Calculadora de Indice Estacional (Desestacionalizar y Pronostico Ajustado)

Que calcula esta herramienta

La calculadora toma tu serie de demanda y separa dos cosas que suelen venir mezcladas: cuanto de cada dato es tendencia de fondo y cuanto es estacionalidad, el patron que se repite temporada tras temporada. Le das la longitud de temporada L, que es 4 para datos trimestrales y 12 para datos mensuales, los periodos a proyectar, el metodo con el que quieres medir la estacionalidad, el modelo multiplicativo o aditivo, y pegas el historial de demanda con un valor por linea. Con eso calcula un indice estacional por temporada, la serie desestacionalizada, la temporada pico y la temporada valle con su porcentaje sobre o bajo el promedio, y el pronostico del siguiente periodo ya reestacionalizado. No es un solo numero suelto: es el perfil estacional completo mas el pronostico que sale de aplicarlo.

Lo que separa a esta herramienta de estimar la estacionalidad a ojo es que normaliza los indices y muestra cada paso. En el modelo multiplicativo, los L indices se ajustan para que promedien exactamente 1.0, es decir que sumen L, de modo que ninguna temporada infle o desinfle el total; en el modelo aditivo, las desviaciones se ajustan para que sumen 0. Asi un indice de 1.60 se lee directo como 60 por ciento por encima del promedio estacional, y uno de 0.40 como 60 por ciento por debajo, sin ambiguedad. La herramienta ademas te dice cuantos ciclos completos detecto en tu serie, porque la estabilidad de los indices depende de tener suficientes ciclos limpios detras de ellos.

El otro diferenciador es visual. La herramienta grafica la demanda observada como una linea azul con su vaiven estacional, la serie desestacionalizada como una linea verde que quita ese vaiven y deja ver la tendencia de fondo, y el pronostico ajustado por estacionalidad como una linea ambar punteada que proyecta hacia adelante devolviendo la forma estacional. En una sola imagen se ve lo que las tablas esconden: que la demanda azul brinca de temporada en temporada, que la verde revela un ascenso limpio y parejo, y que el pronostico ambar hereda otra vez los picos y los valles. Esa comparacion es la mejor prueba de que el indice separo bien la senal estacional de la tendencia.

Como funciona: las formulas del indice estacional

El punto de partida es que tu demanda repite un ciclo de longitud L. Con datos trimestrales, L = 4 y las temporadas son T1, T2, T3, T4; con datos mensuales, L = 12 y las temporadas son los doce meses. La temporada de cada periodo se repite 1, 2, hasta L y vuelve a empezar. Para medir un indice estable necesitas al menos 2 ciclos completos, y de preferencia 3 o mas, porque cada temporada debe aparecer varias veces para que su indice no dependa de un solo dato. Conviene ademas que la serie tenga un numero entero de ciclos, para que ninguna temporada quede sobrerrepresentada.

El metodo del promedio simple es el mas directo. Se calcula el promedio general G, que es la media de toda la demanda; luego el promedio de cada temporada A[s], que es la media de los datos que caen en la temporada s; y el indice crudo de esa temporada es R[s] = A[s] / G en el modelo multiplicativo. Como esos indices crudos no promedian exactamente 1.0, se normalizan con index[s] = R[s] * L / suma(R), lo que garantiza que los L indices sumen L y promedien 1.0. Es simple y muy comun, pero tiene un limite importante: no quita la tendencia antes de medir la estacionalidad, asi que en una serie con tendencia fuerte mezcla parte de esa subida o bajada dentro de los indices y los sesga.

El metodo de la razon al promedio movil centrado es la descomposicion clasica, que ve la demanda como Y = T por S por C por I, es decir tendencia por estacionalidad por ciclo por irregular. Primero calcula un promedio movil centrado de longitud L, que estima la tendencia y el ciclo sin la estacionalidad. Como L es par, 4 o 12, se usa un promedio centrado de 2xL: para L = 4, el promedio movil centrado en el periodo t es CMA[t] = (0.5*Y[t-2] + Y[t-1] + Y[t] + Y[t+1] + 0.5*Y[t+2]) / 4. Los primeros y ultimos L/2 periodos se quedan sin promedio movil centrado, porque no tienen suficientes vecinos a ambos lados. Luego se toma la razon Razon = Y[t] / CMA[t], que divide la tendencia y el ciclo y deja sobre todo la estacionalidad y el irregular. Se promedian las razones de cada temporada, con la media o con la mediana para resistir un atipico, y ese es el indice crudo, que despues se normaliza igual que antes para que promedie 1.0. Este es el metodo que debes usar cuando la demanda tiene tendencia.

La eleccion entre multiplicativo y aditivo depende de como se comporta el vaiven. El modelo multiplicativo usa razones, divide, y produce indices que promedian 1.0; el modelo aditivo usa diferencias, resta, con Y menos CMA o A[s] menos G, y produce indices que suman 0. Se usa el multiplicativo cuando el tamano del salto estacional crece a medida que sube el nivel de la demanda, que es lo mas comun; se usa el aditivo cuando el salto es aproximadamente el mismo numero de unidades sin importar el nivel. En el aditivo, un indice de mas 82.5 significa 82.5 unidades por encima del promedio estacional, y uno de menos 82.5 significa 82.5 unidades por debajo.

Desestacionalizar es dividir la senal estacional para dejar ver la tendencia. En el modelo multiplicativo, la serie desestacionalizada es D[t] = Y[t] / index[temporada(t)]; en el aditivo, es D[t] = Y[t] menos index[temporada(t)]. Esta serie ajustada por estacionalidad muestra el nivel de fondo sin los brincos de temporada, y es la que reporta cualquier estadistica oficial cuando dice que una cifra viene desestacionalizada. Sobre ella se ve la tendencia real, que en el caso por defecto es un ascenso limpio de 125 a 150.

El pronostico ajustado por estacionalidad se arma en tres pasos: desestacionalizar, ajustar la tendencia y reestacionalizar. Ya tienes la serie desestacionalizada; sobre ella se ajusta una recta de tendencia por minimos cuadrados, Dhat[t] = a + b*t, que es exactamente lo que hace la calculadora de regresion lineal. Esa recta se proyecta hacia adelante y luego se reestacionaliza, es decir se le devuelve la forma estacional: F[t] = (a + b*t) * index[temporada(t)] en el multiplicativo, o F[t] = (a + b*t) + index[temporada(t)] en el aditivo. Asi el pronostico hereda tanto la tendencia de fondo como el patron de temporadas.

Las advertencias son concretas. L tiene que coincidir con el ciclo real de tu demanda, o los indices no significan nada. Necesitas al menos 2 ciclos completos, idealmente 3 o mas. Los valores atipicos distorsionan la razon media, por lo que conviene la opcion de la mediana. Una demanda de cero o casi cero rompe la razon multiplicativa, porque dividir entre casi cero explota, y ahi conviene el modelo aditivo. Y las fiestas moviles como la Pascua, junto con las diferencias en el numero de dias de cada mes, no las captura un indice de longitud fija, asi que quedan como error residual.

El caso por defecto, paso a paso

La forma mas clara de ver de donde salen los indices es seguir el caso por defecto. La serie es dos anos de demanda trimestral, 100, 200, 150, 50, 120, 240, 180, 60, con L = 4, metodo del promedio simple y modelo multiplicativo. Primero el promedio general: la suma de los ocho valores es 1100, asi que G = 1100 / 8 = 137.5. Luego el promedio de cada temporada. En T1 caen 100 y 120, con media 110; en T2 caen 200 y 240, con media 220; en T3 caen 150 y 180, con media 165; en T4 caen 50 y 60, con media 55.

Los indices crudos son cada promedio de temporada dividido entre el promedio general: R[T1] = 110 / 137.5 = 0.80, R[T2] = 220 / 137.5 = 1.60, R[T3] = 165 / 137.5 = 1.20, R[T4] = 55 / 137.5 = 0.40. En este caso los crudos ya suman 4.0 y promedian 1.0, asi que la normalizacion los deja igual: index T1 0.80, T2 1.60, T3 1.20, T4 0.40. El indice de T2 dice que el segundo trimestre corre 60 por ciento por encima del promedio anual, y el de T4 dice que el cuarto trimestre corre 60 por ciento por debajo. Ese es el pico y el valle de la serie.

Con los indices se desestacionaliza cada dato dividiendolo entre el indice de su temporada: 100 / 0.80 = 125, 200 / 1.60 = 125, 150 / 1.20 = 125, 50 / 0.40 = 125, y luego 120 / 0.80 = 150, 240 / 1.60 = 150, 180 / 1.20 = 150, 60 / 0.40 = 150. La serie desestacionalizada es un escalon perfecto, 125, 125, 125, 125, 150, 150, 150, 150, que revela lo que la demanda cruda escondia: el nivel de fondo salto de 125 en el primer ano a 150 en el segundo. Sobre esa serie desestacionalizada se ajusta una recta de tendencia, que da a = 116.07 y b = 4.76 por periodo.

El pronostico del siguiente periodo es el Ano 3 T1, que es el periodo t = 9 y cae en la temporada 1. Primero se evalua la tendencia desestacionalizada, 116.07 + 4.76*9 = 158.93, y luego se reestacionaliza multiplicando por el indice de T1: 158.93 * 0.80 = 127.14. Ese es el numero que muestra el widget. El ano completo se pronostica igual, evaluando la recta en cada periodo y multiplicando por el indice de la temporada correspondiente: T1 127.14, T2 261.90, T3 202.14, T4 69.29. Mostrar la aritmetica hace transparente el pronostico: cualquiera puede rehacer los mismos pasos y llegar a los mismos 127.14.

Que es un indice estacional

Un indice estacional es un numero que resume cuanto se aparta una temporada del promedio, de forma repetible ano tras ano. En el modelo multiplicativo gira alrededor de 1.0: la temporada promedio vale 1.0, una temporada fuerte vale por encima de 1.0 y una temporada floja vale por debajo. Como los indices se normalizan para promediar 1.0, el numero se lee directo como un porcentaje: 1.60 es 60 por ciento por encima del promedio, 0.40 es 60 por ciento por debajo. Por eso muchos reportes muestran el indice tambien en base 100, donde 100 es el promedio; 160 y 40 dicen lo mismo que 1.60 y 0.40. El widget muestra ambas formas, la base 1.0 y la base 100 entre parentesis.

El valor del indice esta en que separa la senal estacional del resto. La demanda cruda mezcla tres cosas: un nivel de fondo con su tendencia, un patron estacional que se repite, y ruido irregular. Sin separarlos, una subida en T2 puede ser tendencia, estacionalidad o suerte, y no sabes cual. El indice aisla la parte estacional promediando cada temporada sobre varios ciclos, de modo que el ruido de un ano se cancela con el de otro y queda el patron estable. Una vez que tienes el indice, puedes hacer las dos operaciones que importan: quitarlo para ver la tendencia limpia, o devolverlo para dar forma estacional a un pronostico de tendencia.

Conviene distinguir el indice estacional de la simple observacion de que las ventas suben en cierta epoca. Cualquiera nota que diciembre vende mas; el indice pone un numero preciso y comparable a esa intuicion, y lo hace de forma que la suma de todas las temporadas quede neutral. Esa neutralidad es lo que permite reestacionalizar sin inflar el total: como los indices promedian 1.0, aplicarlos a una tendencia no cambia el nivel anual, solo redistribuye ese nivel entre las temporadas. Un indice bien construido es, en el fondo, un reparto del ano entre sus temporadas que respeta el total.

Promedio simple contra razon al promedio movil

Los dos metodos que ofrece la herramienta llegan a un indice estacional, pero por caminos distintos y con sesgos distintos. El metodo del promedio simple compara cada temporada contra el promedio general de toda la serie. Es transparente y facil de explicar, y funciona bien cuando la demanda es plana, es decir cuando no hay una tendencia marcada que suba o baje el nivel a lo largo del tiempo. Su debilidad aparece justo cuando hay tendencia: como el promedio general es un solo numero para toda la serie, las temporadas del final, que estan mas altas por la tendencia, salen con indices inflados, y las del principio con indices deprimidos, aunque la estacionalidad real sea la misma. El metodo mezcla tendencia dentro de la estacionalidad.

El metodo de la razon al promedio movil centrado resuelve ese problema quitando la tendencia primero. En lugar de comparar cada dato contra un promedio unico, lo compara contra un promedio movil centrado que sigue la tendencia local, es decir contra el nivel de fondo que le corresponde a ese periodo. La razon Y[t] / CMA[t] ya viene libre de tendencia y de ciclo, asi que al promediar las razones de cada temporada se obtiene una estacionalidad limpia. Es mas trabajo y sacrifica los extremos de la serie, que se quedan sin promedio movil, pero es el metodo correcto cuando la demanda tiene una tendencia clara.

La diferencia se ve en los numeros del caso por defecto, que tiene tendencia. Con el promedio simple, los indices son T1 0.80, T2 1.60, T3 1.20, T4 0.40, y la recta ajustada sobre la serie desestacionalizada tiene un R2 de 0.76. Con la razon al promedio movil, los indices salen T1 0.836, T2 1.615, T3 1.178, T4 0.371, la serie desestacionalizada es casi una recta perfecta y el ajuste de tendencia sube a un R2 de 0.99. La regla practica es sencilla: si la demanda es plana, el promedio simple basta; si sube o baja de forma sostenida, cambia a la razon al promedio movil centrado.

El promedio movil centrado y la longitud par

El promedio movil centrado es el corazon del metodo de descomposicion, porque es el que estima la tendencia sin la estacionalidad. La idea es que si promedias exactamente un ciclo completo de datos, los picos y los valles de las temporadas se cancelan entre si y queda el nivel de fondo. Con L trimestres, promedias cuatro trimestres consecutivos; con doce meses, promedias doce meses. Ese promedio, colocado en el centro de la ventana, es tu estimacion de la tendencia y el ciclo en ese punto, ya sin el brinco estacional.

El detalle tecnico surge porque L es par. Un promedio de cuatro periodos no cae sobre un periodo entero, sino entre dos, asi que para centrarlo en un periodo concreto se toma un promedio de dos promedios de cuatro, lo que equivale al promedio 2xL con medios pesos en los extremos. Por eso la formula para L = 4 es CMA[t] = (0.5*Y[t-2] + Y[t-1] + Y[t] + Y[t+1] + 0.5*Y[t+2]) / 4: los dos extremos entran con peso 0.5 y los tres del centro con peso 1, y el total de los pesos es 4. Asi el promedio queda perfectamente centrado en el periodo t y sigue cubriendo un ciclo completo.

La consecuencia practica es que los primeros y los ultimos L/2 periodos no tienen promedio movil centrado, porque les faltan vecinos a un lado. Con L = 4 pierdes los dos primeros y los dos ultimos periodos; con L = 12 pierdes los seis primeros y los seis ultimos. Por eso el metodo de la razon al promedio movil necesita mas datos que el promedio simple para dar un indice estable: cada temporada tiene que seguir apareciendo varias veces incluso despues de descartar los extremos. Es una razon mas para alimentar la herramienta con tres o mas ciclos completos cuando puedas.

Multiplicativo contra aditivo

La eleccion del modelo cambia como se lee el indice y como se aplica. En el modelo multiplicativo, la estacionalidad es una proporcion: el indice multiplica el nivel de fondo, gira alrededor de 1.0, y el salto estacional crece con el nivel de la demanda. Si el negocio duplica su tamano, el pico de temporada tambien se duplica en unidades, aunque el indice se quede igual. Es el modelo mas usado en demanda, porque la mayoria de los patrones estacionales escalan con el volumen: una tienda que crece vende mas en su temporada alta en la misma proporcion.

En el modelo aditivo, la estacionalidad es una cantidad fija de unidades: el indice se suma o se resta del nivel, y las desviaciones suman 0. En el caso por defecto, los indices aditivos con el promedio simple son T1 menos 27.5, T2 mas 82.5, T3 mas 27.5, T4 menos 82.5, que salen de restar el promedio general 137.5 al promedio de cada temporada. El indice de T2 dice que ese trimestre corre 82.5 unidades por encima del promedio estacional, sin importar el nivel general. Se usa el aditivo cuando el salto estacional es aproximadamente constante en unidades absolutas, no importa si el negocio crece o se encoge.

La forma de decidir es mirar el grafico de la demanda. Si la amplitud del vaiven estacional, es decir la distancia entre pico y valle, crece a medida que sube el nivel general, la estacionalidad es multiplicativa. Si esa amplitud se mantiene mas o menos igual en unidades a pesar de que el nivel cambie, es aditiva. Ademas, el modelo aditivo es la salida cuando hay demanda de cero o casi cero, porque el multiplicativo divide entre el indice y una temporada de casi cero rompe la razon. Para la mayoria de los casos de demanda, el multiplicativo es la eleccion por defecto acertada.

Desestacionalizar y el pronostico ajustado

Desestacionalizar es quitarle a cada dato el efecto de su temporada, para ver el nivel de fondo. En el modelo multiplicativo se divide cada dato entre el indice de su temporada, y en el aditivo se resta. El resultado es la serie ajustada por estacionalidad, que es exactamente lo que reportan las agencias de estadistica cuando publican una cifra desestacionalizada de empleo o de ventas: han quitado el patron de calendario para que puedas comparar un mes contra otro sin que la temporada confunda la lectura. En tu demanda, la serie desestacionalizada te dice si el negocio de verdad crecio o solo llego su temporada alta.

El pronostico ajustado por estacionalidad usa esa serie limpia como base. Como la serie desestacionalizada ya no tiene brincos de temporada, se le puede ajustar una recta de tendencia con sentido, y esa recta se proyecta hacia adelante. Ese paso de ajustar la recta es literalmente la regresion lineal: la serie desestacionalizada entra como la demanda, y salen la ordenada al origen a y la pendiente b. En el caso por defecto, la recta sobre la serie desestacionalizada da a = 116.07 y b = 4.76 por periodo, lo que capta el ascenso de 125 a 150.

Reestacionalizar es el paso final: devolverle al pronostico de tendencia la forma estacional. Se evalua la recta en el periodo futuro y se multiplica por el indice de la temporada que le toca, F[t] = (a + b*t) * index[temporada(t)] en el multiplicativo. Asi el pronostico del Ano 3 T1 no es solo la tendencia 158.93, sino 158.93 * 0.80 = 127.14, porque T1 es una temporada floja. El ciclo completo desestacionalizar, ajustar la tendencia y reestacionalizar es la receta estandar de la descomposicion clasica, y es lo que hace la herramienta de principio a fin. Para medir despues que tan bueno resulto ese pronostico contra la demanda real, se calculan metricas de error del pronostico como el MAD, el RMSE y el MAPE; esa herramienta hermana, las Metricas de Error de Pronostico, aun no esta en linea.

Cuando el indice estacional es la herramienta equivocada

El indice estacional supone que hay un patron estacional real y estable, y esa suposicion no siempre se cumple. El primer caso donde falla es cuando no hay estacionalidad. Si tu demanda solo tiene tendencia o solo oscila alrededor de un nivel fijo sin repetir un patron por temporada, forzar un indice estacional inventa una estructura que no existe: los indices salen cerca de 1.0 pero con ruido, y reestacionalizar solo agrega variacion espuria. Para una serie con tendencia y sin estacionalidad, la regresion lineal sola es la herramienta; para una serie plana, el promedio movil o el suavizamiento exponencial.

El segundo caso es una longitud de ciclo equivocada o cambiante. El indice de longitud fija supone que el ciclo dura exactamente L periodos y que sus temporadas caen siempre en el mismo lugar. Las fiestas moviles rompen ese supuesto: la Pascua cae en marzo o en abril segun el ano, asi que su efecto se reparte entre dos meses distintos y ningun indice mensual fijo lo captura bien. Lo mismo pasa con las diferencias en el numero de dias de cada mes, febrero contra marzo, o con el numero de fines de semana, que un indice fijo trata como si todos los meses fueran iguales. Esos efectos de calendario quedan como error residual.

El tercer caso son los ciclos insuficientes y los atipicos. Con menos de dos ciclos completos no hay forma de separar la estacionalidad del ruido, porque cada temporada aparece una sola vez y su indice es solo ese dato. Con exactamente dos ciclos el indice existe pero es fragil; tres o mas lo estabilizan. Y un valor atipico, como una promocion fuerte o un desabasto, distorsiona el promedio de su temporada y por tanto su indice; para eso esta la opcion de promediar las razones con la mediana en lugar de la media, que resiste un dato extremo. Antes de confiar en un indice, revisa que la serie tenga ciclos completos y limpios.

Preparar ciclos completos de datos limpios

El indice es tan bueno como los ciclos que le das, asi que vale la pena preparar el historial antes de pegarlo. Lo primero es fijar bien la longitud de temporada L para que coincida con el ciclo real: 4 para una serie trimestral, 12 para una mensual. Si la serie es semanal con un patron anual, el ciclo real es de 52 semanas, que esta fuera de las dos opciones directas de esta herramienta, pensada para trimestres y meses. Poner un L que no corresponde al ciclo verdadero produce indices sin sentido, porque estarias promediando temporadas que no se alinean.

Lo segundo es dar un numero entero de ciclos completos. Si alimentas dos anos y medio de datos mensuales, los seis meses de mas aparecen una vez extra y sesgan sus indices hacia arriba o hacia abajo respecto de los demas. Recorta o completa para tener anos enteros: dos ciclos como minimo, tres o mas de preferencia. Cuantos mas ciclos limpios tengas, mas se cancela el ruido de cada ano y mas estable es el indice de cada temporada. Con el metodo de la razon al promedio movil, recuerda que ademas pierdes L/2 periodos en cada extremo, asi que necesitas todavia mas historia para que cada temporada siga apareciendo varias veces.

Lo tercero es limpiar los datos. Usa demanda real y no ventas censuradas: cuando hubo un desabasto, las ventas cayeron porque no habia producto, no porque la temporada fuera floja, y ese hueco tuerce el indice de esa temporada. Reconstruye en lo posible la demanda de los periodos con faltante. Marca los picos por una promocion o un pedido unico, porque distorsionan el promedio de su temporada; y cuando sospeches de un atipico, usa la opcion de la mediana para promediar las razones. Vigila tambien las fiestas moviles y los efectos de calendario, que un indice fijo no capta. La herramienta acepta un valor por linea, en orden cronologico, con el periodo mas reciente al final.

Cinco ejemplos resueltos

Ejemplo 1: la serie por defecto, promedio simple multiplicativo, derivacion completa

Serie 100, 200, 150, 50, 120, 240, 180, 60, dos anos trimestrales con L = 4, metodo del promedio simple y modelo multiplicativo. El promedio general es G = 1100 / 8 = 137.5. Los promedios por temporada son T1 110, T2 220, T3 165, T4 55, y los indices crudos, ya normalizados porque suman 4.0, son T1 0.80, T2 1.60, T3 1.20, T4 0.40. La serie desestacionalizada es un escalon limpio 125, 125, 125, 125, 150, 150, 150, 150; la recta de tendencia sobre ella da a = 116.07 y b = 4.76 por periodo, y el pronostico del siguiente periodo, el Ano 3 T1 en t = 9, es (116.07 + 4.76*9) * 0.80 = 158.93 * 0.80 = 127.14. La leccion es que el indice de T2 dice que ese trimestre corre 60 por ciento por encima del promedio anual y el de T4 60 por ciento por debajo; desestacionalizar expone el salto de nivel de fondo de 125 a 150 que la demanda cruda escondia.

Ejemplo 2: la misma serie con la razon al promedio movil centrado

La misma serie 100, 200, 150, 50, 120, 240, 180, 60, ahora con el metodo de la razon al promedio movil centrado y modelo multiplicativo. El promedio movil centrado en t = 3 es (0.5*100 + 200 + 150 + 50 + 0.5*120) / 4 = 127.5, y en t = 4 es (0.5*200 + 150 + 50 + 120 + 0.5*240) / 4 = 135. Las razones Y/CMA se promedian por temporada y, ya normalizados, los indices salen T1 0.836, T2 1.615, T3 1.178, T4 0.371. La serie desestacionalizada por este metodo es casi una recta perfecta, y el ajuste de tendencia sube a un R2 de 0.99 frente a 0.76 del promedio simple. El pronostico del siguiente periodo es 139.17. La leccion es que en una demanda con tendencia, la razon al promedio movil quita la tendencia antes de medir la estacionalidad, asi que los indices y la tendencia desestacionalizada quedan mas limpios que con el promedio simple.

Ejemplo 3: el modelo aditivo sobre la misma serie

La misma serie con el metodo del promedio simple pero modelo aditivo. Aqui los indices son desviaciones que suman 0, calculadas como el promedio de cada temporada menos el promedio general: T1 menos 27.5 (110 menos 137.5), T2 mas 82.5 (220 menos 137.5), T3 mas 27.5 (165 menos 137.5), T4 menos 82.5 (55 menos 137.5). Se desestacionaliza por resta, restando el indice de cada temporada, y el pronostico del siguiente periodo es 131.43. La leccion es que el modelo aditivo conviene cuando el vaiven estacional es un numero de unidades aproximadamente constante sin importar el nivel; el indice se lee como unidades por encima o por debajo del promedio estacional, no como un porcentaje, asi que mas 82.5 significa 82.5 unidades sobre el promedio.

Ejemplo 4: tres anos con tendencia mas fuerte

Serie de tres anos trimestrales con una tendencia mas marcada, 100, 200, 150, 50, 120, 240, 180, 60, 140, 280, 210, 70, con L = 4, promedio simple y multiplicativo. Los indices siguen siendo T1 0.80, T2 1.60, T3 1.20, T4 0.40, porque el patron estacional es el mismo, pero ahora la serie desestacionalizada sube en tres escalones, 125, 150, 175. La recta de tendencia sobre ella da a = 113.64 y b = 5.59 por periodo, y el pronostico del ano siguiente completo es T1 149.09, T2 307.13, T3 237.06, T4 81.26. La leccion es que mas ciclos estabilizan los indices y permiten que la tendencia reestacionalizada proyecte un ano entero hacia adelante con mas confianza; el tercer ciclo confirma que el patron de temporadas se repite y no fue casualidad.

Ejemplo 5: demanda mensual con L = 12

Una serie mensual de tres anos, con L = 12 y el metodo de la razon al promedio movil centrado. Los doce indices mensuales dibujan el perfil anual: el pico cae en julio, con un indice de alrededor de 1.49, es decir 49 por ciento por encima del promedio, y el valle cae en diciembre, con un indice de alrededor de 0.55, es decir 45 por ciento por debajo. La herramienta desestacionaliza la serie, ajusta la tendencia y proyecta un pronostico ajustado por estacionalidad para los siguientes doce meses. La leccion es que hay que fijar L a la longitud real del ciclo: una serie mensual necesita L = 12 y al menos dos, idealmente tres, anos completos para que los doce indices sean estables, porque con la razon al promedio movil ademas se pierden seis meses en cada extremo.

Tres consejos de experto

Elige el metodo segun la tendencia

El metodo del promedio simple sirve para una demanda plana y estacionaria, pero en una serie con tendencia mezcla la subida o la bajada dentro de los indices y los sesga. Cuando la demanda claramente sube o baja, usa el metodo de la razon al promedio movil centrado, que divide la tendencia con un promedio movil centrado antes de medir la estacionalidad. La herramienta lo hace evidente: al cambiar de metodo veras que la serie desestacionalizada queda mas recta y que el ajuste de tendencia mejora, como en el caso por defecto, donde el R2 pasa de 0.76 con el promedio simple a 0.99 con la razon al promedio movil. No dejes que la tendencia contamine tus indices estacionales.

Elige multiplicativo o aditivo por como se comporta el vaiven

Si el tamano del pico estacional crece a medida que crece el nivel general, la estacionalidad es multiplicativa y el indice es una razon alrededor de 1.0; es la eleccion usual en demanda. Si el pico es un numero de unidades aproximadamente constante sin importar el nivel, es aditiva y el indice es una desviacion que suma 0. Mira el grafico: si la distancia entre pico y valle se abre conforme sube la serie, es multiplicativo; si se mantiene pareja, es aditivo. Ademas, cuando tengas temporadas de cero o casi cero, usa el aditivo, porque el multiplicativo divide entre el indice y una temporada de casi cero rompe la razon.

Dale suficientes ciclos limpios y completos

Los indices estacionales son tan estables como el numero de ciclos que hay detras, asi que usa al menos dos ciclos completos y de preferencia tres o mas, y asegurate de que la serie sea un numero entero de ciclos para que ninguna temporada quede sobrerrepresentada. Vigila las fiestas moviles como la Pascua y las diferencias en el numero de dias de cada mes, que un indice de longitud fija no puede capturar y que quedan como error residual. Y cuando una temporada tenga un valor atipico, por una promocion o un desabasto, usa la opcion de promediar las razones con la mediana en lugar de la media, para que ese dato extremo no tuerza el indice de toda la temporada.

Donde encaja esta calculadora

Sirve a quien planea o audita demanda con estacionalidad: planeadores que fijan el pronostico estacional de un articulo con temporada alta y baja marcadas, analistas de inventario que dimensionan el stock a lo largo del ano segun la temporada, responsables de compras que deciden cuanto pedir para el pico y para el valle, y equipos de operaciones que quieren separar cuanto de un movimiento fue tendencia real y cuanto solo temporada. La idea es tener el indice de cada temporada, la serie desestacionalizada y el pronostico ajustado por estacionalidad en numeros claros, para llevar a la mesa de planeacion una recomendacion que cualquiera pueda revisar y reproducir.

El indice estacional es una de las herramientas centrales del silo de pronostico y se conecta de forma natural con sus calculadoras hermanas. El paso de la tendencia sobre la serie desestacionalizada es literalmente la regresion lineal, que ajusta la recta a + b*t. Cuando tu demanda no tiene estacionalidad y solo oscila alrededor de un nivel, el promedio movil pesa por igual los ultimos periodos y el suavizamiento exponencial reparte pesos que decrecen para dar mas voz a lo reciente. Para medir despues la exactitud del pronostico ajustado por estacionalidad, las Metricas de Error de Pronostico calculan el MAD, el RMSE, el MAPE y la senal de rastreo; y para saber si un metodo estacional siquiera aplica a un articulo erratico, la Clasificacion XYZ de Demanda clasifica la variabilidad. Estas dos ultimas hermanas todavia no estan en linea. Mientras tanto, vuelve al hub de Pronosticos y Analitica para ver el conjunto completo, o explora el silo hermano de Cadena de Suministro, donde el pronostico alimenta el inventario, el punto de reorden y el flete.

Estandares y buenas practicas

El indice estacional, la descomposicion clasica de series de tiempo en tendencia, estacionalidad, ciclo e irregular, el promedio movil centrado de longitud par, el metodo de la razon al promedio movil y la distincion entre modelo multiplicativo y aditivo son material base de cualquier curso y manual de estadistica, planeacion de demanda y gestion de operaciones, no la receta de una sola empresa. El promedio general es la media de toda la demanda; el indice crudo del promedio simple es A[s] / G; la normalizacion escala los indices para que promedien 1.0 en el multiplicativo o sumen 0 en el aditivo; el promedio movil centrado usa medios pesos en los extremos cuando L es par; y el pronostico ajustado sale de desestacionalizar, ajustar una recta de tendencia y reestacionalizar. Son convenciones estables y ampliamente ensenadas.

Los numeros de referencia ayudan a leer tu caso. Un indice muy por encima o por debajo de 1.0 con un patron que se repite limpio ano tras ano indica una estacionalidad fuerte y usable; indices cercanos a 1.0 con mucho ruido indican poca estacionalidad, y ahi conviene un metodo de tendencia o de suavizamiento en lugar de forzar un indice. Un promedio movil centrado que deja una serie desestacionalizada casi recta confirma que separaste bien la tendencia de la estacionalidad; una serie desestacionalizada que todavia brinca avisa de que L no coincide con el ciclo real o de que faltan ciclos. Estos umbrales son guias generales; tu contexto, el costo de un faltante en temporada alta y la variabilidad natural de tu producto mandan sobre cualquier regla fija.

Como toda estimacion, los resultados de esta calculadora son un punto de partida para planeacion y educacion, no una garantia de la demanda futura. Ningun metodo estadistico ve un cambio de mercado, una promocion nueva o un evento fuera de lo comun antes de que ocurra, y un indice supone que el mismo patron estacional del pasado se repite, cosa que puede cambiar cuando el negocio, el calendario o el mercado se mueven. Usa el indice estacional para el pronostico estacional cuando hay un patron claro, elige el metodo y el modelo segun la tendencia y el vaiven, y complementa el numero con el juicio de quien conoce el negocio. Esta calculadora y su guia las construye y revisa el equipo de OpsCalculators; consulta nuestra Politica Editorial para saber como se investiga, construye y prueba cada herramienta.

Preguntas frecuentes

Que es un indice estacional?

Un indice estacional, tambien llamado factor estacional o indice de estacionalidad, es un numero que mide cuanto se aparta una temporada del promedio, de forma repetible ano tras ano. En el modelo multiplicativo gira alrededor de 1.0: una temporada promedio vale 1.0, una fuerte por encima y una floja por debajo. Como los indices se normalizan para promediar 1.0, el numero se lee directo como porcentaje: 1.60 es 60 por ciento por encima del promedio y 0.40 es 60 por ciento por debajo. En el modelo aditivo el indice es una desviacion en unidades que suma 0. Sirve para separar la senal estacional de la tendencia de fondo.

Que diferencia hay entre el metodo del promedio simple y la razon al promedio movil?

El metodo del promedio simple compara cada temporada contra el promedio general de toda la serie; es transparente y sirve para demanda plana, pero en una serie con tendencia mezcla la tendencia dentro de los indices y los sesga. El metodo de la razon al promedio movil centrado quita primero la tendencia con un promedio movil centrado y luego mide la estacionalidad sobre la razon Y/CMA; es el correcto cuando la demanda sube o baja. En el caso por defecto, el promedio simple da un ajuste de tendencia con R2 de 0.76 y la razon al promedio movil sube a 0.99. Elige el metodo segun si hay tendencia o no.

Que significa desestacionalizar una serie?

Desestacionalizar es quitarle a cada dato el efecto de su temporada para dejar ver el nivel de fondo. En el modelo multiplicativo se divide cada dato entre el indice de su temporada, D[t] = Y[t] / index[temporada(t)]; en el aditivo se resta. La serie desestacionalizada es lo que reportan las agencias de estadistica cuando publican una cifra ajustada por estacionalidad, para comparar un periodo con otro sin que la temporada confunda la lectura. En el caso por defecto, la serie cruda 100, 200, 150, 50, 120, 240, 180, 60 se desestacionaliza en un escalon limpio 125, 125, 125, 125, 150, 150, 150, 150, que revela el salto de nivel de fondo.

Como se calcula el pronostico ajustado por estacionalidad?

En tres pasos: desestacionalizar, ajustar la tendencia y reestacionalizar. Primero se divide la senal estacional para obtener la serie desestacionalizada. Luego se ajusta una recta de tendencia a esa serie por minimos cuadrados, Dhat[t] = a + b*t, que es lo que hace la calculadora de regresion lineal. Por ultimo se proyecta la recta al periodo futuro y se le devuelve la forma estacional multiplicando por el indice de su temporada, F[t] = (a + b*t) * index[temporada(t)]. En el caso por defecto, el Ano 3 T1 da (116.07 + 4.76*9) * 0.80 = 158.93 * 0.80 = 127.14, porque T1 es una temporada floja con indice 0.80.

Cual es la diferencia entre el modelo multiplicativo y el aditivo?

El modelo multiplicativo trata la estacionalidad como una proporcion: el indice multiplica el nivel, gira alrededor de 1.0, y el salto estacional crece con el nivel de la demanda. El aditivo la trata como una cantidad fija de unidades: el indice se suma o resta y las desviaciones suman 0. En el caso por defecto, los indices multiplicativos son T1 0.80, T2 1.60, T3 1.20, T4 0.40, y los aditivos son T1 menos 27.5, T2 mas 82.5, T3 mas 27.5, T4 menos 82.5. Usa el multiplicativo cuando el vaiven crece con el nivel, que es lo comun en demanda, y el aditivo cuando el vaiven es constante en unidades o cuando hay temporadas de cero.

Que es el promedio movil centrado y por que usa medios pesos?

El promedio movil centrado estima la tendencia y el ciclo sin la estacionalidad, promediando un ciclo completo de datos para que los picos y valles se cancelen. Cuando L es par, como 4 o 12, un promedio de L periodos cae entre dos periodos en lugar de sobre uno, asi que se toma un promedio 2xL con medios pesos en los extremos para centrarlo. Para L = 4, CMA[t] = (0.5*Y[t-2] + Y[t-1] + Y[t] + Y[t+1] + 0.5*Y[t+2]) / 4: los extremos entran con peso 0.5 y los tres del centro con peso 1. Los primeros y ultimos L/2 periodos se quedan sin promedio movil por falta de vecinos.

Cuantos ciclos completos necesito?

Al menos dos ciclos completos, y de preferencia tres o mas. Con un solo ciclo cada temporada aparece una vez y su indice es solo ese dato, sin forma de separar la estacionalidad del ruido. Con dos ciclos el indice existe pero es fragil; tres o mas lo estabilizan, porque el ruido de un ano se cancela con el de otro. Ademas conviene que la serie tenga un numero entero de ciclos para que ninguna temporada quede sobrerrepresentada. Con el metodo de la razon al promedio movil recuerda que pierdes L/2 periodos en cada extremo, asi que necesitas todavia mas historia para que cada temporada siga apareciendo varias veces.

Por que los indices se normalizan para promediar 1.0?

Porque asi el indice se lee directo como porcentaje y aplicarlo no cambia el total anual, solo redistribuye el nivel entre las temporadas. Los indices crudos, el promedio de cada temporada dividido entre el promedio general, no siempre promedian exactamente 1.0, asi que se escalan con index[s] = R[s] * L / suma(R) para que sumen L y promedien 1.0 en el modelo multiplicativo, o para que sumen 0 en el aditivo. Esa neutralidad es lo que permite reestacionalizar sin inflar ni desinflar el pronostico anual. En el caso por defecto, los indices crudos ya suman 4.0, asi que la normalizacion los deja igual.

Que hago si una temporada tiene un valor atipico?

Usa la opcion de promediar las razones con la mediana en lugar de la media, que aparece cuando eliges el metodo de la razon al promedio movil centrado. La media se deja arrastrar por un solo dato extremo, como una promocion fuerte o un desabasto, y ese dato tuerce el indice de toda la temporada; la mediana es robusta y casi no se mueve por un atipico. Antes de eso, revisa si el pico o el valle vino de una promocion o de un faltante, y en lo posible reconstruye la demanda real de ese periodo. Un indice construido sobre datos censurados por desabasto subestima la temporada afectada.

El indice estacional maneja la tendencia?

El indice en si mide solo la estacionalidad, pero el flujo completo de la herramienta si maneja la tendencia. Con el metodo de la razon al promedio movil, la tendencia se quita antes de medir los indices, asi que no los contamina. Y el pronostico ajustado por estacionalidad ajusta una recta de tendencia a la serie desestacionalizada y luego la reestacionaliza, de modo que el resultado hereda tanto la tendencia de fondo como el patron de temporadas. En el caso por defecto, la serie desestacionalizada sube de 125 a 150 y la recta capta ese ascenso con a = 116.07 y b = 4.76 por periodo. El indice y la tendencia trabajan juntos.

Que pasa si mi demanda tiene ceros?

Cambia al modelo aditivo. El modelo multiplicativo desestacionaliza dividiendo entre el indice de la temporada, y una temporada de cero o casi cero produce un indice cercano a cero, entre el cual dividir explota el resultado. El modelo aditivo trabaja con diferencias, restando el indice, asi que un cero no rompe nada. El aditivo tambien conviene cuando el vaiven estacional es un numero de unidades aproximadamente constante sin importar el nivel de la demanda. Si solo algunos periodos son cero por desabasto y no por demanda real nula, considera reconstruir la demanda de esos periodos antes de calcular el indice.

Puedo usar el indice con datos semanales?

Esta herramienta ofrece de forma directa L = 4 para trimestres y L = 12 para meses, que cubren la mayoria de los casos de planeacion. Una serie semanal con un patron anual tiene un ciclo real de 52 semanas, que esta fuera de esas dos opciones. El principio es el mismo, pero la longitud de temporada tiene que coincidir con el ciclo verdadero, y un L equivocado produce indices sin sentido porque promediarias temporadas que no se alinean. Si tu patron semanal es en realidad mensual, agrega los datos a meses y usa L = 12; si de verdad necesitas un ciclo de 52 semanas, un indice de longitud fija de cuatro o doce no es la herramienta adecuada.

Cuando no debo usar un indice estacional?

Cuando no hay un patron estacional real. Si tu demanda solo tiene tendencia o solo oscila alrededor de un nivel fijo sin repetir un patron por temporada, forzar un indice inventa una estructura que no existe y reestacionalizar solo agrega ruido. Para una serie con tendencia y sin estacionalidad, usa la regresion lineal sola; para una serie plana, el promedio movil o el suavizamiento exponencial. Tampoco confies en el indice cuando el efecto principal viene de fiestas moviles como la Pascua o de diferencias en el numero de dias del mes, porque un indice de longitud fija no las captura y las deja como error residual.

Que relacion tiene esta herramienta con la calculadora de regresion lineal?

Una relacion directa: el paso de la tendencia dentro del pronostico ajustado por estacionalidad es literalmente la regresion lineal. Despues de desestacionalizar la serie, se ajusta una recta a + b*t sobre esos datos limpios por minimos cuadrados, exactamente lo que hace la calculadora de regresion lineal, y esa recta se proyecta y se reestacionaliza. En el caso por defecto, la recta sobre la serie desestacionalizada da a = 116.07 y b = 4.76 por periodo. Puedes usar la calculadora de regresion lineal por separado si quieres ver el detalle del ajuste de la tendencia, el R2 y las bandas del pronostico de la serie desestacionalizada.

Esta calculadora es gratis y guarda mis datos?

Si, la herramienta es gratis y sin registro, y todo el calculo ocurre en tu navegador. La serie que ingresas nunca se envia a un servidor, ni se guarda, ni se comparte. Ademas puedes descargar un PDF limpio, exportar un CSV o compartir el resultado por WhatsApp. Esta calculadora es para fines de planeacion y educacion; el pronostico es un punto de partida basado en tu historial, no una garantia de la demanda futura, asi que complementa el numero con el juicio de quien conoce el negocio, elige el metodo y el modelo segun tu serie, y usa suficientes ciclos completos y limpios para que los indices sean estables.