EXPORTACIONES

Extracción de señales

Variable en niveles -Original

La serie original de las exportaciones totales presenta un comportamiento fluctuante durante el período analizado. Se observa una disminución importante entre 2015 y 2016, seguida de una recuperación gradual en los años posteriores. En 2020 la serie registra una nueva caída, tras la cual experimenta un fuerte crecimiento hasta alcanzar sus niveles máximos en 2022. A partir de entonces, las exportaciones mantienen oscilaciones alrededor de niveles relativamente altos, evidenciando cambios significativos en su dinámica a lo largo del tiempo.

Niveles altos en 2012-2014.
Descenso pronunciado en 2015-2016.
Recuperación gradual hasta 2019.
Nueva caída alrededor de 2020.
Máximo cercano a 2022.
Estabilización posterior alrededor de 4-4.5 millones.

Extracción señales

Componente estacional

Se evidencia un patrón estacional claramente definido y persistente a lo largo de todo el período analizado. Las exportaciones presentan aumentos y disminuciones que se repiten sistemáticamente en momentos similares de cada año, lo que indica que una parte importante de la variación de la serie responde a factores recurrentes del comercio exterior. La estabilidad de este componente confirma que la estacionalidad constituye una característica estructural de las exportaciones totales y no un fenómeno aislado o transitorio.

Componente de tendencia

La tendencia de las exportaciones totales muestra tres etapas claramente diferenciadas. La primera corresponde a una fase de contracción entre 2012 y 2016, período en el que la serie alcanza su nivel mínimo. La segunda etapa comprende la recuperación gradual observada entre 2017 y 2019, seguida de una nueva desaceleración alrededor de 2020. Finalmente, entre 2021 y 2022 se presenta la expansión más importante de todo el horizonte de estudio, llevando a las exportaciones a su nivel máximo histórico dentro de la muestra. Estos puntos de inflexión coinciden con eventos coyunturales de alcance internacional, como la caída de los precios internacionales del petróleo entre 2014 y 2016, las alteraciones económicas observadas en 2020 y la posterior recuperación del comercio mundial entre 2021 y 2022. A partir de 2023 la tendencia se estabiliza en niveles significativamente superiores a los registrados durante los años de menor actividad exportadora, lo que evidencia una mejora estructural en el desempeño de las exportaciones colombianas.

Componente residual

El componente residual fluctúa alrededor de cero y no presenta una tendencia ni un patrón recurrente claramente definido, lo que indica que la tendencia y la estacionalidad explican gran parte del comportamiento de las exportaciones. No obstante, se identifican desviaciones atípicas importantes respecto al comportamiento esperado de la serie. El valor residual más bajo se registra alrededor de abril de 2020 (-743.836), mientras que el valor más alto se observa hacia julio de 2022 (1.007.189). Estos resultados sugieren la presencia de choques extraordinarios que no pueden ser explicados por la dinámica estacional ni por la tendencia de largo plazo. En particular, estos puntos coinciden con períodos de fuertes alteraciones y posteriores fases de expansión del comercio internacional, evidenciando la sensibilidad de las exportaciones frente a eventos coyunturales de carácter excepcional.

Serie original VS ajustada por estacionalidad

La comparación entre la serie original y la serie ajustada por estacionalidad muestra diferencias mínimas, lo que indica que la estacionalidad tiene una influencia moderada sobre el comportamiento de las exportaciones. Los principales puntos de inflexión de la serie, como las caídas observadas en 2015-2016 y 2020, así como la recuperación entre 2021 y 2022, se mantienen prácticamente inalterados tras el ajuste. Esto sugiere que la evolución de las exportaciones está explicada principalmente por su tendencia de largo plazo y por factores coyunturales.

Tendencia

La línea de tendencia reproduce adecuadamente la trayectoria general de la serie original, eliminando gran parte de las fluctuaciones de corto plazo y permitiendo identificar con mayor claridad el comportamiento de largo plazo de la variable. Se observa que la tendencia captura los principales cambios estructurales de la serie, reflejando la disminución registrada entre 2012 y 2016, la posterior recuperación observada hasta 2019, la caída significativa alrededor de 2020 y el proceso de crecimiento experimentado en los años siguientes.

Aunque la serie original presenta variaciones más pronunciadas y movimientos temporales alrededor de la tendencia, ambas curvas conservan una trayectoria similar durante todo el período analizado. Esto indica que los cambios más relevantes de la variable responden principalmente a movimientos de largo plazo y no únicamente a fluctuaciones transitorias. Asimismo, la cercanía entre ambas líneas sugiere que la tendencia explica una parte importante del comportamiento observado en la serie, permitiendo identificar con mayor precisión los puntos de inflexión y las etapas de crecimiento y contracción de la variable.

## [1] 156
## [1] 156
## [1] 156

Gráfico variable original y tendencia (tasa de crecimiento anual)

La tasa de crecimiento anual de la Variable 1 presenta una elevada volatilidad a lo largo del período analizado. La tendencia permite identificar con mayor claridad las fases de expansión y contracción de la serie, suavizando las fluctuaciones observadas en los datos originales.

Inicialmente, entre 2012 y 2014, la tasa de crecimiento se mantiene cercana a cero, aunque con ligeras variaciones positivas y negativas. Posteriormente, entre 2014 y 2016, la tendencia muestra una desaceleración significativa, alcanzando tasas negativas cercanas al -40%, lo que evidencia un período de contracción de la variable. A partir de 2016 se observa una recuperación gradual que lleva el crecimiento nuevamente a terreno positivo durante los años siguientes.

Hacia 2020 se registra una nueva fase de disminución, seguida de una fuerte recuperación entre 2021 y 2022, cuando la tendencia alcanza tasas cercanas al 50%, representando el mayor dinamismo de todo el período analizado. Finalmente, desde 2023 la tasa de crecimiento se reduce progresivamente y converge hacia valores cercanos a cero, lo que sugiere una estabilización de la variable en los años más recientes.

La cercanía entre la serie original y la tendencia indica que esta última captura adecuadamente los cambios de dirección y los principales ciclos de crecimiento y contracción, permitiendo identificar de manera más clara los puntos de inflexión presentes en la evolución de la variable.

IMPORTACIONES

Extracción de señales

Variable en niveles -Original

La serie original de las importaciones totales exhibe un comportamiento fluctuante a lo largo del período analizado. Tras una disminución entre 2015 y 2017, la variable inicia una recuperación gradual, presenta una nueva caída en 2020 y posteriormente registra un crecimiento sostenido hasta alcanzar sus niveles más altos al final del período. Estos resultados evidencian cambios importantes en la dinámica de las importaciones a lo largo del tiempo.

Extracción señales

Componente estacional

Se evidencia un patrón estacional claramente definido y persistente a lo largo de todo el período analizado. Las importaciones presentan aumentos y disminuciones que se repiten sistemáticamente en momentos similares de cada año, lo que indica que una parte importante de la variación de la serie responde a ciclos recurrentes de la actividad económica y la demanda interna. La estabilidad de este componente confirma que la estacionalidad constituye una característica estructural de las importaciones totales y no un fenómeno aislado o transitorio.

Componente de tendencia

La tendencia de las importaciones totales muestra cuatro etapas claramente diferenciadas. Entre 2012 y 2015 se observa una fase de crecimiento que culmina en un máximo local alrededor de 2015. Posteriormente, la serie experimenta una disminución sostenida entre 2015 y 2020, alcanzando su nivel más bajo al inicio de esta década. Este comportamiento coincide con el período de desaceleración económica observado en Colombia tras la caída de los precios internacionales del petróleo entre 2014 y 2016, situación que redujo el ingreso de divisas y afectó la capacidad de importación del país. Posteriormente, alrededor de 2020 se observa una nueva caída asociada a la contracción de la actividad económica mundial. A partir de 2021 la tendencia cambia de forma significativa y registra una recuperación acelerada, alcanzando máximos históricos hacia 2025. Esta expansión coincide con la recuperación de la demanda interna, la normalización de las cadenas de suministro internacionales y el fortalecimiento del comercio mundial posterior a 2020.

Componente residual

El componente residual fluctúa alrededor de cero y no presenta una tendencia ni un patrón recurrente claramente definido, lo que indica que la tendencia y la estacionalidad explican gran parte del comportamiento de las importaciones. Sin embargo, se observan desviaciones positivas y negativas de magnitud considerable, especialmente entre 2020 y 2023, que sugieren la presencia de choques transitorios asociados a cambios inesperados en la actividad económica, el comercio internacional y las condiciones de abastecimiento global. Estos movimientos representan episodios extraordinarios que generan niveles de importación superiores o inferiores a los explicados por el comportamiento estructural de la serie.

Serie original VS ajustada por estacionalidad

La comparación entre la serie original y la serie ajustada por estacionalidad muestra que ambas presentan un comportamiento muy similar a lo largo del período analizado, lo que indica que el componente estacional tiene una incidencia moderada sobre la evolución de la variable. La serie ajustada suaviza las fluctuaciones recurrentes de corto plazo y permite observar con mayor claridad la tendencia subyacente.

Se identifica una disminución gradual entre 2015 y 2017, seguida de una etapa de relativa estabilidad hasta 2019. Posteriormente, se presenta una fuerte caída alrededor de 2020, que constituye el punto mínimo de la serie. A partir de 2021 se observa una recuperación sostenida, acompañada de un crecimiento importante que lleva a la variable a alcanzar sus niveles más altos hacia el final del período analizado.

La proximidad entre ambas curvas sugiere que los cambios observados están explicados principalmente por movimientos de tendencia y variaciones coyunturales, más que por efectos estacionales pronunciados.

Tendencia

La línea de tendencia representa de manera adecuada el comportamiento general de la serie original, suavizando las fluctuaciones de corto plazo y permitiendo identificar con mayor claridad la evolución de largo plazo de la variable. Aunque la serie original presenta variaciones mensuales más pronunciadas, ambas curvas mantienen una trayectoria similar durante todo el período analizado.

Se observa una fase de relativa estabilidad entre 2012 y 2014, seguida de una disminución sostenida entre 2015 y 2016. Posteriormente, la tendencia muestra una recuperación moderada hasta 2019; sin embargo, alrededor de 2020 se registra una nueva caída que corresponde al punto mínimo de la serie. A partir de 2021 se evidencia un cambio de trayectoria, dando paso a un crecimiento sostenido y cada vez más pronunciado que se mantiene hasta el final del período analizado.

La cercanía entre la serie original y la tendencia indica que esta última logra capturar los principales movimientos de la variable, mientras que las diferencias observadas entre ambas curvas corresponden a fluctuaciones temporales de corto plazo. En conjunto, el comportamiento observado refleja una tendencia ascendente durante los últimos años, alcanzando los niveles más altos de toda la serie hacia 2025.

## [1] 156
## [1] 156
## [1] 156

Gráfico variable original y tendencia (tasa de crecimiento anual)

La tasa de crecimiento anual de la Variable 2 presenta fluctuaciones importantes a lo largo del período analizado, aunque la tendencia permite identificar con mayor claridad los ciclos de expansión y desaceleración de la variable. Durante los primeros años, el crecimiento se mantiene cercano a cero con episodios de variación moderada tanto positivos como negativos.

Entre 2015 y 2016 se observa una fase de contracción, alcanzando tasas cercanas al -20%, lo que refleja una disminución en el ritmo de crecimiento de la variable. Posteriormente, se registra una recuperación gradual que lleva nuevamente las tasas a terreno positivo entre 2017 y 2019.

Hacia 2020 se presenta una nueva desaceleración que da lugar a una caída significativa de la tasa de crecimiento. Sin embargo, entre 2021 y 2022 se evidencia una fuerte recuperación, alcanzándose el mayor crecimiento de todo el período, con tasas cercanas al 35% según la tendencia y superiores al 50% en algunos momentos de la serie original.

A partir de 2023, el crecimiento se modera progresivamente y se estabiliza en valores positivos. Hacia el final del período analizado, la tendencia se ubica alrededor del 10%, lo que sugiere una expansión más moderada pero sostenida de la variable. La proximidad entre la serie original y la tendencia indica que esta última captura adecuadamente los principales movimientos de crecimiento y contracción, facilitando la identificación de los cambios de dirección en el comportamiento de la variable.

TASA REPRESENTATIVA DEL MERCADO

Extracción de señales

Variable en niveles -Original

Extracción señales

Serie original VS ajustada por estacionalidad

Tendencia

## [1] 156
## [1] 156
## [1] 156

Gráfico variable original y tendencia (tasa de crecimiento anual)

Modelo ARIMA

## [1] 2012    1
## [1] 2025    9
## [1] 2025   10
## [1] 2025   12

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

Identificación automática del modelo ARIMA

## Series: train_ts 
## ARIMA(2,1,1) 
## 
## Coefficients:
##           ar1      ar2     ma1
##       -1.2824  -0.4874  0.8122
## s.e.   0.1202   0.0738  0.1181
## 
## sigma^2 = 1.554e+11:  log likelihood = -2344.51
## AIC=4697.02   AICc=4697.27   BIC=4709.42
## 
## Training set error measures:
##                     ME     RMSE      MAE        MPE     MAPE      MASE
## Training set -3645.865 389452.8 307055.3 -0.8266321 8.344048 0.4784984
##                     ACF1
## Training set -0.02206553

Estimación del modelo identificado automatico y validación de Significancia de coeficientes

## 
## z test of coefficients:
## 
##      Estimate Std. Error  z value  Pr(>|z|)    
## ar1 -1.282418   0.120248 -10.6648 < 2.2e-16 ***
## ar2 -0.487433   0.073813  -6.6036 4.013e-11 ***
## ma1  0.812237   0.118118   6.8765 6.134e-12 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## Series: train_ts 
## ARIMA(2,1,1) 
## 
## Coefficients:
##           ar1      ar2     ma1
##       -1.2824  -0.4874  0.8122
## s.e.   0.1202   0.0738  0.1181
## 
## sigma^2 = 1.554e+11:  log likelihood = -2344.51
## AIC=4697.02   AICc=4697.27   BIC=4709.42
## 
## Training set error measures:
##                     ME     RMSE      MAE        MPE     MAPE      MASE
## Training set -3645.865 389452.8 307055.3 -0.8266321 8.344048 0.4784984
##                     ACF1
## Training set -0.02206553

Validación de residuales o errores del modelo

## 
##  Ljung-Box test
## 
## data:  Residuals from ARIMA(2,1,1)
## Q* = 25.426, df = 21, p-value = 0.2292
## 
## Model df: 3.   Total lags used: 24

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

##     Tiempo Observado Pronosticado
## 1 2025.750   4300486      4415593
## 2 2025.833   4016568      4299613
## 3 2025.917   4540519      4548616
##     Tiempo Pronostico
## 1 2025.750    4415593
## 2 2025.833    4299613
## 3 2025.917    4548616
## 4 2026.000    4285822
## [1] "Pronóstico para enero 2025: 2026 = 4285822.34232345"

Modelo SARIMA automático

## Series: train_ts 
## ARIMA(2,1,1)(0,0,1)[12] 
## 
## Coefficients:
##           ar1      ar2     ma1    sma1
##       -1.3297  -0.4768  0.8826  0.2102
## s.e.   0.1086   0.0721  0.1020  0.0820
## 
## sigma^2 = 1.499e+11:  log likelihood = -2341.24
## AIC=4692.47   AICc=4692.85   BIC=4707.97
## Series: train_ts 
## ARIMA(2,1,1)(0,0,1)[12] 
## 
## Coefficients:
##           ar1      ar2     ma1    sma1
##       -1.3297  -0.4768  0.8826  0.2102
## s.e.   0.1086   0.0721  0.1020  0.0820
## 
## sigma^2 = 1.499e+11:  log likelihood = -2341.24
## AIC=4692.47   AICc=4692.85   BIC=4707.97
## 
## Training set error measures:
##                    ME     RMSE      MAE        MPE     MAPE      MASE
## Training set -2180.97 381223.7 299551.2 -0.6833631 8.126041 0.4668045
##                     ACF1
## Training set -0.02941358

Validación de residuales del modelo automatico SARIMA

## 
##  Ljung-Box test
## 
## data:  Residuals from ARIMA(2,1,1)(0,0,1)[12]
## Q* = 19.198, df = 20, p-value = 0.509
## 
## Model df: 4.   Total lags used: 24

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

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

##     Tiempo Observado Pronosticado
## 1 2025.750   4300486      4456307
## 2 2025.833   4016568      4334644
## 3 2025.917   4540519      4601426

Pronóstico 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 4 observaciones o meses.

##     Tiempo Pronostico
## 1 2025.750    4456307
## 2 2025.833    4334644
## 3 2025.917    4601426
## 4 2026.000    4252543
## [1] "Pronóstico para enero 2025: 2026 = 4252542.90403434"