Pronósticos

Instalar paquetes y llamar librerías

library(forecast)

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

Crear serie de tiempo

funcion de ts significa time serie C significa el tiempo y primero pones el año y luego mes manualmente dependiendo de la base de datos Frecuencia es en cuanto está quebrado el periodo de tiempo, por ejemplo si fuera por mes sería 12 ya que el año tiene 12 meses pero aqui como es anual por eso es 1

produccion <- c(19,18,15,20,18,22,20 )
produccion_st <- ts(data= produccion, start= c(2022,2), frequency = 12)
produccion_st

##      Feb Mar Apr May Jun Jul Aug
## 2022  19  18  15  20  18  22  20

ARIMA

Modelo Autorregresivo Integrado de Media Movil (Autoregressive Integrated Moving Average ARIMA (p, d, q) p = orden de auto regresión d = orden de integración (diferenciación) q = orden del promedio móvil

¿Cuándo se usa?

Cuando las estimaciones futuras se explican por los datos del pasado y no por variables independientes.

EJEMPLO: Tipo de cambio

modelo <- auto.arima(produccion_st)
modelo

## Series: produccion_st 
## ARIMA(0,0,0) with non-zero mean 
## 
## Coefficients:
##          mean
##       18.8571
## s.e.   0.7674
## 
## sigma^2 = 4.81:  log likelihood = -14.89
## AIC=33.78   AICc=36.78   BIC=33.67

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

##          Point Forecast    Lo 95    Hi 95
## Sep 2022       18.85714 14.55882 23.15547
## Oct 2022       18.85714 14.55882 23.15547
## Nov 2022       18.85714 14.55882 23.15547
## Dec 2022       18.85714 14.55882 23.15547
## Jan 2023       18.85714 14.55882 23.15547

plot(pronostico)

Conclusiones

A diferencia de los métodos vistos en Excel, con la función ARIMA podemos ver un pronóstico una vez que le damos datos para generar el mismo. Algo benéfico es que nos muestra las porterías donde es el rango para que se encuentre nuestro pronóstico pues no es 100% confiable pues las circunstancias como es sabido, pueden cambiar.