En 2025.M8 el indicador SFE-XMOI alcanzó una cifra de 185 millones de usd –datos brutos previos al ajuste estacional–. Experimentó una variación mensual del 42,10% y una variación interanual de 21,54%.
Por su parte, luego del filtrado estacional y suavizado definitivo, la serie se ubicó en 139 millones de usd, con variaciones en torno al 17,52% mensual y 5,09% interanual, respectivamente. En lo que va del año, la serie acumula un cambio de -4,25%.
Como referencia de mediano plazo, en un entorno de 10 años, el máximo pico alcanzado se identificó en 2022.M2, con un nivel de 295 millones de usd. En cuanto al mínimo valle, la cifra correspondiente fue de 57 millones de usd datado en 2020.M5.
Audio del resumen
(Tiempo de escucha: ~1
min.)
En 2025.M8 el indicador SFE-XMOI alcanzó una cifra de 185
millones de usd. Experimentó una variación mensual del 42,10% y una variación interanual de 21,54%.
Por su parte, luego del
filtrado estacional y suavizado definitivo, la serie se ubicó en 139
millones de usd, con variaciones en torno al 17,52% mensual y 5,09% interanual, respectivamente. En lo
que va del año, la serie acumula un cambio de -4,25%.
Como referencia de mediano
plazo, en un entorno de 10 años, el máximo pico alcanzado se identificó
en 2022.M2, con un nivel de 295 millones de usd. En cuanto
al mínimo valle, la cifra correspondiente fue de 57 millones de
usd datado en 2020.M5.
Nota: El gráfico expone la serie con sus datos brutos previo al filtrado estacional. La información se expresa en la unidad de medida identificada en la ficha del indicador, al comienzo del monitor de seguimiento.
Nota: La gráfica presenta la estructura estacional de la serie a partir de la distribución de los factores de ajuste obtenidos durante el proceso de filtrado (tabla “D16” del software X-13ARIMA-SEATS). Cada caja muestra los valores del indicador en un mismo mes o trimestre, pero correspondientes a distintos años. El rectángulo indica el rango donde se concentra la mitad de las observaciones —entre el valor típico más bajo (primer cuartil) y el más alto (tercer cuartil)—, mientras que la línea interna marca la mediana o valor central. Las líneas verticales (bigotes) muestran hasta dónde se extienden los valores más comunes, y los puntos aislados representan observaciones poco frecuentes o atípicas. Esta representación permite observar con claridad en qué meses o trimestres la serie tiende a ubicarse por encima o por debajo de su nivel promedio.
Nota: El tratamiento y la descomposición de los componentes de la serie temporal se realiza mediante la utilización del interfaz R para X-13ARIMA-SEATS, el software de ajuste estacional del Census Bureau de Estados Unidos. La librería utilizada se denomina ‘seasonal’, y fue creada por Christoph Sax y Dirk Eddelbuettel. Dicho entorno ofrece acceso completo a casi la totalidad de las opciones y salidas del X-13 y SEATS, de la versión para WINDOWS, WIN X-13. En el gráfico se exponen: la serie “original” que refiere a los datos brutos; la “ajustada”, ajustada por efectos calendarios, pascua, año bisiesto, entre otros; la “filtrada”, que es aquella sopesada por valores extremos, irregulares y estacionalidad; y también se presenta el “D12”, un output del software que refiere al componente tendencia-ciclo de la serie en cuestión.
Ajuste estacional: Método de descomposición utilizado: X11 | Transformación: log | Modelo seleccionado: (2 0 1)(0 0 1) | Regresores significativos: const.
Nota: El mapa de calor presenta las variaciones relativas (mensuales/trimestrales según corresponda) de los últimos años. Se calculan sobre la base de la serie final (ajustada por estacionalidad, valores extremos e irregulares; en algunos casos también se aplica un suavizado por medio de un promedio móvil de 2x2).
Nota: El gráfico presenta la evolución de las variaciones interanuales logarítmicas de la serie en cuestión (expresadas en porcentaje). Los valores positivos figuran en verde y los negativos en rojo. De fondo se incluyen las recesiones (barras grises) del ciclo de referencia (ICA-SFE). Por su parte, los valores críticos (líneas punteadas) refieren a: en azul, el promedio de las tasas de cambio interanuales (TCIA media, analíticamente \(\overline{X}\)); en violeta y negro, las bandas de confianza superiores e inferiores (definidas como \(\overline{X} \pm k\sigma\)), donde: \(σ\) es el desvío estándar de las TCIA y \(k\) es la cantidad de desvíos estándar considerados en el intervalo. Entre corchetes se expone la proporción de datos incluidos en cada intervalo, considerando una distribución normal estándar.
Nota: El gráfico muestra la evolución de la serie específica luego del filtrado y suavizado definitivo. Adicionalmente, se presentan las recesiones del ciclo de referencia para la provincia de Santa Fe (zonas grises), internalizando información del ICA-SFE, Índice Compuesto Coincidente de Actividad Económica de la provincia de Santa Fe, elaborado por CES-BCSF.
Nota: El gráfico muestra la evolución de la serie específica luego del filtrado y suavizado definitivo. Adicionalmente, se presentan las recesiones del ciclo de referencia para Argentina (zonas grises), internalizando información del Índice Compuesto Coincidente de Actividad Económica de Argentina (ICA-ARG), elaborado por el Centro de Investigación del Ciclo Económico (CICEc).
Nota: Se muestran conjuntamente la serie final y estimaciones (forecasts) generadas con el mejor modelo ARIMA identificado durante el proceso de desestacionalización. Adicionalmente, se presentan los límites del intervalo de predicción superior (up) e inferior (low), considerando un comportamiento normal estándar. De fondo se exponen las recesiones (barras grises) del ciclo de referencia (ICA-SFE), Índice Compuesto Coincidente de Actividad Económica de la provincia de Santa Fe.
Nota: En el gráfico de dispersión se exponen los resultados de una regresión lineal simple cuya variable dependiente son las variaciones mensuales de la serie representativa del nivel de actividad económica de la provincia de Santa Fe (ICA-SFE) (\(y_i\)) y por su parte, las variaciones mensuales de la serie específica como variable independiente (\(X_j\)). El modelo de regresión estimado: \(\hat{y}_i=c+bX_j\), donde \(c\) y \(b\) son constantes, se muestra como una línea de color negro.