Series de Tiempo

Series de Tiempo

Una serie de tiempo es una colección de observaciones sobre un determinado fenómeno efectuadas en momentos de tiempo sucesivos, usualmente equiespaciados.

Ejemplo de series de tiempo son: 1. Precio de acciones 2. Nivel de inventario 3. Rotación 4. Ventas.
5. PIB (GDP).

1. Instalar paquetes y llamar librerías

#install.packages()
library(forecast)

## Warning: package 'forecast' was built under R version 4.3.1

## Registered S3 method overwritten by 'quantmod':
##   method            from
##   as.zoo.data.frame zoo

2. Crear la Serie de Tiempo

#Ejemplo: Los siguientes datos de producción trimestral
#inician en el primer trimestre de 2020.
#Se busca pronosticar la producción de los siguiente 5 trimestres.

produccion <- c(50,53,55,57,55,60)

serie_de_tiempo <- ts(data=produccion, start = c(2020,1), frequency = 4)

3. Crear el modelo ARIMA

ARIMA significa AutoReggresive Integrated Moving Average o Modelo AutoRegresivo Integrado de Promedio Móvil.

modelo <- auto.arima(serie_de_tiempo, D=1)
modelo

## Series: serie_de_tiempo 
## ARIMA(0,0,0)(0,1,0)[4] with drift 
## 
## Coefficients:
##        drift
##       1.5000
## s.e.  0.1768
## 
## sigma^2 = 2.01:  log likelihood = -2.84
## AIC=9.68   AICc=-2.32   BIC=7.06

summary(modelo)

## Series: serie_de_tiempo 
## ARIMA(0,0,0)(0,1,0)[4] with drift 
## 
## Coefficients:
##        drift
##       1.5000
## s.e.  0.1768
## 
## sigma^2 = 2.01:  log likelihood = -2.84
## AIC=9.68   AICc=-2.32   BIC=7.06
## 
## Training set error measures:
##                      ME      RMSE       MAE        MPE      MAPE       MASE
## Training set 0.03333332 0.5787923 0.3666667 0.03685269 0.6429133 0.06111111
##                    ACF1
## Training set -0.5073047

4. Realizar el pronóstico

pronostico <- forecast(modelo, level=c(95), h=5)
pronostico

##         Point Forecast    Lo 95    Hi 95
## 2021 Q3             61 58.22127 63.77873
## 2021 Q4             63 60.22127 65.77873
## 2022 Q1             61 58.22127 63.77873
## 2022 Q2             66 63.22127 68.77873
## 2022 Q3             67 63.07028 70.92972

plot(pronostico)