ANÁLISIS DE SERIES DE TIEMPO ECONÓMICAS Y FINANCIERAS

MAESTRIA EN FINANZAS

ANÁLISIS DE SERIES DE TIEMPO ECONÓMICAS Y FINANCIERAS

TRABAJO FINAL: EVIDENCIA DE PRODUCTO – INDIVIDUAL

MG. MIGUEL ANGEL ROJAS

DOCENTE

FRANCISCO JAVIER NERYS NOVOA

MAESTRANDO

UNIVERSIDAD TECNOLOGICA DE BOLIVAR

CARTAGENA, COLOMBIA

SEPTIEMBRE DE 2017

ANÁLISIS DE SERIES DE TIEMPO ECONÓMICAS Y FINANCIERAS

CAPITULO 1.

Diferencia entre el análisis manual aplicado a la serie de “Manufacturas Perú” y el análisis realizado con la herramienta Risk Simulator.

Manufacturas Perú fue la serie de tiempo utilizada para aplicar manualmente los modelos de suavizamiento: Promedio Móvil Simple y Suavizamiento Exponencial Simple. La selección de esta serie obedeció a que al ser graficada no evidenció tendencia ni estacionalidad, esta última que resulta complicada determinar a primera vista. Como resultado de aplicar estos modelos a la serie estudiada, se obtuvo como pronóstico para el periodo siguiente t, los valores de 119,48 bajo el modelo promedio móvil simple y de 120,16 con el modelo suavizamiento exponencial Simple.

Al utilizar la herramienta Simulador de Riesgo en Excel, la cual es una herramienta mucho más precisa, teniendo en cuenta que realiza análisis más profundo de los componentes de la serie de tiempo, se pudo observan que los modelos de pronósticos Promedio Móvil Simple y Suavizamiento Exponencial Simple utilizados con la serie “Manufacturas Perú” no corresponden a los mejores modelos para realizar pronósticos a esta serie, siendo el modelo “Aditivo Estacional”, el mejor modelo, lo que indica que la serie Manufacturas Perú efectivamente es una serie sin tendencia, pero con Estacionalidad.

Como resultado del pronóstico mediante el modelo Aditivo Estacional a través del uso del simulador de riesgo, podemos observar que el pronóstico para el periodo siguientes (82) es de 124,57, lo cual al compararlo con los resultados o pronósticos arrojados por los modelos Promedio Móvil Simple y Suavizamiento Exponencial Simple, nos permite tener un pronóstico mucho más racional y más confiable teniendo en cuenta que el error que nos arroja el modelo aditivo estacional es menor en todos los diferentes tipos de errores calculados mediante el simulador de riesgo en comparación con los modelos de suavizamiento enunciados.

Como

...