UNIVERSIDAD COLEGIO MAYOR DE CUNDINAMARCA

FACULTAD: ADMINISTRACION Y ECONOMIA

PROGRAMA: ECONOMIA

NOTAS DE CLASE: EXPOSICIN DE LOS MODELOS PROMEDIOS MVILES,

SUAVIZAMIENTO EXPONENCIAL Y HOLT WINTERS

Elaborado Por:
Erika Castellanos Urrego
Dalis Gabriela Villamizar Martnez

BOGOTA, JUNIO 3 DE 2011

PROMEDIOS MVILES
Cabe resaltar que:
Como lo expresa (Anderson & Sweeney, 2008)El componente irregular de algunas
series temporales puede ser tan grande que oculte las regularidades subyacentes
y dificulte la interpretacin visual del grfico temporal. En estas circunstancias, el
grafico real parecer bastante irregular y se ve la necesidad de suavizarlo con el
objeto de tener una imagen ms clara.
Segn (Anderson & Sweeney, 2008)Para suavizar el grfico se usa el mtodo de
medias mviles, que se basa en la idea de cualquier gran componente irregular en
1con sus vecinos inmediatos. El mtodo ms sencillo que se puede utilizar es el
de promedios mviles centrados simples de (2m+1) puntos. Es decir, se sustituye
cada observacin
 por la media de s misma y sus vecinas de manera que


1

 =



2 + 1
 

 + 
 + +  +  + 

2 + 1

No existe una regla especfica que nos indique cmo seleccionar la base del
promedio mvil n. Si la variable que se va a pronosticar no presenta variaciones
considerables, esto es, si su comportamiento es relativamente estable en el
tiempo, se recomienda que el valor de n sea grande. Por el contrario, es
aconsejable un valor de n pequeo si la variable muestra patrones cambiantes. En
la prctica, los valores de n oscilan entre 2 y 10.

Mtodo de desestacionalizacin mediante promedios mviles simples:

Sea
 (t=1, 2, ,n) una serie temporal estacional del periodo S (S=4 en el
caso de los datos trimestral y s=12 meses en el caso de los datos
mensuales). Se obtiene una serie de promedios mviles centradas de S
puntos,
 , siguiendo estos dos pasos, en los que se supone que Ses par:
1. Calcular las medias mviles de Spuntos:


.

/




  





 =

 

, + 1, # %
2 2
2

Este mtodo no considera la media de todos los datos, sino solo los ms
recientes.

Se puede calcular un promedio mvil de n periodos.

El promedio mvil es la media aritmtica de los n periodos ms recientes.

PREFERENCIAL BANCOLOMBIA
Se realiz un anlisis intrada desde el 02 de noviembre de 2010 (primer da hbil
del mes), hasta el 27 de abril de 2011 (ltimo da hbil del mes), en el cual se
observa un comportamiento constante en el precio de la accin, de igual modo se
observa que el precio se mantiene en la mayor parte de tiempo por encima de la
media calculada; exceptuando el periodo de 07 de enero de 2011 al 14 de marzo
del mismo ao.
35.000,00
30.000,00
25.000,00
20.000,00
15.000,00
Precio
10.000,00

Media

5.000,00

02/11/2010
09/11/2010
17/11/2010
24/11/2010
01/12/2010
09/12/2010
16/12/2010
23/12/2010
30/12/2010
07/01/2011
17/01/2011
24/01/2011
31/01/2011
07/02/2011
14/02/2011
21/02/2011
28/02/2011
07/03/2011
14/03/2011
22/03/2011
29/03/2011
05/04/2011
12/04/2011
19/04/2011

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

,00

De acuerdo con el procedimiento que seala el modelo, se calcularon los datos

correspondientes a mviles pesados y el ndice estacional, para dejar como
resultado datos desestacionales dividiendo el precio diario con el ndice estacional.
De acuerdo a los ltimos datos estos muestran un aumento pero sigue teniendo
un comportamiento constante como los iniciales.

90.000,00
80.000,00
70.000,00
60.000,00
50.000,00
40.000,00
30.000,00
20.000,00
10.000,00
,00

Datos desestacionales

02/11/2010
10/11/2010
19/11/2010
29/11/2010
07/12/2010
16/12/2010
24/12/2010
04/01/2011
13/01/2011
21/01/2011
31/01/2011
08/02/2011
16/02/2011
24/02/2011
04/03/2011
14/03/2011
23/03/2011
31/03/2011
08/04/2011
18/04/2011

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

Precio

A continuacin se calcularon los , a travs de las frmulas de Microsoft Excel

Interseccin.eje y Pendiente, donde se pudo obtener una proyeccin del precio
de la accin Preferencial Bancolombia, bastante similar a los precios iniciales de la
accin. Lo cual concluye que la elaboracin de este modelo para la accin
Preferencial Bancolombia ha sido innecesario, debido al comportamiento que ha
presentado en el periodo de anlisis.
SUAVIZAMIENTO EXPONENCIAL
Se distingue por la manera especial de dar peso a cada una de las demandas
anteriores, la demanda de los perodos ms recientes reciben un peso mayor. Por
lo tanto, es un mtodo de prediccin que da buen resultado en algunas
explicaciones. As mismo, en ausencia de tendencia y de estacionalidad, el
objetivo es estimar el nivel actual de la serie temporal y utilizar esta estimacin
para predecir los futuros valores.
Segn Gustavo Uribe Gonzlez (s.f.) es un caso especial de pronstico de media
mvil ponderada, donde ahora los factores de ponderacin disminuyen
exponencialmente, dndole ms peso a los perodos ms recientes. Se necesita
una constante de alisado, que toma valores entre 0 y 1, eligindola de forma
subjetiva. Presenta una ventaja, pues necesita una cantidad reducida de datos
histricos.
Segn Brown (s.f.) la tcnica de suavizamiento exponencial usa un promedio
ponderado de los valores pasados de una serie de tiempo para obtener un
pronstico o una proyeccin a corto plazo. La suavizacin exponencial es un
promedio mvil pero diferente al que se utiliza en el mtodo de descomposicin,
ya que en este suavizamiento se tienen en cuenta todos los valores pasados de la
serie, dndosele mayor ponderacin o importancia a los valores recientes y a
medida que stos van siendo ms antiguos la ponderacin o importancia va
decreciendo exponencialmente.
3

Para utilizar ste mtodo se elige una constante de suavizamiento que debe
estar entre cero y uno. Las ponderaciones que se usan son: para la observacin
ms reciente, (1- ) para la siguiente ms reciente, (1- )2para la siguiente y as
sucesivamente. De lo anterior se deduce que un cercano a uno afecta ms al
nuevo pronstico y por el contrario cuando sea cercano a cero, el nuevo
pronstico ser muy parecido a la observacin ms antigua.
Aunque la eleccin de la constante de suavizamiento es a criterio personal, si se
requieren pronsticos estables y que se suavicen las variaciones aleatorias se
necesita un pequea y si se desea una respuesta rpida a los cambios de la
variable se debe elegir una constante de suavizamiento grande.
La ecuacin bsica de suavizamiento para hacer la proyeccin es:

Donde:
St-1es el pronstico para el perodo t+1
es la constante de suavizamiento
Yt es el valor observado en el perodo t
St es el valor suavizado o pronstico para el perodo t
Cuando se inicia el proceso de suavizamiento se asume que S1 = Y1.
Para elegir la mejor constante de suavizamiento se deben hacer suavizamientos
con diferentes , y se obtiene el mejor suavizamiento cuando se minimicen los
errores ei, es decir, cuando se minimicen las diferencias entre los valores
observados y estimados. Hay varios indicadores de los errores generados por un
procedimiento de pronsticos, como son la media absoluta de los errores (MAE),
el error cuadrtico medio (MSE) y la media absoluta del porcentaje de error
(MAPE) el cual tiene la caracterstica de ser independiente de las unidades y
magnitudes que se estn manejando; estos indicadores se definen como:

Cuando una serie de tiempo tiene un comportamiento constante en el tiempo o no

tiene tendencia, la suavizacin exponencial puede dar buenos resultados.
PREFERENCIAL BANCOLOMBIA IGBC
Se realiz un anlisis intrada desde el 02 de noviembre de 2010 (primer da hbil
del mes), hasta el 27 de abril de 2011 (ltimo da hbil del mes), en el cual se
usaron dos constantes: 0,5 y 0,1, en el cual para la accin no se observ ninguna
variacin respecto al precio, como se puede comprobar en el siguiente grfico.
35.000,00
30.000,00
25.000,00
20.000,00
15.000,00

Precio

10.000,00

W=0,5

5.000,00
W=0,1
02/11/2010
09/11/2010
17/11/2010
24/11/2010
01/12/2010
09/12/2010
16/12/2010
23/12/2010
30/12/2010
07/01/2011
17/01/2011
24/01/2011
31/01/2011
07/02/2011
14/02/2011
21/02/2011
28/02/2011
07/03/2011
14/03/2011
22/03/2011
29/03/2011
05/04/2011
12/04/2011
19/04/2011
28/04/2011

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

,00

Esto hace afirmar que as como para la accin no fue necesario aplicar promedios
mviles, tampoco se hace necesaria la aplicacin de un suavizamiento, ya que no
hace que la serie muestre datos ms constantes de los que tiene inicialmente.
Entre tanto aplicando las mismas constantes para el ndice de la Bolsa de Valores
IGBC-, estas tienen un comportamiento casi que igual en los 6 meses, se
observa una diferencia al final de la serie, aunque sta no muestra un
suavizamiento significativo para el ajuste de los datos.
5

35.000,00
30.000,00
25.000,00
20.000,00
15.000,00
W=0,5
10.000,00

W=0,1

5.000,00

02/11/2010
10/11/2010
19/11/2010
29/11/2010
07/12/2010
16/12/2010
24/12/2010
04/01/2011
13/01/2011
21/01/2011
31/01/2011
08/02/2011
16/02/2011
24/02/2011
04/03/2011
14/03/2011
23/03/2011
31/03/2011
08/04/2011
18/04/2011
28/04/2011

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

0,00

De acuerdo con los resultados anteriores, es pertinente anotar que la accin y el

ndice tienen un comportamiento constante y adecuado al mercado que no
necesitan alguna modificacin para hacerlos menos variables para un estudio de
riesgo financiero.
HOLT WINTERS
ste mtodo proporciona una serie temporal de pronsticos aplicando de modo
iterativo una frmula. Esta frmula proporciona un pronstico para el instante t
mediante un promedio ponderado entre todos los datos anteriores al instante t.
Las ponderaciones, generalmente, decrecen hacia el pasado de forma
exponencial. Por esa razn tambin se denomina mtodo de alisado exponencial.
El modelo de Holt-Winters es una ampliacin perfeccionada del alisamiento
exponencial, pues al incorporar la tendencia general de crecimiento o de
decrecimiento permite estimaciones a medio y largo plazo, superando as las
restricciones que mostraban tanto las medias mviles como el suavizamiento
exponencial. Por tanto, este mtodo es especialmente aconsejable cuando la serie
histrica muestre cierta tendencia a crecer o decrecer.
HoltWinters permite el estudio de tendencia a futuro mediante la elaboracin de
pronsticos a plazos intermedios o largos. En la seccin a) de la siguiente figura
se puede observar que el suavizamiento exponencial se puede utilizar de un modo
ms efectivo para la elaboracin de pronsticos a corto plazo. Por otra parte, el
mtodo de elaboracin de pronsticos de HoltWinters de la seccin b) est
diseado para detectar los fenmenos. Por lo tanto dicha tcnica proporciona al
mismo tiempo estudio del novel general de movimientos y de la tendencia futura
en una serie.

El proceso de prediccin del mtodo de Holt-Wintersest formado por tres

componentes: el nivel, la tendencia y el componente estacional. Estos tres
componentes estn relacionados por ecuaciones iterativas, que contienen tres
parmetros:
, ,
Si = = 0, las ecuaciones se reducen a una, y el resultado de la prediccin
corresponde al proceso de alisado exponencial.
Si = 0, las ecuaciones se reducen a dos, y el resultado es el proceso de Holt,
que no tiene en cuenta el componente estacional.
Los valores de , , estn fijados por el usuario, se suele escogerlos de manera
que minimicen la suma de cuadrados usando el banco de prueba... Esta
minimizacin se realiza de manera numrica.
Para usar este mtodo, en un momento es necesario estimar el valor de la serie
suavizada (&' ) y el valor de la tendencia ((' ), de acuerdo con las siguientes
frmulas (BERENSON y LEVINE, 1992: 786)
Nivel

)' = *+)' + (' , + +1 *,-'

Tendencia (' = .(' + +1 .,+&' &' ,

Donde &' = nivel de la serie suavizada, calculada en el periodo i

/ 1 =Nivel de la serie suavizada ya calculada en el periodo i-1

(' = Valor del componente de tendencia calculada en el periodo i

(' = Valor del componente de tendencia ya calculado en el periodo i-1

-' = Valor observado de la serie de tiempo en el periodo i.

*= constante de suavizacin subjetivamente asignada (donde 0 < U <1)

.=constante de suavizacin subjetivamente asignada (donde 0 <V<1)

Para comenzar los clculos se establece & = - 0 ( = - -y se eligen

constantes de suavizacin para U y V. Despus se puede calcular & 0 ( para
todos los / periodos, / = 3, 4, 5, . , #.
Para usar el mtodo de HoltWinters se supone que todos los movimientos futuros
de tendencias continuarn desde el nivel suavizado ms reciente &4 . Por lo tanto
para pronosticar j aos o futuros se tiene.
-6
4
5 = &4 + 7+(4,
*La anterior informacin fue tomada de la publicacin Estadstica bsica en
administracin, conceptos y aplicaciones de Mark L. Berenson.
PREFERENCIAL BANCOLOMBIA IGBC
Para la accin, al igual que en los anteriores modelos no es recomendable su uso,
pues no se encuentra grandes picos para hacerlos mantener una tendencia
constante, es as como en la grfica se observa un nivel y una tendencia nada
diferenciados.
35.000,00
30.000,00
25.000,00
20.000,00
15.000,00
Tendencia

10.000,00

Nivel

5.000,00

02/11/2010
10/11/2010
19/11/2010
29/11/2010
07/12/2010
16/12/2010
24/12/2010
04/01/2011
13/01/2011
21/01/2011
31/01/2011
08/02/2011
16/02/2011
24/02/2011
04/03/2011
14/03/2011
23/03/2011
31/03/2011
08/04/2011
18/04/2011
28/04/2011

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

0,00

De igual manera, en el IGBC se observa el mismo comportamiento, el cual se

diferencia un poco al principio de la seria y aproximadamente el 14 de marzo del
presente ao, pero no es un cambio relevante para un anlisis profundo.

18.000,00
16.000,00
14.000,00
12.000,00
10.000,00
8.000,00
6.000,00
4.000,00
2.000,00
0,00

Tendencia

02/11/2010
10/11/2010
19/11/2010
29/11/2010
07/12/2010
16/12/2010
24/12/2010
04/01/2011
13/01/2011
21/01/2011
31/01/2011
08/02/2011
16/02/2011
24/02/2011
04/03/2011
14/03/2011
23/03/2011
31/03/2011
08/04/2011
18/04/2011
28/04/2011

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

Nivel

Las proyecciones que se pueden realizar con el modelo para ambos, muestran un
comportamiento creciente, que no es totalmente concordante con el
comportamiento histrico (constante), se recomienda buscar un mtodo ms
confiable de anlisis, con herramientas avanzadas, ya que el mtodo HoltWinters
es aconsejable aplicar nicamente a series que muestren tendencia a crecer o
decrecer.

Bibliografa
Anderson, D., & Sweeney, D. (2008). Estadstica para administracin y economa.
Cengage Learning Editores.
Berenson, M. L. (1993). Estadstica bsica en administracin, conceptos y
aplicaciones.Pearson Education: Nueva York.