. Se recomienda cuando el fenómeno analizado es poco
estable.
5 Metodología de Box-Jenkins
5.1. Introducción
Como se ha dicho, la metodología de Box-Jenkins se basa tanto en el princi-

pio de parsimonia como en el mejoramiento sucesivo de los modelos. Hasta el
momento, se han revisado las características de los modelos teóricos de tipo
ARIMA(p,d,q). Hecho esto, se tiene un panorama claro del conjunto de posi-
bilidades de las cuales se elegirá alguna que se ajuste a los datos y que, sobre
todo, genere buenos pronósticos. Es decir, ahora se confrontarán los datos
reales con los modelos, de una manera sistemática y ordenada que permita
llegar al mejor resultado.
Con este objetivo, la metodología comprende los siguientes pasos:
1. Verificar que la serie sea estacionaria e intentar eliminar la variación
estacional, si ésta existe.
a) Revisar posible heteroscedasticidad (transformaciones).
b) Revisar posible tendencia (diferencias ordinarias).
c) Revisar posible variación estacional (diferencia estacional).
2. Identificar un modelo tentativo, de acuerdo con las características de la
serie.
a) Revisar ACF muestral (individual y en conjunto).
b) Revisar PACF muestral.
c) Revisar periodograma y periodograma integrado.
d) Elegir un modelo tentativo.
3. Estimar los parámetros del modelo tentativo por el método de máxima
verosimilitud (o mínimos cuadrados).
a) Inicialización de la serie.
b) Valores iniciales de los parámetros para linealizar.
4. Diagnosticar el modelo considerando las siguientes posibilidades:
a) Revisar las propiedades de estacionaridad.
b) Revisar si el modelo está sobre-especificado (le sobran variables).
c) Revisar si el modelo está sub-especificado (le faltan variables).
d) Revisar si existen datos atípicos (outliers).
e) Elaborar un cuadro comparativo de los modelos factibles.
Si el modelo se considera el mejor, continuar con los pronósticos. En caso
contrario, seleccionar otro modelo factible.
74 5 Metodología de Box-Jenkins
5. Pronosticar la serie de tiempo utilizando el mejor modelo.

A continuación se describen con detalle los procedimientos de identifi-
cación, estimación, diagnóstico y pronóstico, con el auxilio del programa
Statgraphics.
5.2. Identificación
El procecimiento para identificar el modelo adecuado para una serie de
tiempo real consiste en contar con una especie de “catálogo” de modelos y sus
caractarísticas esenciales, para compararlos con esas mismas características,
pero de los datos reales.
Los elementos básicos para la identificación son:
La función de autocorrelación (ACF)
La función de autocorrelación parcial (PACF)
El periodograma
El periodograma integrado
Puesto que ya se ha revisado la interpretación del periodograma y perio-
dograma integrado, se analizará la interpretación de ACF y PACF.
5.2.1. Interpretación de la ACF
En general, se desea determinar si debe considerarse que la ACF es de-

creciente infinita o que se trunca en un cierto valor de k. Para ello, se utiliza
una inspección visual de la gráfica, auxiliada de un intervalo de confianza que
permitirá probar la siguiente hipótesis para cada una de las autocorrelaciones
ρk :
H0 : ρ k = 0
versus
Ha : ρk 6= 0
Si se acepta la hipótesis nula, se considera que la autocorrelación corre-
spondiente al intervalo k es estadísticamente insignificante, en el caso con-
trario, es significativa.
Para realizar la prueba de hipótesis es necesario construir un estadístico
que relacione el valor del estimador con el valor supuesto del parámetro y
que siga una distribución de probabilidad conocida. El estadístico se obtiene
de la siguiente forma:
rk − 0
trk = (5.1)
srk
Donde la varianza del estimador rk está dada por [5]:
1
1 + 2(ρ21 + ρ22 + . . . + ρ2q ) ∀k > q

Var(rk ) ≈ (5.2)
N
5.2 Identificación 75
Por lo tanto, el estimador de dicha varianza será:
ˆ k ) = s2 ≈ 1 1 + 2(r2 + r2 + . . . + r2 ) ∀k > q

Var(r rk 1 2 q (5.3)
N
Ahora, el estadístico formulado en la ecuación 5.1 sigue entonces una dis-
tribución t-de-Student, con tantos grados de libertad como datos disponibles,
para un nivel de confianza de (1 − α)100 %. Puesto que la metodología de
Box-Jenkins requiere de contar por lo menos con 80 datos, para que sea posi-
ble detectar tendencia y variación estacional, así como hacer diferencias sin
reducir demasiado el tamaño de muestra, puede considerarse que el valor en
tablas de la t-de-Student, para α = 0.05 es 1.96 o, aproximadamente, 2.
Por ello, puede establecerse como regla de decisión la siguiente:
1. Aceptar H0 si |trk | < 2, es decir, considerar que ρk es estadísticamente
insignificante.
2. Rechazar H0 en caso contrario, es decir, considerar que ρk es significativo.
Resulta conveniente contar con una herramienta visual para efectuar este
análisis de manera rápida. Puede utilizarse la prueba de hipótesis para con-
struir un intervalo de confianza que se agrega a la gráfica de la ACF, con el
objeto de identificar rápidamente cuáles valores sobresalen de dicho intervalo
que se construye como:
P [ρk − 2srk < rk < ρk + 2srk ] = 0.95 (5.4)
Así, puede agregarse este intervalo a la gráfica de la ACF, de modo que

será evidente de manera inmediata cuáles son las rk cuyo valor queda por
fuera de [−2srk , 2srk ] y que son, por lo tanto, significativas con un 95 % de
confianza.
También puede resultar útil probar un conjunto de K autocorrelaciones,
es decir, probar la hipótesis:
H0 : ρ1 = ρ2 = . . . = ρK = 0
versus
Ha : Al menos una ρk 6= 0, ∀k ≤ K.
Para ello se utiliza el estadístico de Box-Pierce[7], con el cual se efectúa
la llamada prueba Portmanteau 1 . Dicho estadístico es:
K
X rk2
Q(K) = N (N + 2) (5.5)
N −k
k=1
Que se distribuye aproimadamente como χ2 con K grados de libertad,

para un nivel de confianza del (1 − α)100 %, donde N es el número de datos
disponibles (deberá reducirse si hay diferencias ordinarias y/o estacionales).
1
Significa “maleta” en francés, ya que contiene a un conjunto de autocorrelaciones
Por lo general los paquetes estadísticos utilizan K = 12 o K = 24, aunque el

analista puede modificar estos valores.
La regla de decisión se formula como:
Aceptar H0 si Q(K) < χ2N,1−α . En este caso, se considera que las K
primeras autocorrelaciones son estadísticamente insignificantes.
En caso contrario, rechazar H0 , por lo cual se considera que al menos una
de las autocorrelaciones es significativa. Para identificar cuál o cuáles, se
utiliza la prueba descrita anteriormente.
5.2.2. Interpretación de la PACF

En general, se desea determinar si debe considerarse que la PACF es
decreciente infinita o que se trunca en un cierto valor de k. Para ello, se utiliza
una inspección visual de la gráfica, auxiliada de un intervalo de confianza que
permitirá probar la siguiente hipótesis para cada una de las autocorrelaciones
ρkk :
H0 : ρkk = 0
versus
Ha : ρkk 6= 0
Si se acepta la hipótesis nula, se considera que la autocorrelación parcial
correspondiente al intervalo k es estadísticamente insignificante, en el caso
contrario, es significativa.
Para realizar la prueba de hipótesis es necesario construir un estadístico
que relacione el valor del estimador con el valor supuesto del parámetro y
que siga una distribución de probabilidad conocida. El estadístico se obtiene
de la siguiente forma:
rkk − 0
trkk = (5.6)
srkk
Donde la varianza del estimador rk está dada por [33]:
1
Var(rkk ) ≈ ∀k > p (5.7)
N
Por lo tanto, el estimador de dicha varianza será igual al valor anterior:
ˆ kk ) = s2 ≈ 1 ∀k > p
Var(r (5.8)
rkk
N
Ahora, el estadistico formulado en la ecuación 5.1 sigue entonces una dis-
tribución t-de-Student, con tantos grados de libertad como datos disponibles,
para un nivel de confianza de (1 − α)100 %. Puesto que la metodología de
Box-Jenkins requiere de contar por lo menos con 80 datos, para que sea posi-
ble detectar tendencia y variación estacional, así como hacer diferencias sin
reducir demasiado el tamaño de muestra, puede considerarse que el valor en
tablas de la t-de-Student, para α = 0.05 es 1.96 o, aproximadamente, 2.
Por ello, puede establecerse como regla de decisión la siguiente:
5.3 Estimación 77
1. Aceptar H0 si |trkk | < 2, es decir, considerar que ρkk es estadísticamente

insignificante.
2. Rechazar H0 en caso contrario, es decir, considerar que ρkk es significa-
tivo.
Resulta conveniente contar con una herramienta visual para efectuar este
análisis de manera rápida. Puede utilizarse la prueba de hipótesis para con-
struir un intervalo de confianza que se agrega a la gráfica de la PACF, con el
objeto de identificar rápidamente cuáles valores sobresalen de dicho intervalo
que se construye como:
P [ρkk − 2srkk < rkk < ρkk + 2srkk ] = 0.95 (5.9)
Así, puede agregarse este intervalo a la gráfica de la ACF, de modo que

será evidente de manera inmediata cuáles son las rkk cuyo valor queda por
fuera de [−2srkk , 2srkk ] y que son, por lo tanto, significativas con un 95 % de
confianza.
5.3. Estimación
En esta sección se discute el proceso por medio del cual se estiman los
parámetros de un modelo ARIMA(p,d,q). Para la estimación puede usarse
el método de los momentos, máxima verosimilitud o mínimos cuadrados. De
acuerdo con William S. Wei [39], lo más recomendable es utilizar máxima
verosimilitud que resultará equivalente a mínimos cuadrados. Sin embargo,
como se obtendrá un sistema de ecuaciones no lineales, será necesario echar
mano de otras herramientas matemáticas para linealizar.
5.3.1. Mínimos cuadrados y máxima verosimilitud
Una vez que se ha realizado la especificación del modelo tentativo, es

decir, una vez elegidos los valores de p, d, q y D para el modelo:
φ(B)Zt = δ0 + θ(B)et (5.10)
Deben obtenerse los estimadores para los p + q + 1 parámetros desconocidos:

δ 0 , φ1 , . . . , φ p , θ 1 , . . . , θ q .
Si se sigue el método numérico de mínimos cuadrados, deberán en-
contrarse aquellos estimadores que minimicen la suma de cuadrados de las
diferencias entre la serie real Zt y la serie ajustada por el modelo Ẑt . Esto es,
si se considera cada error igual al valor real menos el valor estimado por el
modelo, esta diferencia puede obtenerse despejando et de la ecuación 5.10:
et = θ−1 (B) (φ(B)Zt − δ0 ) (5.11)

Donde la ecuación 5.11 representará a los residuales, una vez que se

sustityan los valores estimados por los parámetros.
El objetivo de la estimación será encontrar un vector de parámetros au-
torregresivos: φ = [φ1 , . . . , φp ], un vector de parámetros de medias móviles:
θ = [θ1 , . . . , θq ] y una constante δ0 , tales que minimicen la suma de los errores
al cuadrado, denotada por:
N
X
S(δ0 , φ, θ) = e2t (5.12)
t=d+Ds+1
Así, los vectores que minimizan la ecuación 5.12 pueden denotarse como:
h i
φ̂ = φ̂1 , . . . , φ̂p
h i
θ̂ = θ̂1 , . . . , θ̂p
Y los residuales asociados con dichos estimadores serán:

êt = θ̂−1 (B) φ̂(B)Zt − δ̂0 (5.13)
Y la suma de los cuadrados de los residuales se expresa por:

N
X
S(δ̂0 , φ̂, θ̂) = ê2t (5.14)
t=d+Ds+1
El proceso de estimación de los parámetros presentará dos problemas:

1. El primer error de la serie de tiempo, e1 depende de valores pasados no
observados (lo que hemos llamado pre-historia), es decir, depende de:
Z0 , Z−1 , . . . , Z−p+1 y de e0 , e−1 , . . . , e−q+1 . Esto hará necesario el uso de
algún método que permita inicializar la serie, antes de aplicar el proceso
de estimación no lineal.
2. Como se verá en la siguiente sección, la estimación de 5.14 se complica si
están presentes términos de medias móviles, ya que la ecuación 5.11 es no
lineal con respecto a los parámetros θ(B). Por esta razón será necesario
usar un método iterativo de estimación no lineal.
Una vez estimados los parámetros del modelo, deberá verificarse si los
residuales se comportan como ruido blanco o si es necesario hacer algún
ajuste. Esto se hará revisando los residuales y sus características.
5.3.2. Procedimiento de estimación
El problema es estimar los vectores de parámetros φ y θ, más la constante

δ0 . Para ello se supone que los errores et son variables aleatorias indepen-
dientes idénticamente distribuidas como Normal con media cero y varianza
5.3 Estimación 79
constante, es decir, son ruido blanco. Entonces la función de verosimilitud

condicional asociada con los parámetros (δ0 , φ, θ, σ) está dada por:
N −d−Ds
1 −S(δ̂0 , φ̂, θ̂)
F (δ0 , φ, θ, σ) = √ exp
2πσ 2 2σ 2
−(N −d−Ds)/2 −S(δ̂0 , φ̂, θ̂)

= 2πσ 2 exp
2σ 2
Para simplificar los cálculos y dado que maximizar el logaritmo de una
función equivale a maximizar la función original, conviene tomar el logaritmo
natural, con lo cual se obtiene la función de verosimilitud logarítmica
condicional:

−(N − d − Ds) ln 2πσ 2 S(δ̂0 , φ̂, θ̂)
L(δ0 , φ, θ, σ) = − (5.15)
2 2σ 2
Como puede verse, el valor de la ecuación 5.15 está condicionado tan-
to a los estimadores como a los datos no observados o pre-históricos. Aho-
ra, el objetivo es encontrar los estimadores que maximicen esta función de
verosimilitud. Es sencillo observar que los mejores estimadores serán aquellos
que minimicen S(δ0 , φ̂, θ̂), puesto que es una suma de cuadrados que tiene
signo negativo y el resto de la ecuación son valores constantes. Esto lleva a
concluir que los estimadores de máxima verosimilitud serán los mismos que
los obtenidos por mínimos cuadrados. En la siguiente sección se revisa la
forma de inicializar los valores pre-históricos.
5.3.3. Inicialización de la serie de tiempo
Ya que la función suma de mínimos cuadrados S(δ̂0 , φ̂, θ̂) requiere de

valores pasados no observables, tanto de Zt como de et , es necesario estimarlos
de alguna manera. Para ello pueden considerarse dos caminos:
1. Valores esperados incondicionales. Una primera solución es sustituir
los valores desconocidos Z0 , Z−1 , . . . , Z−p+1 y e0 , e−1 , . . . , eq+1 por sus
valores espardos incondicionales, es decir, µ y cero, respectivamente. Si
la serie es estacionaria y se cuenta con una muestra relativamente grande,
esta alternativa brindará resultados razonablemente correctos.
2. Valores esperados condicionales. La segunda solución consiste en
tomar como punto de partida los valores esperados incondicionales y, a
partir de ellos, estimar los parámetros del modelo. Hecho esto, se utiliza el
modelo obtenido para efectuar un pronóstico hacia atrás (backcasting
o backforecasting) y obtener valores de los datos desconocidos. Para ello
se define el operador de salto hacia adelante F como:
F Zt = Zt+1 (5.16)
Con lo cual el pronóstico hacia atrás se obtiene a través del modelo:
φ(F )Zt = δ0 + θ(F )et (5.17)
Este procedimiento puede repetirse hasta que ocurra la primera de tres

alternativas:
a) Los valores estimados de los parámetros prácticamente no cambien,
es decir, la diferencia entre una iteración y la siguiente sea, en valor
absoluto, menor que un error 1 .
b) La suma de cuadrados de los residuales prácticamente no cambie, es
decir, la diferencia entre una iteración y la siguiente sea, en valor
absoluto, menor que un error 2 .
c) Se concluya un número máximo de iteraciones, en caso de que ninguna
de las opciones anteriores sea convergente.
Este procedimiento suele dar buenos resultados cuando la serie de tiempo
se acerca a la no estacionaridad y/o la muestra es relativamente pequeña.
En general no es posible saber cuál de las dos alternativas anteriores
generará los mejores resultados en el modelo. Por ello, se sugiere probar la
estimación por ambas vías y finalmente, a través de los resultados generados,
decidir cuál de las dos se prefiere. Los paquetes estadísticos que ya se han
mencionado ofrecen estas dos posibilidades.
5.3.4. Estimación no lineal de los parámetros
Como se ha explicado, se desea encontrar valores de los parámetros δ0 ,

φ y θ que minimicen la suma de cuadrados de los errores, condicionada a
dichos parámetros así como a la serie de tiempo observada y no observada,
es decir, que minimicen la función:
N
X 2
S(δ̂0 , φ̂, θ̂) = [et /δ0 , φ, θ, Z] (5.18)
t=d+Ds+1
Donde Z es el vector de los datos observados —y no observados— Zt .

Si el modelo es completamente autorregresivo, es decir, de la forma:
φ(B)Zt = δ0 + et (5.19)
También expresado como:
Zt = δ0 + φ1 Zt−1 + φ2 Zt−2 + . . . + φp Zt−p + et (5.20)
Puede observarse que la ecuación 5.20 sigue exactamente la forma de un

modelo de regresión lineal múltiple, es decir:
Yt = β0 + β1 X1t + β2 X2t + . . . + βp Xpt + et (5.21)

5.3 Estimación 81
Por lo tanto, los parámetros de la ecuación 5.20 pueden estimarse uti-

lizando la solución matricial correspondiente a un modelo de regresión lineal
múltiple, es decir:
−1 T
φ̂ = X T X X Y (5.22)
Donde la matriz X contiene a las variables independientes o exógenas:
 
Zp Zp−1 ... Z1
 Zp+1 Zp ... Z2 
.. .. .
 
X= . . .  (5.23)
 . . . . 
 
.
ZN −d−sD−1 ZN −d−sD−2 .. ZN −d−sD−p
Mientras que el vector Y contiene a las variables dependientes o endógenas:

 
Zp+1
 Zp+2 
Y = (5.24)
 
.. 
 . 
ZN −d−sD
Como puede verse, para un modelo que es únicamente autorregresivo el

proceso de estimación de los parámetros es, esencialmente, una regresión
lineal múltiple. Sin embargo, si el modelo contiene medias móviles, no será
posible aplicar este tipo de estimación. Obsérvese que si se obtiene el error et
a partir del modelo general ARIMA, los parámetros θ(B) resultan no lineales:
et = θ−1 (B)φ(B)Zt + δ0 (5.25)
Sin embargo, la ecuación 5.25 puede linearse a trávés de una rutina it-
erativa, utilizando los dos primeros términos de una serie de Taylor [10].
La linealización se hará alrededor de algún valor inicial de cada uno de los
elementos de los vectores φ y θ. Hecho esto, se efectúa la regresión con
la ecuación linealizada, con lo cual se obtienen los estimadores de mínimos
cuadrados para φ y θ, mismos que se utilizarán como punto de partida para
una nueva linealización, y así sucesivamente, hasta que ocurra la convergencia
o se concluya un número de iteraciones preestablecido.
Para observar este proceso iterativo con más detalle, conviene generar un
nuevo vector β con contendrá los p + q + 1 parámetros que van a estimarse,
es decir: [δ0 , φ, θ]. Así pues, el objetivo será elegir los valores del vector β
que minimicen:
N −d−sD
X N −d−sD
X
2 2
S(β) = [et /Z, β] = [et ] (5.26)
t=1 t=1
Ahora, puede hacerse la expansión de [et ] alrededor de un valor inicial del

vector, es decir, de β0 , de la siguiente forma:
p+q+1
X ∂[et ]
[et ] = [et /Z, β0 ] + (βi − βi,0 ) +
i=1
∂βi β=β0
p+q+1 2

1 X 2 ∂ [et ]

+ (βi − βi,0 ) 2 + ... (5.27)
2 i=1 ∂βi β=β0
Donde βi,0 es el valor inicial para el parámetro desconocido βi , es decir, es el

i-ésimo componente del vector de valores iniciales de los parámetros β0 . La
serie de Taylor de la ecuación anterior se trunca en el segundo término para
obtener una ecuación lineal.
Sean ahora:
∂[et ]
xi,t = − (5.28)
∂βi β=β0
[et,0 ] = [et /Z, β0 ] (5.29)

Se sigue entonces que la ecuación 5.27 puede escribirse como:
p+q+1
X
[et ] ≈ [et,0 ] − (βi − βi,0 )xi,t (5.30)
i=1
Lo cual a su vez puede reescribirse como un modelo de regresión lineal:

p+q+1
X p+q+1
X
[et,0 ] + βi,0 xi,t ≈ βi xi,t + [et ] (5.31)
i=1 i=1
El lado izquierdo de la ecuación anterior puede verse como una variable de-
pendiente compuesta, que tendrá diferentes valores para t = 1, 2, . . . , N −
d − sD. Obsérvese que [et,0 ] es el valor del residual correspondiente al tiempo
t, dado el vector inicial β0 . Del lado derecho de la ecuacion hay p + q + 1
variables independientes, multiplicadas por el mismo número de parámetros
desconocidos βi , así como un error aditivo.
Puesto que se tiene ya un modelo de regresión lineal múltiple, los pará-
metros βi pueden estimarse con la ecuación 5.22, en la cual:
 Pp+q+1 
[eN −d−sD+1,0 ] + i=1 βi,0 xi,N −d−sD+1
 [eN −d−sD+2,0 ] + p+q+1 βi,0 xi,N −d−sD+2 
P
i=1
Y = (5.32)
 
.. 
 . 
Pp+q+1
[eN,0 ] + i=1 βi,0 xi,N
 
x1,N −d−sD+1 x2,N −d−sD+1 . . . xp+q+1,N −d−sD+1
 x1,N −d−sD+2 x2,N −d−sD+2 . . . xp+q+1,N −d−sD+2 
X= (5.33)
 
.. .. .. .. 
 . . . . 
x1,N x2,N ... xp+q+1,N
5.3 Estimación 83
 
β1
 β2 
β= (5.34)
 
.. 
 . 
βp+q+1
Se realiza entonces la regresión ordinaria por mínimos cuadrados para
producir un nuevo estimador de β, al cual se llamará β1 . En seguida, uti-
lizando una nueva expansión de Taylor para et alrededor de β1 , se obtiene
una nueva versión de la ecuación de regresión, cuyos parámetros se estiman
nuevamente por mínimos cuadrados ordinarios, generando el nuevo vector β2 .
Este proceso se repite hasta que se satisfaga la primera de tres condiciones:
1. Criterio 1: En inglés stopping criterion 1. El vector de parámetros esti-
mados prácticamente no varía de una estimación a la siguiente, es decir,
para la k-ésima iteración se cumple que:
|βk − βk−1 | ≤ 1 (5.35)
2. Criterio 2: En inglés stopping criterion 2. La suma de cuadrados de

los residuales prácticamente no varía de una estimación a la siguiente, es
decir, para la k-ésima iteración se cumple que:
|S(βk ) − S(βk−1 )| ≤ 2 (5.36)
3. El número máximo de iteraciones (maximum iterations) llega a su fin.

Se llama entonces k al número de convergencia, esto es, al número de itera-
ciones necesarias para que se cumpla alguna de las dos primeras condiciones.
Por lo tanto, βk será el etimador final de los parámetros.
Los errores estándar y los estadísticos de los estimadores se calculan a
partir de la última linealiacion, de la misma forma que en cualquier porced-
imient de estimación lineal. A partir de ellos se realizará —como se verá más
adelante— el diagnóstico del modelo.
Es importante señalar que no hay garantía de que el proceso de estimación
descrito sea siempre convergente a un estimador final de los parámetros. Es
posible que exista divergencia o un conjunto de soluciones múltiples. En este
caso, habrá que revisar la especificación del modelo y el cumplimiento de
las condiciones de estacionaridad. Algunos paquetes estadísticos permiten la
modificación de los valores iniciales de los parámetros, pero la mayoría no.
5.3.5. Valor inicial de los parámetros
Como se ha explicado, para realizar la estimación no lineal, es nece-

sario inicializar los valores de los parámetros contenidos en el vector β0 =
(δ0 , φ0 , θ0 . Por supuesto, la convergencia en el proceso de estimación será
más rápida si los valores iniciales son buenos.
Una forma de obtener valores iniciales de los parámetros es despejar sus

valores de las ecuaciones de Yule-Walker, sustituyendo las autocorrelaciones
muestrales en lugar de las teóricas. Otra opción es usar tablas como las que
ofrece el libro de Box y Jenkins [9]. Bowermann y O’Connell [6] sugieren usar
0.1 como primera aproximación, mientras que Pindyck y Rubinfeld [32] han
tomado como valor inicial cero con buenos resultados.
5.3.6. Ejemplo: estimación de ARMA(1,1)
Para observar de manera más clara el proceso de estimación no lineal,

puede revisarse el caso del modelo mezclado ARMA(1,1), en el cual la cons-
tante δ0 es cero y no se hicieron diferencias (d = 0, D = 0):
(1 − φ1 B)Zt = (1 − θ1 B)et
1 − φ1 B
et = Zt (5.37)
1 − θ1 B
La ecuación anterior es no lineal con respecto a θ1 , pero puede aproxi-
marse a través de la expansión en serie de Taylor, utilizando los dos primeros
términos. Esto implica calcular las primeras derivadas de et con respecto a
φ1 y θ1 , evaluadas en los valores iniciales correspondientes φ1,0 y θ1,0 :

∂et
x1,t =−
∂φ1 φ1,0
θ1,0
B
= Zt (5.38)
1 − θ1,0 B

∂et
x2,t = −
∂θ1 φ1,0
θ1,0
B − φ1,0 B 2
= Zt (5.39)
(1 − θ1,0 B)2
Pueden entonces calcularse series de tiempo numéricas para x1,t y x2,t ,

para los valores de t = 1, 2, . . . , N . Por ejemplo:
(1 − θ1,0 B)x1,t = BZt

x1,t − θ1,0 x1,t−1 = Zt−1
x1,t = θ1,0 x1,t−1 + Zt−1 (5.40)
Si se inicializa con Z0 = x1,0 = 0, puede resolverse la ecuación 5.40 en

forma sucesiva para generar la serie completa x1,t :
5.4 Diagnóstico 85
x1,1 = 0
x1,2 = Z1
x1,3 = θ1,0 Z1 + Z2
..
.
Y se efectúa el mismo proceso para x2,t :

2
x2,t = 2θ1,0 x2,t−1 − θ1,0 x2,t−2 − Zt−1 + φ1,0 Zt−2 (5.41)
Si esta serie se inicializa con x2,1 = Z0 = Z−1 = 0 se obtienen las variables:
x2,1 = 0
x2,2 = Z1
x2,3 = 2θ1,0 x2,2 − Z2 + φ1,0 Z1
..
.
Con los valores iniciales φ1,0 y θ1,0 se calculan los residuales et,0 , con lo cual
puede formularse ya el modelo de regresión lineal como:
et,0 + φ1,0 x1,t + θ1,0 x2,t ≈ φ1 x1,t + θ1 x2,t + et (5.42)
5.4. Diagnóstico
Si Dios hubiera esperado a tener todo perfecto, no estaríamos aquí.
J. A. Cronin
Una vez que se ha identificado un modelo preliminar y se han estimado sus

parámetros, es necesario verificar si este modelo puede mejorarse y de qué
forma. La metodología de Box-Jenkins no produce modelos “óptimos”, sin
embargo, si se aplica correctamente y se prueban todos los modelos factibles,
el analista tendrá la seguridad de haber elegido el mejor modelo. Para ello,
se parte de un modelo inicial tentativo que se va mejorando de acuerdo con
los principios de parsimonia y mejoramiento sucesivo.
Las herramientas básicas para el diagnóstico son:
1. Los residuales, es decir, las diferencias entre cada dato y el modelo.
2. Los pronósticos de los últimos datos, que pueden retirarse temporalmente
del modelo para ser pronosticados por él y compararse con los datos
reales. Este número de datos se identifica generalmente con la opción de
retenerlos para validar el modelo (withhold for validation).
Al diagnosticar un modelo conviene entonces considerar los siguientes pasos:
1. Analizar la estacionaridad.
2. Verificar si el modelo está sobre-estimado, en cuyo caso habrá que elimi-

nar parámetros.
3. Verificar si el modelo está sub-estimado, en cuyo caso habrá que agregar
parámetros.
4. Revisar la posible existencia de datos atípicos o faltantes y darles el
tratamiento adecuado.
Finalmente se toman todos los modelos que han resultado de interés para
el analista y se comparan de manera global, ya sea a través de un cuadro o
utilizando las opciones que ofrece el software para ello (model comparison). A
continuación se explica y ejemplifica cada una de estas etapas, para cada una
de las cuales existen pruebas de hipótesis, estadísticas y gráficas auxiliares.
5.4.1. Análisis de la estacionaridad
Como se ha dicho, antes de identificar un modelo tentativo debe verificarse

que la serie de tiempo sea estacionaria. De cualquier forma, es conveniente
constatar esto en los residuales de cada modelo. Si la serie es estacionaria,
deberán serlo también sus residuales.
En caso de que los residuales muestren tendencia y/o heteroscedasticidad,
es indispensable corregir esto desde la serie original, de la forma ya señalada.
Esto es, si existe varianza creciente, efectuar la transformación adecuada; si
existe tendencia, efectuar las diferencias ordinarias que se requieran. En caso
de que los residuales muestren variación estacional, debe probarse tanto la
posibilidad de eliminarla con diferencias estacionales como de modelarla. Será
hasta el cuadro comparativo final de los modelos que se determinará cuál de
las dos opciones es más conveniente.
5.4.2. Modelo sobre-estimado
Al estimar un modelo, los paquetes estadísticos ofrecen un conjunto de

herramientas que permiten evaluar si cada uno de los parámetros del modelo
se puede considerar significativo o no. Si un parámetro es significativo, deberá
permanecer en el modelo; en caso contrario, debe omitirse. Cuando uno o más
parámetros del modelo son insignificantes, se dice que el modelo está sobre-
estimado.
Las herramientas estadísticas son:
La desviación estándar estimada del estimador del parámetro: Sβ̂j .
El estadístico t del estimador del parámetro: tβ̂j
El valor-P o P-value del estimador del parámetro.
Todos ellos se utilizan para probar la hipótesis:
H0 : βj = 0
versus
Ha : βj 6= 0
5.4 Diagnóstico 87
Donde βj es el j-ésimo parámetro del modelo. Para probar esta hipótesis

se construye el estadístico:
β̂j − 0
tβ̂j = (5.43)
Sβ̂j
El cual se distribuye aproximadamente como una t-de-Student con N − d −
sD − p − q − 1 grados de libertad (el número de variables independientes
menos el número de parámetros estimados), para un nivel de confianza de
(1 − α) %. De aquí puede formularse una regla de decisión sencilla:

Aceptar H0 si tβ̂j < 2. En este caso, el parámetro βj es estadísticamente

insignificante y debe retirarse del modelo.
En caso contrario, rechazar H0 y dejar el parámetro en el modelo.
La regla de decisión puede construirse también utilizando el P-value, de
la siguiente forma:
Aceptar H0 si P − value > α. En este caso, el parámetro βj es estadísti-
camente insignificante y debe retirarse del modelo.
En caso contrario, rechazar H0 y dejar el parámetro en el modelo.
Es importante aquí hacer una consideración. Si el parámetro que resulta
estadísticamente insignificante es el de mayor orden, es decir, se trata de µ,
φp o θq , para eliminarlo bastará con quitar la constante o reducir el orden del
modelo a p − 1 o q − 1, según corresponda. Sin embargo, si el parámetro a
eliminar no es el de mayor orden, habrá de revisarse la posibilidad de agregar
un modelo estacional de tipo multiplicativo, como se verá más adelante.
Ejemplo: Modelo sobre-estimado En el análisis de la serie de tiempo de la

inflación en México se efectuó una diferencia estacional (s = 12) y se identificó
un modelo MA(1) para esta serie diferenciada. El software Statgraphics arroja
la siguiente tabla:
Figura 5.1. Ejemplo de modelo sobre-estimado
¿Qué se desprende de la tabla anterior? El parámetro MA(1), es decir,

θ1 , se puede considerar como significativo puesto que el valor absoluto de su
estadístico t es mayor que dos (-3.38) y su P-value es menor que 0.05 (0.0012).
En cambio, la media tiene un estadístico t de -1.44 y un P-value de 0.1529,
que indican que es estadísticamente insignificante, por lo cual debe eliminarse
la constante del modelo para re-estimar los parámetros. En la parte inferior
de la tabla se muestran tanto la varianza como el error estándar estimados de
los residuales, cuyos 72 grados de libertad (degrees of freedom) corresponden
al total de datos originales (86), menos los correspondientes a una diferencia
estacional (12), menos 2 parámetros estimados (δ0 y θ1 ).
Para modificar el modelo en Statgraphics se usa el clic derecho del ratón
sobre la ventana de resultados y se elige Analysis Options. En este caso debe
eliminarse la marca de la ventana Constant, como se ve en la Figura 5.2. La
Figura 5.2. Model Specification Options
figura anterior indica también que se ha elegido un modelo ARIMA(0,0,1)

con una diferencia estacional.
Al estimar nuevamente el modelo sin la constante, se produce el resultado
que se muestra en la Figura 5.3.
5.4.3. Modelo sub-estimado
Se ha visto ya el caso en el cual debe eliminarse algún parámetro del

modelo. Por supuesto, existe el caso contrario, en el cual debe agregarse
5.4 Diagnóstico 89
Figura 5.3. Modelo sin el parámetro sobrante
algún parámetro. En este caso se dice que el modelo está sub-estimado, es

decir, le faltan parámetros.
Si un modelo es adecuado para una serie de tiempo, se espera que sus resi-
duales se comporten como ruido blanco. Por lo tanto, si esto no ocurre, es una
señal de que el modelo requiere de ajustes que pueden ser transformaciones,
diferencias (ordinarias o estacionales) o nuevos parámetros. Para determinar
qué es lo que falta al modelo se repite el proceso de identificación, pero ahora
tomando como punto de partida la serie de tiempo conformada por los resi-
duales. Si los residuales son ruido blanco, el modelo es factible (aunque no
necesariamente sea el mejor modelo); por el contrario, si los residuales siguen
algún comportamiento distinto, habrá que incorporar este comportamiento
al modelo que se está probando.
Para hacer este análisis de los residuales, los paquetes estadísticos suelen
ofrecer las siguientes herramientas:
La gráfica de los residuales (Residual plot). Esta gráfica permite observar
si los residuales son estacionarios y si existen datos atípicos.
La ACF de los residuales o RACF (Residual AutoCorrelation Function).
Esta gráfica se interpreta de la misma forma que se indicó en la sección de
Estimación y en seguida se verá cómo se incorpora el resultado al modelo.
La PACF de los residuales o RPACF (Residual Partial AutoCorrelation
Function). Esta gráfica se interpreta de la misma forma que se indicó en la
sección de Estimación y en seguida se verá cómo se incorpora el resultado
al modelo.
El periodograma de los residuales, que se utiliza para detectar tendencia,
falta de ajuste o variación estacional, de la misma forma que antes. Co-
mo se ha dicho, esta interpretación debe ser congruente con el fenómeno
observado y con las gráficas de ACF y PACF.
Las estadísticas clásicas para medir el ajuste de los datos que se usan
también para comparar los diferentes modelos, tanto en su ajuste como en
su capacidad de pronóstico. Dichas estadísticas son:
- La raíz cuadrada del error cuadrático medio (Root Mean Squared Error
RMSE).
- El error absoluto medio (Mean Absolute Error MAE).
- El error absoluto medio porcentual (Mean Absolute Percentage Error

MAPE).
- El error medio (Mean Error ME).
- El error medio porcentual (Mean Percentage Error MPE).
Las pruebas de aleatoriedad de los residuales, entre las cuales destacan:
- La prueba de corridas arriba y abajo de la mediana (Runs above and
below median).
- La prueba de corridas arriba y abajo (Runs up and down).
- La prueba de Box-Pierce o prueba Portmanteau.
- La prueba de diferencias entre las medias de la primera y segunda mitad
de los residuales.
- La prueba de diferencias entre las varianzas de la primera y segunda
mitad de los residuales.
A través de los instrumentos anteriores puede verificarse si los residuales
se comportan como ruido blanco o si todavía reflejan la existencia de algún
patrón o modelo que deba incorporarse al que ya se ha formulado. La forma
de hacer esto es bastante sencilla y puede explicarse con un par de ejemplos.
Ejemplo de modelo MA(1) con residuales MA(1). Supóngase que a un con-

junto de datos se ajusta un modelo MA(1) en el cual los residuales no son
ruido blanco sino que, a su vez, siguen también un modelo MA(1). Es decir,
al ajustar el modelo:
Zt = (1 − θ1 B)at (5.44)
Se encuentra que at sigue el modelo:
at = (1 − λB)et (5.45)
Donde et sí es ruido blanco. ¿Cómo se habría detectado esto? Al ajustar el

primer modelo MA(1) se encontraría que la ACF de los residuales se trunca
en k = 1 y la PACF correspondiente es decreciente infinita. Ahora, si se
sustituye la ecuación 5.45 en 5.44, se obtiene:
Zt = (1 − θ1 B)(1 − λB)et
Zt = (1 − (θ1 + λ)B + θ1 λB 2 )et (5.46)
Como puede verse, la ecuación 5.46 es sencillamente un modelo MA(2). En-

tonces se concluye que, si se parte de un modelo MA(1) y sus residuales son
también MA(1), debe probarse un modelo MA(2).
Ejemplo de modelo AR(1) con residuales AR(1). Supóngase que a un con-

junto de datos se ajusta un modelo AR(1) en el cual los residuales no son
ruido blanco sino que, a su vez, siguen también un modelo AR(1). Es decir,
al ajustar el modelo:
(1 − φ1 B)Zt = at (5.47)
5.4 Diagnóstico 91
Se encuentra que at sigue el modelo:
(1 − λB)at = et
at = (1 − λB)−1 et (5.48)
Donde et sí es ruido blanco. ¿Cómo se habría detectado esto? Al ajustar el

primer modelo AR(1) se encontraría que la ACF de los residuales es decre-
ciente infinita y la PACF correspondiente se trunca en k = 1. Ahora, si se
sustituye la ecuación 5.48 en 5.47, se obtiene:
(1 − φ1 B)Zt = (1 − λB)−1 et
(1 − λB)(1 − φ1 B)Zt = et
(1 − (λ + φ1 )B + λφ1 B)Zt = et (5.49)
Como puede verse, la ecuación 5.49 es sencillamente un modelo AR(2). En-

tonces se concluye que, si se parte de un modelo AR(1) y sus residuales son
también AR(1), debe probarse un modelo AR(2).
Generalización. A partir de los ejemplos anteriores y de pruebas semejantes,

se concluye que en general, la decisión será:
Si los residuales siguen un comportamiento de tipo AR, incrementar en 1
el orden de la parte AR del modelo original.
Si los residuales siguen un comportamiento de tipo MA, incrementar en 1
el orden de la parte MA del modelo original.
Es importante señalar aquí que, de acuerdo con el principio de parsimonia,
los parámetros deben agregarse de uno en uno y, cada vez que se añadan,
deberá probarse si el resultado no fue un modelo sobre-estimado.
Para explicar los riesgos de agregar más de un parámetro a la vez, supón-
gase que se ha identificado un modelo ARMA(p,q), es decir, el modelo:
(1 − φ1 B − . . . − φp B p )Zt = (1 − θ1 B − . . . − θq B q )et (5.50)
Si la ecuación anterior se multiplica a ambos lados por el factor (1 − B),

aunque algebraicamente no se altera, se obtendrá un modelo que se ha com-
plicado de manera artificial:
(1 − B)(1 − φ1 B − . . . − φp B p )Zt = (1 − B)(1 − θ1 B − . . . − θq B q )et

(5.51)
La ecuación 5.51 seguirá un modelo ARMA(p + 1,q + 1) que será funcional

y cuyos parámetros pudieran ser significativos, pero que no aporta nuevas
explicaciones a los datos.
5.4.4. Datos faltantes y atípicos
Una parte importante del diagnóstico consiste en revisar si se carece de

uno o más datos (datos faltantes o missing values) o si existen valores que
son excesivamente distintos de la mayoría de los puntos de la serie (datos
atípicos o outliers). Cada uno de ellos debe recibir un tratamiento especial:
Datos faltantes: Si se carece de algún dato, ya sea porque no se registró,

porque corresponde a un día inhábil o cualquier otra razón, es fundamental
dejar su espacio correspondiente vacío, para que la serie mantenga sus
características originales en cuanto al tiempo. Esto es, si por ejemplo se
tienen datos mensuales y se elimina un registro, se perderá la posición de
cada mes. Los paquetes estadísticos contienen instrucciones especiales para
tratar estos datos faltantes. Generalmente se deja como un espacio vacío o
el programa lo sustituye por una interpolación de los datos adyacentes.
Datos atípicos: Los datos atípicos suelen destacar en la gráfica original de
la serie y en los residuales, por ser muy diferentes de la mayoría. Los datos
atípicos se clasifican en dos categorías:
- Datos discrepantes. Se trata de datos muy distintos que obedecen a
alguna causa —inclusive a un error de captura— que no afecta a los
datos subsiguientes. Esto puede observarse en la gráfica de la serie. Es
importante determinar la causa para constatar que se trata de datos
discrepantes. La acción conveniente en este caso es dejarlos como datos
faltantes, para que el software se encargue de sustituirlos por aproxima-
ciones que no sobresalgan del resto de la serie.
- Datos influyentes. Se trata de datos que no sólo son muy diferentes
del resto, sino que además tienen un efecto que modifica a los datos
subsiguientes. Generalmente se deben a causas que pueden identificarse
con claridad. Por ejemplo, en el caso del valor de dólar o la inflación, el
llamado “error de diciembre” de 1995 fue un dato influyente. Lo mismo
ocurrió con el terremoto de 1985, que afectó por ejemplo al turismo de
las fechas inmediatas posteriores. Estos datos no deben omitirse, pues su
efecto es sustancial. En muchas ocasiones conviene, inclusive, tomar la
serie a partir de ellos y eliminar los datos anteriores que carecían de este
efecto. Cabe señalar que existe toda una rama de las series de tiempo, el
análisis de intervención [8], que se dedica a verificar estadísticamente
la existencia de datos influyentes.
5.4.5. Comparación de modelos
Una vez que se han formulado todos los modelos que parezcan factibles
para el conjunto de datos, es conveniente compararlos en un cuadro que per-
mita tener una mirada global a las características de todos ellos. El software
Statgraphics ofrece esta opción a través de ir identificando cada modelo con
letras (de la “A” a la “E”, es decir, pueden compararse hasta cinco modelos
5.5 Pronóstico 93
de manera simultánea. En caso necesario, puede enviarse esta comparación

al StatReporter para luego agregar otras.
Para efectuar la comparación, es conveniente dividir los datos en tres
segmentos:
Los datos que se utilizarán para la estimación.
Los datos que se utilizarán para la validación.
Los pronósticos.
Una vez que se defina cuál es el mejor modelo para los propósitos del
analista, puede eliminarse el segmento de validación, cuyo uso es únicamente
temporal.
Es muy recomendable utilizar la comparación que genera el paquete es-
tadístico y trasladarla a un procesador de textos, por ejemplo, para enriquecer
el cuadro con aspectos tales como:
El modelo.
Las transformaciones y/o diferencias aplicadas.
El número de parámetros y cuáles son significativos. Recuérdese que en el
modelo final todos los parámetros deberán ser significativos, en la medida
de lo posible.
Las gráficas RACF, RPACF y periodograma de residuales.
Los estadísticos y pruebas de hipótesis con respecto al período de esti-
mación.
Los estadísticos y pruebas de hipótesis con respecto al período de vali-
dación.
Un análisis de la bondad de los pronósticos. Recuérdese que éste es el
objetivo esencial, así que en un momento dado puede sacrificarse el tener
un modelo sobre-estimado o sub-estimado, si este modelo genera buenos
pronósticos.
A partir de este cuadro más completo será sencillo visualizar todos los
aspectos y tomar la mejor decisión.
5.5. Pronóstico
Una vez que se haya elegido el mejor modelo, podrán efectuarse los pronós-
ticos de manera muy sencilla. El paquete Statgraphics, por ejemplo, genera
estos valores con la opción Forecast table y las gráficas correspondientes con
Time Series Plot y Forecast Plot. Todas ellas pueden guardarse o copiarse
y pegarse en otro software. Los pronósticos incluyen el valor puntual y el
intervalo de confianza para el valor de α que defina el analista.
Si bien el software se encarga de deshacer las diferencias ordinarias y
estacionales, habrá que revisar si ocurre lo mismo con las transformaciones.
Statgraphics y SAS, por ejemplo, realizan la transformación inversa de forma
automática.
Ejemplo: Tasa de desocupación Si se toman los datos de la tasa de des-

ocupación abierta urbana en México, pueden obtenerse los cinco modelos
factibles que se enlistan en la Figura 5.4. La Figura 5.5 muestra la compara-
Figura 5.4. Comparación de modelos
ción del período de estimación de los cinco modelos anteriores. Mientras que
Figura 5.5. Comparación del período de estimación
la Figura 5.6 contiene las estadísticas del período de validación:

5.5 Pronóstico 95
Figura 5.6. Comparación del período de validación
En este caso, aunque el Modelo (E) tiene la menor suma de cuadrados de

los residuales (RMSE), puede verse en el cuadro de estimación (Figura 5.7
que el parámetro AR(1) sobra y debe, por lo tanto, eliminarse.
Figura 5.7. Estimación del modelo ARMA(1,1,1)
Por ello, probablemente convenga conservar como modelo el ARIMA(0,1,1),

cuyos pronósticos para un año se muestran en la Figura 5.8 y cuyos residuales
parecen ser ya ruido blanco.
Figura 5.8. Pronósticos modelo ARIMA(0,1,1)
6 Modelos con variación estacional
6.1. Introducción
Como ya se ha visto, es común que muchas series de tiempo como aquellas
relacionadas con aspectos turísticos, de salud o económicos, tengan algún tipo
de variación estacional. Se ha dicho que esta variación puede intentar elim-
inarse a través de diferencias estacionales. Sin embargo, también es posible
modelarla a través de la inclusión de variables apropiadas en los modelos.
Para este fin, existen dos grandes tipos de modelos:
Modelos exlcusivamente estacionales, es decir, aquellos que únicamente re-
flejan un comportamiento periódico.
Modelos multiplicativos, esto es, son modelos que involucran tanto la parte
ordinaria que ya se ha revisado como la parte estacional.
A continuación se explican y ejemplifican ambos casos.
6.2. Modelos exclusivamente estacionales

Es posible que una serie de tiempo tenga un comportamiento que puede
explicarse a partir de las relaciones que existen entre las variables y sus errores
a intervalos de longitud s. En este caso, será conveniente utilizar modelos
exclusivamente estacionales (seasonal models). Estos modelos son seme-
jantes a los modelos ordinarios ARIMA excepto que, en lugar de avanzar en
períodos unitarios, avanzan —o retroceden— en períodos de longitud s. Se
denotan por SARMA(P ,D,Q)s donde:
P es el orden de la parte autorregresiva estacional (SAR).
D es el orden de las diferencias estacionales de longitud s.
Q es el orden de la parte de medias móviles estacionales (SMA).
A continuación se describen brevemente estos modelos.
6.2.1. Modelos SAR
El modelo general autorregresivo estacional se denota por SAR(P )

y se escribe de la siguiente forma:
98 6 Modelos con variación estacional
Zt = δ0 + Φ1 Zt−s + Φ2 Zt−2s + . . . + ΦP Zt−P s + et (6.1)

Obsérvese que ahora se utilizan tanto las letras griegas como la letra “P” en
mayúscula, para diferenciar de los modelos ordinarios.
Resulta sencillo demostrar que este modelo tiene condiciones de estacio-
naridad pero no de invertibilidad. Por ejemplo, es bastante sencillo demostrar
que para el modelo SAR(1) debe cumplirse que |Φ1 | < 1.
Asimismo, la ACF de los modelos SAR(P ) es decreciente infinita, pero
sólo con valores significativos en múltiplos de s. En particular, la ACF del
modelo SAR(1) será:
ρ1 = 0
ρ2 =
ρs = Φ1 (6.2)
ρs+1 = 0
..
.
ρ2s = Φ21 (6.3)
ρ2s+1 = 0
..
.
ρ3s = Φ31 (6.4)
ρ2s+1 = 0
..
.
Mientras tanto, la PACF de los modelos SAR(P ) se trunca en P , puesto
que las únicas variables autorregresivas que aportan valor al modelo son
Zt−s , Zt−2s , . . . , Zt−P s y sólo tiene valores significativos en múltiplos de s.
Por ejemplo, para el modelo SAR(1) la PACF será:
ρ11 = 0
ρ22 = 0
..
.
ρss = Φ1 (6.5)
ρs+1,s+1 = 0
..
.
ρ2s,2s = 0
ρ2s+1,2s+1 = 0
..
.
En la Figura 6.1 se muestran la ACF y PACF de un modelo SAR(1)
simulado con s = 4.
6.2 Modelos exclusivamente estacionales 99
Figura 6.1. ACF y PACF de modelo SAR(1)
6.2.2. Modelos SMA
El modelo general de medias móviles estacional se denota por

SMA(Q) y se escribe de la siguiente forma:
Zt = δ0 + et − Θ1 et−s − Θ2 et−2s − . . . − ΘQ et−Qs (6.6)
Obsérvese que ahora se utilizan tanto las letras griegas como la letra “Q” en
mayúscula, para diferenciar de los modelos ordinarios.
Resulta sencillo demostrar que este modelo tiene condiciones de invertibil-
idad pero no de estacionaridad. Por ejemplo, es bastante sencillo demostrar
que para el modelo SMA(1) debe cumplirse que |Θ1 | < 1.
Asimismo, la ACF de los modelos SMA(Q) se trunca en k = Q, pero sólo
con valores significativos en múltiplos de s. En particular, la ACF del modelo
SMA(1) será:
ρ1 = 0
ρ2 =
Θ1
ρs = − (6.7)
1 + Θ12
ρs+1 = 0
..
.
ρ2s = 0 (6.8)
ρ2s+1 = 0
..
.
Mientras tanto, la PACF de los modelos SMA(Q) es decreciente infinita,

puesto que equivale a un modelo AR(∞) que sólo tiene valores significativos
en múltiplos de s. Por ejemplo, para el modelo SMA(1) la PACF será:
ρ11 = 0
ρ22 = 0
..
.
ρss = −Θ1 (6.9)
ρs+1,s+1 = 0
..
.
ρ2s,2s = −Θ12 (6.10)
ρ2s+1,2s+1 = 0
..
.
ρ3s,3s = −Θ13 (6.11)
ρ2s+1,2s+1 = 0
..
.
En la Figura 6.2 se muestran la ACF y PACF de un modelo SMA(1)
simulado con s = 4.
Figura 6.2. ACF y PACF de modelo SMA(1)
6.2.3. Modelos SARIMA
El modelo general estacional SARIMA(P ,D,Q) se representa como:

Zt = δ0 + Φ1 Zt−s + . . . + ΦP Zt−P s + et
−Θ1 et−s − . . . − ΘQ et−Qs (6.12)
Zt = ∆D
s Wt (6.13)
Donde Wt puede ser la serie de tiempo original Yt o alguna transformación
de ella, si es que fue necesario por existir heteroscedasticidad. Si se utiliza
6.3 Modelos multiplicativos 101
el operador de salto hacia atrás B, la ecuación 6.12 puede expresarse con la

notación abreviada:
Φ(B s )Zt = δ0 + Θ(B s )et (6.14)
Donde:
Φ(B s ) = 1 − Φ1 B s − Φ2 B 2s − . . . − ΦP B P s (6.15)
s s 2s Qs
Θ(B ) = 1 − Θ1 B − Θ2 B − . . . − ΘQ B (6.16)
¿Cómo serán ACF y PACF de los modelos SARIMA? Como puede es-
perarse, ambas serán decrecientes infinitas pero únicamente tendrán valores
significativos en múltiplos de s. Por otro lado, los parámetros tendrán tanto
condiciones de estacionaridad como de invertibilidad.
En la Figura 6.3 se muestran la ACF y PACF de un modelo SARMA(1,1)
simulado con s = 4.
Figura 6.3. ACF y PACF de modelo SARMA(1,1)
6.3. Modelos multiplicativos

Finalmente, resultará de gran interés construir modelos que agrupen tan-
to la parte ordinaria como la parte estacional, en una sola clase general. Con
estos modelos se logra gran versatilidad y posiblidad de ajuste, que gene-
rará buenos pronósticos en la mayoría de los casos. Se llamarán modelos
multiplicativos porque ésta es la operación que conjunta ambas partes.
El modelo general multiplicativo se denota por ARIMA (p,d,q) × (P ,D,Q)s
o simplemente ARIMA (p,d,q) (P ,D,Q)s donde:
El valor p es el orden de la parte AR.
El valor d es el orden de las diferencias ordinarias o no estacionales.
El valor q es el orden de la parte MA.
El valor P es el orden de la parte SMA.

El valor D es el orden de las diferencias estacionales.
El valor Q es el orden de la parte SMA.
Este modelo general multiplicativo suele expresarse en forma abreviada
como:
Φ(B s )φ(B)Zt = δ0 + Θ(B s )θ(B)et (6.17)
Por supuesto, de manera indistinta puede colocarse primero la parte or-
dinaria y luego la estacional o viceversa, ya que el producto es conmutativo.
Recuérdese que en el modelo anterior Zt = ∆D d
s ∆ Wt y Wt puede ser la serie
de tiempo original Yt o alguna transformación de ella.
Para comprender mejor el funcionamiento de estos modelos, a contin-
uación se muestran algunos casos particulares.
6.3.1. Modelo ARIMA(1,0,0)(1,0,0)s
Supóngase, por ejemplo, que se observa de manera evidente que un con-

junto de datos trimestrales puede modelarse como un SAR(1) con s = 4 sin
constante. En este caso se habría encontrado una ACF que decrece de ma-
nera infinita pero que tiene valores que destacan en k = 4, 8, 12, 16, . . . y una
PACF con un valor sobresaliente en k = 4 y que parece truncarse después
de él. Sin embargo, los residuales del modelo SAR(1) no resultan ruido blan-
co sino que son, a su vez, un modelo ordinario AR(1). Esto significa que la
RACF es decreciente infinita y la RPACF se trunca en k = 1.
Así, el modelo original SAR(1) que se probó puede escribirse como:
Zt = Φ1 Zt−4 + at (6.18)
4
(1 − Φ1 B )Zt = at (6.19)
Donde at se comporta como un AR(1), entonces:
at = φ1 at−1 + et (6.20)
(1 − φ1 B)at = et
at = (1 − φ1 B)−1 et (6.21)
Donde et es ruido blanco. Si se sustituye la ecuación 6.21 en 6.19, se

obtiene un modelo ARIMA(1,0,0)(1,0,0)4 :
(1 − Φ1 B 4 )Zt = (1 − φ1 B)−1 et (6.22)

4
(1 − Φ1 B )(1 − φ1 B)Zt = et (6.23)
Es posible analizar un poco más este último modelo. Si se efectúan los

productos, se obtiene lo siguiente:
6.3 Modelos multiplicativos 103
(1 − Φ1 B 4 − φ1 B + Φ1 φ1 B 5 )Zt = et
Zt = φ1 Zt−1 + Φ1 Zt−4
−Φ1 φ1 Zt−5 + et (6.24)
Obsérvese ahora que la ecuación 6.24 no es otra cosa más que un modelo
AR(5) en el cual:
φ1 = φ1
φ2 =0
φ3 =0
φ4 = Φ1
φ5 = Φ1 φ1
Así pues, el modelo ARMA(1,0,0)(1,0,0)4 o simplemente AR(1) × SAR(1),
equivale a un modelo AR(5). Sin embargo, es preferible el primer modelo de
acuerdo con el principio de parsimonia, puesto que sólo tiene dos parámetros,
mientras que el segundo tiene 5.
De aquí se concluye también que la ACF de este modelo será decreciente
infinita, mientras que su PACF se truncará en k = 5, con valores que destacan
en 1, 4 y 5. También puede comprenderse ahora por qué en algunos casos ex-
isten parámetros intermedios no significativos, como se comentó en la sección
del diagnóstico de modelos.
En la Figura 6.4 se muestran la ACF y PACF de un modelo AR(1)×
SAR(1) simulado con s = 4.
Figura 6.4. ACF y PACF de modelo AR(1)SAR(1)
En general, puede entonces esperarse que en un modelo ARIMA(p,0,0) ×

(P ,0,0)s la ACF será decreciente infinita con valores que destacan en múlti-
plos de s, mientras que la PACF se truncará en k = p + P s.
6.3.2. Modelo ARIMA(0,0,1)(0,0,1)s

Supóngase ahora que se observa de manera evidente que un conjunto de
datos trimestrales puede modelarse como un SMA(1) con s = 4 sin constante.
En este caso se habría encontrado una ACF con un valor sobresaliente en

k = 4 y una PACF decreciente infinnita con valores que destacan en k =
4, 8, 12, 16, . . . Sin embargo, los residuales del modelo SMA(1) no resultan
ruido blanco sino que son, a su vez, un modelo ordinario MA(1). Esto significa
que la RACF se trunca en k = 1 y la RPACF es decreciente infinita.
Así, el modelo original SMA(1) que se probó puede escribirse como:
Zt = at − Θ1 at−4 (6.25)
4
Zt = (1 − Θ1 B )at (6.26)
Donde at se comporta como un MA(1), entonces:
at = et − θ1 et−1 (6.27)
at = (1 − θ1 B)et (6.28)
Donde et es ruido blanco. Si se sustituye la ecuación 6.28 en 6.26, se

obtiene un modelo ARIMA(0,0,1)(0,0,1)4 :
Zt = (1 − Θ1 B 4 )(1 − θ1 B)et (6.29)
Es posible analizar un poco más este último modelo. Si se efectúan los

productos, se obtiene lo siguiente:
Zt = (1 − Θ1 B 4 − θ1 B + Θ1 θ1 B 5 )et
Zt = et − θ1 et−1 − Θ1 et−4 + Θ1 θ1 et−5 (6.30)
Obsérvese ahora que la ecuación 6.30 no es otra cosa más que un modelo
MA(5) en el cual:
θ1 = θ1
θ2 =0
θ3 =0
θ4 = Θ1
θ5 = Θ1 θ1
Así pues, el modelo ARMA (0,0,1) (0,0,1)4 o simplemente MA(1) ×
SMA(1), equivale a un modelo MA(5). Sin embargo, es preferible el primer
modelo de acuerdo con el principio de parsimonia, puesto que sólo tiene dos
parámetros, mientras que el segundo tiene 5.
De aquí se concluye también que la ACF de este modelo se truncará en
k = 5, con valores que destacan en 1, 4 y 5, mientras que su PACF será
decreciente infinita. También puede comprenderse ahora por qué en algunos
casos existen parámetros intermedios no significativos, como se comentó en
la sección del diagnóstico de modelos.
En la Figura 6.5 se muestran la ACF y PACF de un modelo MA(1)×
SMA(1) simulado con s = 4.
6.4 Resumen de modelos 105
Figura 6.5. ACF y PACF de modelo MA(1)SMA(1)
En general, puede entonces esperarse que en un modelo ARIMA(0,0,q)

× (0,0,Q)s la ACF se truncará en k = q + Qs mientras que la PACF será
decreciente infinita con valores que destacan en múltiplos de s.
6.4. Resumen de modelos

En el Cuadro 6.1 se resume la información de todos los modelos ARIMA
(CE=Condiciones de estacionaridad; CI=Condiciones de invertibilidad):
Modelo CE CI ACF PACF
AR(p) Sí No Decreciente Se trunca en
infinita p
MA(q) No Sí Se trunca en Decreciente

q infinita
ARMA(p, q) Sí Sí Decreciente Decreciente

infinita infinita
SAR(P ) Sí No Decreciente infi- Se trunca en P

nita en múltiplos
de s
SMA(Q) No Sí Se trunca en Qs Decreciente infi-

nita en múltiplos
de s
SARMA(P, Q) Sí Sí Decreciente infi- Decreciente infi-

nita en múltiplos nita en múltiplos
de s de s
AR(p)SAR(P ) Sí No Decreciente infi- Se trunca en p + sP

nita, valores ma-
yores en múltiplos
de s
MA(q)SMA(Q) No Sí Se trunca en Decreciente infi-

q + Qs nita, valores ma-
yores en múltiplos
de s
Otras Sí Sí Decreciente infi- Decreciente infi-

mezclas nita, valores ma- nita, valores ma-
yores en múltiplos yores en múltiplos
de s múltiplos de s
Cuadro 6.1. Resumen de modelos ARIMA

7 Ejemplo de aplicación
7.1. Las remesas en México

Las Naciones Unidas reconocieron desde mediados del siglo XX el dere-
cho de moverse con libertad dentro y fuera de las fronteras de los países, al
firmar la Declaración Universal de los Derechos Humanos, que en su artículo
13 establece que “toda persona tiene derecho a circular libremente y a elegir
su residencia en el territorio de un estado” y “a salir de cualquier país, in-
cluso del propio, y a regresar a su país” [4, 13]. Un caso particular de estos
movimientos lo constituye la migración hacia los países con mejores condi-
ciones económicas.
En los países que les acogen, los migrantes transnacionales generan diver-
sas respuestas de carácter legal y étnico cuyo gradiente va desde la aceptación
resignada hasta la deportación, el rechazo, el resurgimiento del racismo, la
intolerancia o la violación de sus derechos fundamentales. En gran medida, la
aceptación se debe a que los migrantes perciben salarios bajos y sin presta-
ciones laborales, cubren necesidades de mano de obra y realizan trabajos que,
por su naturaleza sucia, desagradable o peligrosa, los nacionales no están dis-
puestos a realizar [1].
Sin embargo, estos trabajos permiten que los migrantes del mundo envíen
dinero a sus países de origen que, a su vez, suelen caracterizarse por tener
tasas de inflación altas y una oferta escasa o poco atractiva de empleos [1].
Estos envíos de dinero se conocen como remesas. En particular, el Banco de
México define de manera formal las remesas familiares como la:
Cantidad en moneda nacional o extranjera proveniente del exteri-
or, transferida a través de empresas, originada por un remitente (per-
sona física residente en el exterior que transfiere recursos económicos
a sus familiares en México) para ser entregada en territorio nacional
a un beneficiario (persona física residente en México que recibe los
recursos que transfiere el remitente) [14].
Por su parte, los familiares de los migrantes, que permanecen en sus país-
es de origen, no sólo reciben las remesas, sino que deben adaptarse a las
circunstancias que implica la ausencia temporal o definitiva de quien emigró.
El costo familiar de esta ausencia es alto, pues el cuidado y la educación
informal de los hijos suelen quedar a cargo de uno solo de los padres o de
108 7 Ejemplo de aplicación
algún otro pariente o amigo, con las consecuentes repercusiones psicológicas

y en el desempeño escolar [1] de niños y adolescentes. A pesar de ello, los
grupos sociales consideran que el beneficio económico recibido amerita este
sacrificio.
7.2. Importancia de las remesas

Como se ha dicho, las remesas están conformadas por el dinero que envían
los migrantes mexicanos de los Estados Unidos a sus familias en México. Las
remesas familiares totales incluyen transferencias electrónicas, money orders,
cheques personales, efectivo y bienes en especie.
México es el segundo receptor de remesas en el mundo, después de la India
[18], y el mayor en América Latina [38]. De acuerdo con la clasificación del
Banco Mundial, México puede considerarse como un país de ingreso medio,
pero con una gran polaridad [43], es decir, con una distribución inequitativa
de la riqueza. Esta inequidad promueve que los sectores menos favorecidos
de la población tiendan a elegir la opción de conseguir trabajo en los Estados
Unidos, país vecino y desarrollado, como forma de mejorar su nivel de vida
y el de sus familias.
En principio, la mayoría de los migrantes mexicanos planean regresar:
buscan trabajar en Estados Unidos por períodos cortos para generar una
fuente alternativa de ingresos o acumular ahorros [20], que les permitan vivir
mejor en México. La forma más común de usar el dinero devengado es enviarlo
a sus familiares a través de las remesas, ya sea para gasto o ahorro. En
este último caso, algunas familias tratan de conservar las remesas en dólares
para evitar el problema de las devaluaciones [38], de tal modo que el monto
acumulado eventualmente garantice un futuro más atractivo para todos sus
miembros.
A decir de Morán Quiroz [19], la mayor parte de los mexicanos que traba-
jan en los Estados Unidos consideran esta situación como una etapa provisoria
en sus vidas:
Este destino en el extranjero suele ser percibido como temporal
y meramente laboral, mientras la localidad de origen es vista como
el lugar al que volverán de manera definitiva sea con ánimos empre-
sariales (con el dinero ahorrado en el extranjero), sea con ánimos de
retiro del trabajo (con la pensión devengada en Estados Unidos).
Más de once millones de personas nacidas en México [17] han pagado
mucho dinero y han arriesgado sus vidas para ir a los Estados Unidos. Las
razones que aducen para ello son diversas: buscar el “sueño americano”, re-
unir a sus familias, trabajar y enviar remesas a sus familias en México. Muchos
de ellos explican con sencillez: “sólo quiero juntar un dinerito y regresar a
México” [25]. Por su parte, “los familiares cultivan celosamente la idea del
retorno del migrante, y así se lo hacen saber; a su vez, éste retroalimenta estas
7.3 Objetivo del estudio 109
expectativas con sus contactos de mayor o menor frecuencia, pero también

dejando signos visibles de su intención” [28].
Sin embargo, en la actualidad, el endurecimiento en las medidas de vig-
ilancia en la frontera hace que los trabajadores indocumentados tiendan a
permanecer durante más tiempo en los Estados Unidos [Wilson, 2007], ya que
el reingreso a dicho país se ha tornado más difícil. Además, las redes sociales
han propiciado la conformación de comunidades mexicanas que conviven y
se apoyan mutuamente. Algunos migrantes, poco a poco, se han llevado a
sus familias completas, inclusive a niños y adultos mayores. Estos escenarios
actuales y futuros seguramente redundarán en el monto y frecuencia de las
remesas. En su artículo acerca de las migrantes mexicanas, Marroni [28] prevé
que:
Se consolidará la tendencia al espaciamiento del retorno a Méx-
ico frente al aumento de los riesgos y de los costos del reingreso a
Estados Unidos. En este sentido, se observará una propensión al es-
tablecimiento de los migrantes en la Unión Americana; situación que
converge con la del gran número de jóvenes solteros —hombres y
mujeres— que constituyen familias en aquel país. Estos nuevos nú-
cleos matrimoniales disminuirán, posiblemente, sus contactos con la
región.
7.3. Objetivo del estudio

Como ha podido apreciarse, la magnitud de los impactos económicos,
sociales, culturales y políticos de la migración y del envío subsecuente de
remesas es muy importante para México. En este sentido, es fundamental
tratar de responder a preguntas como las que plantean Aragonés et al. [2] en
cuanto a si es válido y eficiente depositar el peso del desarrollo y la superación
de la pobreza en los migrantes y sus familias.
El escenario actual de recesión internacional no ofrece un panorama alen-
tador para los migrantes, lo que lleva a preguntarse cuál será el compor-
tamiento de la migración y del envío de remesas para los próximos años. La
crisis económica actual ha ocasionado una recesión en los Estados Unidos y es
de esperarse que se privilegien las fuentes de empleo para los ciudadanos de
dicho país, y como consecuencia los inmigrantes vean reducidas sus posibili-
dades de contratarse y, aún eventualmente puedan ser expulsados. Además,
la globalización favorece que trabajadores de otros países compitan por las
fuentes de trabajo con los inmigrantes mexicanos, dada la mayor facilidad de
comunicación y el abatimiento en los costos de transporte.
Por otro lado, el flujo de remesas puede disminuir, dado que muchos mi-
grantes han adquirido la nacionalidad norteamericana y se han llevado con-
sigo a sus familiares, quienes eran los receptores de las remesas. Adicional-
mente, los migrantes de segundas y terceras generaciones no sienten el mismo
compromiso con sus familiares mexicanos para apoyarles económicamente.

Todo lo anterior contribuye a indicar que el flujo de remesas, en cantidad,
frecuencia y monto, puede ir a la baja. Para confirmar esta suposición existen
métodos objetivos de tipo cuantitativo, tales como los modelos matemáticos.
Los modelos matemáticos ofrecen instrumentos apropiados para describir
el comportamiento actual y para proyectar la tendencia futura. Dentro de los
modelos más utilizados para obtener pronósticos destacan los llamados auto-
rregresivos integrados y de medias móviles (autorregresive integrated moving
averages), también conocidos como modelos ARIMA. Estos modelos brin-
dan pronósticos de alta precisión a corto y mediano plazo y permiten incluir
aspectos como tendencia, heteroscedasticidad y variación estacional.
El propósito de este estudio es complementar los análisis reportados en
la revisión de la literatura, con un análisis cuantitativo del comportamiento
histórico de las remesas familiares de migrantes mexicanos, sus tendencias
y perspectivas, a través de modelos ARIMA, con base en la metodología
de Box-Jenkins. A partir del pronóstico obtenido se revisará nuevamente la
conveniencia de que el modelo económico descanse de manera importante en
las remesas.
7.4. Metodología
Para efectuar este ejercicio se contó con los datos correspondientes a las
remesas familiares totales por mes, en millones de dólares, procedentes del
Banco de México [16]. Se obtuvieron las cifras de enero de 1995 a diciembre
2008, mismas que se observan en la 7.1.
Figura 7.1. Remesas familiares totales
Los datos recabados se procesaron con el software estadístico Statgraphics

Centurion XV versión 15.01.2 [34], con la opción Forecasting, dentro de la
7.5 Ajuste del modelo 111
cual se utilizaron Descriptive Time Series Methods y los modelos de tipo

autorregresivo integrado y de medias móviles (ARIMA) en User Specified
Model. Se eligieron estos modelos debido a que generan los pronósticos de
mayor precisión, si se toma como base el Criterio de Información de Akaike
(AIC), que es un instrumento para comparar modelos estadísticos [29]. El
mejor modelo será aquel cuyo AIC sea menor para el período de validación,
es decir, para “pronosticar” los datos que se han retirado de manera temporal
para efectuar estas pruebas.
7.5. Ajuste del modelo
De acuerdo con la 7.1, los datos son heteroscedásticos, es decir, muestran

varianza creciente. Por ello, la varianza se estabilizó con una transformación
logaritmo natural cuya gráfica se ve en la 7.2.
Figura 7.2. Logaritmo natural de las remesas
Una vez homogeneizada la varianza, es necesario eliminar la tendencia, lo

cual se hizo a través de una diferencia ordinaria cuyos resultados se muestran
en la 7.3.
La serie modificada ya es estacionaria aunque todavía presenta variación
estacional, como puede verse en la 7.4, correspondiente a la ACF; en la 7.5
que muestra la PACF; y en la 7.6 que incluye el periodograma integrado.
Se probaron varios modelos para esta nueva serie, con doce datos para
validación y un pronóstico a tres años (36 datos). El mejor modelo resul-
tante de este proceso de comparación fue ARIM A(2, 1, 0) × (2, 0, 0)12 , para
el logaritmo natural de los datos originales. Esto significa que el modelo re-
fleja tendencia (una diferencia ordinaria) y variación estacional. Dentro de la
Figura 7.3. Diferencia del logaritmo natural de las remesas
Figura 7.4. ACF de la serie modificada
Figura 7.5. PACF de la serie modificada

7.7 Pronósticos 113
Figura 7.6. Periodograma integrado de la serie modificada
estimación de los parámetros se utilizó el pronóstico hacia atrás (backfore-

casting).
7.6. Resultados
Los valores resultantes de la estimación de parámetros del modelo selec-
cionado, es decir, del modelo ARIM A(2, 1, 0) × (2, 0, 0)12 , se muestran en
el 7.1. En este mismo cuadro se verifica que todos los parámetros resultan
significativos, ya que sus estadísticos t son mayores a dos y sus valores-P son
menores que α) = 0.05. La constante se eliminó por no ser significativa.
Parámetro Estimador Error estándar t Valor-P

AR(1) -0.311880 0.0757964 -4.11470 0.000062
AR(2) -0.364052 0.0773783 -4.70483 0.000006
SAR(1) 0.562169 0.0739487 7.60215 0.000000
SAR(2) 0.334525 0.0752590 4.44499 0.000016
Cuadro 7.1. Parámetros del modelo ARIMA
De aquí que el modelo para los datos será, de acuerdo con estos valores:
(1 − 0.5622B 12 − 0.3345B 24 ) × (1 + 0.3312B + 0.3641B 2 )Zt = et (7.1)
Donde: Zt = ∆ ln(Yt ).
7.7. Pronósticos
En cuanto a los pronósticos, es notable el cambio en la tendencia. En lugar
del crecimiento sostenido anterior, el modelo muestra un patrón a la baja.
Las líneas hacia arriba y abajo del pronóstico son los límites del intervalo de
confianza, es decir, se prevé que el valor real de las remesas esté entre estos
dos valores, con un 95 por ciento de confianza. En los datos de 1995 a 2008
se observa un ajuste excelente del modelo propuesto.
Figura 7.7. Datos y pronósticos de las remesas
Por otro lado, en la 7.8 se observan únicamente los pronósticos con sus
correspondientes intervalos de confianza del 95 por ciento. En este caso son
notables los valores altos para los meses de mayo (día de las madres) y oc-
tubre, con un valor mínimo en noviembre de cada año.
Figura 7.8. Pronósticos de las remesas
7.8. Discusión
El modelo obtenido puede considerarse apropiado, ya que sus residuales
se comportan como ruido blanco, cumple satisfactoriamente con las pruebas
estadísticas y, durante el período de validación, genera pronósticos ajusta-
7.8 Discusión 115
dos a los datos reales. Además, todos los coeficientes son estadísticamente
significativos.
Como es evidente en la Figura 5, los datos muestran heteroscedasticidad
que se estabilizó a través de la transformación logaritmo natural, así como
una tendencia dividida en tres intervalos con distinto comportamiento. Un
período de crecimiento moderado de 1995 a 2000; otro con incremento más
pronunciado de 2001 a 2005; y finalmente el período 2006 a 2008 muestra
inicialmente un comportamiento similar al período anterior, hasta el año
2007, en el cual la pendiente parece tender a cero o inclusive hacerse negativa.
De acuerdo con lo anterior, el modelo pronostica, para los años de 2009 a
2011, una pendiente negativa, con intervalos de confianza crecientes, debidos
a la heteroscedasticidad ya mencionada.
De manera consistente con los datos, este modelo predice valores altos de
las remesas para los meses de mayo y octubre. El mes de mayo se explica
porque hay un envío importante debido a los festejos del día de la Madre.
El incremento de octubre es consistente en los últimos cuatro años, pero
su origen no es claro y requiere de más investigación. Por otra parte, los
meses de noviembre y diciembre se aprecia un decremento sistemático, muy
posiblemente asociado con el hecho de que son temporadas en las que muchos
de los migrantes regresan a México a pasar las fiestas de navidad y traen con
ellos los recursos, en lugar de enviarlos por los medios tradicionales.
El pronóstico parece apoyar entonces la hipótesis de que las remesas que
ingresan a nuestro país disminuirán en cantidad, frecuencia y monto durante
los próximos años. Esto debe tomarse en cuenta ya que han sido consider-
adas como un ingreso sustancial que repercute tanto en las familias de los
migrantes (efecto microeconómico), como en el país que en años recientes se
ha sustentado de manera significativa en ellas (efecto macroeconómico). Es-
to coincide con Cortina et al. [12] quienes consideran “probable que el flujo
de remesas a México decrezca durante esta década” y que “el gobierno de
México cometería un error si supone que los flujos de remesas continuarán
creciendo”.
Ante esta situación, el propio Banco de México señala que “México es uno
de los países con mayor flujo de emigrantes del mundo” y que “esto refleja
la necesidad de llevar a cabo cambios estructurales todavía pendientes en
nuestro país, que permitan generar mayores oportunidades de trabajo pro-
ductivo y bien remunerado” [15]. Asimismo, indica que las remesas familiares
no son una fuente de ingresos sostenible a largo plazo, en virtud de que las
segundas y terceras generaciones de mexicanos se han establecido allá como
familias completas, además de que el flujo de emigrantes puede variar debido
a razones diversas como el reforzamiento de la seguridad en las fronteras y el
endurecimiento de las políticas de contratación de migrantes.
A estas preocupaciones debe agregarse la posibilidad de que muchos mi-
grantes regresen al país, para encontrar un mercado de trabajo contraído:
La disminución de las transferencias impactará el consumo pri-

vado. Se pronostica, además, un retorno masivo de inmigrantes; el
gobierno de la ciudad de México prevé el regreso de al menos 30 mil
inmigrantes más en los próximos meses, lo que incrementará la pre-
sión sobre el ya débil mercado laboral. La información más reciente
del Centro Estadounidense de Estudios de Inmigración indica una
importante disminución del número de inmigrantes latinos en el país
durante mayo-enero, resultado, en su mayoría, de la decisión de los
propios indocumentados de abandonar el país [36].
El problema de la migración mexicana a los Estados Unidos es complejo y
multifactorial. Inclusive la aplicación del término inmigrante a los mexicanos
que llegan a este país ha sido cuestionado con diversos argumentos, como los
que plantea Hernández Zamora [25]: “Nosotros no cruzamos la frontera; la
frontera nos cruzó a nosotros” o “¿Quiénes son los nativos americanos? ¿Los
pueblos nativos de América o los migrantes que vinieron de Europa?”
Algunos autores como McKenzie y Rapoport [30] consideran que la mi-
gración tiende a reducir la desigualdad económica, en la medida en que se
crean y refuerzan las redes sociales de mexicanos migrantes en los Estados
Unidos. Sin embargo, parece más apropiada la posición de Aragonés et al. [2]
en cuanto a que “los aportes de las remesas no deben destinarse a infraestruc-
tura, ésa es la obligación del gasto público del gobierno, no de los salarios
que obtienen los trabajadores en Estados Unidos”. En este mismo sentido,
Canales y Armas [11] señalan que “las remesas en ningún caso son la solu-
ción a este abandono del Estado y al fracaso de la iniciativa privada: son su
consecuencia, el único recurso que les queda a los migrantes y sus familias.”
La posible baja en las remesas apoya la tesis de que el modelo de desarrollo
económico basado en estos recursos no sólo distorsiona la noción misma de
desarrollo, sino que “esconde las causas de fondo de la migración bajo el
espejismo de una economía ficticia e insustentable creado por la reciente
dependencia de las remesas” [42].
La situación actual de crisis económica mundial y de recesión creciente se
yergue como una amenaza real para los migrantes mexicanos que trabajan
en los Estados Unidos y para los familiares que dependen de ellos en Méx-
ico. Esto hace que se requieran hoy, más que nunca, de investigaciones que
permitan entender mejor este problema tan complejo y eventualmente ofrez-
can información confiable a quienes desde sus posiciones de poder político
o económico, puedan tomar las mejores decisiones en beneficio de los traba-
jadores migrantes, de sus familias y de nuestra nación.
Para México las remesas han representado una gallina de los huevos de
oro, pues han permitido subsanar la falta de empleos bien remunerados del
país y la asistencia deficitaria del gobierno mexicano en muchos rubros como
vivienda, salud y educación. Sin embargo, los pronósticos hacen prever una
“baja de postura” para los próximos años, y no hay datos que indiquen que
éste sea un fenómeno reversible.
Índice alfabético
ACF, 12 modelo
armónicas, 18 – de medias móviles, 2
autocorrelación, 32 modelo ARMA, 3
modelo de forma invertida, 41
Box-Jenkins modelo lineal general, 40
– metodología, 9 modelos multivariados, 8
modelos univariados, 8
choques aleatorios, 2
ciclo, 5 observaciones, 4
coeficientes de Fourier, 17
componentes de una serie de tiempo, 4 periodograma, 24
predicción, véase pronóstico
decisiones, 1 principio
diferencias – mejoramiento iterativo, 9
– estacionales, 63 – parsimonia, 9
pronóstico, 2
espectro lineal, 22
estacionaridad, 31 realización, 3, 29
– en sentido amplio, 31 ruido blanco, 7
– en sentido estricto, 31
serie de Fourier, 17
filtros, 9 serie de tiempo, 3
fluctuación aleatoria, 6 – objetivos, 7
frecuencias de Fourier, 18 – – control, 8
función de autocorrelación, 12, 32 – – descripción, 7
función de autocorrelación parcial, 12 – – explicación, 8
función de autocovarianza, 12 – – pronóstico, 8
función de media, 11
función de transferencia, 8 tendencia, 4
función de varianza, 12 – eliminación de, 60
función seno generalizada, 17 transformación, 58
golpes aleatorios, véase choques variable endógena, 9

aleatorios variable exógena, 9
variación estacional, 5
heteroscedasticidad, 12 – eliminación de, 62
homoscedasticidad, 12 varianza
– estabilización de, 58
información cualitativa, 1
información cuantitativa, 1 white noise, véase ruido blanco
Referencias
1. T. Altamirano. Transnacionalismo, remesas y economía doméstica. Cuadernos

Electrónicos de Filosofía del Derecho, (10):1–31, 2004.
2. A. Aragonés, U. Salgado, and E. Ríos. ¿ a quién benefician las remesas?
Economía UNAM, page 37, 2008.
3. John Scott Armstrong. Long Range Forecasting. From crystal ball to computers.
Wiley, USA, 1978.
4. A. Aydemir and G. J. Borjas. Cross-country variation in the impact of in-
ternational migration: Canada, mexico, and the united states. Journal of the
European Economic Association, 5(4)(4):663–708, 2007.
5. M. S. Bartlett. On the Theoretical Specification and Sampling Properties of
AutocorrelatedTime-Series. Supplement to the Journal of the Royal Statistical
Society, 8(1):27–41, 1946.
6. B. L. Bowermann and R. T. O’Connell. Time Series and Forecasting. Duxbury
Press, Boston USA, 1979.
7. G. E. P. Box and D. A. Pierce. Distribution of Residual Autocorrelations in
Autoregressive-IntegratedMoving Average Time Series Models. Journal of the
American Statistical Association, 65(332):1509–1526, 1970.
8. G. E. P Box and G. C. Tiao. Intervention Analysis with Applications to Eco-
nomic and Environmental Problems. Journal of the American Statistical Asso-
ciation, 70(349):70–79, 1975.
9. George E. P. Box and Gwilym Jenkins. Time series analysis. Forecasting and
control. Holden Day, 1976.
10. R. L. Burden and J. D. Faires. Analisis Numérico. Thomson Learning Ibero,
2001.
11. A. Canales and I. Armas. Remesas e inversión productiva en comunidades de
alta migración a estados unidos. el caso de teocaltiche, jalisco. Migraciones
internacionales, 2(3):142–172, 2004.
12. J. Cortina, R. De la Garza, and E. Ochoa-Reza. Remesas: límites al optimismo.
Foreign Affairs en Español, 34:101, 2005.
13. Organización de las Naciones Unidas. Declaración universal de los derechos
humanos. adoptada y proclamada por la resolución de la asamblea general 217
a (iii) del 10 de diciembre de 1948 onu. En línea, 1998.
14. Banco de México. Glosario. En línea, 2008. Fecha de consulta: 03/04 2009, en:
http://www.banxico.gob.mx/tipo/didactico/glosario.pdf.
15. Banco de México. Remesas. En línea, 2008. Fecha de consulta: 03/11 2009, en:
http://www.banxico.gob.mx/audiencias/estudiantes/Remesas.pdf.
16. Banco de México. Balanza de pagos. En línea, 2009. Fecha de consulta: 02/21
2009, en: http://www.banxico.gob.mx/.
120 Referencias
17. Consejo Nacional de Población. Población residente en estados unidos, 2007.

Fecha de consulta: 03/14 2009, en: http://www.conapo.gob.mx/.
18. Consejo Nacional de Población. Series sobre migración internacional 2008, 2008.
Fecha de consulta: 03/14 2009, en: http://www.conapo.gob.mx/.
19. R. Delgado Wise and D. M. Favela Gavia. Nuevas tendencias y desafíos de la
migración internacional México-Estados Unidos. UNAM - Universidad Autóno-
ma de Zacatecas - Miguel Ángel Porrúa, 2004.
20. J. Durand and D. Massey. Crossing the Border: Research from the Mexican
Migration Project. Russell Sage Foundation Publications, 2006.
21. M. Dutta. Econometric Models. South Western Publishing, USA, 1975.
22. W. Enders. Applied Econometric Time Series. Wiley New York, 1995.
23. MariCarmen González-Videgaray. Modelos de Decisión con Procesos Estocás-
ticos II. Metodología de Box-Jenkins. UNAM ENEP Acatlán, México, 1990.
24. A. C. Harvey. Time Series Models. Phillip Allan Publishers, England, 1981.
25. G. Hernández Zamora. ¿somos “migrantes”? La Jornada Migración, 2008.
26. Spyros Makridakis and Steven C. Wheelwright. Forecasting Methods and Ap-
plications. Wiley, 1983.
27. Spyros Makridakis and Steven C. Wheelwright. Forecasting for Management.
Wiley, USA, 1985.
28. M. d. G. Marroni. Migrantes mexicanas en los escenarios familiares de las
comunidades de origen: amor, desamory dolor. Estudios Sociológicos, 24:72,
2006.
29. The MathWorks. System identification toolbox. En línea, 2009. Fecha de
consulta: 02/21 2009, en: http://www.mathworks.com/.
30. D. McKenzie and H. Rapoport. Network effects and the dynamics of migration
and inequality: Theory and evidence from mexico. Journal of Development
Economics, 84(1):1–24, 2007.
31. D. Pena and G. E. P. Box. Identifying a Simplifying Structure in Time Series.
Journal of the American Statistical Association, 82(399):836–843, 1987.
32. R. Pindyck and D. Rubinfeld. Econometric Models and Economic Forecasts.
McGraw-Hill, USA, 1981.
33. M. H. Quenouille. Approximate Tests of Correlation in Time-Series. Journal
of the Royal Statistical Society. Series B (Methodological), 11(1):68–84, 1949.
34. StatPoint. Statgraphics centurion xv versión 15.1.02, 2006.
35. G. C. Tiao and G. E. P. Box. Modeling Multiple Times Series with Applications.
Journal of the American Statistical Association, 76(376):802–816, 1981.
36. Economist Intelligence Unit. Más desempleo, menos remesas. La Jornada,
2008.
37. Walter Vandaele. Applied Time Series and Box-Jenkins Models. Academic
Press, USA, 1983.
38. C. Vargas-Silva. The tale of three amigos: Remittances, exchange rates, and
money demand in mexico. Review of Development Economics, 13(1):1–14, 2009.
39. William S. Wei. Time Series Analysis. Univariate and Multivariate Methods.
Addison Wesely, USA, 1990.
40. Wikipedia. Imrad — wikipedia, the free encyclopedia, 2009. En línea; consul-
tado el 2009/03/21 en http://en.wikipedia.org/.
41. A.M. Wilkinson. The scientist’s handbook for writing papers and dissertations.
Prentice Hall Englewood Cliffs, NJ, 1991.
Referencias 121
42. R. Wise and H. Covarrubias. La migración mexicana hacia estados unidos

a la luz de la integración económica regional: nuevo dinamismo y paradojas.
Theomai, page 6, 2006.
43. R. Wong, A. Palloni, and B. J. Soldo. Wealth in middle and old age in mexico:
The role of international migration. International Migration Review, 41(1):127–
151, 2007.

Pronosticos Box Jenkins

Cargado por

Copyright:

Formatos disponibles

Pronosticos Box Jenkins

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Pronosticos Box Jenkins

Cargado por

Copyright:

Formatos disponibles

MariCarmen González Videgaray

Universidad Nacional Autónoma de México

Durante el siglo anterior muchas organizaciones se dieron a la tarea de in-

al contar con un conjunto más amplio de datos, es posible producir pronós-

Agradezco mucho el apoyo que recibí de Asael Fabian Martínez Martínez,

Acatlán, Estado de México MariCarmen González Videgaray

2.4. Modelo lineal general y forma invertida . . . . . . . . . . . . . . . . . . . 40

6. Modelos con variación estacional . . . . . . . . . . . . . . . . . . . . . . . . . . 97

7. Ejemplo de aplicación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107

Índice alfabético . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117

1.1. Ventas anuales de computadoras IBM . . . . . . . . . . . . . . . . . . . . . . 5

2.1. Proceso estocástico estacionario . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

2.12. PACF del modelo AR(1) con coeficiente positivo . . . . . . . . . . . . 47

3.1. Menú desplegable en Statgraphics . . . . . . . . . . . . . . . . . . . . . . . . . 59

5.1. Ejemplo de modelo sobre-estimado . . . . . . . . . . . . . . . . . . . . . . . . 87

6.1. ACF y PACF de modelo SAR(1) . . . . . . . . . . . . . . . . . . . . . . . . . . 99

7.1. Remesas familiares totales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110

Es muy difícil hacer predicciones, sobre todo del futuro.

1.1. Pronósticos y decisiones

No debe verse el pronóstico cuantitativo como una predicción lanzada

1.2. Una aproximación sistemática (ARIMA)

Así pues, es posible construir modelos de tipo autorregresivo y de medias

1.3. Serie de tiempo

Uno de los conceptos fundamentales dentro de los pronósticos cuantita-

El objeto del análisis de series de tiempo es entonces describir el

1.3.2. Componentes de una serie de tiempo

La serie de tiempo es, por lo general, una mezcla de varios factores o

Figura 1.1. Ventas anuales de computadoras IBM

Por supuesto, la tendencia es un componente sustancial que deberá consi-

Time Series Plot for bubbly

Figura 1.2. Ventas mensuales de champaña en Estados Unidos

es imposible notar su ocurrencia. En inglés se conoce como cycle. En la

Figura 1.3. Ciclos solares entre 1996 y 2006

4. Fluctuación aleatoria. Cualquier serie de tiempo real, aún cuando

sultado de los llamados choques o golpes aleatorios (random shocks). Es

Time Series Plot for Ruido

Figura 1.4. Ruido blanco

1.4. Objetivos del análisis de series de tiempo

comportamiento de las temperaturas diarias para detectar posibles ten-

1.5. Modelos univariados y multivariados

Puesto que en este caso resulta inadecuado hablar de variables dependi-

1.6. Metodología de Box-Jenkins

En 1976, George E. P. Box y Gwilym M. Jenkins publican su libro Time

Figura 1.5. Enfoque de Box-Jenkins

Además, al tomar en cuenta el principio de parsimonia, deberá iniciarse siem-

Acciones que puede Acciones

Figura 1.6. Metodología de Box-Jenkins

regresar a la identificación, o inclusive, revisar si el método es realmente

1.7. Funciones de primer y segundo orden

1.7.1. Función de media

La función de media es el valor esperado de la serie de tiempo en cada

1.7.2. Función de varianza

La función de varianza mide la dispersión esperada de la serie de tiempo

Var(Yt ) = E(Yt − µt )2 (1.2)

1.7.3. Funciones de relación

La función de autocovarianza y la función de autocorrelación miden la

Autocov(Yt , Yt−k ) = E((Yt − µt )(Yt−k − µt−k )) (1.3)

1.8. Detección de la periodicidad

En la gráfica de la función seno más sencilla, f (x) = sen(x), para