Series temporales

Concepto

Una serie temporal, o serie cronológica, es un conjunto de observaciones de una variable ordenadas en el tiempo. Al intervalo temporal que transcurre entre dos valores consecutivos de la serie se le denomina frecuencia. Algunos ejemplos de series temporales económicas vienen dados por el PIB (Producto Interior Bruto, con frecuencia trimestral), el IPI (Índice de Producción Industrial, con frecuencia mensual) y el IBEX (índice bursátil de frecuencia diaria). De hecho, la mayor parte de la información correspondiente a la coyuntura económica y el análisis financiero corresponde a series temporales de distintas variables.

Análisis de series temporales

La principal característica de las series temporales es la existencia de dependencia entre las observaciones ya que, habitualmente, los valores de observaciones pasadas están correlacionados con los valores futuros. Estas correlaciones se pueden utilizar para predecir mejor el valor de la serie temporal en el futuro y la mayor parte del análisis y modelización de series temporales intenta captar el patrón de dependencia para extrapolar hacia el futuro (véanse modelos ARIMA y modelos VAR y VEC).

Además de la predicción, otro de los principales usos de los modelos de series temporales es la descomposición de la serie en movimientos de tendencia, ciclo, estacionalidad y ruido. Una vez extraída de la serie los distintos componentes es posible analizar en profundidad la evolución de algún componente de interés. Por ejemplo, en el análisis de coyuntura es especialmente interesante analizar la evolución a largo plazo de la serie, medida por el componente de tendencia o de la serie ajustada de estacionalidad (la serie original menos el componente estacional). A modo de ejemplo, se incluye un gráfico de la serie mensual de pernoctaciones totales (entre enero de 1999 hasta diciembre de 2008) así como predicciones para los años 2009 y 2010. Además se incluye la evolución del componente de tendencia así como el irregular y el estacional. En el gráfico se puede apreciar claramente como la evolución de cada componente muestra un rasgo diferente de la serie temporal que resulta de agregar (en forma multiplicativa) todos ellos.

Tanto las predicciones de la serie, como la descomposición en componentes no observables, se han obtenido utilizando técnicas de modelos ARIMA implementadas en software libre. Una buena opción para la modelización automática de series temporales viene dada a través del software TRAMO-SEATS (disponible en la página Web del Banco de España: www.bde.es) así como el programa X12-ARIMA (disponible en la página www.census.gov/srd/www/x12a). Ambos programas permiten el análisis de coyuntura de series temporales con frecuencia trimestral y mensual, por lo que son utilizados a gran escala para la previsión y seguimiento de la información económica.