Saltar al contenido principal
LibreTexts Español

6.3: Componente estacional

  1. Última actualización
  2. Guardar como PDF
  • Page ID
    139426

    • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)

    \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)

    \( \newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\)

    ( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\)

    \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)

    \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\)

    \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)

    \( \newcommand{\Span}{\mathrm{span}}\)

    \( \newcommand{\id}{\mathrm{id}}\)

    \( \newcommand{\Span}{\mathrm{span}}\)

    \( \newcommand{\kernel}{\mathrm{null}\,}\)

    \( \newcommand{\range}{\mathrm{range}\,}\)

    \( \newcommand{\RealPart}{\mathrm{Re}}\)

    \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)

    \( \newcommand{\Argument}{\mathrm{Arg}}\)

    \( \newcommand{\norm}[1]{\| #1 \|}\)

    \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)

    \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\AA}{\unicode[.8,0]{x212B}}\)

    \( \newcommand{\vectorA}[1]{\vec{#1}}      % arrow\)

    \( \newcommand{\vectorAt}[1]{\vec{\text{#1}}}      % arrow\)

    \( \newcommand{\vectorB}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)

    \( \newcommand{\vectorC}[1]{\textbf{#1}} \)

    \( \newcommand{\vectorD}[1]{\overrightarrow{#1}} \)

    \( \newcommand{\vectorDt}[1]{\overrightarrow{\text{#1}}} \)

    \( \newcommand{\vectE}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash{\mathbf {#1}}}} \)

    \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)

    \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)

    \(\newcommand{\avec}{\mathbf a}\) \(\newcommand{\bvec}{\mathbf b}\) \(\newcommand{\cvec}{\mathbf c}\) \(\newcommand{\dvec}{\mathbf d}\) \(\newcommand{\dtil}{\widetilde{\mathbf d}}\) \(\newcommand{\evec}{\mathbf e}\) \(\newcommand{\fvec}{\mathbf f}\) \(\newcommand{\nvec}{\mathbf n}\) \(\newcommand{\pvec}{\mathbf p}\) \(\newcommand{\qvec}{\mathbf q}\) \(\newcommand{\svec}{\mathbf s}\) \(\newcommand{\tvec}{\mathbf t}\) \(\newcommand{\uvec}{\mathbf u}\) \(\newcommand{\vvec}{\mathbf v}\) \(\newcommand{\wvec}{\mathbf w}\) \(\newcommand{\xvec}{\mathbf x}\) \(\newcommand{\yvec}{\mathbf y}\) \(\newcommand{\zvec}{\mathbf z}\) \(\newcommand{\rvec}{\mathbf r}\) \(\newcommand{\mvec}{\mathbf m}\) \(\newcommand{\zerovec}{\mathbf 0}\) \(\newcommand{\onevec}{\mathbf 1}\) \(\newcommand{\real}{\mathbb R}\) \(\newcommand{\twovec}[2]{\left[\begin{array}{r}#1 \\ #2 \end{array}\right]}\) \(\newcommand{\ctwovec}[2]{\left[\begin{array}{c}#1 \\ #2 \end{array}\right]}\) \(\newcommand{\threevec}[3]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \end{array}\right]}\) \(\newcommand{\cthreevec}[3]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \end{array}\right]}\) \(\newcommand{\fourvec}[4]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \\ #4 \end{array}\right]}\) \(\newcommand{\cfourvec}[4]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \\ #4 \end{array}\right]}\) \(\newcommand{\fivevec}[5]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \\ #4 \\ #5 \\ \end{array}\right]}\) \(\newcommand{\cfivevec}[5]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \\ #4 \\ #5 \\ \end{array}\right]}\) \(\newcommand{\mattwo}[4]{\left[\begin{array}{rr}#1 \amp #2 \\ #3 \amp #4 \\ \end{array}\right]}\) \(\newcommand{\laspan}[1]{\text{Span}\{#1\}}\) \(\newcommand{\bcal}{\cal B}\) \(\newcommand{\ccal}{\cal C}\) \(\newcommand{\scal}{\cal S}\) \(\newcommand{\wcal}{\cal W}\) \(\newcommand{\ecal}{\cal E}\) \(\newcommand{\coords}[2]{\left\{#1\right\}_{#2}}\) \(\newcommand{\gray}[1]{\color{gray}{#1}}\) \(\newcommand{\lgray}[1]{\color{lightgray}{#1}}\) \(\newcommand{\rank}{\operatorname{rank}}\) \(\newcommand{\row}{\text{Row}}\) \(\newcommand{\col}{\text{Col}}\) \(\renewcommand{\row}{\text{Row}}\) \(\newcommand{\nul}{\text{Nul}}\) \(\newcommand{\var}{\text{Var}}\) \(\newcommand{\corr}{\text{corr}}\) \(\newcommand{\len}[1]{\left|#1\right|}\) \(\newcommand{\bbar}{\overline{\bvec}}\) \(\newcommand{\bhat}{\widehat{\bvec}}\) \(\newcommand{\bperp}{\bvec^\perp}\) \(\newcommand{\xhat}{\widehat{\xvec}}\) \(\newcommand{\vhat}{\widehat{\vvec}}\) \(\newcommand{\uhat}{\widehat{\uvec}}\) \(\newcommand{\what}{\widehat{\wvec}}\) \(\newcommand{\Sighat}{\widehat{\Sigma}}\) \(\newcommand{\lt}{<}\) \(\newcommand{\gt}{>}\) \(\newcommand{\amp}{&}\) \(\definecolor{fillinmathshade}{gray}{0.9}\)

    Se observa un patrón estacional con regularidad dentro de un periodo de tiempo determinado, generalmente dentro de un año. Por lo general, el interés está en patrones estacionales durante un calendario o año de comercialización, pero puede haber contextos en los que podríamos ver patrones regulares en periodos más cortos. Por ejemplo, el tráfico de compras en un supermercado es estacional a través de una semana (con mayor tráfico los fines de semana) o incluso en un día laborable (con más tráfico al final de la jornada laboral).

    Los patrones estacionales pueden ser inducidos por la demanda o por la oferta. Por ejemplo, la demanda de productos como árboles de Navidad, tallar calabazas y pavos enteros es altamente estacional. En estos ejemplos, la demanda es impulsada por el consumo alrededor de las vacaciones. En volumen, aunque no tanto en precio, existen claros patrones estacionales inducidos por la demanda en el consumo de vino (Anez 2005). Los vinos blancos y rosados se sirven tradicionalmente refrigerados. Estos tienen mayor volumen de ventas en los meses de verano. Los vinos tintos, tradicionalmente servidos a temperatura ambiente, tienen mayores volúmenes de ventas en los meses de invierno. Hay picos de volumen para todos los vinos independientemente del color alrededor de las vacaciones.

    Se observan patrones estacionales inducidos por la oferta en el mercado de productos perecederos como frutas y verduras. Por ejemplo, Sobekova, Thomsen y Ahrendsen (2013) muestran patrones de precios estacionales para fresas, arándanos, moras y frambuesas. Para cada uno de estos cultivos, existe una clara relación entre la oferta disponible en diferentes puntos del año y el precio. Esto se debe a que los berries se obtienen de diferentes regiones del país o del mundo durante diferentes partes del año. Los costos de producción y envío de berries al mercado difieren dependiendo de la región de suministro. Esencialmente, la curva de oferta para berries difiere dependiendo de la estación del año y esto lleva a la estacionalidad en los precios de estos berries.

    Los costos de almacenamiento pueden resultar en patrones de precios estacionales inducidos por la oferta para materias primas almacenables como granos y semillas oleaginosas. Estos cultivos se cosechan una vez al año, pero la demanda se extiende a lo largo del año. A menudo ocurre que los precios son más bajos alrededor de la temporada de cosecha pero luego aumentan en los meses siguientes. El incremento en el precio es necesario para brindar incentivos para almacenar las materias primas y ponerlas a disposición para su uso en los meses de no cosecha. En la Figura 1 se muestran los precios medios en efectivo del maíz por mes durante el periodo 2001 a 2016. La campaña de comercialización del maíz va del 1 de septiembre al 31 de agosto. Observe que los precios son más bajos durante los meses de cosecha (septiembre a noviembre) y aumentan de manera consistente hasta julio, aproximadamente el momento en que hay buenas expectativas de lo que será la próxima cosecha de maíz y cuando los elevadores están bajo presión para dejar espacio para el trigo y otros granos pequeños cosechados en el verano.

    clipboard_e76b25e9da580361016ed25dcef6f2634.png
    Figura\(\PageIndex{1}\): Precio medio en efectivo del maíz por mes de la campaña de comercialización (2001-2016). Fuente: Basado en los precios en efectivo reportados por Top Flight Grain Cooperative (Illinois) vía https://www.quandl.com/data/TFGRAIN/CORN-Cash-Price-of-Corn.

    Un promedio móvil de n períodos es un promedio de las n observaciones de series de tiempo más recientes. Si uno elige n para corresponder a la periodicidad de los datos, se puede utilizar una media móvil para eliminar el componente estacional de una serie de tiempo, lo que puede ayudarle a ver mejor la tendencia o componentes cíclicos. Los datos presentados en la Tabla\(\PageIndex{1}\) son trimestrales (cuatro periodos por año). Verificar que la media móvil de cuatro períodos sea simplemente la media de las cuatro observaciones más recientes. Tenga en cuenta también que estos datos de precios muestran un patrón estacional muy fuerte. El promedio móvil, sin embargo, elimina esa estacionalidad. Esto se puede ver en la Figura\(\PageIndex{2}\), que grafica los datos en Tabla\(\PageIndex{1}\) junto con la media móvil de cuatro períodos.

    Mesa\(\PageIndex{1}\). Cálculo de una media móvil de cuatro períodos
    t Trimestre Precio Cuatro PD. Avg.
    1 1 3 -
    2 2 8 -
    3 3 4 -
    4 4 8 5.75
    5 1 11 7.75
    6 2 16 9.75
    7 3 12 11.75
    8 4 16 13.75
    9 1 19 15.75
    10 2 24 17.75
    11 3 20 19.75
    12 4 24 21.75
    13 1 27 23.75
    14 2 32 25.75
    15 3 28 27.75
    16 4 32 29.75
    clipboard_e83f4580f0c234ec2a1db7b267e16aeff.png
    Figura\(\PageIndex{2}\):\(\PageIndex{1}\) Datos de tabla con una media móvil de cuatro períodos (en rojo)

    En el ejemplo anterior, se utilizó una media móvil de cuatro períodos porque teníamos datos trimestrales. Cada punto de nuestra media móvil incluyó uno de cada trimestre del 1 al 4. Si, en cambio, estuviéramos interesados en eliminar la estacionalidad de los datos mensuales o semanales, usaríamos promedio móvil de 12 períodos o 52 períodos en su lugar. El promedio móvil de 12 periodos se utilizaría para los datos mensuales porque hay 12 meses al año. El promedio móvil de 52 periodos se utilizaría para los datos semanales ya que hay 52 semanas al año.

    This page titled 6.3: Componente estacional is shared under a CC BY-SA 4.0 license and was authored, remixed, and/or curated by Michael R. Thomsen.