Series de tiempo: Extracción de señales y Modelo ARIMA
Yeison Bastidas - Juan Rivera
2026-04-11
Variables seleccionadas: Consumo de energia (pequeñas y grandes empresas) en Cali (ENER_CALI), Índice de Producción Industrial Cali (IPIR_CALI), Indice de Precios al Consumidor (IPC)
Empresa Seleccionada: Empresas Municipales de Cali (EMCALI)
Sector Energetico y Consumo de Energía en la Ciudad de Cali
El presente análisis se enmarca en el sector energético colombiano, específicamente en el segmento de distribución y comercialización de energía eléctrica, tomando como unidad de estudio la ciudad de Cali y la empresa Empresas Municipales de Cali (EMCALI). Este sector posee una relevancia estratégica dentro de la economía, en la medida en que el suministro de energía eléctrica constituye un insumo fundamental para el desarrollo de las actividades productivas, comerciales y de servicios, incidiendo directamente en el crecimiento económico y el bienestar social. “En Colombia, la demanda energética ha mostrado un crecimiento sostenido, alcanzando un incremento del 2,6% en 2025, lo cual evidencia la estrecha relación entre el consumo eléctrico y la dinámica económica del país”. (La República. (2026). La demanda de energía eléctrica del SIN creció 2,6% en 2025).
En este contexto, el consumo de energía eléctrica no solo refleja los patrones de demanda de los hogares, sino que también se configura como un indicador indirecto del dinamismo empresarial e industrial, al estar estrechamente vinculado con los niveles de producción, inversión y actividad económica en general. De hecho, “el consumo energético es ampliamente utilizado como un indicador proxy del desempeño industrial, permitiendo anticipar cambios en la actividad productiva con menor rezago que otros indicadores tradicionales”. (Banco de la República. (2025). Informe de política monetaria: demanda energética como indicador industrial).
En particular, el estudio del consumo de energía en el segmento empresarial permite diferenciar comportamientos entre pequeñas y grandes empresas. Mientras las pequeñas y medianas empresas presentan una demanda más estable, las grandes empresas concentran una mayor proporción del consumo y responden de manera más directa a los ciclos económicos. “Esto se evidencia en el mercado no regulado, donde sectores como la industria manufacturera y la minería representan más del 70% del consumo energético empresarial, consolidando la energía como un insumo crítico para la producción”. (XM Compañía de Expertos en Mercados. (2025). Informe de demanda de energía eléctrica en Colombia).
Adicionalmente, el consumo de energía eléctrica se encuentra estrechamente relacionado con indicadores macroeconómicos y sectoriales, como el Índice de Producción Industrial y el Índice de Precios al Consumidor. Estas variables permiten capturar tanto la dinámica productiva como las condiciones inflacionarias de la economía. En este sentido, la demanda energética puede interpretarse como una variable endógena al comportamiento económico, cuya evolución responde a cambios en la producción, los costos y el entorno macroeconómico.
Desde una perspectiva financiera, el comportamiento del consumo de energía tiene implicaciones directas sobre la sostenibilidad y estabilidad de los ingresos de Empresas Municipales de Cali (EMCALI), dado que su estructura de ingresos depende en gran medida del volumen de energía comercializada. En consecuencia, la estabilidad en la demanda energética permite proyectar ingresos relativamente predecibles, aunque sujetos a riesgos macroeconómicos, regulatorios y operativos.
De cara al año 2026, “el sector energético colombiano se proyecta en un escenario de crecimiento moderado, con una expansión de la demanda cercana al 2,5%–3% anual, en línea con la evolución de la actividad económica y el proceso de electrificación de distintos sectores productivos”. (La República. (2026). La demanda de energía eléctrica del SIN creció 2,6% en 2025).
Este crecimiento está acompañado por un proceso de transición energética orientado a diversificar la matriz mediante la incorporación de fuentes renovables como la solar y la eólica, las cuales han ganado participación en los últimos años.
No obstante, la transición energética en Colombia avanza de manera gradual y enfrenta desafíos estructurales importantes. A pesar del crecimiento de proyectos solares y eólicos, la matriz energética sigue dependiendo en gran medida de la generación hidráulica (más del 60%), lo que genera vulnerabilidad frente a condiciones climáticas adversas como los fenómenos de El Niño. Adicionalmente, la intermitencia de las energías renovables y los retrasos en proyectos de infraestructura limitan la velocidad de esta transición.
En este contexto, uno de los principales retos del sistema energético colombiano es la suficiencia entre oferta y demanda. Aunque actualmente el país logra cubrir su demanda energética, diversos análisis advierten que el margen de reserva es cada vez más estrecho, lo que implica riesgos de desabastecimiento en el mediano plazo.
Finalmente, en términos tarifarios, el comportamiento de los precios de la energía estará influenciado por factores como la inflación, los costos de generación, la disponibilidad de recursos hídricos y las inversiones necesarias para expandir la capacidad instalada. Si bien la transición energética podría generar eficiencias en el largo plazo, en el corto plazo se prevén presiones al alza en las tarifas debido a la necesidad de nuevas inversiones y a posibles restricciones en la oferta energética. En este escenario, empresas como Empresas Municipales de Cali (EMCALI) enfrentan el desafío de mantener su sostenibilidad financiera en un entorno de alta incertidumbre, caracterizado por cambios regulatorios, presión de costos y transformación estructural del sector energético.
PASO INDISPENSABLE: Declarar la (s) variable (s) como serie (s) temporal (es):
Variable 1: Consumo de energia (pequeñas y grandes empresas) en Cali (ENER_CALI)
La variable ENER_CALI representa el consumo de energía eléctrica en la ciudad de Cali, diferenciando entre pequeñas y grandes empresas. Esta variable constituye el eje central del análisis, en tanto refleja directamente la demanda energética del sector productivo y, por ende, el nivel de actividad económica local. En Colombia, la demanda de energía eléctrica presentó un crecimiento aproximado del 2,6% en 2025, lo que evidencia una recuperación y expansión sostenida del consumo asociada al dinamismo económico.
Desde una perspectiva económica, el consumo energético empresarial se comporta como un indicador coincidente del ciclo económico, especialmente en contextos urbanos. Las grandes empresas, pertenecientes al mercado no regulado, concentran una proporción significativa del consumo total y presentan una mayor sensibilidad frente a cambios en la producción, mientras que las pequeñas empresas muestran patrones más estables, pero menos intensivos en consumo. Esta estructura implica que variaciones en ENER_CALI pueden interpretarse como reflejo directo de cambios en la actividad productiva y comercial.
Variable 2 Índice de Producción Industrial de Cali (IPIR_CALI)
El Índice de Producción Industrial de Cali (IPIR_CALI) mide la evolución de la actividad manufacturera en la ciudad, constituyéndose en una variable clave para capturar el comportamiento del sector productivo. La literatura económica y los informes recientes evidencian que la actividad industrial mantiene una relación estrecha con el consumo de energía, dado que la producción manufacturera es intensiva en el uso de insumos energéticos (Departamento Administrativo Nacional de Estadística, 2025).
Durante 2025, el comportamiento de la producción industrial en Colombia mostró una recuperación moderada, aunque con episodios de desaceleración asociados a factores como el costo de financiamiento y la inflación. En este contexto, el IPIR_CALI permite capturar de manera más precisa la dinámica local, siendo un determinante fundamental del consumo energético empresarial.
Desde el punto de vista teórico, se espera una relación positiva entre IPIR_CALI y ENER_CALI, donde incrementos en la producción industrial generan aumentos proporcionales en la demanda de energía eléctrica.
Variable 3 Índice de Precios al Consumidor (IPC)
El Índice de Precios al Consumidor (IPC) mide la variación en el nivel general de precios y constituye el principal indicador de inflación en Colombia. En 2025, la inflación presentó una tendencia de moderación respecto a años anteriores, aunque se mantuvo en niveles relevantes que continúan afectando las decisiones de consumo e inversión (Banco de la República, 2025).
El IPC incide en el consumo de energía a través de múltiples canales. Por un lado, incrementos en la inflación elevan los costos operativos de las empresas, lo que puede reducir la producción y, en consecuencia, el consumo energético. Por otro lado, también puede afectar la capacidad de pago de los usuarios y las decisiones de inversión empresarial.
En este sentido, la relación entre IPC y ENER_CALI puede ser negativa, dependiendo del contexto económico predominante. En escenarios de alta inflación, es probable observar una contracción en el consumo energético, mientras que, en contextos de crecimiento económico con inflación moderada, la relación puede ser menos evidente.
Relaciones Entre las Variables
La selección de las variables consumo de energía en Cali (ENER_CALI), Índice de Producción Industrial de Cali (IPIR_CALI) y el Índice de Precios al Consumidor (IPC) responde a la necesidad de comprender de manera integral la dinámica económica y energética de la ciudad. Estas variables no se analizan de forma aislada, sino como parte de un sistema interdependiente en el que el consumo de energía se configura como una variable clave que refleja el comportamiento del aparato productivo y las condiciones macroeconómicas. En este sentido, la inclusión conjunta de estas variables permite capturar tanto los factores reales de la economía, asociados a la producción, como aquellos de carácter monetario, vinculados a la inflación.
En particular, el IPIR_CALI se incorpora como una variable explicativa fundamental, dado que la actividad industrial es uno de los principales determinantes del consumo de energía eléctrica. La producción manufacturera requiere un uso intensivo de insumos energéticos, lo que implica que cualquier variación en los niveles de producción tiene un impacto directo sobre la demanda de energía. Por lo tanto, se espera que el comportamiento del consumo energético esté estrechamente alineado con las fluctuaciones del sector industrial, especialmente en lo que respecta a las grandes empresas, cuya participación en el consumo total es significativa.
Por otro lado, el IPC permite introducir en el análisis el componente macroeconómico, capturando el efecto de la inflación sobre la actividad empresarial y el consumo energético. La variación en los precios afecta tanto los costos de producción como las decisiones de inversión y consumo, lo que puede incidir en el nivel de actividad económica y, en consecuencia, en la demanda de energía. De esta manera, el IPC actúa como una variable que condiciona el entorno en el que operan las empresas, influyendo indirectamente sobre el consumo energético.
En conjunto, la relación entre ENER_CALI, IPIR_CALI e IPC permite construir una visión integrada en la que el consumo de energía se entiende como el resultado de la interacción entre la actividad productiva y las condiciones económicas generales. A través de esta articulación, el análisis busca evidenciar cómo los cambios en la producción industrial y en la inflación se reflejan en la demanda energética, permitiendo así comprender mejor el comportamiento económico de la ciudad y su impacto sobre el sector energético.
Extracción de señales
Gráfico inicial de la variable 1 ENER_CALI en niveles -Original
La serie de tiempo correspondiente al consumo de energía en Cali (ENER_CALI) presenta, en términos generales, un comportamiento dinámico con cambios estructurales claramente identificables a lo largo del periodo analizado. En una primera fase, aproximadamente entre 2012 y 2016, se observa una tendencia creciente sostenida, donde el consumo pasa de niveles cercanos a 67 millones a valores superiores a 80 millones. Este crecimiento refleja un periodo de expansión económica, en el cual tanto la actividad empresarial como la industrial incrementaron su demanda energética, evidenciando una relación directa entre consumo de energía y dinamismo productivo.
Posteriormente, entre 2016 y 2019, la serie muestra un comportamiento más estable, pero con alta volatilidad, caracterizado por fluctuaciones alrededor de un nivel promedio cercano entre los 70 y 80 millones. En este tramo se identifica un primer punto de inflexión, donde la tendencia deja de ser claramente creciente y pasa a una fase de estabilización. Esto puede interpretarse como un periodo de madurez o desaceleración económica relativa, en el que el consumo energético ya no crece al mismo ritmo, aunque se mantiene en niveles altos.
El cambio más relevante en la serie ocurre alrededor de 2020, donde se evidencia una caída abrupta y pronunciada, alcanzando niveles mínimos cercanos a los 50 millones. Este punto representa un quiebre estructural claro, asociado muy probablemente a un choque externo significativo (como la pandemia), que afectó de manera directa la actividad económica, reduciendo drásticamente el consumo energético. Este es el punto de inflexión más importante de toda la serie, ya que rompe completamente la dinámica observada en años anteriores.
Finalmente, a partir de 2021 se observa una fase de recuperación, donde el consumo energético retoma una tendencia creciente, aunque sin alcanzar los niveles máximos previos a 2020. La serie se estabiliza en un rango aproximado entre 65 y 72 millones, mostrando una recuperación parcial con cierta volatilidad. Esto sugiere que, si bien la actividad económica se ha reactivado, no ha logrado retornar completamente a su nivel estructural anterior, lo que puede estar asociado a cambios en la demanda, eficiencia energética o transformaciones en el tejido empresarial.
En los años más recientes, correspondientes al periodo 2024–2025, la serie presenta un comportamiento relativamente estable, con valores que oscilan en un rango aproximado entre 63 y 72 millones, lo que evidencia una fase de consolidación posterior a la recuperación observada tras el choque de 2020. No obstante, al analizar el tramo final de la serie, se identifica que los últimos dos meses de 2025 muestran una tendencia a la baja, lo cual introduce una señal de posible cambio en la dinámica reciente del consumo energético.
Este comportamiento puede interpretarse de dos maneras. Por un lado, podría reflejar un ajuste temporal o estacional en la demanda, asociado a variaciones propias del cierre del año o a cambios puntuales en la actividad económica. Por otro lado, también podría constituir una señal temprana de desaceleración, en caso de estar vinculada a una reducción sostenida en la actividad productiva o en el consumo empresarial.
En este sentido, no es posible afirmar con certeza una tendencia definitiva, pero sí establecer que el comportamiento reciente abre dos posibles escenarios: una continuación de la caída en el corto plazo, si se consolidan factores de desaceleración económica, o una recuperación y aceleración posterior, en caso de tratarse de un ajuste transitorio. Por lo tanto, este punto final de la serie resulta especialmente relevante, ya que introduce un elemento de incertidumbre sobre la trayectoria futura del consumo de energía en Cali.
Extracción señales variable 1 ENER_CALI
La descomposición temporal de la serie ENER_CALI permite identificar claramente sus cuatro componentes: tendencia, estacionalidad, residuo y serie original, lo que facilita una comprensión más profunda de su comportamiento. En primer lugar, la tendencia muestra una evolución creciente desde 2012 hasta aproximadamente 2016, seguida de una fase de estabilización y posteriormente un quiebre estructural pronunciado en 2020, donde se observa una caída abrupta. A partir de este punto, la tendencia evidencia una recuperación parcial, aunque sin alcanzar los niveles máximos previos, lo que sugiere un cambio estructural en el comportamiento del consumo energético.
En segundo lugar, el componente estacional presenta un patrón altamente regular y repetitivo a lo largo de toda la serie, con oscilaciones constantes año a año. Esto indica que el consumo de energía en Cali está fuertemente influenciado por factores estacionales, como ciclos productivos, entre otros. La estabilidad de este patrón sugiere que la estacionalidad es determinística y persistente.
Por su parte, el componente residual refleja las fluctuaciones no explicadas por la tendencia ni la estacionalidad. En este caso, se observa que la mayoría de los residuos se mantienen alrededor de cero, lo que indica un buen ajuste de la descomposición; sin embargo, destaca un choque extremo negativo en 2020 (Pandemia), acompañado de picos positivos posteriores.
Extracción señales variable 2 IPIR_CALI
La descomposición temporal del Índice de Producción Industrial de Cali (IPIR_CALI) permite observar con mayor claridad la evolución de la actividad industrial a lo largo del tiempo, diferenciando sus componentes principales. En primer lugar, la tendencia evidencia un crecimiento moderado entre 2012 y 2019, lo que sugiere una expansión gradual del sector industrial en la ciudad. Este comportamiento refleja un entorno económico relativamente estable, en el cual la producción manufacturera incrementa de manera sostenida, aunque sin cambios abruptos.
El punto más relevante de la serie se presenta en el año 2020, donde se observa una caída abrupta y pronunciada, claramente asociada a los efectos de la pandemia de COVID-19. Este choque impactó directamente la actividad industrial, generando una contracción significativa en los niveles de producción. La magnitud de la caída evidencia la alta sensibilidad del sector frente a eventos externos que afectan la operación de las empresas, como restricciones de movilidad, interrupciones en cadenas de suministro y disminución de la demanda.
Posteriormente, a partir de 2021, se observa una recuperación importante del índice, con un crecimiento acelerado que incluso lleva la serie a niveles superiores a los registrados antes de la pandemia. Este comportamiento puede interpretarse como un proceso de reactivación económica, impulsado por la reapertura de actividades, la normalización de la producción y la recuperación de la demanda. Sin embargo, esta recuperación no es completamente estable, ya que se presentan fluctuaciones que reflejan cierta volatilidad en el proceso de ajuste.
En los años más recientes, correspondientes al periodo 2023–2025, la serie muestra una leve desaceleración en su tendencia, evidenciando una reducción gradual en los niveles del índice. Aunque no se observa una caída tan abrupta como la de 2020, sí se identifica una pérdida de dinamismo en la actividad industrial. Este comportamiento puede estar asociado a factores como condiciones económicas más restrictivas, aumento en costos o menor crecimiento de la demanda.
Finalmente, el componente estacional muestra un patrón claramente repetitivo a lo largo de toda la serie, lo que indica que la producción industrial presenta ciclos intra-anuales bien definidos. Estos pueden estar asociados a periodos de mayor o menor actividad productiva dentro del año, como temporadas altas y bajas en la industria. Por su parte, el componente residual refleja variaciones puntuales no explicadas por la tendencia ni la estacionalidad, destacándose nuevamente el fuerte impacto observado en 2020, que confirma la naturaleza extraordinaria de este evento dentro del comportamiento histórico de la serie.
Extracción señales variable 3 IPC
La descomposición temporal del Índice de Precios al Consumidor (IPC) permite observar una dinámica bastante distinta frente a las otras variables analizadas, especialmente por su comportamiento sostenido en el tiempo. En primer lugar, la tendencia muestra un crecimiento continuo y prácticamente ininterrumpido desde 2012 hasta 2025, lo que refleja un proceso acumulativo de inflación. A diferencia del consumo de energía y de la producción industrial, el IPC no presenta caídas abruptas, sino una trayectoria ascendente que incluso se acelera en los años más recientes, particularmente después de 2021.
En relación con el año 2020, aunque se reconoce el contexto de la pandemia, el impacto sobre el IPC no se manifiesta como una caída, sino más bien como un cambio en la pendiente de crecimiento. Es decir, el nivel de precios no disminuye, sino que continúa aumentando, lo cual es consistente con el comportamiento típico de la inflación, que responde a factores estructurales y monetarios más que a choques inmediatos en la actividad productiva. Posteriormente, entre 2022 y 2024, se observa una aceleración más pronunciada de la tendencia, lo que indica un periodo de mayores presiones inflacionarias.
Por su parte, el componente estacional evidencia un patrón cíclico claro y repetitivo, aunque con menor amplitud en comparación con las otras variables. Esto sugiere que el IPC presenta variaciones intra-anuales relativamente estables, asociadas a cambios periódicos en precios de bienes y servicios, como alimentos, transporte o educación, pero sin alterar la tendencia general creciente.
En cuanto al componente residual, se observan fluctuaciones alrededor de cero, con algunos picos positivos y negativos en ciertos periodos recientes. Estos movimientos reflejan variaciones puntuales en la inflación que no son explicadas por la tendencia ni la estacionalidad, posiblemente asociadas a choques específicos como cambios en políticas económicas, variaciones en precios internacionales o ajustes regulatorios.
Finalmente, la serie original confirma un comportamiento claramente creciente, con una pendiente que se intensifica en los últimos años. Este patrón indica que el IPC es una variable con una fuerte tendencia estructural al alza, lo cual la diferencia significativamente de ENER_CALI e IPIR_CALI. En este sentido, mientras estas últimas variables responden más directamente a la actividad económica y presentan caídas ante choques como la pandemia, el IPC mantiene una trayectoria ascendente, reflejando la acumulación progresiva de los niveles de precios en la economía.
Después de la descomposición temporal de cada variable, se extrae la variable ajustada por estacionalidad para graficarla junto con la serie original:
Se crea la variable1 ENER_CALI ajustada por estacionalidad
Se crea la variable2 IPIR_CALI ajustada por estacionalidad
Se crea la variable3 IPC ajustada por estacionalidad
Ahora si se puede graficar las series originales versus la ajustada por estacionalidad
Gráfico serie original VS ajustada Variable 1 ENER_CALI
La gráfica muestra la evolución del consumo de energía en Cali (ENER_CALI) comparando la serie original con su versión ajustada por estacionalidad, lo que permite identificar con mayor claridad los movimientos estructurales de la serie. En general, ambas curvas siguen trayectorias muy similares, lo que indica que, aunque existe estacionalidad, esta no distorsiona significativamente la tendencia general del consumo energético. Sin embargo, la serie ajustada presenta un comportamiento más suave, eliminando las fluctuaciones periódicas y facilitando la identificación de cambios de fondo.
En el periodo comprendido entre 2012 y 2016 se observa una tendencia creciente sostenida en ambas series, lo que refleja un incremento en la demanda energética asociado a un mayor dinamismo económico. Posteriormente, entre 2016 y 2019, el comportamiento se vuelve más estable con ligeras fluctuaciones, indicando una fase de consolidación donde el consumo se mantiene en niveles altos sin un crecimiento tan marcado como en los años anteriores.
El punto más relevante de la gráfica se presenta en el año 2020, donde ambas series evidencian una caída abrupta y pronunciada, claramente asociada al impacto de la pandemia. La serie ajustada por estacionalidad permite ver con mayor precisión la magnitud real de este choque, eliminando posibles efectos estacionales y confirmando que se trata de un cambio estructural en el consumo energético. Posteriormente, se observa una recuperación parcial, aunque con niveles inferiores a los máximos alcanzados antes de la pandemia.
Finalmente, en el periodo más reciente (2023–2025), ambas series muestran un comportamiento relativamente estable, con algunas fluctuaciones y una leve tendencia a la baja en los últimos puntos. La cercanía entre la serie original y la ajustada sugiere que la estacionalidad tiene un impacto moderado, mientras que los cambios observados responden principalmente a factores estructurales y coyunturales. En este sentido, el análisis confirma que el consumo energético ha entrado en una fase de estabilización, aunque con señales de posible desaceleración hacia el final del periodo.
Gráfico serie original VS ajustada Variable 2 IPIR_CALI
La gráfica evidencia que tanto la serie original como la serie ajustada siguen un comportamiento muy similar a lo largo del tiempo, lo que indica que la estacionalidad, aunque presente, no altera de forma significativa la trayectoria general del índice industrial. La línea ajustada permite observar con mayor claridad los movimientos estructurales, eliminando las fluctuaciones periódicas propias de cada año.
Durante el periodo 2012–2019 se observa un comportamiento relativamente estable con ligera tendencia al crecimiento, lo que refleja una expansión moderada de la actividad industrial en Cali. Las fluctuaciones en la serie original responden a efectos estacionales, pero al eliminarlos, se confirma que el crecimiento en este periodo fue gradual y sin cambios abruptos en la estructura productiva.
El punto más crítico de la gráfica se presenta en el año 2020, donde ambas series muestran una caída abrupta extremadamente pronunciada, claramente asociada a la pandemia. La serie ajustada permite evidenciar que esta caída no responde a un patrón estacional, sino a un choque estructural externo que afectó directamente la producción industrial. La magnitud de esta caída es incluso más fuerte que en otras variables, lo que confirma la alta sensibilidad del sector industrial frente a este tipo de eventos.
Posteriormente, entre 2021 y 2023, se observa una recuperación rápida y significativa, donde el índice retorna a niveles cercanos e incluso superiores a los previos a la pandemia. Sin embargo, esta recuperación no se mantiene completamente estable, ya que en los años más recientes (2024–2025) se evidencia una leve desaceleración, con una tendencia a la baja en los últimos puntos de la serie. Al estar presente tanto en la serie original como en la ajustada, esta disminución sugiere que no es un efecto estacional, sino un posible cambio en la dinámica reciente de la actividad industrial.
Gráfico serie original VS ajustada Variable 3 IPC
La gráfica muestra que la serie original y la serie ajustada por estacionalidad prácticamente se superponen, lo que indica que la estacionalidad tiene un efecto muy bajo sobre el comportamiento del IPC. A diferencia de las variables anteriores (energía e industria), aquí no se observan fluctuaciones periódicas marcadas, sino una trayectoria suave y continua. Esto implica que los movimientos del IPC están dominados principalmente por su tendencia de largo plazo, más que por variaciones estacionales.
En términos de comportamiento, se observa una tendencia creciente sostenida durante todo el periodo (2012–2025), lo que refleja el carácter acumulativo de la inflación. A lo largo de los primeros años el crecimiento es moderado, pero constante, evidenciando una estabilidad relativa en el nivel de precios. Este comportamiento es típico de variables inflacionarias, que tienden a incrementarse de forma progresiva en el tiempo.
Al analizar el periodo alrededor de 2020, a diferencia de lo observado en ENER_CALI e IPIR_CALI, no se presenta una caída, sino una leve desaceleración temporal en la pendiente de crecimiento. Esto confirma que, aunque la pandemia afectó la actividad económica, su impacto sobre el nivel de precios no se tradujo en reducciones, sino en cambios en la dinámica de crecimiento. Posteriormente, a partir de 2021–2022, se evidencia una aceleración importante en la tendencia, con un incremento mucho más pronunciado del índice, lo que sugiere un periodo de mayores presiones inflacionarias.
Finalmente, en los años más recientes (2023–2025), la serie mantiene una tendencia claramente creciente y relativamente estable en su pendiente, sin mostrar señales de caída o reversión. El hecho de que la serie ajustada y la original sean prácticamente iguales confirma que los cambios observados son estructurales y no estacionales. En este sentido, el IPC se comporta como una variable con una fuerte inercia, cuyo crecimiento responde a factores macroeconómicos de fondo más que a variaciones de corto plazo.
Ahora graficamos serie original vs tendencia
Primero se debe obtener la tendencia de cada variable y luego graficarla
Tendencia Variable 1 ENER_CALI
La gráfica muestra el comportamiento del consumo de energía en Cali comparando la serie original con su tendencia, lo que permite identificar la evolución de largo plazo. Entre 2012 y 2016 se observa una tendencia creciente, reflejando un aumento sostenido en la demanda energética asociado al dinamismo económico.
Entre 2016 y 2019, la tendencia se estabiliza, manteniéndose en niveles altos pero sin un crecimiento marcado. Posteriormente, en 2020, se presenta una caída abrupta, explicada por el impacto de la pandemia, lo que constituye el principal quiebre estructural de la serie.
A partir de 2021 se evidencia una recuperación gradual, aunque sin alcanzar los niveles previos a la pandemia. Finalmente, en el periodo 2023–2025, la tendencia muestra una estabilización con ligera desaceleración, lo que sugiere un comportamiento más moderado del consumo energético en los últimos años.
Tendencia Variable 2 IPIR_CALI
La gráfica muestra el comportamiento del IPIR_CALI comparando la serie original con su tendencia, lo que permite observar la evolución de la actividad industrial. Entre 2012 y 2019 se presenta un crecimiento moderado y relativamente estable, con ligeras fluctuaciones alrededor de un nivel promedio.
En 2020 se evidencia una caída abrupta, asociada a la pandemia, que representa el principal quiebre de la serie. Posteriormente, entre 2021 y 2023, se observa una recuperación importante, alcanzando niveles incluso superiores a los previos.
Finalmente, en el periodo 2024–2025, la tendencia muestra una leve desaceleración, lo que sugiere una pérdida de dinamismo reciente en la actividad industrial.
Tendencia Variable 3 IPC
La gráfica muestra el comportamiento del IPC comparando la serie original con su tendencia, evidenciando una trayectoria claramente creciente durante todo el periodo (2012–2025). A diferencia de las otras variables, no se observan caídas, sino un aumento continuo en el nivel de precios.
Alrededor de 2020 se presenta una leve desaceleración en el crecimiento, pero no una disminución, lo que confirma que la pandemia no generó una caída en el IPC. Posteriormente, desde 2021–2022, se observa una aceleración marcada de la tendencia, reflejando mayores presiones inflacionarias.
En los años recientes (2023–2025), el IPC mantiene un crecimiento sostenido, consolidando una tendencia estructural al alza sin señales de reversión.
Ahora calculamos la tasa de crecimiento de la serie original vs tendencia:
Tasa de crecimiento de la serie de tendencia y original para la variable 1 ENER_CALI
## [1] 156## [1] 156## [1] 156*Gráfico variable original y tendencia variable 1: tasa de crecimiento anual**
La gráfica muestra la tasa de crecimiento anual del consumo de energía (ENER_CALI) comparando la serie original con su tendencia. En términos generales, se observa que el crecimiento se mantiene cercano a cero con fluctuaciones moderadas durante la mayor parte del periodo, lo que indica un comportamiento relativamente estable en el tiempo.
El punto más crítico se presenta en 2020, donde se evidencia una caída extremadamente pronunciada del crecimiento, asociada directamente a la pandemia. Este es el mayor choque de toda la serie, seguido de un rebote fuerte en 2021, donde el crecimiento alcanza valores positivos elevados como efecto de la recuperación.
Posteriormente, entre 2022 y 2025, la tasa de crecimiento vuelve a niveles más moderados y cercanos a cero, aunque con cierta volatilidad. En los últimos datos se observa una ligera desaceleración, lo que sugiere que el consumo de energía ha perdido dinamismo reciente, manteniéndose en una fase de crecimiento bajo o estabilización.
Ahora calculamos la tasa de crecimiento de la serie original vs tendencia: variable 2 IPIR_CALI
## [1] 156## [1] 156## [1] 156La gráfica muestra la tasa de crecimiento anual del IPIR_CALI, evidenciando un comportamiento generalmente estable y cercano a cero durante gran parte del periodo, lo que indica un crecimiento moderado de la actividad industrial.
El punto más relevante ocurre en 2020, donde se observa primero una caída muy pronunciada asociada a la pandemia, seguida de un rebote excepcionalmente alto en 2021, con tasas de crecimiento inusualmente elevadas. Este comportamiento refleja tanto la contracción abrupta como la posterior recuperación de la producción industrial.
Después de este choque, entre 2022 y 2025, el crecimiento vuelve a niveles más normales, aunque con cierta volatilidad. En los últimos periodos se aprecia una ligera tendencia a la baja, lo que sugiere una desaceleración reciente en el dinamismo industrial.
Ahora calculamos la tasa de crecimiento de la serie original vs tendencia: variable 3 IPC
## [1] 156## [1] 156## [1] 156La gráfica muestra la tasa de crecimiento anual del IPC, evidenciando un comportamiento siempre positivo, lo que confirma que los precios mantienen una tendencia creciente en todo el periodo.
Entre 2012 y 2016 se observa una aceleración del crecimiento inflacionario, seguida de una desaceleración gradual hasta 2020. A diferencia de las otras variables, en 2020 no hay caída fuerte, sino una leve reducción en el ritmo de crecimiento, asociada al efecto de la pandemia.
Posteriormente, entre 2021 y 2023, se presenta una aceleración muy marcada, alcanzando los niveles más altos de crecimiento del periodo, lo que refleja un episodio de alta inflación. Finalmente, entre 2024 y 2025, se evidencia una desaceleración, aunque el crecimiento se mantiene positivo, indicando que los precios siguen aumentando, pero a un menor ritmo.
Relaciones Entre Las Tres Variables
En el periodo reciente 2024 a 2025, las tres variables muestran una dinámica coherente, pero con matices importantes. Por un lado, tanto el consumo de energía (ENER_CALI) como el IPIR_CALI presentan una tendencia de estabilización con señales de leve desaceleración, lo cual se refleja también en sus tasas de crecimiento anual cercanas a cero o ligeramente negativas en los últimos meses. Esto sugiere que la actividad productiva en Cali, especialmente la industrial y empresarial, ha perdido algo de dinamismo tras la recuperación postpandemia, entrando en una fase de crecimiento más moderado.
En contraste, el IPC mantiene una tendencia creciente en niveles, aunque su tasa de crecimiento muestra una desaceleración clara durante 2024–2025. Es decir, los precios continúan aumentando, pero a un ritmo menor que el observado en el periodo de alta inflación (2021–2023). Esta moderación inflacionaria es consistente con un entorno económico menos dinámico, donde la demanda agregada se ajusta y reduce presiones sobre los precios, lo cual también se alinea con el comportamiento más débil del consumo energético y la producción industrial.
Al relacionar las tres variables, se evidencia una conexión directa entre actividad económica y consumo energético, donde la desaceleración del IPIR_CALI se traduce en un menor impulso sobre ENER_CALI. A su vez, la moderación del IPC sugiere que el entorno macroeconómico está transitando hacia una fase de mayor equilibrio, aunque con menor crecimiento. En conjunto, los gráficos muestran que, mientras la economía real (industria y consumo de energía) pierde fuerza, la variable de precios responde con rezago, desacelerando, pero sin caer.
En términos agregados, estas dinámicas reflejan señales mixtas para el sector energético: por un lado, la desaceleración del IPIR_CALI y del consumo de energía apunta a un entorno menos favorable en términos de demanda, lo que puede limitar el crecimiento del sector; por otro, la moderación del IPC reduce presiones inflacionarias, lo que puede contribuir a una mayor estabilidad en costos y tarifas. Desde una perspectiva histórica, se observa que estas tres variables tienden a moverse de forma sincronizada en fases del ciclo económico: periodos de expansión muestran aumentos simultáneos en producción industrial y consumo energético, mientras que fases de desaceleración, como la actual, evidencian un enfriamiento conjunto, aunque con diferentes velocidades de ajuste.
De cara a enero de 2026, el comportamiento observado en los últimos meses de 2025 abre dos posibles escenarios. Si la desaceleración en el consumo de energía y en la producción industrial se mantiene, es probable que se observe un inicio de año con crecimiento bajo o incluso ligeramente negativo en estas variables, reflejando un arranque económico débil. Por su parte, el IPC podría continuar su proceso de desaceleración gradual, manteniéndose en terreno positivo, pero con menores tasas de crecimiento. No obstante, si los últimos descensos responden a factores transitorios (como estacionalidad o ajustes de cierre de año), también es posible un rebote moderado en enero de 2026, especialmente en energía e industria, lo que dependerá del comportamiento de la demanda y las condiciones macroeconómicas al inicio del nuevo año.
Analizar la tasa de crecimiento anual ayuda a detectar cambios en el entorno económico que afectan el sector. Se pueden prever crisis o períodos de auge y prepararse para ellos.
Modelo ARIMA
División en conjunto de entrenamiento y prueba para la variable 1 Consumo de energia (pequeñas y grandes empresas) en Cali (ENER_CALI) que es la elegida para pronosticar
El código siguiente divide una serie temporal (variable1_ts) en dos subconjuntos:
Conjunto de entrenamiento (train): Datos desde enero de 2012 hasta agosto de 2025. Conjunto de prueba (test): Datos desde septiembre de 2025 hasta diciembre de 2025.
Esto se hace para evaluar el desempeño de modelos de predicción en datos no vistos.
Modelo ARIMA automático normal (sin tener en cuenta el factor estacional)
Identificación automática del modelo ARIMA
## Series: train_ts
## ARIMA(1,1,0)
##
## Coefficients:
## ar1
## -0.2986
## s.e. 0.0745
##
## sigma^2 = 1.113e+13: log likelihood = -2679.18
## AIC=5362.36 AICc=5362.44 BIC=5368.55
##
## Training set error measures:
## ME RMSE MAE MPE MAPE MASE ACF1
## Training set 10073.07 3316460 2318110 -0.1399202 3.360603 0.5672901 0.01205444Estimación del modelo identificado automatico y validación de Significancia de coeficientes
##
## z test of coefficients:
##
## Estimate Std. Error z value Pr(>|z|)
## ar1 -0.298560 0.074543 -4.0052 6.197e-05 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1## Series: train_ts
## ARIMA(4,1,1)
##
## Coefficients:
## ar1 ar2 ar3 ar4 ma1
## 0.5262 0.2599 -0.1251 -0.0674 -0.8639
## s.e. 0.1372 0.0926 0.0886 0.0918 0.1173
##
## sigma^2 = 1.071e+13: log likelihood = -2674.19
## AIC=5360.38 AICc=5360.92 BIC=5378.94
##
## Training set error measures:
## ME RMSE MAE MPE MAPE MASE ACF1
## Training set 6151.485 3212699 2223984 -0.1851035 3.214654 0.5442554 0.002598181Aunque el procedimiento automático de selección sugirió un modelo ARIMA(1,1,0), el análisis comparativo evidenció que el modelo ARIMA(4,1,1) presenta un mejor ajuste para la serie. En particular, el ARIMA(4,1,1) logra capturar con mayor precisión la dinámica observada, reflejando de forma más adecuada la persistencia temporal y las fluctuaciones del consumo.
Validación de residuales o errores del modelo
##
## Ljung-Box test
##
## data: Residuals from ARIMA(4,1,1)
## Q* = 71.329, df = 19, p-value = 5.522e-08
##
## Model df: 5. Total lags used: 24Pronóstico modelo ARIMA automático dentro de muestra o en el set de prueba
Interpretación modelo automatico (4,1,1): El gráfico de pronóstico vs observado para los meses de septiembre a diciembre de 2025 evidencia que el modelo ARIMA logra aproximarse al nivel general de la serie, pero presenta dificultades para capturar la dinámica reciente. En septiembre, el valor pronosticado es bastante cercano al observado, lo que indica un buen ajuste en un contexto donde la serie aún no presenta cambios abruptos.
Sin embargo, en octubre de 2025 ya se observa una primera desviación relevante: mientras el valor observado muestra un incremento, el modelo proyecta una leve disminución. Esto confirma que el modelo no logra anticipar este punto de inflexión de corto plazo, manteniendo una trayectoria suavizada basada en la tendencia previa.
La mayor divergencia se presenta en noviembre y diciembre, donde el comportamiento observado evidencia una caída pronunciada, mientras que el modelo continúa proyectando una disminución gradual y mucho más moderada. En estos dos meses el modelo subestima claramente la magnitud del descenso, lo que refleja su incapacidad para capturar cambios bruscos en la serie.
Pronóstico automático dentro del set de prueba como tabla
## Fecha Observado Pronosticado
## 1 sept. 2025 70.970.345 70.681.572
## 2 oct. 2025 72.153.978 70.526.527
## 3 nov. 2025 67.742.630 70.572.817
## 4 dic. 2025 66.073.611 70.558.997Ahora pronosticamos con el modelo automatico fuera del periodo de análisis, es decir enero 2026
Es decir, le sumamos al periodo de prueba una observación más. Es decir, se estan pronosticando 5 observaciones.
## Fecha Pronostico
## 1 sept. 2025 70.681.572
## 2 oct. 2025 70.526.527
## 3 nov. 2025 70.572.817
## 4 dic. 2025 70.558.997
## 5 ene. 2026 70.563.123## [1] "Pronostico ene. 2026 = 70.563.123"Modelo SARIMA automático
Este modelo podria ser una solución o mejora al modelo arima tradicional ya que recoge el efecto estacional de las variables, es recomendable por tanto para datos que si tienen un componente estacional fuerte.
El modelo ajustado en este ejemplo es un SARIMA(4,1,1)(1,1,1)[12], lo que significa:
(4,1,1): Parte ARIMA no estacional: 4 términos autorregresivos (AR). 1 diferenciación (d), lo que indica que la serie fue diferenciada una vez para hacerla estacionaria. 1 término de media móvil (MA).
(1,1,1)[12]: Parte estacional con periodicidad 12 (mensual si los datos son mensuales): 1 término autorregresivo estacional (SAR). 1 diferenciaciones estacionales. 1 términos de media móvil estacionales (SMA).
Identificación automática del modelo SARIMA
## Series: train_ts
## ARIMA(1,1,0)(1,0,0)[12]
##
## Coefficients:
## ar1 sar1
## -0.1489 0.5012
## s.e. 0.0821 0.0716
##
## sigma^2 = 8.53e+12: log likelihood = -2658.65
## AIC=5323.31 AICc=5323.46 BIC=5332.59A continuación, se crea el objeto darima para luego poder graficar los valores reales y observados:
## Series: train_ts
## ARIMA(4,1,1)(1,1,1)[12]
##
## Coefficients:
## ar1 ar2 ar3 ar4 ma1 sar1 sma1
## 0.8350 0.0721 -0.0757 -0.0457 -0.9271 0.2331 -0.9998
## s.e. 0.1072 0.1074 0.1082 0.0887 0.0783 0.0925 0.2010
##
## sigma^2 = 6.655e+12: log likelihood = -2453.54
## AIC=4923.09 AICc=4924.1 BIC=4947.23
##
## Training set error measures:
## ME RMSE MAE MPE MAPE MASE
## Training set -172449.8 2417336 1547008 -0.3391419 2.235825 0.3785853
## ACF1
## Training set -0.0008643312Aunque el procedimiento automático sugirió un modelo ARIMA(1,1,0)(1,0,0), el análisis comparativo mostró que el modelo SARIMA(4,1,1)(1,1,1) ofrece un mejor ajuste para la serie. En particular, esta especificación captura de forma más adecuada tanto la dinámica de corto plazo como la estacionalidad presente en los datos, incorporando una estructura más rica en términos autorregresivos y de medias móviles, así como una diferenciación estacional que permite estabilizar mejor la serie.
Validación de residuales del modelo automatico SARIMA
En el correlograma de residuos siguiente se observa que, mejora la correlación de los residuos frente al modelo anterior. Por lo que se observa mejor el modelo Sarima (4,1,1)(1,1,1)
##
## Ljung-Box test
##
## data: Residuals from ARIMA(4,1,1)(1,1,1)[12]
## Q* = 10.189, df = 17, p-value = 0.8955
##
## Model df: 7. Total lags used: 24Pronóstico con el modelo SARIMA dentro del set de prueba-Gráfico líneas
El gráfico de pronóstico vs observado para el periodo que comprende de septiembre a diciembre de 2025 muestra que el modelo logra seguir de manera adecuada la tendencia general del comportamiento de la serie, especialmente en términos de dirección. En los meses de septiembre y octubre, el pronóstico se mantiene cercano a los valores observados, aunque con una ligera subestimación, lo que indica un buen ajuste en un contexto de relativa estabilidad.
A partir de noviembre, se evidencia un cambio importante en la dinámica de la serie, caracterizado por una caída en los valores observados. El modelo logra captar este cambio en la dirección, reflejando también una disminución en el pronóstico, lo que sugiere que incorpora parcialmente la nueva tendencia. Sin embargo, en diciembre de 2025 se presenta la mayor discrepancia: aunque el modelo mantiene la trayectoria descendente, no logra capturar la magnitud real de la caída, proyectando un valor considerablemente más alto que el observado.
En conjunto, el gráfico sugiere que el modelo es capaz de representar la evolución general de la serie y sus cambios de tendencia, pero presenta dificultades para reflejar con precisión movimientos bruscos de corto plazo, especialmente cuando estos ocurren de manera reciente y pronunciada.
Pronóstico del modelo automático SARIMA en el set de prueba-Tabla
## Fecha Observado Pronosticado
## 1 sept. 2025 70.970.345 70.450.636
## 2 oct. 2025 72.153.978 70.438.691
## 3 nov. 2025 67.742.630 68.077.830
## 4 dic. 2025 66.073.611 68.850.539Pronóstico del modelo automático SARIMA fuera de muestra, es decir, en enero 2026
Es decir, le sumamos al periodo de prueba una observación más. Es decir, se estan pronosticando 5 observaciones o meses.
## Fecha Pronostico
## 1 sept. 2025 70.450.636
## 2 oct. 2025 70.438.691
## 3 nov. 2025 68.077.830
## 4 dic. 2025 68.850.539
## 5 ene. 2026 70.334.332## [1] "Pronostico para ene. 2026 = 70.334.332"Tasas de Crecimiento Variable ENER_CALI - Pronostico 2026 versus Diciembre 2025 y Enero 2025
Pronostico Enero 2026: 70.334.332. Diciembre 2025: 66.073.611 Enero 2025: 70.795.797
Tasa de crecimiento mensual(Enero 2026 - Diciembre 2025): 6,45% Tasa de crecimiento Anual (Enero 2026 - Enero 2025): -0,65%
El pronóstico para enero de 2026 (70.334.332) muestra una recuperación mensual de 6,45% frente a diciembre de 2025, lo que sugiere un repunte tras la caída de fin de año. Sin embargo, en términos anuales presenta una leve disminución de -0,65%, indicando que el consumo aún no supera los niveles de enero de 2025.
Para Empresas Municipales de Cali (EMCALI), esto implica un escenario de recuperación de corto plazo pero con crecimiento débil, donde los ingresos pueden mejorar temporalmente, aunque persiste una señal de menor dinamismo en la demanda energética.
Evaluación del Modelo
El desempeño del modelo es adecuado para capturar la tendencia promedio y la estacionalidad, pero limitado para anticipar cambios recientes de corto plazo. Esto se evidenció en los últimos meses de 2025 (subestimación de la caída) y se confirma con el dato real de enero de 2026, donde el modelo proyectaba una recuperación mientras que la realidad mostró una disminución. En consecuencia, el modelo presenta sesgo en la dirección del cambio cuando ocurren puntos de inflexión recientes y responde con rezago, por lo que es confiable en contextos estables, pero menos preciso ante giros abruptos.
Adicionalmente, este comportamiento puede explicarse por la dinámica histórica de la serie: aunque el mes de diciembre no sigue un patrón fijo presentando aumentos en algunos años y caídas en otros, se observa que en 9 de los 14 años analizados el consumo creció frente a noviembre. Esta predominancia, aunque no determinística, lleva al modelo a inclinarse hacia escenarios de crecimiento en dicho periodo. Sin embargo, cuando el comportamiento reciente rompe con esta regularidad, como ocurrió en diciembre de 2025, se generan desviaciones entre los valores estimados y los observados.
Implicaciones del Pronóstico para Emcali
El pronóstico sugería una recuperación de la demanda hacia finales de 2025 e inicio de 2026; sin embargo, al no materializarse (y observarse una caída real), se genera un riesgo operativo y financiero relevante para Empresas Municipales de Cali (EMCALI). En particular, si la empresa planificó sus compras de energía bajo un escenario de mayor consumo, podría terminar con excedentes de energía contratada o con una programación que no coincide con la demanda efectiva.
En este contexto, EMCALI podría verse obligada a ajustar su posición en el mercado, ya sea liquidando excedentes o cubriendo desbalances a través de la bolsa de energía, lo que implica exposición a mayor volatilidad de precios. Dependiendo de las condiciones del mercado, esto puede traducirse en costos adicionales o menores márgenes, afectando la eficiencia financiera de la operación.
En conclusión, el desvío entre pronóstico y realidad no solo refleja una limitación del modelo, sino que también puede tener impactos directos en la gestión comercial y de compras de energía, resaltando la importancia de complementar los pronósticos con monitoreo continuo y ajustes oportunos para reducir la exposición a riesgos de mercado.
Conclusión Modelos Arima - Sarima
En términos generales, ambos modelos logran representar de manera adecuada la tendencia promedio y la dinámica histórica de la serie, mostrando un buen desempeño cuando el comportamiento es relativamente estable. En particular, el modelo SARIMA aporta una mejora al incorporar la estructura estacional, lo que le permite ajustar mejor la forma del pronóstico y seguir con mayor precisión la dirección de los cambios en comparación con el modelo ARIMA, especialmente en meses como septiembre y octubre de 2025, donde las estimaciones se aproximan razonablemente a los valores observados.
No obstante, a partir de noviembre de 2025 se evidencia una limitación compartida: aunque ambos modelos logran captar el cambio en la dirección de la serie, comienzan a presentar desviaciones en la magnitud del ajuste. Esta situación se acentúa en diciembre de 2025, donde ninguno de los dos modelos logra reflejar la intensidad real de la caída observada, generando errores más pronunciados. En este sentido, los resultados son consistentes con el análisis de tendencia, tasas de crecimiento y residuos, evidenciando que ambos enfoques presentan un comportamiento inercial, es decir, dependen fuertemente de patrones históricos y, por tanto, reaccionan con rezago ante nuevas dinámicas, particularmente cuando estas se manifiestan en periodos recientes.
En conclusión, aunque el modelo SARIMA muestra un mejor desempeño relativo al capturar la estacionalidad y mejorar el ajuste general, ninguno de los dos modelos es completamente suficiente para anticipar cambios abruptos de corto plazo. Esto se hace evidente en el análisis mensual: mientras el ajuste es adecuado en septiembre y octubre, comienza a deteriorarse en noviembre y presenta su mayor limitación en diciembre de 2025, lo que sugiere que sus pronósticos deben interpretarse con cautela en contextos de alta variabilidad o posibles puntos de inflexión.
¿Qué decisiones debería tomar la empresa?
Empresas Municipales de Cali (EMCALI) debería ajustar su planeación de compras de energía bajo un enfoque conservador, considerando la evidencia de desaceleración en el consumo y la sobreestimación del modelo en los últimos meses. Esto implica evitar sobrecontrataciones que puedan generar excedentes y exposición en el mercado (Bolsa), y priorizar esquemas de contratación más flexibles que permitan reaccionar ante cambios recientes en la demanda. Asimismo, es clave fortalecer el monitoreo mensual de la demanda real, comparando continuamente pronóstico vs. observado para recalibrar decisiones operativas en tiempo casi real.
En un horizonte de mediano plazo, la empresa debería incorporar de manera sistemática variables como el IPIR_CALI y el IPC dentro de su proceso de planeación, dado que estas ofrecen señales anticipadas sobre el comportamiento del consumo energético. Una desaceleración industrial o una moderación en la inflación pueden advertir cambios en la demanda, permitiendo ajustar estrategias antes de que el impacto se materialice completamente. Esto implica avanzar hacia modelos multivariados y no depender únicamente de proyecciones basadas en series históricas del consumo.
Adicionalmente, EMCALI debería fortalecer su gestión del riesgo energético, diversificando sus fuentes de abastecimiento y combinando contratos de largo plazo con exposiciones controladas al mercado de corto plazo. Este balance permitiría aprovechar oportunidades de precios cuando el mercado sea favorable, sin comprometer la estabilidad financiera en escenarios de alta volatilidad. También es recomendable implementar escenarios de sensibilidad, evaluando cómo variaciones en la demanda afectan los costos y márgenes.
Finalmente, es fundamental desarrollar una estrategia de adaptación operativa y analítica, que incluya la actualización periódica de modelos, la incorporación de información reciente y la validación constante de supuestos. Dado que los modelos mostraron limitaciones para capturar puntos de inflexión recientes, la empresa debe complementar el análisis cuantitativo con criterio económico y seguimiento del entorno. Esto permitirá tomar decisiones más robustas, reducir errores de pronóstico y mejorar la capacidad de respuesta ante cambios en el comportamiento del mercado energético.
¿Qué riesgos u oportunidades se identifican?
El principal riesgo es la sobrecompra de energía, que puede llevar a la empresa a quedar expuesta a la bolsa para liquidar excedentes a precios menos favorables, afectando sus márgenes. Este riesgo se incrementa en contextos de desaceleración económica, donde la demanda es más incierta.
Otro riesgo importante es la volatilidad de precios en el mercado energético, especialmente si la empresa debe cubrir diferencias entre oferta y demanda en el corto plazo. Esto puede generar impactos financieros relevantes si no se cuenta con estrategias de cobertura adecuadas.
Otro riesgo relevante es el riesgo de descalce entre la demanda real y las proyecciones internas, especialmente cuando se presentan puntos de inflexión recientes que los modelos no logran capturar oportunamente. Este desajuste puede traducirse en decisiones operativas ineficientes, como compras innecesarias o falta de cobertura en momentos críticos, afectando tanto la liquidez como la estabilidad financiera.
Por otro lado, también se identifican oportunidades estratégicas importantes. La desaceleración en la demanda puede permitir a la empresa optimizar su portafolio de contratos, renegociar condiciones y buscar esquemas más flexibles que reduzcan costos en escenarios de menor consumo. Asimismo, la integración de variables económicas en el análisis abre la posibilidad de desarrollar modelos predictivos más robustos, mejorando la precisión de los pronósticos y fortaleciendo la toma de decisiones. En este contexto, EMCALI puede posicionarse de manera más competitiva si logra anticipar tendencias y ajustar su estrategia de compra y comercialización de energía de forma proactiva.
¿Cómo prepararse para el futuro cercano?
La empresa debe implementar un sistema de monitoreo continuo y estructurado de indicadores clave, como el consumo de energía, el comportamiento del sector industrial (IPIR) y la inflación (IPC), con el fin de anticipar cambios en la demanda. Este seguimiento debe integrarse en tableros de control que permitan visualizar tendencias en tiempo real y detectar señales de desaceleración o recuperación. De esta forma, las decisiones operativas y comerciales se basarán en información actualizada y no únicamente en proyecciones históricas.
Asimismo, es recomendable trabajar con escenarios múltiples (optimista, base y pesimista) que contemplen distintos contextos económicos y comportamientos de la demanda. Esto permitirá a la empresa prepararse ante variaciones inesperadas, definiendo planes de acción específicos para cada escenario, especialmente en lo relacionado con la compra de energía y la exposición al mercado. La planeación por escenarios reduce la incertidumbre y mejora la capacidad de respuesta ante cambios en el entorno.
Adicionalmente, es clave desarrollar mecanismos de alerta temprana que identifiquen desviaciones significativas entre lo proyectado y lo observado. Estas alertas deben activarse automáticamente cuando se detecten cambios relevantes en la tendencia del consumo o en las variables económicas, permitiendo realizar ajustes oportunos en la estrategia de compras, contratos y operación. Esto es fundamental para evitar decisiones tardías que incrementen la exposición al riesgo.
Finalmente, la empresa debería fortalecer su capacidad analítica y de modelación, incorporando herramientas más avanzadas que integren múltiples variables y se actualicen de manera frecuente. Complementar los modelos tradicionales con análisis económico y juicio experto permitirá una mejor interpretación de los resultados y una mayor anticipación de puntos de inflexión. En conjunto, estas acciones contribuirán a una gestión más flexible, informada y resiliente frente a los cambios del mercado energético.
Recomendaciones estratégicas
Para Empresas Municipales de Cali (EMCALI), es fundamental que la estrategia no dependa únicamente del histórico del consumo, sino que integre de forma sistemática las tres variables analizadas: consumo de energía (ENER_CALI), actividad industrial (IPIR_CALI) e inflación (IPC). En particular, el IPIR puede funcionar como un indicador adelantado de la demanda energética empresarial, mientras que el IPC refleja el entorno macroeconómico y la capacidad de consumo. Incorporar estas variables en el monitoreo y en los modelos de proyección permitirá anticipar cambios en la demanda con mayor precisión.
Adicionalmente, se recomienda implementar un esquema de planeación dinámica, en el cual las decisiones de compra de energía se ajusten periódicamente con base en la evolución conjunta de estas variables. Por ejemplo, señales de desaceleración en el IPIR acompañadas de un IPC moderado podrían anticipar una menor demanda energética, lo que justificaría una reducción en la contratación de energía o una mayor cautela en la exposición a mercado.
Asimismo, la empresa debería fortalecer el uso de modelos integrados o multivariados, que permitan capturar la relación entre el consumo energético, la actividad económica y la inflación, en lugar de depender exclusivamente de modelos univariados. Esto ayudaría a mejorar la capacidad de anticipar puntos de inflexión y reducir errores en los pronósticos.
Finalmente, es clave complementar estas acciones con una gestión activa del riesgo, combinando diversificación en contratos, coberturas y monitoreo continuo del mercado. En conjunto, estas estrategias permitirán a EMCALI no solo reaccionar ante cambios recientes, sino también anticiparse a ellos, fortaleciendo su estabilidad operativa y financiera en el corto plazo.
Conclusión General
En conjunto, el análisis de las tres variables evidencia una relación coherente pero no homogénea en su comportamiento reciente. Tanto el consumo de energía (ENER_CALI) como el (IPIR_CALI) muestran dinámicas similares, caracterizadas por una recuperación posterior a 2020 y una desaceleración hacia 2024–2025, lo que refleja un menor dinamismo en la actividad productiva y empresarial. En contraste, el IPC mantiene una trayectoria creciente en niveles, aunque con una moderación en su tasa de crecimiento, lo que sugiere un entorno de menor presión inflacionaria pero aún con incrementos en precios.
Estas diferencias son relevantes, ya que evidencian que mientras la economía real (industria y consumo energético) muestra señales de enfriamiento, la variable de precios responde de forma más gradual y con rezago. En este sentido, el IPIR_CALI se consolida como una variable clave para explicar el comportamiento del consumo energético, dado que una menor actividad industrial tiende a traducirse directamente en una reducción de la demanda de energía.
En el ejercicio aplicado a Empresas Municipales de Cali (EMCALI), los modelos utilizados lograron capturar adecuadamente la tendencia y los patrones estacionales de la serie; sin embargo, evidenciaron limitaciones importantes frente a cambios recientes. En particular, el pronóstico para enero de 2026 anticipaba una recuperación del consumo, pero la realidad mostró una disminución adicional, confirmando que la desaceleración observada hacia finales de 2025 no era transitoria, sino que continuó en el inicio del nuevo año.
Este resultado pone de manifiesto que los modelos, aunque robustos en condiciones normales, pueden fallar en la identificación de puntos de inflexión recientes, especialmente cuando estos aún no se consolidan en la serie histórica. En consecuencia, la relación entre las variables y el comportamiento observado refuerza la importancia de complementar los modelos con análisis económico y monitoreo continuo.
En conclusión, el comportamiento conjunto de ENER_CALI, IPIR_CALI e IPC sugiere un escenario de menor dinamismo económico, donde la demanda energética se ve afectada por la desaceleración productiva, mientras que la inflación modera su crecimiento. Para EMCALI, esto implica la necesidad de adoptar enfoques más flexibles y multivariados que permitan anticipar mejor estos cambios, reduciendo el riesgo de decisiones basadas en proyecciones que no capturan completamente la dinámica reciente del mercado.