Para una adecuada seleccin del mtodo de pronstico, se sugieren varios factores a co nsiderar. Se debe contemplar el nivel de detalle.

Por ejemplo, podramos preguntar nos Se requiere de un pronstico de detalles especficos (un micropronstico)? O se nece sita conocer el estado futuro de algn factor global o general (un macropronstico)? Se precisa el pronstico de algn punto en el futuro cercano (un pronstico a corto pl azo), o para un punto en el futuro distante (un pronstico a largo plazo)? y, hasta qu grado son apropiados los mtodos cualitativos (de juicio) y cuantitativos (de m anipulacin de datos)? La consideracin que se impone en la seleccin de un mtodo de pr onstico es la de que los resultados deben facilitar el proceso de toma de decisio nes del fenmeno que nos encontremos estudiando. Por lo tanto, el requerimiento es encial no es que el mtodo de pronstico comprenda un proceso matemtico complicado o que sea lo ltimo en complejidad estadstica e informtica. En lugar de ello, el mtodo elegido deber producir un pronstico que sea preciso y comprensible, de modo que pu eda ayudar a producir mejores decisiones. Adems, la utilizacin del procedimiento d e pronstico debe producir un beneficio que exceda al costo asociado con su uso. E n resumen, podemos decir que los principales elementos a considerar para selecci onar una tcnica de prediccin son: a) Horizonte de proyeccin Se refiere al nmero de periodos, meses o aos a proyectar a partir de los datos histricos disponibles. Ntese que conforme al problema especf ico, podemos estar hablando de informacin en trminos de das, semanas, meses, trimes tres, semestres o aos. Lo importante es que los datos de la muestra, como veremos ms adelante, sean suficientes y confiables para coadyuvar a garantizar una mayor confianza en el pronstico. Por ejemplo, no es recomendable intentar proyectar ms de 50% del nmero de datos disponibles (aos, meses, semanas, das, etc.) de nuestra s erie temporal. Hasta un 20% del mismo es aceptable. En otras palabras, si la ser ie posee digamos 30 observaciones, podemos proyectar hasta un mximo de 15 datos e n el futuro, aunque 6 sera lo ms conveniente. En consecuencia, mientras ms nos alej emos de 20% del tamao de la muestra, la confiabilidad del pronstico tender a decrec er, aunque esto depender de la naturaleza, la confiabilidad de los propios datos y la magnitud de la serie o tamao de la muestra en cuestin. b) Incertidumbre alrededor del pronstico Significa que la tcnica a escoger depend er tambin de la naturaleza del fenmeno estudiado. Es decir, no es lo mismo predecir el comportamiento del ndice burstil dentro de la bolsa de valores, en donde por s u propia naturaleza existe una gran incertidumbre asociada al mercado de valores , que intentar predecir el comportamiento probable del PIB del prximo mes o del p rximo ao, que corresponde a una serie muy estable. c) Confiabilidad y magnitud de los datos Implica que debemos tener una idea pre cisa de la manera en que fueron generadas u obtenidas las observaciones de la se rie temporal o variable bajo estudio, a efecto de poder utilizarlas para efectos de prediccin. De igual manera resulta el tamao de la muestra o magnitud de los da tos estudiados. Independientemente de la tcnica eventualmente a utilizar, es de e sperarse que mientras ms datos dispongamos de una serie, mayor probabilidad exist ir de que nuestro pronstico sea muy confiable. d) Costo asociado al proceso de prediccin .Por ltimo, no podemos esquivar en la s eleccin de una determinada tcnica de pronstico, el problema de costo asociado no slo en trminos econmicos -en forma de horas-hombre y tiempo mquina o equipo dedicado a l proceso de prediccin- que abarca muchas veces desde el acopio hasta el procesam iento mismo de los datos para producir un determinado pronstico, y su retroalimen tacin permanente de parte del investigador o el equipo responsable por esta tarea . Asimismo, el costo asociado a la capacitacin del personal a cargo de dicha func in a nivel de la empresa u organizacin, para la comprensin y aplicacin de una determ inada tcnica. Es de esperarse que a mayor nivel de refinamiento de la tcnica a uti lizar, mayor ser el costo asociado y el tiempo requerido para explotarla v obtene r los beneficios esperados.