|
|
Análisis financiero | © John Petroff; contributors: Elisa Tam, Miguel Arce, Jaime Romero Aurioles, Lourdes Sada Source: PEOI |
F- Análisis de series de tiempo
Este análisis constituye una clase especial e importante de análisis de regresión no lineal. Lo que tiene de especial es que la variable exógena es también la variable endógena. En otras palabras, lo que antes llamábamos autocorrelación y tratábamos como un problema a evitar, aquí se analiza como la fuente de una señal informativa.
El método deriva del control de calidad. Mientras las variaciones en los resultados sean aleatorias y estén dentro de límites aceptables, la máquina estará operando adecuadamente. Las variaciones en el tiempo son totalmente aleatorias y se llaman "ruido blanco", que no puede explicarse ni controlarse. En cuanto aparece un patrón reconocible, la serie de tiempo deja de ser un ruido blanco. En el caso de una máquina, indica que es probable que la futura producción se deteriore más allá de niveles aceptables, y requiere una acción correctiva. La extensión del análisis de las series de tiempo en la física y las ciencias sociales se debe principalmente a G.E.P. Box y G.M. Jenkins.
La técnica es particularmente aplicable a las finanzas porque muchas decisiones financieras, tal vez todas, dependen de su proyección en el siguiente período, es decir, de las predicciones a corto plazo. Piense en las compras de existencias para satisfacer las ventas del próximo mes o la inversión en publicidad para impulsar las ventas del próximo año. La predicción de precio de la acción para el día siguiente es también un área de aplicación, que se estudiará por separado en la última sección de este capítulo. En el comportamiento comercial y social, los patrones existentes no cambian significativamente a corto plazo. Así, para la mayoría de los datos empresariales resulta suficiente identificar un patrón de serie temporal para realizar buenas predicciones a corto plazo.
Esto también se aplica a las principales series agregadas que publican en Estados Unidos el Departamento de Trabajo y el de Comercio, así como muchas instituciones nacionales e internacionales que manejan estadísticas económicas. Ver, por ejemplo, las estadísticas de desempleo que se ajustan estacionalmente. La tasa de desempleo observada no es realmente la proporción de personas desempleadas en un mes dado, sino una tasa anual representativa de las condiciones corrientes, y se calcula multiplicando la tasa actual de desempleo por un índice de variación estacional para el mes en cuestión. Por ejemplo, es bien sabido que diciembre tiene un nivel más alto de empleo que enero: el índice estacional es más alto para diciembre que para enero. Si el nivel de empleo real para enero, en un año dado, cae menos que el índice, se establecerá que la tasa de desempleo en enero de ese año ha aumentado. Otras series también se ajustan estacionalmente, como la construcción de nuevas viviendas.
| Anterior: Regresiones |
|
Siguiente: Box-Jenkins |