#Introduccion La compra de un vehículo es una decisión de alto valor depende de factores como los ingresos, el empleo y el acceso al crédito. A su vez, este mercado impulsa negocios complementarios, como la venta de accesorios y repuestos, cuya demanda está relacionada con la cantidad de vehículos vendidos y el gasto de sus propietarios.

#Contexto del sector y la empresa Para este análisis se plantea una empresa del sector de comercio internacional, ubicada en el Valle del Cauca y dedicada a la importación y comercialización de accesorios para vehículos, como sonido, luces, plumillas, papel polarizado, cámaras de reversa y tapetes. La empresa adquiere su mercancía en el exterior y la distribuye a almacenes y puntos de venta de la región.

#Justificacion de las variables Para entender la evolución del sector y anticipar escenarios se seleccionaron tres variables de la base de datos, con información mensual de enero de 2014 a diciembre de 2025:

Variable 1: Venta de vehículos nuevos (VEH) Las ventas de vehículos representan clientes potenciales para la compra de accesorios. Por tanto, cuando aumenta la venta de carros, también puede crecer la demanda de estos productos.

Variable 2: Importaciones totales del Valle del Cauca (M_V) La empresa se dedica a la importación y esta variable permite analizar el comportamiento del comercio exterior, así como factores que pueden afectar los costos y la llegada de mercancías..

Variable 3: Índice de Confianza del Consumidor en Cali (ICC_CALI) Esta variable refleja la percepción económica de los consumidores y su disposición a realizar compras, lo que permite anticipar posibles cambios en la demanda.

Instalar/Cargar librerias necesarias para el análisis

#Cargar librerías necesarias
library(readxl)  # Para leer archivos Excel
library(tseries)  # Para pruebas de estacionariedad
library(forecast)  # Para modelado ARIMA y pronósticos
library(ggplot2)  # Para visualización de datos
library(plotly)  # Para gráficos interactivos
library(timetk)   #timetk simplifica y acelera el análisis exploratorio, visualización, y preparación de datos temporales para modelado. Es ideal para quienes trabajan con series temporales en un flujo de trabajo "tidy" y buscan integrar análisis visuales, detección de patrones y forecasting en un solo paquete.

Cargar base de datos

library(readxl)
data_col <- read_excel("Base Caso2.xlsx", 
    col_types = c("date", "numeric", "numeric", 
        "numeric", "numeric", "numeric", 
        "numeric", "numeric", "numeric", 
        "numeric", "numeric", "numeric", 
        "numeric", "numeric", "numeric", 
        "numeric", "numeric", "numeric", 
        "numeric", "numeric", "numeric", 
        "numeric", "numeric", "numeric", 
        "numeric", "numeric", "numeric", 
        "numeric", "numeric", "numeric", 
        "numeric", "numeric", "numeric", 
        "numeric", "numeric", "numeric", 
        "numeric", "numeric", "numeric", 
        "numeric", "numeric", "numeric", 
        "numeric", "numeric", "numeric", 
        "numeric", "numeric", "numeric", 
        "numeric", "numeric", "numeric", 
        "numeric", "numeric", "numeric", 
        "numeric", "numeric", "numeric", 
        "numeric", "numeric", "numeric", 
        "numeric", "numeric"))

PASO INDISPENSABLE: Declarar la (s) variable (s) como serie (s) temporal (es):

Variable 1

# Convertir/declarar variable 1=ENER en serie de tiempo mensual
variable1_ts <- ts(data_col$VEH, start = c(2014, 1), frequency = 12)

Variable 2

# Convertir/declarar el ISE en serie de tiempo  mensual
variable2_ts <- ts(data_col$M_V, start = c(2014, 1), frequency = 12)

Variable 3

# Convertir/declarar las exportaciones de combustibles en serie de tiempo mensual
variable3_ts <- ts(data_col$ICC_CALI, start = c(2014, 1), frequency = 12)

Extracción de señales

Gráfico inicial de la variable 1 en niveles -Original

library(ggplot2)
library(plotly)

# Convertir la serie temporal a un vector numérico para lograr graficar con ggplot2
data_col$variable1 <- as.numeric(variable1_ts)

# Crear el gráfico
grafico_serie <- ggplot(data_col, aes(x = seq.Date(from = as.Date("2014-01-01"), by = "month", length.out = nrow(data_col)), 
                                      y = variable1)) +
  geom_line(color = "grey", linewidth = 0.4) +  # Cambiado 'size' por 'linewidth'
  geom_point(color = "black", size = 0.1) +
  ggtitle("Variable 1: Serie original") +
  xlab("Tiempo") +
  ylab("Unidad Variable 1") +
  theme_minimal()

ggplotly(grafico_serie)

Extracción señales variable 1

# Cargar librerías necesarias
library(ggplot2)
library(plotly)

# Descomposición de la serie temporal
stl_decomp_var1 <- stl(variable1_ts, s.window = "periodic")

# Convertir la descomposición a un data frame para graficar con ggplot2
stl_df_var1 <- data.frame(
  Time = rep(time(variable1_ts), 4),  # Tiempo repetido para cada componente (son 4 componentes)
  Value = c(stl_decomp_var1$time.series[, "seasonal"], 
            stl_decomp_var1$time.series[, "trend"], 
            stl_decomp_var1$time.series[, "remainder"], 
            variable1_ts),
  Component = rep(c("Estacional", "Tendencia", "Residuo", "Serie Original"), each = length(variable1_ts))
)

# Crear gráfico con ggplot2
p <- ggplot(stl_df_var1, aes(x = Time, y = Value, color = Component)) +
  geom_line() +
  facet_wrap(~Component, scales = "free_y", ncol = 1) + 
  theme_minimal() +
  labs(title = "Descomposición temporal de la variable 1",
       x = "Tiempo",
       y = "Valor")

# Convertir a gráfico interactivo con plotly
ggplotly(p)

Extracción señales variable 2

# Cargar librerías necesarias
library(ggplot2)
library(plotly)

# Descomposición de la serie temporal
stl_decomp_var2 <- stl(variable2_ts, s.window = "periodic")

# Convertir la descomposición a un data frame para graficar con ggplot2
stl_df_var2 <- data.frame(
  Time = rep(time(variable2_ts), 4),  # Tiempo repetido para cada componente
  Value = c(stl_decomp_var2$time.series[, "seasonal"], 
            stl_decomp_var2$time.series[, "trend"], 
            stl_decomp_var2$time.series[, "remainder"], 
            variable2_ts),
  Component = rep(c("Estacional", "Tendencia", "Residuo", "Serie Original"), each = length(variable2_ts))
)

# Crear gráfico con ggplot2
p <- ggplot(stl_df_var2, aes(x = Time, y = Value, color = Component)) +
  geom_line() +
  facet_wrap(~Component, scales = "free_y", ncol = 1) + 
  theme_minimal() +
  labs(title = "Descomposición temporal de la variable 2",
       x = "Tiempo",
       y = "Valor")

# Convertir a gráfico interactivo con plotly
ggplotly(p)

Extracción señales variable 3

# Cargar librerías necesarias
library(ggplot2)
library(plotly)

# Descomposición de la serie temporal
stl_decomp_var3 <- stl(variable3_ts, s.window = "periodic")

# Convertir la descomposición a un data frame para graficar con ggplot2
stl_df_var3 <- data.frame(
  Time = rep(time(variable3_ts), 4),  # Tiempo repetido para cada componente
  Value = c(stl_decomp_var3$time.series[, "seasonal"], 
            stl_decomp_var3$time.series[, "trend"], 
            stl_decomp_var3$time.series[, "remainder"], 
            variable3_ts),
  Component = rep(c("Estacional", "Tendencia", "Residuo", "Serie Original"), each = length(variable3_ts))
)

# Crear gráfico con ggplot2
p <- ggplot(stl_df_var3, aes(x = Time, y = Value, color = Component)) +
  geom_line() +
  facet_wrap(~Component, scales = "free_y", ncol = 1) + 
  theme_minimal() +
  labs(title = "Descomposición temporal de la variable 3",
       x = "Tiempo",
       y = "Valor")

# Convertir a gráfico interactivo con plotly
ggplotly(p)

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 ajustada por estacionalidad

# Extraer los componentes de la descomposición
variable1_sa <- variable1_ts - stl_decomp_var1$time.series[, "seasonal"]

Se crea la variable2 ajustada por estacionalidad

# Extraer los componentes de la descomposición
variable2_sa <- variable2_ts - stl_decomp_var2$time.series[, "seasonal"]

Se crea la variable3 ajustada por estacionalidad

# Extraer los componentes de la descomposición
variable3_sa <- variable3_ts - stl_decomp_var3$time.series[, "seasonal"]

Ahora si se puede graficar las series originales versus la ajustada por estacionalidad

Gráfico serie original VS ajustada Variable 1

# Crear vector de fechas correctamente alineado con la serie
fechas_var1 <- seq.Date(from = as.Date("2014-01-01"), by = "month", length.out = length(variable1_ts))

# Gráfico mejorado con fechas en el eje X
grafico_ajustada_var1 <- ggplot() +
  geom_line(aes(x = fechas_var1, y = variable1_ts), color = "grey", size = 0.5, linetype = "solid", name = "Serie Original") +
  geom_line(aes(x = fechas_var1, y = variable1_sa), color = "black", size = 0.6, linetype = "solid", name = "Serie Ajustada") +
  ggtitle("Variable 1:Serie Original vs Serie Ajustada por Estacionalidad") +
  xlab("Tiempo") +
  ylab("Unidad de medida variable 1") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) # Rotar etiquetas para mejor visualización

# Convertir a gráfico interactivo
ggplotly(grafico_ajustada_var1)

Gráfico serie original VS ajustada Variable 2

# Crear vector de fechas correctamente alineado con la serie
fechas_var2 <- seq.Date(from = as.Date("2014-01-01"), by = "month", length.out = length(variable2_ts))

# Gráfico mejorado con fechas en el eje X
grafico_ajustada_var2 <- ggplot() +
  geom_line(aes(x = fechas_var2, y = variable2_ts), color = "grey", size = 0.5, linetype = "solid", name = "Serie Original") +
  geom_line(aes(x = fechas_var2, y = variable2_sa), color = "black", size = 0.6, linetype = "solid", name = "Serie Ajustada") +
  ggtitle("Variable 2:Serie Original vs Serie Ajustada por Estacionalidad") +
  xlab("Tiempo") +
  ylab("Unidad de medida variable 2") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) # Rotar etiquetas para mejor visualización

# Convertir a gráfico interactivo
ggplotly(grafico_ajustada_var2)

Gráfico serie original VS ajustada Variable 3

# Crear vector de fechas correctamente alineado con la serie
fechas_var3 <- seq.Date(from = as.Date("2014-01-01"), by = "month", length.out = length(variable3_ts))

# Gráfico mejorado con fechas en el eje X
grafico_ajustada_var3 <- ggplot() +
  geom_line(aes(x = fechas_var3, y = variable3_ts), color = "grey", size = 0.5, linetype = "solid", name = "Serie Original") +
  geom_line(aes(x = fechas_var3, y = variable3_sa), color = "black", size = 0.6, linetype = "solid", name = "Serie Ajustada") +
  ggtitle("Variable 3:Serie Original vs Serie Ajustada por Estacionalidad") +
  xlab("Tiempo") +
  ylab("Unidad de medida variable 3") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) # Rotar etiquetas para mejor visualización

# Convertir a gráfico interactivo
ggplotly(grafico_ajustada_var3)

Ahora graficamos serie original vs tendencia

Primero se debe obtener la tendencia de cada variable y luego graficarla

Tendencia Variable 1

library(ggplot2)
library(plotly)

# Convertir la serie a un vector numérico
variable1_vec <- as.numeric(variable1_ts)
tendencia_var1 <- as.numeric(stl_decomp_var1$time.series[, "trend"])

# Asegurar que 'fechas' tenga la misma longitud
fechas <- seq.Date(from = as.Date("2014-01-01"), by = "month", length.out = length(variable1_ts))

# Gráfico interactivo de la serie original vs tendencia
grafico_tendencia_var1 <- ggplot() +
  geom_line(aes(x = fechas, y = variable1_vec, color = "Serie Original"), size = 0.7, linetype = "solid") +
  geom_line(aes(x = fechas, y = tendencia_var1, color = "Tendencia"), size = 0.8, linetype = "solid") +
  scale_color_manual(values = c("Serie Original" = "grey", "Tendencia" = "black")) +
  ggtitle("Variable 1: Serie Original vs Tendencia") +
  xlab("Tiempo") +
  ylab("Unidad de medida Variable 1") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) # Rotar etiquetas del eje X

# Convertir a gráfico interactivo con plotly
ggplotly(grafico_tendencia_var1)

Tendencia Variable 2

library(ggplot2)
library(plotly)

# Convertir la serie a un vector numérico
variable2_vec <- as.numeric(variable2_ts)
tendencia_var2 <- as.numeric(stl_decomp_var2$time.series[, "trend"])

# Asegurar que 'fechas' tenga la misma longitud
fechas <- seq.Date(from = as.Date("2014-01-01"), by = "month", length.out = length(variable2_ts))

# Gráfico interactivo de la serie original vs tendencia
grafico_tendencia_var2 <- ggplot() +
  geom_line(aes(x = fechas, y = variable2_vec, color = "Serie Original"), size = 0.7, linetype = "solid") +
  geom_line(aes(x = fechas, y = tendencia_var2, color = "Tendencia"), size = 0.8, linetype = "solid") +
  scale_color_manual(values = c("Serie Original" = "grey", "Tendencia" = "black")) +
  ggtitle("Variable 2: Serie Original vs Tendencia") +
  xlab("Tiempo") +
  ylab("Unidad de medida Variable 2") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) # Rotar etiquetas del eje X

# Convertir a gráfico interactivo con plotly
ggplotly(grafico_tendencia_var2)

Tendencia Variable 3

library(ggplot2)
library(plotly)

# Convertir la serie a un vector numérico
variable3_vec <- as.numeric(variable3_ts)
tendencia_var3 <- as.numeric(stl_decomp_var3$time.series[, "trend"])

# Asegurar que 'fechas' tenga la misma longitud
fechas <- seq.Date(from = as.Date("2014-01-01"), by = "month", length.out = length(variable3_ts))

# Gráfico interactivo de la serie original vs tendencia
grafico_tendencia_var3 <- ggplot() +
  geom_line(aes(x = fechas, y = variable3_vec, color = "Serie Original"), size = 0.7, linetype = "solid") +
  geom_line(aes(x = fechas, y = tendencia_var3, color = "Tendencia"), size = 0.8, linetype = "solid") +
  scale_color_manual(values = c("Serie Original" = "grey", "Tendencia" = "black")) +
  ggtitle("Variable 3: Serie Original vs Tendencia") +
  xlab("Tiempo") +
  ylab("Unidad de medida Variable 3") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) # Rotar etiquetas del eje X

# Convertir a gráfico interactivo con plotly
ggplotly(grafico_tendencia_var3)

Ahora calculamos la tasa de crecimiento de la serie original vs tendencia:

Diferencia anual de la serie de tendencia y original para la variable 1

# Variable 1 (VEH): diferencia anual en número de vehículos (t - (t-12))
diferencia_anual_var1 <- variable1_ts[13:length(variable1_ts)] - variable1_ts[1:(length(variable1_ts) - 12)]
diferencia_tendencia_var1 <- tendencia_var1[13:length(tendencia_var1)] - tendencia_var1[1:(length(tendencia_var1) - 12)]

# Vector de fechas: inicia en enero 2015 (12 meses después del inicio de la serie)
fechas_corregidas_var1 <- seq(from = as.Date("2015-01-01"), by = "month", length.out = length(diferencia_anual_var1))

# Verificar longitudes
print(length(fechas_corregidas_var1))
## [1] 132
print(length(diferencia_anual_var1))
## [1] 132
print(length(diferencia_tendencia_var1))
## [1] 132

*Gráfico variable original y tendencia variable 1: tasa de crecimiento anual**

Gráfico variable original y tendencia variable 1: diferencia anual

library(ggplot2)
library(plotly)

# Gráfico de la diferencia anual variable 1
grafico_diferencia_var1 <- ggplot() +
  geom_line(aes(x = fechas_corregidas_var1, y = diferencia_anual_var1), color = "grey", size = 0.7) +
  geom_line(aes(x = fechas_corregidas_var1, y = diferencia_tendencia_var1), color = "black", size = 0.8, linetype = "dashed") +
  geom_hline(yintercept = 0, color = "red", linetype = "dotted") +
  ggtitle("Variable 1: Diferencia anual de la serie original y la tendencia") +
  xlab("Tiempo") +
  ylab("Diferencia anual (número de vehículos)") +
  theme_minimal()

# Convertir a gráfico interactivo
ggplotly(grafico_diferencia_var1)

Diferencia anual de la serie original vs tendencia: variable 2

# Variable 2 (M_V): diferencia anual en millones de dólares FOB (t - (t-12))
diferencia_anual_var2 <- (variable2_ts[13:length(variable2_ts)] - variable2_ts[1:(length(variable2_ts) - 12)]) / 1e6
diferencia_tendencia_var2 <- (tendencia_var2[13:length(tendencia_var2)] - tendencia_var2[1:(length(tendencia_var2) - 12)]) / 1e6

# Vector de fechas: inicia en enero 2015 (12 meses después del inicio de la serie)
fechas_corregidas_var2 <- seq(from = as.Date("2015-01-01"), by = "month", length.out = length(diferencia_anual_var2))

# Verificar longitudes
print(length(fechas_corregidas_var2))
## [1] 132
print(length(diferencia_anual_var2))
## [1] 132
print(length(diferencia_tendencia_var2))
## [1] 132

Gráfico variable original y tendencia variable 2: diferencia anual

library(ggplot2)
library(plotly)

# Gráfico de la diferencia anual variable 2
grafico_diferencia_var2 <- ggplot() +
  geom_line(aes(x = fechas_corregidas_var2, y = diferencia_anual_var2), color = "grey", size = 0.7) +
  geom_line(aes(x = fechas_corregidas_var2, y = diferencia_tendencia_var2), color = "black", size = 0.8, linetype = "dashed") +
  geom_hline(yintercept = 0, color = "red", linetype = "dotted") +
  ggtitle("Variable 2: Diferencia anual de la serie original y la tendencia") +
  xlab("Tiempo") +
  ylab("Diferencia anual (millones de dólares FOB)") +
  theme_minimal()

# Convertir a gráfico interactivo
ggplotly(grafico_diferencia_var2)

Ahora calculamos la tasa de crecimiento de la serie original vs tendencia: variable 3

Diferencia anual de la serie original vs tendencia: variable 3

# Variable 3 (ICC_CALI): diferencia anual en puntos porcentuales (t - (t-12))
diferencia_anual_var3 <- variable3_ts[13:length(variable3_ts)] - variable3_ts[1:(length(variable3_ts) - 12)]
diferencia_tendencia_var3 <- tendencia_var3[13:length(tendencia_var3)] - tendencia_var3[1:(length(tendencia_var3) - 12)]

# Vector de fechas: inicia en enero 2015 (12 meses después del inicio de la serie)
fechas_corregidas_var3 <- seq(from = as.Date("2015-01-01"), by = "month", length.out = length(diferencia_anual_var3))

# Verificar longitudes
print(length(fechas_corregidas_var3))
## [1] 132
print(length(diferencia_anual_var3))
## [1] 132
print(length(diferencia_tendencia_var3))
## [1] 132

Gráfico variable original y tendencia variable 3: diferencia anual

library(ggplot2)
library(plotly)

# Gráfico de la diferencia anual variable 3
grafico_diferencia_var3 <- ggplot() +
  geom_line(aes(x = fechas_corregidas_var3, y = diferencia_anual_var3), color = "grey", size = 0.7) +
  geom_line(aes(x = fechas_corregidas_var3, y = diferencia_tendencia_var3), color = "black", size = 0.8, linetype = "dashed") +
  geom_hline(yintercept = 0, color = "red", linetype = "dotted") +
  ggtitle("Variable 3: Diferencia anual de la serie original y la tendencia") +
  xlab("Tiempo") +
  ylab("Diferencia anual (puntos porcentuales)") +
  theme_minimal()

# Convertir a gráfico interactivo
ggplotly(grafico_diferencia_var3)

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 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 2014 hasta septiembre de 2025. Conjunto de prueba (test): Datos desde octubre de 2025 hasta diciembre de 2025.

Esto se hace para evaluar el desempeño de modelos de predicción en datos no vistos.

# Esta división idealmente podria se 80%-70% de los datos para entrenamiento y 20%-30% para prueba o test

# En este ejemplo el conjunto de entrenamiento es: Enero 2014-Septiembre 2025 y  el conjunto de prueba o test: octubre 2025-diciembre 2025 

train_size <- length(variable1_ts) - 3 # Se deja fuera los últimos 3 valores para usarlos como set de prueba.
train_ts <- window(variable1_ts, end = c(2025, 9))  # Entrenamiento hasta septiembre 2025
test_ts <- window(variable1_ts, start = c(2025, 10))  # Prueba inicia desde oct2025

Modelo ARIMA automático normal (sin tener en cuenta el factor estacional)

PASO1: Identificación automática del modelo ARIMA

library(forecast)

# Ajustar un modelo ARIMA automático sin estacionalidad, por eso se pone seasonal=FALSE
auto_arima_model_no_seasonal <- auto.arima(train_ts, seasonal = FALSE)

# Mostrar el modelo seleccionado
summary(auto_arima_model_no_seasonal)
## Series: train_ts 
## ARIMA(1,1,2) 
## 
## Coefficients:
##          ar1      ma1     ma2
##       0.7868  -1.3908  0.4074
## s.e.  0.1099   0.1374  0.1263
## 
## sigma^2 = 17323892:  log likelihood = -1364.56
## AIC=2737.12   AICc=2737.42   BIC=2748.89
## 
## Training set error measures:
##                     ME     RMSE      MAE       MPE     MAPE      MASE
## Training set -365.2902 4102.735 2826.588 -62.22873 71.80022 0.7515198
##                     ACF1
## Training set -0.03511011

PASO2: Estimación del modelo identificado automatico y validación de Significancia de coeficientes

library(lmtest)

# Evaluar la significancia estadística de los coeficientes del modelo ARIMA
coeftest(auto_arima_model_no_seasonal)
## 
## z test of coefficients:
## 
##     Estimate Std. Error  z value  Pr(>|z|)    
## ar1  0.78683    0.10994   7.1567 8.264e-13 ***
## ma1 -1.39082    0.13740 -10.1224 < 2.2e-16 ***
## ma2  0.40739    0.12635   3.2243  0.001263 ** 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
# Ajuste del modelo ARIMA(1,1,2) automático sin parte estacional y crearlo como variable darima_auto para luego poder graficarlo y crear la tabla
darima_auto <- Arima(train_ts, 
                order = c(1, 1, 2))  # Especificamos directamente (p=4, d=1, q=2)  

# Mostrar resumen del modelo ajustado
summary(darima_auto)
## Series: train_ts 
## ARIMA(1,1,2) 
## 
## Coefficients:
##          ar1      ma1     ma2
##       0.7868  -1.3908  0.4074
## s.e.  0.1099   0.1374  0.1263
## 
## sigma^2 = 17323892:  log likelihood = -1364.56
## AIC=2737.12   AICc=2737.42   BIC=2748.89
## 
## Training set error measures:
##                     ME     RMSE      MAE       MPE     MAPE      MASE
## Training set -365.2902 4102.735 2826.588 -62.22873 71.80022 0.7515198
##                     ACF1
## Training set -0.03511011

Validación de residuales o errores del modelo

# Diagnóstico del modelo (los residuos deben ser ruido blanco)
checkresiduals(darima_auto)  # Verificar si los residuos son aleatorios y no presentan patrones

## 
##  Ljung-Box test
## 
## data:  Residuals from ARIMA(1,1,2)
## Q* = 97.109, df = 21, p-value = 9.331e-12
## 
## Model df: 3.   Total lags used: 24

Pronóstico modelo ARIMA automático dentro de muestra o en el set de prueba

# Generar pronóstico para el conjunto de prueba
forecast_arima_auto <- forecast(darima_auto, h = length(test_ts))  # Predecir los valores futuros

# Crear dataframe para gráfico interactivo del pronóstico
forecast_data_auto <- data.frame(Tiempo = time(forecast_arima_auto$mean), 
                            Pronostico = as.numeric(forecast_arima_auto$mean),
                            Observado = as.numeric(test_ts))

# Graficar pronóstico junto con los valores observados reales
p4auto <- ggplot(forecast_data_auto, aes(x = Tiempo)) +
  geom_line(aes(y = Pronostico, color = "Pronóstico")) +
  geom_line(aes(y = Observado, color = "Observado")) +
  ggtitle("Pronóstico vs Observado") +
  xlab("Tiempo") + ylab("variable1")

ggplotly(p4auto)  # Convertir el gráfico en interactivo

Interpretación modelo automatico (1,1,2):El modelo automático (1,1,2) El modelo ARIMA no logra captar la estacionalidad de las ventas, por lo que subestima los resultados y no refleja los cambios de noviembre y diciembre. Por esta razón, se utiliza un modelo SARIMA.

Pronóstico automático dentro del set de prueba como tabla

# Cargar librerías necesarias
library(forecast)
library(dplyr)

# Generar pronóstico con el modelo ARIMA identificado
arima_forecast_auto <- forecast(auto_arima_model_no_seasonal, h = length(test_ts))

# Crear un dataframe con los valores observados y pronosticados
forecast_table_auto <- data.frame(
  Tiempo = time(arima_forecast_auto$mean),  # Extraer las fechas del pronóstico
  Observado = as.numeric(test_ts),  # Valores reales
  Pronosticado = as.numeric(arima_forecast_auto$mean)  # Valores pronosticados
)

# Mostrar la tabla
print(forecast_table_auto)
##     Tiempo Observado Pronosticado
## 1 2025.750     25254     21915.21
## 2 2025.833     23791     21365.26
## 3 2025.917     30135     20932.55

PASO 4: Ahora pronosticamos con el modelo automatico fuera del periodo de análisis, es decir enero 2025

Es decir, le sumamos al periodo de prueb auna observación más. Es decir, se estan pronosticando 4 observaciones o trimestres.

# Cargar librerías necesarias
library(forecast)

# Hacer un pronóstico para el siguiente trimestre (1 período adicional)
next_forecast_auto <- forecast(auto_arima_model_no_seasonal, h = length(test_ts) + 1)

# Extraer el pronóstico del próximo trimestre
next_month_forecast_auto <- data.frame(
  Tiempo = time(next_forecast_auto$mean),  # Extraer la fecha del pronóstico
  Pronostico = as.numeric(next_forecast_auto$mean)  # Valor pronosticado
)

# Mostrar el pronóstico completo
print(next_month_forecast_auto)
##     Tiempo Pronostico
## 1 2025.750   21915.21
## 2 2025.833   21365.26
## 3 2025.917   20932.55
## 4 2026.000   20592.08
# Extraer solo el valor del trimestre adicional (último de la tabla)
next_month <- tail(next_month_forecast_auto, 1)
print(paste("Pronóstico para enero 2025:", next_month$Tiempo, "=", next_month$Pronostico))
## [1] "Pronóstico para enero 2025: 2026 = 20592.0812337308"

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(1,1,1)(0,1,1)[12], lo que significa:

(1,1,1): Parte ARIMA no estacional: 0 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).

(0,1,1)[12]: Parte estacional con periodicidad 12 (mensual si los datos son mensuales): 1 término autorregresivo estacional (SAR). 0 diferenciaciones estacionales. 0 términos de media móvil estacionales (SMA).

El modelo SARIMA(1,1,1)(0,1,1)[12] sugiere que:

  • La serie tiene una tendencia no estacionaria, corregida con una diferenciación.
  • Existe una influencia significativa del error pasado (MA(1)).
  • Hay un componente estacional autorregresivo fuerte cada 12 períodos.
  • El ajuste es adecuado según los criterios AIC y BIC, pero se podría comparar con otros modelos para mejorar la predicción.

Identificación dautomática del modelo SARIMA

# Identificación automática modelo SARIMA
auto_arima_model <- auto.arima(train_ts)  # Busca automáticamente los mejores parámetros del modelo ARIMA
print(auto_arima_model)
## Series: train_ts 
## ARIMA(1,0,1)(0,1,1)[12] 
## 
## Coefficients:
##          ar1      ma1     sma1
##       0.8719  -0.2992  -0.7358
## s.e.  0.0612   0.1190   0.0922
## 
## sigma^2 = 8375220:  log likelihood = -1214.68
## AIC=2437.37   AICc=2437.69   BIC=2448.81

A continuación, se crea el objeto darima para luegO poder graficar los valores reales y observados:

# Cargar el paquete necesario
library(forecast)
# Ajustar el modelo SARIMA(1,0,1)(0,1,1)[12] #Modelo identificado en el paso anterior
darima <- Arima(train_ts, 
                order = c(1, 1, 1),  # (p,d,q) -> (1,0,1)
                seasonal = list(order = c(1, 1, 1),  # (P,D,Q) -> (0,1,1)
                                period = 12))  # Periodicidad estacional de 12 meses

# Mostrar resumen del modelo ajustado
summary(darima)
## Series: train_ts 
## ARIMA(1,1,1)(1,1,1)[12] 
## 
## Coefficients:
##          ar1      ma1    sar1     sma1
##       0.2518  -0.6168  0.0519  -0.7877
## s.e.  0.2376   0.1990  0.1298   0.1286
## 
## sigma^2 = 8780321:  log likelihood = -1208.24
## AIC=2426.47   AICc=2426.96   BIC=2440.73
## 
## Training set error measures:
##                    ME     RMSE     MAE      MPE     MAPE      MASE         ACF1
## Training set 87.63657 2778.795 1903.59 -46.9488 57.31054 0.5061174 -0.008464476

Validación de residuales del modelo automatico SARIMA

****Validación de residuales del modelo SARIMA**

Los residuos mejoran frente al ARIMA, aunque todavía no son totalmente ruido blanco, posiblemente por choques como la pandemia en 2020. Aun así, el SARIMA se acerca mucho más a las ventas reales que el ARIMA y sí captura el repunte de diciembre. Por eso es el mejor modelo para pronosticar.

# Diagnóstico del modelo (los residuos deben ser ruido blanco)
checkresiduals(darima)  # Verificar si los residuos son aleatorios y no presentan patrones

## 
##  Ljung-Box test
## 
## data:  Residuals from ARIMA(1,1,1)(1,1,1)[12]
## Q* = 17.008, df = 20, p-value = 0.6525
## 
## Model df: 4.   Total lags used: 24

Pronóstico con el modelo SARIMA dentro del set de prueba-Gráfico líneas

# Generar pronóstico para el conjunto de prueba
forecast_arima <- forecast(darima, h = length(test_ts))  # Predecir los valores futuros

# Crear dataframe para gráfico interactivo del pronóstico
forecast_data <- data.frame(Tiempo = time(forecast_arima$mean), 
                            Pronostico = as.numeric(forecast_arima$mean),
                            Observado = as.numeric(test_ts))

# Graficar pronóstico junto con los valores observados reales
p4 <- ggplot(forecast_data, aes(x = Tiempo)) +
  geom_line(aes(y = Pronostico, color = "Pronóstico")) +
  geom_line(aes(y = Observado, color = "Observado")) +
  ggtitle("Pronóstico vs Observado") +
  xlab("Tiempo") + ylab("Unidad Variable 1")

ggplotly(p4)  # Convertir el gráfico en interactivo

Pronóstico del modelo automático SARIMA en el set de prueba-Tabla

# Cargar librerías necesarias
library(forecast)
library(dplyr)

# Generar pronóstico con el modelo ARIMA identificado
arima_forecast <- forecast(auto_arima_model, h = length(test_ts))

# Crear un dataframe con los valores observados y pronosticados
forecast_table <- data.frame(
  Tiempo = time(arima_forecast$mean),  # Extraer las fechas del pronóstico
  Observado = as.numeric(test_ts),  # Valores reales
  Pronosticado = as.numeric(arima_forecast$mean)  # Valores pronosticados
)

# Mostrar la tabla
print(forecast_table)
##     Tiempo Observado Pronosticado
## 1 2025.750     25254     23476.07
## 2 2025.833     23791     25150.01
## 3 2025.917     30135     28035.03

Pronóstico del modelo automático SARIMA fuera de muestra, es decir, en enero 2025

Es decir, le sumamos al periodo de prueba una observación más. Es decir, se estan pronosticando 4 observaciones o meses.

# Cargar librerías necesarias
library(forecast)

# Hacer un pronóstico para el siguiente mes (1 período adicional)
next_forecast <- forecast(auto_arima_model, h = length(test_ts) + 1)

# Extraer el pronóstico del próximo mes
next_month_forecast <- data.frame(
  Tiempo = time(next_forecast$mean),  # Extraer la fecha del pronóstico
  Pronostico = as.numeric(next_forecast$mean)  # Valor pronosticado
)

# Mostrar el pronóstico completo
print(next_month_forecast)
##     Tiempo Pronostico
## 1 2025.750   23476.07
## 2 2025.833   25150.01
## 3 2025.917   28035.03
## 4 2026.000   17225.54
# Extraer solo el valor del trimestre adicional (último de la tabla)
next_month <- tail(next_month_forecast, 1)
print(paste("Pronóstico para enero 2025:", next_month$Tiempo, "=", next_month$Pronostico))
## [1] "Pronóstico para enero 2025: 2026 = 17225.5435299187"

Conclusión:

El modelo SARIMA fue el que mejor pronosticó la venta de vehículos nuevos en el periodo de prueba (octubre a diciembre de 2025). Sus pronósticos estuvieron mucho más cerca de las ventas reales que los del ARIMA y, a diferencia de este, sí capturó el aumento de ventas de diciembre, porque tiene en cuenta que las ventas de fin de año se repiten cada año. El ARIMA, en cambio, pronosticó menos ventas de las reales y no vio venir el repunte de diciembre, porque no incluye el comportamiento estacional. Aun así, el SARIMA no es perfecto: no anticipó la caída de noviembre y se quedó un poco corto en diciembre. Para mejorarlo, se podría tener en cuenta el efecto de choques fuertes como la pandemia de 2020, o trabajar con la serie desestacionalizada. Por estas razones, el SARIMA es el modelo elegido para pronosticar las ventas de enero a marzo de 2026.