Saltar al contenido principal

9  Modelos ARIMA

Los modelos ARIMA proporcionan otro enfoque para la predicción de series temporales. El alisado exponencial y los modelos ARIMA son los dos enfoques más utilizados para la predicción de series temporales, y proporcionan enfoques complementarios al problema. Mientras que los modelos de suavizado exponencial se basan en una descripción de la tendencia y la estacionalidad de los datos, los modelos ARIMA pretenden describir las autocorrelaciones de los datos.

Antes de introducir los modelos ARIMA, debemos discutir el concepto de estacionariedad y la técnica de diferenciación de series temporales.

9.1 Estacionariedad y diferenciación

Una serie temporal estacionaria es aquella cuyas propiedades estadísticas no dependen del momento en el que se observa la serie.1. Por lo tanto, las series temporales con tendencias, o con estacionalidad, no son estacionarias — la tendencia y la estacionalidad afectarán al valor de la serie temporal en diferentes momentos. Por otro lado, una serie de ruido blanco es estacionaria: no importa cuándo se observe, debería tener el mismo aspecto en cualquier momento.

Algunos casos pueden ser confusos: una serie temporal con un comportamiento cíclico (pero sin tendencia ni estacionalidad) es estacionaria. Esto se debe a que los ciclos no tienen una duración fija, por lo que antes de observar la serie no podemos estar seguros de dónde estarán los picos y los valles de los ciclos.

En general, una serie temporal estacionaria no presenta patrones predecibles a largo plazo. Los gráficos temporales mostrarán que la serie es aproximadamente horizontal (aunque es posible cierto comportamiento cíclico), con una varianza constante.

Figura 9.1: ¿Cuáles de estas series son estacionarias? (a) Precio de cierre de las acciones de Google en 2015; (b) Cambio diario del precio de las acciones de Google en 2015; (c) Número anual de huelgas en EE.UU.; (d) Ventas mensuales de viviendas unifamiliares nuevas en EE.UU.; (e) Precio anual de una docena de huevos en EE.UU. (dólares constantes); (f) Total mensual de cerdos sacrificados en Victoria, Australia; (g) Total anual de pieles de lince canadiense comercializadas por la Compañía de la Bahía de Hudson; (h) Producción trimestral de cerveza en Australia; (i) Producción mensual de gas en Australia.

Considere las nueve series representadas en la figura 9.1. ¿Cuáles cree que son estacionarias?

La estacionalidad evidente descarta las series (d), (h) e (i). Las tendencias y los cambios de nivel descartan las series (a), (c), (e), (f) e (i). El aumento de la varianza también descarta (i). Sólo quedan las series (b) y (g) como estacionarias.

A primera vista, los fuertes ciclos de la serie (g) podrían hacerla no estacionaria. Pero estos ciclos son aperiódicos: se producen cuando la población de linces es demasiado grande para el alimento disponible, por lo que dejan de reproducirse y la población cae a números bajos, entonces la regeneración de sus fuentes de alimento permite que la población vuelva a crecer, y así sucesivamente. A largo plazo, el calendario de estos ciclos no es predecible. Por lo tanto, la serie es estacionaria.

Diferenciación

En la figura 9.1, observe que el precio de las acciones de Google no era estacionario en el panel (a), pero los cambios diarios eran estacionarios en el panel (b). Esto muestra una manera de hacer que una serie de tiempo no estacionaria sea estacionaria: calcular las diferencias entre observaciones consecutivas. Esto se conoce como diferenciación.

Las transformaciones, como los logaritmos, pueden ayudar a estabilizar la varianza de una serie temporal. La diferenciación puede ayudar a estabilizar la media de una serie temporal eliminando los cambios en el nivel de una serie temporal y, por lo tanto, eliminando (o reduciendo) la tendencia y la estacionalidad.

Además del gráfico temporal de los datos, el gráfico ACF también es útil para identificar series temporales no estacionarias. Para una serie temporal estacionaria, el ACF caerá a cero con relativa rapidez, mientras que el ACF de los datos no estacionarios disminuye lentamente. Además, para los datos no estacionarios, el valor de r_1 es a menudo grande y positivo.

google_2015 <- gafa_stock |>
  filter(Symbol == "GOOG", year(Date) == 2015)
google_2015 |>
  ACF(Close) |>
  autoplot() +
  labs(x = "retardo", subtitle = "Precio de cierre de las acciones de Google")
google_2015 |>
  ACF(difference(Close)) |>
  autoplot() +
  labs(
    x = "retardo",
    subtitle = "Cambios en el precio de cierre de las acciones de Google"
  )
Figura 9.2: ACF del precio de cierre de las acciones de Google en 2015 (izquierda) y de los cambios diarios del precio de cierre de las acciones de Google en 2015 (derecha).
google_2015 |>
  mutate(diff_close = difference(Close)) |>
  features(diff_close, ljung_box, lag = 10)
# A tibble: 1 × 3
  Symbol lb_stat lb_pvalue
  <chr>    <dbl>     <dbl>
1 GOOG      7.91     0.637

La ACF del precio diferenciado de las acciones de Google se parece a la de una serie de ruido blanco. Sólo una autocorrelación está fuera de los límites del 95%, y el estadístico Q^* de Ljung-Box tiene un valor p de 0.637 (para h = 10). Esto sugiere que el cambio diario en el precio de las acciones de Google es esencialmente una cantidad aleatoria que no está correlacionada con la de los días anteriores.

Modelo de paseo aleatorio

La serie diferenciada es el cambio entre observaciones consecutivas de la serie original, y puede escribirse como y'_t = y_t - y_{t-1}. La serie diferenciada tendrá sólo T - 1 valores, ya que no es posible calcular una diferencia y_1' para la primera observación.

Cuando la serie diferenciada es ruido blanco, el modelo para la serie original se puede escribir como y_t - y_{t-1} = \varepsilon_t, donde \varepsilon_t denota ruido blanco. Reordenando esto nos lleva al modelo de «paseo aleatorio» y_t = y_{t-1} + \varepsilon_t. Los modelos de paseo aleatorio se utilizan ampliamente para los datos no estacionarios, en particular los datos financieros y económicos. Los paseos aleatorios suelen tener

  • largos periodos de tendencias aparentes al alza o a la baja
  • cambios de dirección repentinos e impredecibles.

Las predicciones de un modelo de paseo aleatorio son iguales a la última observación, ya que los movimientos futuros son impredecibles y tienen la misma probabilidad de ser al alza o a la baja. Así pues, el modelo de paseo aleatorio sustenta las predicciones del método ingenuo, introducido por primera vez en la sección 5.2.

Un modelo estrechamente relacionado permite que las diferencias tengan una media distinta de cero. Entonces y_t - y_{t-1} = c + \varepsilon_t\quad\text{o}\quad {y_t = c + y_{t-1} + \varepsilon_t}\: . El valor de c es la media de los cambios entre observaciones consecutivas. Si c es positivo, entonces el cambio medio es un aumento en el valor de y_t. Por lo tanto, y_t tenderá a subir. Sin embargo, si c es negativo, y_t tenderá a bajar.

Este es el modelo detrás del método de deriva, también discutido en la sección 5.2.

Diferenciación de segundo orden

Ocasionalmente los datos diferenciados no parecerán estacionarios y puede ser necesario diferenciar los datos una segunda vez para obtener una serie estacionaria: \begin{align*} y''_{t} & = y'_{t} - y'_{t-1} \\ & = (y_t - y_{t-1}) - (y_{t-1} - y_{t-2}) \\ & = y_t - 2y_{t-1} + y_{t-2}. \end{align*} En este caso, y_t'' tendrá valores T - 2. Entonces, modelaríamos el «cambio en los cambios» de los datos originales. En la práctica, casi nunca es necesario ir más allá de las diferencias de segundo orden.

Diferenciación estacional

Una diferencia estacional es la diferencia entre una observación y la observación anterior de la misma estación. Así, y'_t = y_t - y_{t-m}, donde m = el número de estaciones. También se denominan «diferencias de m retardos», ya que restamos la observación después de un retardo de m periodos.

Si los datos diferenciados estacionalmente parecen ser ruido blanco, entonces un modelo apropiado para los datos originales es y_t = y_{t-m} + \varepsilon_t. Las predicciones de este modelo son iguales a la última observación de la temporada correspondiente. Es decir, este modelo proporciona predicciones estacionales ingenuas, presentado en la sección 5.2.

El panel inferior de la figura 9.3 muestra las diferencias estacionales del logaritmo de los prescripciones mensuales de los medicamentos A10 (antidiabéticos) vendidos en Australia. La transformación y la diferenciación han hecho que las series parezcan relativamente estacionarias.

Figura 9.3: Logaritmos y diferencias estacionales de los datos de ventas de A10 (antidiabéticos). Los logaritmos estabilizan la varianza, mientras que las diferencias estacionales eliminan la estacionalidad y la tendencia.

Para distinguir las diferencias estacionales de las diferencias ordinarias, a veces nos referimos a las diferencias ordinarias como «primeras diferencias», es decir, diferencias en el retardo 1.

A veces es necesario hacer tanto una diferencia estacional como una primera diferencia para obtener datos estacionarios. La figura 9.4 muestra las ventas de corticosteroides en Australia ($AUD) (panel superior). Aquí, los datos se transforman primero utilizando logaritmos (segundo panel) y, a continuación, se calculan las diferencias estacionales (tercer panel). Los datos siguen pareciendo algo no estacionarios, por lo que se calcula otro lote de primeras diferencias (panel inferior).

PBS |>
  filter(ATC2 == "H02") |>
  summarise(Cost = sum(Cost) / 1e6) |>
  transmute(
    `Ventas (millones de $)` = Cost,
    `Log. ventas` = log(Cost),
    `Cambio anual log. ventas` = difference(log(Cost), 12),
    `Doble diferencia log. ventas` = difference(difference(log(Cost), 12), 1)
  ) |>
  pivot_longer(-Month, names_to = "Type", values_to = "Sales") |>
  mutate(
    Type = factor(
      Type,
      levels = c(
        "Ventas (millones de $)",
        "Log. ventas",
        "Cambio anual log. ventas",
        "Doble diferencia log. ventas"
      )
    )
  ) |>
  ggplot(aes(x = Month, y = Sales)) +
  geom_line() +
  facet_grid(vars(Type), scales = "free_y") +
  labs(x = "Mes", title = "Ventas de corticosteroides", y = NULL)
Figura 9.4: Panel superior: Ventas de medicamentos corticosteroides ($AUD). Otros paneles muestran los mismos datos después de transformar y diferenciar.

Existe cierto grado de subjetividad a la hora de seleccionar qué diferencias aplicar. Los datos con diferencias estacionales de la figura 9.3 no muestran un comportamiento sustancialmente diferente de los datos con diferencias estacionales de la figura 9.4. En este último caso, podríamos haber decidido detenernos en los datos diferenciados estacionalmente y no realizar una ronda adicional de diferenciación. En el primer caso, podríamos haber decidido que los datos no eran suficientemente estacionarios y haber realizado una ronda adicional de diferenciación. A continuación se analizan algunas pruebas formales de diferenciación, pero siempre hay que tomar algunas decisiones en el proceso de modelización, y analistas distintos pueden tomar decisiones diferentes.

Si y'_t = y_t - y_{t-m} denota una serie diferenciada estacionalmente, entonces la serie diferenciada dos veces es \begin{align*} y''_t & = y'_t - y'_{t-1} \\ & = (y_t - y_{t-m}) - (y_{t-1} - y_{t-m-1}) \\ & = y_t - y_{t-1} - y_{t-m} + y_{t-m-1}\: \end{align*} Cuando se aplican tanto diferencias estacionales como primeras diferencias, da igual cuál se haga primero: el resultado será el mismo. Sin embargo, si los datos tienen un fuerte patrón estacional, se recomienda que la diferenciación estacional se haga primero, porque la serie resultante a veces será estacionaria y no habrá necesidad de una primera diferencia adicional. Si se realiza primero la primera diferenciación, seguirá habiendo estacionalidad.

Tenga en cuenta que aplicar más diferencias de las necesarias inducirá una dinámica falsa o autocorrelaciones que no existen realmente en la serie temporal. Por lo tanto, haga el número mínimo necesario de diferencias para obtener una serie estacionaria.

Es importante que si se utiliza la diferenciación, las diferencias sean interpretables. Las primeras diferencias son el cambio entre una observación y la siguiente. Las diferencias estacionales son el cambio entre un año y el siguiente. Es poco probable que otros retardos tengan mucho sentido interpretable y deben evitarse.

Pruebas de raíz unitaria

Una forma de determinar de forma más objetiva si es necesaria la diferenciación es utilizar una prueba de raíz unitaria. Se trata de pruebas estadísticas de hipótesis (test de hipótesis) de estacionariedad diseñadas para determinar si es necesaria la diferenciación.

Existen varias pruebas de raíz unitaria, que se basan en distintos supuestos y pueden dar lugar a respuestas contradictorias. En nuestro análisis, utilizamos la prueba Kwiatkowski-Phillips-Schmidt-Shin (KPSS) (Kwiatkowski et al., 1992). En esta prueba, la hipótesis nula es que los datos son estacionarios, y buscamos pruebas de que la hipótesis nula es falsa. En consecuencia, los valores p pequeños (por ejemplo, menos de 0,05) sugieren que es necesaria la diferenciación. La prueba puede calcularse utilizando la función unitroot_kpss().

Por ejemplo, apliquémosla a los datos de cotización de las acciones de Google.

google_2015 |>
  features(Close, unitroot_kpss)
# A tibble: 1 × 3
  Symbol kpss_stat kpss_pvalue
  <chr>      <dbl>       <dbl>
1 GOOG        3.56        0.01

El valor p del test KPSS se indica como un número entre 0.01 y 0.1. Si el valor p real es inferior a 0.01, se indica como 0.01; y si el valor p real es superior a 0.1, se indica como 0.1. En este caso, el valor p se muestra como 0.01 (y por tanto podría ser menor), lo que indica que se rechaza la hipótesis nula. Es decir, los datos no son estacionarios. Podemos diferenciar los datos, y aplicar la prueba de nuevo.

google_2015 |>
  mutate(diff_close = difference(Close)) |>
  features(diff_close, unitroot_kpss)
# A tibble: 1 × 3
  Symbol kpss_stat kpss_pvalue
  <chr>      <dbl>       <dbl>
1 GOOG      0.0989         0.1

Esta vez, el valor p se indica como 0.1 (y por tanto podría ser mayor). Podemos concluir que los datos diferenciados parecen estacionarios.

Este proceso de utilizar una secuencia de pruebas KPSS para determinar el número apropiado de primeras diferencias se lleva a cabo utilizando la función unitroot_ndiffs().

google_2015 |>
  features(Close, unitroot_ndiffs)
# A tibble: 1 × 2
  Symbol ndiffs
  <chr>   <int>
1 GOOG        1

Como hemos visto en las pruebas KPSS anteriores, se necesita una diferencia para que los datos de google_2015 sean estacionarios.

Una función similar para determinar si es necesaria la diferenciación estacional es unitroot_nsdiffs(), que utiliza la medida de la fuerza estacional introducida en la sección 4.3 para determinar el número apropiado de diferencias estacionales necesarias. No se sugieren diferencias estacionales si F_S < 0.64; de lo contrario, se sugiere una diferencia estacional.

Podemos aplicar unitroot_nsdiffs() a la facturación total mensual del comercio minorista australiano.

aus_total_retail <- aus_retail |>
  summarise(Turnover = sum(Turnover))
aus_total_retail |>
  mutate(log_turnover = log(Turnover)) |>
  features(log_turnover, unitroot_nsdiffs)
# A tibble: 1 × 1
  nsdiffs
    <int>
1       1
aus_total_retail |>
  mutate(log_turnover = difference(log(Turnover), 12)) |>
  features(log_turnover, unitroot_ndiffs)
# A tibble: 1 × 1
  ndiffs
   <int>
1      1

Como unitroot_nsdiffs() devuelve 1 (lo que indica que se requiere una diferencia estacional), aplicamos la función unitroot_ndiffs() a los datos diferenciados estacionalmente. Estas funciones sugieren que deberíamos hacer tanto una diferencia estacional como una primera diferencia.

9.2 Notación backshift

El operador de desplazamiento hacia atrás (en inglés, backshift) B es un dispositivo notacional útil cuando se trabaja con retardos de series de tiempo: B y_{t} = y_{t-1} \: . (Algunos autores usan L de “lag” (retardo) en lugar de B por “backshift”.) En otras palabras, B, que opera sobre y_{t}, tiene el efecto de desplazar los datos un período hacia atrás. Dos aplicaciones de B a y_{t} desplaza los datos hacia atrás dos períodos: B(By_{t}) = B^{2}y_{t} = y_{t-2}: . Para los datos mensuales, si deseamos considerar «el mismo mes del año pasado», la notación es B^{12}y_{t} = y_{t-12}.

El operador de desplazamiento hacia atrás es conveniente para describir el proceso de diferenciación. Una primera diferencia puede escribirse como y'_{t} = y_{t} - y_{t-1} = y_t - By_{t} = (1 - B)y_{t}\: . Así pues, una primera diferencia puede representarse por (1 - B). Del mismo modo, si hay que calcular diferencias de segundo orden, entonces: y''_{t} = y_{t} - 2y_{t-1} + y_{t-2} = (1 - 2B + B^2)y_t = (1 - B)^{2} y_{t}\: . En general, una diferencia de orden dth se puede escribir como (1 - B)^{d} y_{t}. La notación de desplazamiento hacia atrás es particularmente útil cuando se combinan diferencias, ya que el operador puede tratarse utilizando reglas algebraicas ordinarias. En particular, los términos que implican B pueden multiplicarse juntos.

Por ejemplo, una diferencia estacional seguida de una primera diferencia puede escribirse como \begin{align*} (1 - B)(1 - B^m)y_t & = (1 - B - B^m + B^{m+1})y_t \\ & = y_t - y_{t-1} - y_{t-m} + y_{t-m-1}, \end{align*} el mismo resultado que obtuvimos antes.

9.3 Modelos Autorregresivos

En un modelo de regresión múltiple, introducido en el capítulo 7, predijimos la variable de interés utilizando una combinación lineal de predictores. En un modelo de autorregresión, pronosticamos la variable de interés utilizando una combinación lineal de valores anteriores de la variable. El término autoregresión indica que se trata de una regresión de la variable contra sí misma.

Así, un modelo autorregresivo de orden p puede escribirse como y_{t} = c + \phi_{1}y_{t-1} + \phi_{2}y_{t-2} + \dots + \phi_{p}y_{t-p} + \varepsilon_{t}, donde \varepsilon_t es ruido blanco. Esto es como una regresión múltiple pero con valores retardados de y_t como predictores. Nos referimos a esto como un modelo AR(p), un modelo autorregresivo de orden p.

Los modelos autorregresivos son muy flexibles a la hora de tratar una amplia gama de patrones de series temporales diferentes. Las dos series de la figura 9.5 muestran series de un modelo AR(1) y un modelo AR(2). Cambiando los parámetros \phi_1,\dots,\phi_p se obtienen diferentes patrones de series temporales. La varianza del término de error \varepsilon_t sólo cambiará la escala de la serie, no los patrones.

Figura 9.5: Dos ejemplos de datos de modelos autorregresivos con distintos parámetros. Izquierda: AR(1) con y_t = 18 -0.8y_{t-1} + \varepsilon_t. Derecha: AR(2) con y_t = 8 + 1.3y_{t-1}-0.7y_{t-2}+\varepsilon_t. En ambos casos, \varepsilon_t es ruido blanco con distribución normal de media cero y varianza uno.

Para un modelo AR(1)

  • cuando \phi_1 = 0 y c = 0, y_t es equivalente a ruido blanco;
  • cuando \phi_1 = 1 y c = 0, y_t es equivalente a un paseo aleatorio;
  • cuando \phi_1 = 1 y c \ne 0, y_t es equivalente a un paseo aleatorio con deriva;
  • cuando \phi_1 < 0, y_t tiende a oscilar alrededor de la media.

Normalmente restringimos los modelos autorregresivos a datos estacionarios, en cuyo caso se requieren algunas restricciones sobre los valores de los parámetros.

  • Para un modelo AR(1): -1 < \phi_1 < 1.
  • Para un modelo AR(2): -1 < \phi_2 < 1, \phi_1 + \phi_2 < 1, \phi_2 - \phi_1 < 1.

Cuando p \ge 3, las restricciones son mucho más complicadas. El paquete fable se encarga de estas restricciones cuando se estima un modelo.

9.4 Modelos de media móvil

En lugar de utilizar valores pasados de la variable de predicción en una regresión, un modelo de media móvil utiliza errores de predicción pasados en un modelo de regresión, y_{t} = c + \varepsilon_t + \theta_{1}\varepsilon_{t-1} + \theta_{2}\varepsilon_{t-2} + \dots + \theta_{q}\varepsilon_{t-q}, donde \varepsilon_t es ruido blanco. Nos referimos a esto como un modelo MA(q), un modelo de media móvil de orden q. Por supuesto, no observamos los valores de \varepsilon_t, por lo que no es realmente una regresión en el sentido habitual.

Observe que cada valor de y_t puede considerarse como una media móvil ponderada de los últimos errores de predicción (aunque los coeficientes normalmente no sumen uno). Sin embargo, los modelos de media móvil no deben confundirse con el alisado de media móvil que analizamos en el capítulo 3. Un modelo de media móvil se utiliza para predecir valores futuros, mientras que el suavizado de media móvil se utiliza para estimar el ciclo de tendencia de valores pasados.

Figura 9.6: Dos ejemplos de datos de modelos de medias móviles con distintos parámetros. Izquierda: MA(1) con y_t = 20 + \varepsilon_t + 0.8\varepsilon_{t-1}. Derecha: MA(2) con y_t = \varepsilon_t- \varepsilon_{t-1}+0.8\varepsilon_{t-2}. En ambos casos, \varepsilon_t es ruido blanco con distribución normal de media cero y varianza uno.

La figura 9.6 muestra algunos datos de un modelo MA(1) y un modelo MA(2). Cambiando los parámetros \theta_1,\dots,\theta_q se obtienen diferentes patrones de series temporales. Al igual que con los modelos autorregresivos, la varianza del término de error \varepsilon_t sólo cambiará la escala de la serie, no los patrones.

Es posible escribir cualquier modelo estacionario AR(p) como un modelo MA(\infty). Por ejemplo, utilizando la sustitución repetida, podemos demostrar esto para un modelo AR(1): \begin{align*} y_t & = \phi_1y_{t-1} + \varepsilon_t \\ & = \phi_1(\phi_1y_{t-2} + \varepsilon_{t-1}) + \varepsilon_t \\ & = \phi_1^2y_{t-2} + \phi_1 \varepsilon_{t-1} + \varepsilon_t \\ & = \phi_1^3y_{t-3} + \phi_1^2\varepsilon_{t-2} + \phi_1 \varepsilon_{t-1} + \varepsilon_t \\ & \text{etc.} \end{align*} Siempre que -1 < \phi_1 < 1, el valor de \phi_1^k será menor a medida que k sea mayor. Así que finalmente obtenemos y_t = \varepsilon_t + \phi_1 \varepsilon_{t-1} + \phi_1^2 \varepsilon_{t-2} + \phi_1^3 \varepsilon_{t-3} + \cdots, un proceso MA(\infty).

El resultado inverso es válido si imponemos algunas restricciones en los parámetros MA. Entonces el modelo MA se llama invertible. Es decir, podemos escribir cualquier proceso MA(q) invertible como un proceso AR(\infty). Los modelos invertibles no se introducen simplemente para permitirnos convertir de modelos MA a modelos AR. También tienen algunas propiedades matemáticas deseables.

Por ejemplo, consideremos el proceso MA(1), y_{t} = \varepsilon_t + \theta_{1}\varepsilon_{t-1}. En su representación AR(\infty), el error más reciente puede escribirse como una función lineal de las observaciones actuales y pasadas: \varepsilon_t = \sum_{j=0}^\infty (-\theta_1)^j y_{t-j}. Cuando |\theta_1| > 1, las ponderaciones aumentan a medida que aumentan los retardos, de modo que cuanto más distantes sean las observaciones, mayor será su influencia en el error actual. Cuando |\theta_1| = 1, las ponderaciones son de tamaño constante, y las observaciones lejanas tienen la misma influencia que las observaciones recientes. Como ninguna de estas situaciones tiene mucho sentido, requerimos |\theta_1| < 1, de modo que las observaciones más recientes tengan mayor peso que las observaciones del pasado más lejano. Por lo tanto, el proceso es invertible cuando |\theta_1| < 1.

Las restricciones de invertibilidad para otros modelos son similares a las restricciones de estacionariedad.

  • Para un modelo MA(1): -1 < \theta_1 < 1.
  • Para un modelo MA(2): -1 < theta_2 < 1,~ \theta_2 + \theta_1 > -1,~ \theta_1 - \theta_2 < 1.

Las condiciones son más complicadas para q \ge 3. De nuevo, el paquete fable se encargará de estas restricciones al estimar los modelos.

9.5 Modelos ARIMA no estacionales

Si combinamos la diferenciación con la autoregresión y un modelo de medias móviles, obtenemos un modelo ARIMA no estacional. ARIMA es el acrónimo de AutoRegressive Integrated Moving Average (en este contexto, «integración» es lo contrario de diferenciación). El modelo completo puede escribirse como

y'_{t} = c + \phi_{1}y'_{t-1} + \cdots + \phi_{p}y'_{t-p} + \theta_{1}\varepsilon_{t-1} + \cdots + \theta_{q}\varepsilon_{t-q} + \varepsilon_{t}, \tag{9.1} donde y'_{t} es la serie diferenciada (puede haber sido diferenciada más de una vez). Los «predictores» del lado derecho incluyen tanto los valores retardados de y_t como los errores retardados. Llamamos a esto un modelo ARIMA(p, d, q), donde

p= orden de la parte autorregresiva;
d= grado de diferenciación de primer orden;
q= orden de la parte de medias móviles.

Las mismas condiciones de estacionariedad e invertibilidad que se utilizan para los modelos autorregresivos y de medias móviles también se aplican a un modelo ARIMA.

Muchos de los modelos de los que ya hemos hablado son casos especiales del modelo ARIMA, como se muestra en la tabla 9.1.

Tabla 9.1: Casos especiales de los modelos ARIMA.
Ruido blanco ARIMA(0,0,0) sin constante
Paseo aleatorio ARIMA(0,1,0) sin constante
Paseo aleatorio con deriva ARIMA(0,1,0) con constante
Autorregresión ARIMA(p,0,0)
Medias móviles ARIMA(0,0,q)

Una vez que empezamos a combinar componentes de esta manera para formar modelos más complicados, es mucho más fácil trabajar con la notación backshift. Por ejemplo, la ecuación 9.1 se puede escribir en notación backshift como

\begin{array}{c c c c} (1-\phi_1B - \cdots - \phi_p B^p) & (1-B)^d y_{t} &= &c + (1 + \theta_1 B + \cdots + \theta_q B^q)\varepsilon_t\\ {\uparrow} & {\uparrow} & &{\uparrow}\\ \text{AR($p$)} & \text{$d$ differences} & & \text{MA($q$)}\\ \end{array} \tag{9.2} La selección de valores adecuados para p, d y q puede resultar difícil. Sin embargo, la función ARIMA() del paquete fable lo hará por usted automáticamente. En la sección 9.7, aprenderemos cómo funciona esta función, junto con algunos métodos para elegir estos valores usted mismo.

Ejemplo: Exportaciones egipcias

La figura 9.7 muestra las exportaciones egipcias como porcentaje del PIB desde 1960 hasta 2017.

global_economy |>
  filter(Code == "EGY") |>
  autoplot(Exports) +
  labs(x = "Año", y = "% del PIB", title = "Exportaciones de Egipto")
Figura 9.7: Exportaciones anuales de Egipto como porcentaje del PIB desde 1960.

El siguiente código R selecciona automáticamente un modelo ARIMA no estacional.

fit <- global_economy |>
  filter(Code == "EGY") |>
  model(ARIMA(Exports))
report(fit)
Series: Exports 
Model: ARIMA(2,0,1) w/ mean 

Coefficients:
         ar1      ar2      ma1  constant
      1.6764  -0.8034  -0.6896    2.5623
s.e.  0.1111   0.0928   0.1492    0.1161

sigma^2 estimated as 8.046:  log likelihood=-141.6
AIC=293.1   AICc=294.3   BIC=303.4

Este es un modelo ARIMA(2,0,1): y_t = 2.56 + 1.68 y_{t-1} -0.80 y_{t-2} -0.69 \varepsilon_{t-1} + \varepsilon_{t}, donde \varepsilon_t es ruido blanco con una desviación estándar de 2.837 = \sqrt{8.046}. Las predicciones del modelo se muestran en la figura 9.8. Obsérvese cómo han recogido los ciclos evidentes en la economía egipcia durante las últimas décadas.

fit |>
  forecast(h = 10) |>
  autoplot(global_economy) +
  labs(x = "Año", y = "% del PIB", title = "Exportaciones de Egipto") +
  guides(fill_ramp = guide_legend(title = "Nivel"))
Figura 9.8: Predicciones de las exportaciones de Egipto.

Entendiendo los modelos ARIMA

La función ARIMA() es útil, pero cualquier cosa automatizada puede ser un poco peligrosa, y vale la pena entender algo del comportamiento de los modelos, incluso cuando se confía en un procedimiento automático para elegir el modelo para usted.

La constante c tiene un efecto importante en las predicciones a largo plazo obtenidas a partir de estos modelos.

  • Si c = 0 y d = 0, las predicciones a largo plazo serán cero.
  • Si c = 0 y d = 1, las predicciones a largo plazo serán una constante distinta de cero.
  • Si c = 0 y d = 2, las predicciones a largo plazo seguirán una línea recta.
  • Si c \ne 0 y d = 0, las predicciones a largo plazo irán a la media de los datos.
  • Si c \ne 0 y d = 1, las predicciones a largo plazo seguirán una línea recta.
  • Si c \ne 0 y d = 2, las predicciones a largo plazo seguirán una tendencia cuadrática. (Esto no es recomendable, y fable no lo permitirá).

El valor de d también influye en los intervalos de predicción: cuanto mayor sea el valor de d, más rápidamente aumentará el tamaño de los intervalos de predicción. Para d = 0, la desviación típica de la predicción a largo plazo será igual a la desviación típica de los datos históricos, por lo que los intervalos de predicción serán esencialmente iguales.

Este comportamiento se observa en la figura 9.8 donde d = 0 y c \ne 0. En esta figura, los intervalos de predicción tienen casi la misma anchura para los últimos horizontes de predicción, y las predicciones puntuales finales se aproximan a la media de los datos.

El valor de p es importante si los datos muestran ciclos. Para obtener predicciones cíclicas, es necesario que p \ge 2, junto con algunas condiciones adicionales sobre los parámetros. Para un modelo AR(2), el comportamiento cíclico se produce si \phi_1^2 + 4\phi_2 < 0 (como es el caso del modelo de exportaciones egipcias). En ese caso, el período medio de los ciclos es2. \frac{2\pi}{\text{arc cos}(-\phi_1(1 - \phi_2)/(4\phi_2))}.

Gráficos ACF y PACF

Normalmente no es posible decir, simplemente a partir de un gráfico de tiempo, qué valores de p y q son apropiados para los datos. Sin embargo, a veces es posible utilizar el gráfico ACF, y el gráfico PACF estrechamente relacionado, para determinar los valores apropiados para p y q.

Recordemos que un gráfico ACF muestra las autocorrelaciones que miden la relación entre y_t y y_{t-k} para diferentes valores de k. Ahora bien, si y_t y y_{t-1} están correlacionados, entonces y_{t-1} y y_{t-2} también deben estar correlacionados. Sin embargo, entonces y_t y y_{t-2} podrían estar correlacionados, simplemente porque ambos están conectados a y_{t-1}, en lugar de debido a cualquier información nueva contenida en y_{t-2} que podría utilizarse en la predicción de y_t.

Para superar este problema, podemos utilizar autocorrelaciones parciales. Estos miden la relación entre y_{t} y y_{t-k} después de eliminar los efectos de los retardos 1, 2, 3, \dots, k - 1. Así que la primera autocorrelación parcial es idéntica a la primera autocorrelación, porque no hay nada entre ellos para eliminar. Cada autocorrelación parcial se puede estimar como el último coeficiente en un modelo autorregresivo. En concreto, \alpha_k, el késimo coeficiente de autocorrelación parcial, es igual a la estimación de \phi_k en un modelo AR(k). En la práctica, hay algoritmos más eficientes para calcular \alpha_k que ajustar todas estas autoregresiones, pero dan los mismos resultados.

Las figuras 9.9 y 9.10 muestran los gráficos ACF y PACF para los datos de exportaciones egipcias mostrados en la figura 9.7. Las autocorrelaciones parciales tienen los mismos valores críticos de \pm1.96/\sqrt{T} que las autocorrelaciones ordinarias, y se muestran normalmente en el gráfico como en la figura 9.10.

global_economy |>
  filter(Code == "EGY") |>
  ACF(Exports) |>
  autoplot() +
  labs(x = "retardo", y = "ACF")
Figura 9.9: ACF de las exportaciones de Egipto.
global_economy |>
  filter(Code == "EGY") |>
  PACF(Exports) |>
  autoplot() +
  labs(x = "retardo", y = "PACF")
Figura 9.10: PACF de las exportaciones de Egipto.

Una forma conveniente generar un gráfico temporal, ACF y PACF con un solo mandato es utilizar la función gg_tsdisplay() con plot_type = "partial".

Si los datos proceden de un modelo ARIMA(p,d,0) o ARIMA(0,d,q), los gráficos ACF y PACF pueden ser útiles para determinar el valor de p o q. Si p y q son ambos positivos, los gráficos no ayudan a encontrar los valores adecuados de p y q.

Los datos pueden seguir un modelo ARIMA(p,d,0) si los gráficos ACF y PACF de los datos diferenciados muestran los siguientes patrones:

  • el ACF decae exponencialmente o es sinusoidal;
  • hay un pico significativo en el lag p en el PACF, pero ninguno más allá del lag p.

Los datos pueden seguir un modelo ARIMA(0,d,q) si los gráficos ACF y PACF de los datos diferenciados muestran los siguientes patrones:

  • el PACF decae exponencialmente o es sinusoidal;
  • hay un pico significativo en el lag q en la ACF, pero ninguno más allá del lag q.

En la figura 9.9, vemos que hay un patrón sinusoidal decreciente en el ACF, y en la figura 9.10 el PACF muestra el último pico significativo en el lag 4. Esto es lo que se esperaría de un modelo de lazo q. Esto es lo que cabría esperar de un modelo ARIMA(4,0,0).

fit2 <- global_economy |>
  filter(Code == "EGY") |>
  model(ARIMA(Exports ~ pdq(4, 0, 0)))
report(fit2)
Series: Exports 
Model: ARIMA(4,0,0) w/ mean 

Coefficients:
         ar1      ar2     ar3      ar4  constant
      0.9861  -0.1715  0.1807  -0.3283    6.6922
s.e.  0.1247   0.1865  0.1865   0.1273    0.3562

sigma^2 estimated as 7.885:  log likelihood=-140.5
AIC=293.1   AICc=294.7   BIC=305.4

Este modelo es sólo ligeramente peor que el modelo ARIMA(2,0,1) identificado por ARIMA() (con un valor AICc de 294.70 comparado con 294.29).

También podemos especificar valores concretos de pdq() que ARIMA() puede buscar. Por ejemplo, para encontrar el mejor modelo ARIMA con p \in \{1,2,3\}, q \in \{0,1,2\} y d = 1, puede utilizar ARIMA(y ~ pdq(p=1:3, d=1, q=0:2)).

9.6 Estimación y selección de orden

Estimación por máxima verosimilitud

Una vez identificado el orden del modelo (es decir, los valores de p, d y q), necesitamos estimar los parámetros c, \phi_1,\dots,\phi_p, \theta_1,\dots,\theta_q. Cuando fable estima el modelo ARIMA, utiliza la estimación de máxima verosimilitud (MLE). Esta técnica encuentra los valores de los parámetros que maximizan la probabilidad de obtener los datos que hemos observado. Para los modelos ARIMA, la MLE es similar a la estimación por mínimos cuadrados que se obtendría minimizando \sum_{t=1}^T\varepsilon_t^2. (Para los modelos de regresión considerados en el capítulo 7, MLE da exactamente las mismas estimaciones de parámetros que la estimación por mínimos cuadrados). Tenga en cuenta que los modelos ARIMA son mucho más complicados de estimar que los modelos de regresión, y los distintos programas informáticos darán respuestas ligeramente diferentes, ya que utilizan distintos métodos de estimación y distintos algoritmos de optimización.

En la práctica, el paquete fable informará del valor de la log verosimilitud de los datos; es decir, el logaritmo de la probabilidad de que los datos observados procedan del modelo estimado. Para valores dados de p, d y q, ARIMA() intentará maximizar la log verosimilitud cuando encuentre estimaciones de parámetros.

Criterios de información

El Criterio de Información de Akaike (AIC), que fue útil en la selección de predictores para la regresión (véase la sección 7.5), también es útil para determinar el orden de un modelo ARIMA. Se puede escribir como \text{AIC} = -2 \log(L) + 2(p + q + k + 1), donde L es la probabilidad de los datos, k = 1 si c \ne 0 y k = 0 si c = 0. Obsérvese que el último término entre paréntesis es el número de parámetros del modelo (incluido \sigma^2, la varianza de los residuos).

Para los modelos ARIMA, el AIC corregido puede escribirse como \text{AICc} = \text{AIC} + \frac{2(p + q + k + 1)(p + q + k + 2)}{T - p - q - k - 2}, y el criterio de información bayesiano puede escribirse como \text{BIC} = \text{AIC} + [\log(T) - 2](p + q + k + 1). Los buenos modelos se obtienen minimizando el AIC, el AICc o el BIC. Preferimos utilizar el AICc.

Es importante señalar que estos criterios de información no suelen ser buenas guías para seleccionar el orden adecuado de diferenciación (d) de un modelo, sino sólo para seleccionar los valores de p y q. Esto se debe a que la diferenciación cambia los datos sobre los que se calcula la verosimilitud, lo que hace que los valores de AIC entre modelos con diferentes órdenes de diferenciación no sean comparables. Así que tenemos que utilizar algún otro enfoque para elegir d, y luego podemos utilizar el AICc para seleccionar p y q.

9.7 Modelado ARIMA en fable

¿Cómo funciona ARIMA()?

La función ARIMA() del paquete fable usa una variación del algoritmo de Hyndman-Khandakar (Hyndman & Khandakar, 2008), que combina tests de raíz unitaria, la minimización del AICc y la estimación por máxima verosimilitud (MLE) para obtener un modelo ARIMA. Los argumentos de ARIMA() permiten muchas variaciones del algoritmo. A continuación se describe su comportamiento por defecto.

Algoritmo de Hyndman-Khandakar para el modelado automático ARIMA
  1. El número de diferencias 0 \le d\le 2 se determina aplicando repetidamente el test KPSS.
  1. A continuación, los valores de p y q se eligen minimizando el AICc después de diferenciar los datos d veces. En lugar de considerar todas las posibles combinaciones de p y q, el algoritmo usa una búsqueda por pasos para recorrer el espacio de modelos.
  1. Inicialmente se ajustan cuatro modelos:
    • ARIMA(0,d,0),
    • ARIMA(2,d,2),
    • ARIMA(1,d,0),
    • ARIMA(0,d,1).
    Se incluye una constante a no ser que d=2. Si d \le 1, se ajusta además otro modelo:
    • ARIMA(0,d,0) sin constante.
  1. El mejor modelo (con el menor valor del AICc) ajustado en el paso (a) se establece como “modelo actual”.
  1. Se consideran variaciones del modelo actual:
    • variar p y/o q del modelo actual en \pm1;
    • incluir/excluir c del modelo actual.
    El mejor modelo considerado hasta el momento (ya sea el modelo actual o una de estas variaciones) se convierte en el nuevo modelo actual.
  1. Repetir el paso 2(c) hasta que no se encuentre un AICc más bajo.
Figura 9.11: Ejemplo ilustrativo del proceso de búsqueda por pasos de Hyndman-Khandakar

La figura 9.11 ilustra esquemáticamente cómo el algoritmo de Hyndman-Khandakar recorre el espacio de las órdenes ARMA, a través de un ejemplo. La cuadrícula cubre combinaciones de órdenes ARMA(p,q) comenzando desde la esquina superior izquierda con un ARMA(0,0), con el orden AR aumentando hacia abajo en el eje vertical, y el orden MA aumentando a través del eje horizontal.

Las celdas naranjas muestran el conjunto inicial de modelos considerados por el algoritmo. En este ejemplo, el modelo ARMA(2,2) tiene el valor AICc más bajo entre estos modelos. Este modelo se denomina «modelo actual» y aparece en el círculo negro. A continuación, el algoritmo busca entre los modelos vecinos, como muestran las flechas azules. Si se encuentra un modelo mejor, se convierte en el nuevo «modelo actual». En este ejemplo, el nuevo «modelo actual» es el modelo ARMA(3,3). El algoritmo continúa de este modo hasta que no se encuentra un modelo mejor. En este ejemplo el modelo devuelto es un modelo ARMA(4,2).

El procedimiento por defecto cambiará a un nuevo «modelo actual» tan pronto como se identifique un modelo mejor, sin pasar por todos los modelos vecinos. La búsqueda de vecindad completa se realiza cuando greedy=FALSE.

El procedimiento por defecto también utiliza algunas aproximaciones para acelerar la búsqueda. Estas aproximaciones pueden evitarse con el argumento approximation=FALSE. Es posible que no se encuentre el modelo con AICc mínimo debido a estas aproximaciones, o debido al uso del procedimiento paso a paso. Se buscará un conjunto mucho mayor de modelos si se utiliza el argumento stepwise=FALSE. Consulte la documentación de ayuda para obtener una descripción completa de los argumentos.

Procedimiento de modelado

Cuando se ajusta un modelo ARIMA a un conjunto de datos de series temporales (no estacionales), el siguiente procedimiento proporciona un enfoque general útil.

  1. Grafique los datos e identifique cualquier observación inusual.
  2. Si es necesario, transforme los datos (utilizando una transformación Box-Cox) para estabilizar la varianza.
  3. Si los datos no son estacionarios, tome las primeras diferencias de los datos hasta que los datos sean estacionarios.
  4. Examine el ACF/PACF: ¿Es adecuado un modelo ARIMA(p,d,0) o ARIMA(0,d,q)?
  5. Pruebe el modelo o modelos elegidos y utilice el AICc para buscar un modelo mejor.
  6. Compruebe los residuos del modelo elegido dibujando la ACF de los residuos y realizando una prueba de portmanteau de los residuos. Si no parecen ruido blanco, pruebe con un modelo modificado.
  7. Cuando los residuos parezcan ruido blanco, calcule las predicciones.

El algoritmo de Hyndman-Khandakar sólo se ocupa de los pasos 3 a 5. Así que, aunque lo utilice, tendrá que ocuparse usted mismo de los demás pasos.

El proceso se resume en la figura 9.12.

Figura 9.12: Proceso general de predicción mediante un modelo ARIMA.

Tests portmanteau para residuos de modelos ARIMA

Con los modelos ARIMA, se obtienen tests portmanteau más precisos si los grados de libertad de la estadística de prueba se ajustan para tener en cuenta el número de parámetros del modelo. En concreto, utilizamos \ell - K grados de libertad en la prueba, donde \ell es el número de retardos utilizados en la prueba y K es el número de parámetros AR y MA en el modelo. Así, para los modelos no estacionales que hemos considerado hasta ahora, K = p + q. El valor de K se pasa a la función ljung_box a través del argumento dof, como se muestra en el siguiente ejemplo.

Ejemplo: Exportaciones de la República Centroafricana

Aplicaremos este procedimiento a las exportaciones de la República Centroafricana mostradas en la figura 9.13.

global_economy |>
  filter(Code == "CAF") |>
  autoplot(Exports) +
  labs(
    x = "Año",
    title = "Exportaciones de la República Centroafricana",
    y = "% del PIB"
  )
Figura 9.13: Exportaciones de la República Centroafricana como porcentaje del PIB.
  1. El gráfico temporal muestra cierta no estacionariedad, con un descenso general. La mejora en 1994 se debió a un nuevo gobierno que derrocó a la junta militar y tuvo cierto éxito inicial, antes de que los disturbios provocaran un nuevo declive económico.

  2. No hay indicios de cambio de varianza, por lo que no haremos una transformación de Box-Cox.

  3. Para abordar la no estacionariedad, tomaremos una primera diferencia de los datos. Los datos diferenciados se muestran en la figura 9.14.

    global_economy |>
      filter(Code == "CAF") |>
      gg_tsdisplay(difference(Exports), plot_type = 'partial') +
      labs(x = "Año")
    Figura 9.14: Gráfico temporal y gráficos ACF y PACF de las exportaciones diferenciadas de la República Centroafricana.

    Ahora parecen estacionarios.

  4. El PACF mostrado en la figura 9.14 sugiere un modelo AR(2), por lo que un modelo candidato inicial es un ARIMA(2,1,0). El ACF sugiere un modelo MA(3); así que un candidato alternativo es un ARIMA(0,1,3).

  5. Ajustamos tanto un modelo ARIMA(2,1,0) como un modelo ARIMA(0,1,3) junto con dos selecciones de modelo automatizadas, una utilizando el procedimiento por pasos predeterminado y otra trabajando más duro para buscar un espacio de modelo más amplio.

    caf_fit <- global_economy |>
      filter(Code == "CAF") |>
      model(
        arima210 = ARIMA(Exports ~ pdq(2, 1, 0)),
        arima013 = ARIMA(Exports ~ pdq(0, 1, 3)),
        stepwise = ARIMA(Exports),
        search = ARIMA(Exports, stepwise = FALSE)
      )
    
    caf_fit |> pivot_longer(!Country, names_to = "Nombre del modelo", values_to = "Órdenes")
    # A mable: 4 x 3
    # Key:     Country, Nombre del modelo [4]
      Country                  `Nombre del modelo`        Órdenes
      <fct>                    <chr>                      <model>
    1 Central African Republic arima210            <ARIMA(2,1,0)>
    2 Central African Republic arima013            <ARIMA(0,1,3)>
    3 Central African Republic stepwise            <ARIMA(2,1,2)>
    4 Central African Republic search              <ARIMA(3,1,0)>
    glance(caf_fit) |> arrange(AICc) |> select(.model:BIC)
    # A tibble: 4 × 6
      .model   sigma2 log_lik   AIC  AICc   BIC
      <chr>     <dbl>   <dbl> <dbl> <dbl> <dbl>
    1 search     6.52   -133.  274.  275.  282.
    2 arima210   6.71   -134.  275.  275.  281.
    3 arima013   6.54   -133.  274.  275.  282.
    4 stepwise   6.42   -132.  274.  275.  284.

    Los cuatro modelos tienen valores AICc casi idénticos. De los modelos ajustados, la búsqueda completa ha encontrado que ARIMA(3,1,0) da el valor AICc más bajo, seguido de cerca por ARIMA(2,1,0) y ARIMA(0,1,3), siendo los dos últimos los modelos que adivinamos a partir de los gráficos ACF y PACF. La selección automatizada por pasos ha identificado un modelo ARIMA(2,1,2), que tiene el valor AICc más alto de los cuatro modelos.

  6. El gráfico ACF de los residuos del modelo ARIMA(3,1,0) muestra que todas las autocorrelaciones están dentro de los límites del umbral, lo que indica que los residuos se comportan como ruido blanco.

    caf_fit |>
      select(search) |>
      gg_tsresiduals() +
      labs(x = "Año", y = "Residuos de innovación")
    Figura 9.15: Gráficos de los residuos del modelo ARIMA(3,1,0).

    Un test portmanteau (estableciendo K = 3) devuelve un valor p grande, sugiriendo también que los residuos son ruido blanco.

    augment(caf_fit) |>
      filter(.model == 'search') |>
      features(.innov, ljung_box, lag = 10, dof = 3)
    # A tibble: 1 × 4
      Country                  .model lb_stat lb_pvalue
      <fct>                    <chr>    <dbl>     <dbl>
    1 Central African Republic search    5.75     0.569
  7. Las predicciones del modelo elegido se muestran en la figura 9.16.

    caf_fit |>
      forecast(h = 5) |>
      filter(.model == 'search') |>
      autoplot(global_economy) +
      labs(x = "Año") +
      guides(fill_ramp = guide_legend(title = "Nivel"))
    Figura 9.16: Predicciones de las exportaciones de la República Centroafricana.

    Observe que las predicciones medias se parecen mucho a las que obtendríamos con un paseo aleatorio (equivalente a un ARIMA(0,1,0)). El trabajo adicional para incluir los términos AR y MA ha hecho poca diferencia en las predicciones puntuales en este ejemplo, aunque los intervalos de predicción son mucho más estrechos que para un modelo de paseo aleatorio.

Entender las constantes en R

Un modelo ARIMA no estacional se puede escribir como

(1 - \phi_1B - \cdots - \phi_p B^p)(1 - B)^d y_t = c + (1 + \theta_1 B + \cdots + \theta_q B^q)\varepsilon_t, \tag{9.3} o equivalentemente como

(1 - \phi_1B - \cdots - \phi_p B^p)(1 - B)^d (y_t - \mu t^d/d!) = (1 + \theta_1 B + \cdots + \theta_q B^q)\varepsilon_t, \tag{9.4} donde c = \mu(1 - \phi_1 - \cdots - \phi_p ) y \mu es la media de (1 - B)^d y_t. El paquete fable utiliza la parametrización de la ecuación 9.3 mientras que la mayoría de las demás implementaciones de R utilizan la ecuación 9.4.

Por lo tanto, la inclusión de una constante en un modelo ARIMA no estacionario es equivalente a inducir una tendencia polinómica de orden d en las predicciones. (Si se omite la constante, las predicciones incluyen una tendencia polinómica de orden d - 1). Cuando d = 0, tenemos el caso especial de que \mu es la media de y_t.

Por defecto, la función ARIMA() determinará automáticamente si se debe incluir una constante. Para d = 0 o d = 1, se incluirá una constante si mejora el valor AICc. Si d > 1, la constante siempre se omite, ya que una tendencia cuadrática o de orden superior es especialmente peligrosa en la predicción.

La constante puede especificarse incluyendo 0 o 1 en la fórmula del modelo (como el intercepto en lm()). Por ejemplo, para seleccionar automáticamente un modelo ARIMA con una constante, puede utilizar ARIMA(y ~ 1 + ...). Del mismo modo, una constante se puede excluir con ARIMA(y ~ 0 + ...).

Graficando las raíces características

(Esta es una sección más avanzada y se puede omitir si se desea.)

Podemos reescribir la ecuación 9.3 como \phi(B) (1 - B)^d y_t = c + \theta(B) \varepsilon_t donde \phi(B) = (1 - \phi_1B - \cdots - \phi_p B^p) es un polinomio de orden p-ésimo en B y \theta(B) = (1 + \theta_1 B + \cdots + \theta_q B^q) es un polinomio de orden q-ésimo en B.

Las condiciones de estacionariedad para el modelo son que las raíces complejas p de \phi(B) estén fuera del círculo unitario, y las condiciones de invertibilidad son que las raíces complejas q de \theta(B) estén fuera del círculo unitario. Así que podemos ver si el modelo está cerca de invertibilidad o estacionariedad mediante un gráfico de las raíces en relación con el círculo unitario complejo.

Es más fácil graficar las raíces inversas en lugar de las raíces características, ya que todas deberían estar dentro del círculo unitario. Esto se hace fácilmente en R. Para el modelo ARIMA(3,1,0) ajustado a las exportaciones de la República Centroafricana, obtenemos la figura 9.17.

gg_arma(caf_fit |> select(Country, search)) +
  labs(x = "Re(1/raíz)", y = "Im(1/raíz)", colour = "Círculo unitario")
Figura 9.17: Raíces características inversas del modelo ARIMA(3,1,0) ajustado a las exportaciones de la República Centroafricana.

Los tres puntos naranjas del gráfico corresponden a las raíces de los polinomios \phi(B). Todos están dentro del círculo unitario, como cabría esperar porque fable garantiza que el modelo ajustado es estacionario e invertible. Cualquier raíz cerca del círculo unitario puede ser numéricamente inestable, y el modelo correspondiente no será bueno para la predicción.

La función ARIMA() nunca devolverá un modelo con raíces inversas fuera del círculo unitario. Los modelos seleccionados automáticamente por la función ARIMA() tampoco contendrán raíces cercanas al círculo unitario. En consecuencia, a veces es posible encontrar un modelo con mejor valor AICc que el que devolverá ARIMA(), pero tales modelos serán potencialmente problemáticos.

9.8 Predicciones

Predicciones puntuales

Aunque hemos calculado predicciones a partir de los modelos ARIMA de nuestros ejemplos, aún no hemos explicado cómo se obtienen. Las predicciones puntuales pueden calcularse siguiendo los tres pasos siguientes.

  1. Expandir la ecuación ARIMA para que y_t esté en el lado izquierdo y todos los demás términos estén a la derecha.
  2. Reescribir la ecuación sustituyendo t por T + h.
  3. En la parte derecha de la ecuación, sustituir las observaciones futuras por sus predicciones, los errores futuros por cero y los errores pasados por los residuos correspondientes.

Comenzando con h = 1, estos pasos se repiten para h = 2,3,\dots hasta que se hayan calculado todas las predicciones.

El procedimiento se entiende mejor con un ejemplo. Lo ilustraremos utilizando un modelo ARIMA(3,1,1) que puede escribirse de la siguiente manera: (1 - \hat{\phi}_1B - \hat{\phi}_2B^2 - \hat{\phi}_3B^3)(1 - B) y_t = (1 + \hat{\theta}_1B)\varepsilon_{t}. Luego expandimos el lado izquierdo para obtener \left[ 1 - (1 + \hat{\phi}_1)B + (\hat{\phi}_1 - \hat{\phi}_2)B^2 + (\hat{\phi}_2 - \hat{\phi}_3)B^3 + \hat{\phi}_3B^4 \right] y_t = (1 + \hat{\theta}_1B)\varepsilon_{t}, y aplicando el operador de desplazamiento hacia atrás se obtiene y_t - (1 + \hat{\phi}_1)y_{t-1} + (\hat{\phi}_1 - \hat{\phi}_2)y_{t-2} + (\hat{\phi}_2 - \hat{\phi}_3)y_{t-3} + \hat{\phi}_3y_{t-4} = \varepsilon_t + \hat{\theta}_1\varepsilon_{t-1}. Por último, movemos todos los términos distintos de y_t al lado derecho:

y_t = (1 + \hat{\phi}_1)y_{t-1} - (\hat{\phi}_1 - \hat{\phi}_2)y_{t-2} - (\hat{\phi}_2 - \hat{\phi}_3)y_{t-3} - \hat{\phi}_3y_{t-4} + \varepsilon_t + \hat{\theta}_1\varepsilon_{t-1}. \tag{9.5} Esto completa el primer paso. Aunque la ecuación ahora parece un ARIMA(4,0,1), sigue siendo el mismo modelo ARIMA(3,1,1) con el que empezamos. No puede considerarse un ARIMA(4,0,1) porque los coeficientes no satisfacen las condiciones de estacionariedad.

Para el segundo paso, sustituimos t por T + 1 en 9.5: y_{T+1} = (1 + \hat{\phi}_1)y_{T} - (\hat{\phi}_1 - \hat{\phi}_2)y_{T-1} - (\hat{\phi}_2 - \hat{\phi}_3)y_{T-2} - \hat{\phi}_3y_{T-3} + \varepsilon_{T+1} + \hat{\theta}_1\varepsilon_{T}. Suponiendo que tenemos observaciones hasta el tiempo T, todos los valores del lado derecho son conocidos excepto \varepsilon_{T+1}, que sustituimos por cero, y \varepsilon_T, que sustituimos por el último residuo observado e_T: \hat{y}_{T+1|T} = (1 + \hat{\phi}_1)y_{T} - (\hat{\phi}_1 - \hat{\phi}_2)y_{T-1} - (\hat{\phi}_2 - \hat{\phi}_3)y_{T-2} - \hat{\phi}_3y_{T-3} + \hat{\theta}_1e_{T}. Se obtiene una predicción de y_{T+2} sustituyendo t por T + 2 en 9.5 . Todos los valores del lado derecho se conocerán en el momento T excepto y_{T+1}, que sustituimos por \hat{y}_{T+1|T}, y \varepsilon_{T+2} y \varepsilon_{T+1}, ambos sustituidos por cero: \hat{y}_{T+2|T} = (1 + \hat{\phi}_1)\hat{y}_{T+1|T} - (\hat{\phi}_1 - \hat{\phi}_2)y_{T} - (\hat{\phi}_2 - \hat{\phi}_3)y_{T-1} - \hat{\phi}_3y_{T-2}. El proceso continúa de esta manera para todos los períodos de tiempo futuros. De esta forma, se puede obtener cualquier número de predicciones puntuales.

Intervalos de predicción

El cálculo de los intervalos de predicción ARIMA es más difícil, y los detalles están más allá del alcance de este libro. Sólo daremos algunos ejemplos sencillos.

El primer intervalo de predicción es fácil de calcular. Si \hat{\sigma} es la desviación típica de los residuos, entonces un intervalo de predicción del 95% viene dado por \hat{y}_{T+1|T} \pm 1.96\hat{\sigma}. Este resultado es cierto para todos los modelos ARIMA independientemente de sus parámetros y órdenes.

Los intervalos de predicción multipaso para los modelos ARIMA(0,0,q) son relativamente fáciles de calcular. Podemos escribir el modelo como y_t = \varepsilon_t + \sum_{i=1}^q \theta_i \varepsilon_{t-i}. Entonces, la varianza estimada de la predicción se puede escribir como \hat\sigma_h^2 = \hat{\sigma}^2 \left[ 1 + \sum_{i=1}^{h-1} \hat{\theta}_i^2\right], \qquad\text{para $h=2,3,\dots$,} donde \hat{\theta}_i = 0 para i > q, y un intervalo de predicción del 95% viene dado por \hat{y}_{T+h|T} \pm 1.96\hat\sigma_h.

En la sección 9.4, demostramos que un modelo AR(1) puede escribirse como un modelo MA(\infty). Utilizando esta equivalencia, el resultado anterior para modelos MA(q) también se puede utilizar para obtener intervalos de predicción para modelos AR(1).

En libros de texto más avanzados, como Brockwell & Davis (2016), se ofrecen resultados más generales y otros casos especiales de intervalos de predicción multietapa para un modelo ARIMA(p,d,q).

Los intervalos de predicción de los modelos ARIMA se basan en los supuestos de que los residuos no están correlacionados y se distribuyen normalmente. Si alguno de estos supuestos no se cumple, los intervalos de predicción pueden ser incorrectos. Por este motivo, antes de elaborar intervalos de predicción, trace siempre el ACF y el histograma de los residuos para comprobar los supuestos.

Si los residuos no están correlacionados pero no se distribuyen normalmente, pueden obtenerse intervalos bootstrap, como se explica en la sección 5.5. Esto se consigue fácilmente simplemente añadiendo bootstrap=TRUE en la función forecast().

En general, los intervalos de predicción de los modelos ARIMA aumentan a medida que aumenta el horizonte de predicción. Para los modelos estacionarios (es decir, con d = 0) convergerán, de modo que los intervalos de predicción para horizontes largos son esencialmente los mismos. Para d \ge 1, los intervalos de predicción seguirán creciendo en el futuro.

Como ocurre con la mayoría de los cálculos de intervalos de predicción, los intervalos basados en ARIMA tienden a ser demasiado estrechos. Esto ocurre porque sólo se ha tenido en cuenta la variación de los errores. También hay variación en las estimaciones de los parámetros, y en el orden del modelo, que no se ha incluido en el cálculo. Además, el cálculo asume que los patrones históricos que se han modelizado continuarán en el periodo de predicción.

9.9 Modelos ARIMA estacionales

Hasta ahora, hemos limitado nuestra atención a los datos no estacionales y a los modelos ARIMA no estacionales. Sin embargo, los modelos ARIMA también son capaces de modelizar una amplia gama de datos estacionales.

Un modelo ARIMA estacional se forma incluyendo términos estacionales adicionales en los modelos ARIMA que hemos visto hasta ahora. Se escribe de la siguiente manera:

ARIMA \underbrace{(p, d, q)} \underbrace{(P, D, Q)_{m}}
{\uparrow} {\uparrow}
Parte no estacional Parte estacional
del modelo del modelo

donde m = el periodo estacional (por ejemplo, el número de observaciones por año). Utilizamos mayúsculas para las partes estacionales del modelo y minúsculas para las partes no estacionales.

La parte estacional del modelo consiste en términos similares a los componentes no estacionales del modelo, pero que implican desplazamientos hacia atrás del periodo estacional. Por ejemplo, un modelo ARIMA(1,1,1)(1,1,1)_{4} (sin una constante) es para datos trimestrales (m = 4), y puede escribirse como (1 - \phi_{1}B)~(1 - \Phi_{1}B^{4}) (1 - B) (1 - B^{4})y_{t} = (1 + \theta_{1}B)~ (1 + \Theta_{1}B^{4})\varepsilon_{t}. Los términos estacionales adicionales simplemente se multiplican por los términos no estacionales.

ACF/PACF

La parte estacional de un modelo AR o MA se verá en los retardos estacionales del PACF y el ACF. ACF. Por ejemplo, un modelo ARIMA(0,0,0)(0,0,1)_{12} mostrará:

  • un pico en el lag 12 en el ACF pero ningún otro pico significativo;
  • decaimiento exponencial en los retardos estacionales de la PACF (es decir, en los retardos 12, 24, 36, …).

Del mismo modo, un modelo ARIMA(0,0,0)(1,0,0)_{12} mostrará

  • decaimiento exponencial en los retardos estacionales de la ACF;
  • un único pico significativo en el retardo 12 del PACF.

Al considerar los órdenes estacionales apropiados para un modelo ARIMA estacional, restrinja la atención a los retardos estacionales.

El procedimiento de modelado es prácticamente el mismo que para los datos no estacionales, salvo que debemos seleccionar los términos AR y MA estacionales, así como los componentes no estacionales del modelo. El proceso se ilustra mejor mediante ejemplos.

Ejemplo: Empleo mensual en ocio y hostelería en EE.UU.

Describiremos el modelado ARIMA estacional utilizando datos mensuales de empleo en EE.UU. para puestos de ocio y hostelería desde enero de 2001 hasta septiembre de 2019, que se muestran en la figura 9.18.

leisure <- us_employment |>
  filter(Title == "Leisure and Hospitality", year(Month) > 2000) |>
  mutate(Employed = Employed / 1000) |>
  select(Month, Employed)
autoplot(leisure, Employed) +
  labs(
    x = "Mes",
    title = "Empleo en EE.UU.: ocio y hostelería",
    y = "Número de personas (millones)"
  )
Figura 9.18: Empleo mensual en el sector del ocio y la hostelería en EE.UU., 2001-2019.

Los datos son claramente no estacionarios, con una fuerte estacionalidad y una tendencia no lineal, por lo que primero tomaremos una diferencia estacional. Los datos diferenciados estacionalmente se muestran en la figura 9.19.

leisure |>
  gg_tsdisplay(difference(Employed, 12), plot_type = 'partial', lag = 36) +
  labs(x = "Mes", title = "Con diferencias estacionales", y = "")
Figura 9.19: Empleo mensual en el sector del ocio y la hostelería en EE.UU., con diferencias estacionales.

También son claramente no estacionarios, por lo que tomamos otra primera diferencia en la figura 9.20.

leisure |>
  gg_tsdisplay(
    difference(Employed, 12) |> difference(),
    plot_type = 'partial',
    lag = 36
  ) +
  labs(x = "Mes", title = "Doblemente diferenciada", y = "")
Figura 9.20: Empleo mensual en el sector del ocio y la hostelería en EE.UU., doblemente diferenciado.

Nuestro objetivo ahora es encontrar un modelo ARIMA apropiado basado en el ACF y el PACF mostrados en la figura 9.20. El pico significativo en el retardo 2 del ACF sugiere un componente MA(2) no estacional. El pico significativo en el retardo 12 del ACF sugiere un componente MA(1) estacional. En consecuencia, comenzamos con un modelo ARIMA(0,1,2)(0,1,1)_{12}, indicando una primera diferencia, una diferencia estacional, y un componente MA(2) no estacional y MA(1) estacional. Si hubiéramos empezado con el PACF, podríamos haber seleccionado un modelo ARIMA(2,1,0)(0,1,1)_{12} — utilizando el PACF para seleccionar la parte no estacional del modelo y el ACF para seleccionar la parte estacional del modelo. También incluiremos un modelo seleccionado automáticamente. Al establecer stepwise=FALSE y approximation=FALSE, estamos haciendo que R trabaje más duro para encontrar un buen modelo. Esto lleva mucho más tiempo, pero con sólo una serie para modelar, el tiempo extra no es un problema.

fit <- leisure |>
  model(
    arima012011 = ARIMA(Employed ~ pdq(0, 1, 2) + PDQ(0, 1, 1)),
    arima210011 = ARIMA(Employed ~ pdq(2, 1, 0) + PDQ(0, 1, 1)),
    auto = ARIMA(Employed, stepwise = FALSE, approx = FALSE)
  )
fit |> pivot_longer(everything(), names_to = "Nombre del modelo", values_to = "Órdenes")
# A mable: 3 x 2
# Key:     Nombre del modelo [3]
  `Nombre del modelo`                   Órdenes
  <chr>                                 <model>
1 arima012011         <ARIMA(0,1,2)(0,1,1)[12]>
2 arima210011         <ARIMA(2,1,0)(0,1,1)[12]>
3 auto                <ARIMA(2,1,0)(1,1,1)[12]>
glance(fit) |> arrange(AICc) |> select(.model:BIC)
# A tibble: 3 × 6
  .model       sigma2 log_lik   AIC  AICc   BIC
  <chr>         <dbl>   <dbl> <dbl> <dbl> <dbl>
1 auto        0.00142    395. -780. -780. -763.
2 arima210011 0.00145    392. -776. -776. -763.
3 arima012011 0.00146    391. -775. -775. -761.

La función ARIMA() utiliza unitroot_nsdiffs() para determinar D (el número de diferencias estacionales a utilizar), y unitroot_ndiffs() para determinar d (el número de diferencias ordinarias a utilizar), cuando éstas no se especifican. La selección de los demás parámetros del modelo (p,q,P y Q) se determina minimizando el AICc, como en los modelos ARIMA no estacionales.

Los tres modelos ajustados tienen valores de AICc similares, siendo el modelo seleccionado automáticamente un poco mejor. Nuestra segunda «suposición» de ARIMA(2,1,0)(0,1,1)_{12} resultó estar muy cerca del modelo seleccionado automáticamente de ARIMA(2,1,0)(1,1,1)_{12}.

Los residuos del mejor modelo se muestran en la figura 9.21.

fit |> select(auto) |> gg_tsresiduals(lag = 36) +
  labs(x = "Mes", y = "Residuos de innovación")
Figura 9.21: Residuos del modelo ARIMA(2,1,0)(1,1,1)_{12} ajustado.

Un pico pequeño pero significativo (en el retardo 11) de 36 sigue siendo coherente con el ruido blanco. Para estar seguros, utilizamos un test de Ljung-Box, teniendo cuidado de establecer los grados de libertad para que coincidan con el número de parámetros en el modelo.

augment(fit) |>
  filter(.model == "auto") |>
  features(.innov, ljung_box, lag = 24, dof = 4)
# A tibble: 1 × 3
  .model lb_stat lb_pvalue
  <chr>    <dbl>     <dbl>
1 auto      16.6     0.680

El gran valor p confirma que los residuos son similares al ruido blanco.

Así pues, ahora tenemos un modelo ARIMA estacional que supera las comprobaciones necesarias y está listo para la predicción. En la figura 9.22 se muestran las predicciones del modelo para los próximos tres años. Las predicciones han captado muy bien el patrón estacional, y la tendencia creciente prolonga el patrón reciente. La tendencia de las predicciones está inducida por la doble diferenciación.

forecast(fit, h = 36) |>
  filter(.model == 'auto') |>
  autoplot(leisure) +
  labs(
    x = "Mes",
    title = "Empleo en EE.UU.: ocio y hostelería",
    y = "Número de personas (millones)"
  ) +
  guides(fill_ramp = guide_legend(title = "Nivel"))
Figura 9.22: predicciones mensuales del empleo en el sector del ocio y la hostelería en EE.UU. utilizando el modelo ARIMA(2,1,0)(1,1,1)_{12}. Se muestran los intervalos de predicción del 80% y el 95%.

Ejemplo: Ventas de medicamentos corticosteroides en Australia

Para nuestro segundo ejemplo, intentaremos prever las ventas mensuales de medicamentos corticosteroides en Australia. Éstos se conocen como fármacos H02 según el esquema de clasificación Anatomical Therapeutic Chemical.

h02 <- PBS |>
  filter(ATC2 == "H02") |>
  summarise(Cost = sum(Cost) / 1e6)
h02 |>
  mutate(log(Cost)) |>
  pivot_longer(-Month) |>
  ggplot(aes(x = Month, y = value)) +
  geom_line() +
  facet_grid(name ~ ., scales = "free_y") +
  labs(x = "Mes", y = "", title = "Recetas de corticosteroides (H02)")
Figura 9.23: Ventas de corticosteroides en Australia (en millones de recetas al mes). En el panel inferior se muestran los datos en logaritmos.

En la figura 9.23 se representan los datos de julio de 1991 a junio de 2008. Hay un pequeño aumento de la varianza con el nivel, por lo que tomamos logaritmos para estabilizar la varianza.

Los datos son fuertemente estacionales y obviamente no estacionarios, por lo que se utilizará la diferenciación estacional. Los datos diferenciados estacionalmente se muestran en la figura 9.24. En este punto no está claro si debemos hacer otra diferencia o no. Decidimos no hacerlo, pero la elección no es obvia.

Las últimas observaciones parecen ser diferentes (más variables) de los datos anteriores. Esto puede deberse al hecho de que a veces se revisan los datos cuando las ventas anteriores se comunican con retraso.

h02 |>
  gg_tsdisplay(difference(log(Cost), 12), plot_type = 'partial', lag_max = 24) +
  labs(x = "Mes")
Figura 9.24: Ventas de corticosteroides en Australia (en millones de recetas al mes), con diferencias estacionales.

En los gráficos de los datos diferenciados estacionalmente, hay picos en el PACF en los retardos 12 y 24, pero nada en los retardos estacionales en el ACF. Esto puede sugerir la existencia de un término AR(2) estacional. En los retardos no estacionales, hay tres picos significativos en el PACF, lo que sugiere un posible término AR(3). El patrón en el ACF no es indicativo de ningún modelo simple.

En consecuencia, este análisis inicial sugiere que un posible modelo para estos datos es un ARIMA(3,0,0)(2,1,0)_{12}. Ajustamos este modelo, junto con algunas variaciones del mismo, y calculamos los valores AICc que se muestran en la tabla 9.2.

Tabla 9.2: Valores del AICc de varios modelos ARIMA aplicados a los datos de ventas mensuales de recetas de H02.
Modelo AICc
ARIMA(3,0,1)(0,1,2)_{12} -485.5
ARIMA(3,0,1)(1,1,1)_{12} -484.2
ARIMA(3,0,1)(0,1,1)_{12} -483.7
ARIMA(3,0,1)(2,1,0)_{12} -476.3
ARIMA(3,0,0)(2,1,0)_{12} -475.1
ARIMA(3,0,2)(2,1,0)_{12} -474.9
ARIMA(3,0,1)(1,1,0)_{12} -463.4

De estos modelos, el mejor es el modelo ARIMA(3,0,1)(0,1,2)_{12} (es decir, tiene el menor valor AICc). Los residuos de innovación de este modelo se muestran en la figura 9.25.

fit <- h02 |>
  model(ARIMA(log(Cost) ~ 0 + pdq(3, 0, 1) + PDQ(0, 1, 2)))
fit |> gg_tsresiduals(lag_max = 36) +
  labs(x = "Mes", y = "Residuos de innovación")
Figura 9.25: Residuos de innovación del modelo ARIMA(3,0,1)(0,1,2)_{12} aplicado a los datos de ventas mensuales de recetas de H02.
augment(fit) |>
  features(.innov, ljung_box, lag = 24, dof = 6)
# A tibble: 1 × 3
  .model                                             lb_stat lb_pvalue
  <chr>                                                <dbl>     <dbl>
1 ARIMA(log(Cost) ~ 0 + pdq(3, 0, 1) + PDQ(0, 1, 2))    23.7     0.166

Hay algunos picos significativos en el ACF, pero el modelo supera el test de Ljung-Box.

A continuación intentaremos utilizar el algoritmo ARIMA automático. Ejecutando ARIMA() con todos los argumentos dejados en sus valores por defecto condujo a un modelo ARIMA(2,1,0)(0,1,1)_{12}. Ejecutando ARIMA() con stepwise=FALSE y approximation=FALSE se obtiene un modelo ARIMA(2,1,3)(0,1,1)_{12}. Todos estos modelos darán predicciones casi iguales, por lo que no importa mucho cuál utilicemos.

Evaluación con un conjunto de prueba:

Compararemos algunos de los modelos ajustados hasta el momento utilizando un conjunto de datos de prueba compuesto por los dos últimos años de datos. Así, ajustamos los modelos utilizando datos de julio de 1991 a junio de 2006, y pronosticamos las ventas de guiones de julio de 2006 a junio de 2008. Los resultados se resumen en la tabla 9.3.

Tabla 9.3: Valores del RMSE de varios modelos ARIMA aplicados a los datos de ventas mensuales de recetas de H02 en el conjunto de prueba de julio de 2006 a junio de 2008.
Modelo RMSE
ARIMA(3,0,1)(1,1,1)_{12} 0.0619
ARIMA(3,0,1)(0,1,2)_{12} 0.0621
ARIMA(2,1,1)(0,1,1)_{12} 0.0622
ARIMA(2,1,2)(0,1,1)_{12} 0.0623
ARIMA(2,1,4)(0,1,1)_{12} 0.0627
ARIMA(2,1,3)(0,1,1)_{12} 0.0628
ARIMA(3,0,1)(0,1,1)_{12} 0.0630
ARIMA(3,0,2)(0,1,1)_{12} 0.0630
ARIMA(2,1,0)(0,1,1)_{12} 0.0630
ARIMA(3,0,1)(0,1,3)_{12} 0.0630
ARIMA(3,0,3)(0,1,1)_{12} 0.0633
ARIMA(3,0,2)(2,1,0)_{12} 0.0651
ARIMA(3,0,1)(2,1,0)_{12} 0.0653
ARIMA(2,1,0)(1,1,0)_{12} 0.0666
ARIMA(3,0,1)(1,1,0)_{12} 0.0666
ARIMA(3,0,0)(2,1,0)_{12} 0.0668

Los modelos elegidos manualmente se acercan al mejor modelo de este conjunto de pruebas en función de los valores de RMSE, mientras que los modelos elegidos automáticamente con ARIMA() no se quedan atrás.

Cuando se comparan modelos utilizando valores AICc, es importante que todos los modelos tengan los mismos órdenes de diferenciación. Sin embargo, cuando se comparan modelos utilizando un conjunto de prueba, no importa cómo se hayan producido las predicciones: las comparaciones son siempre válidas. Por consiguiente, en la tabla anterior, podemos incluir algunos modelos sólo con diferenciación estacional y algunos modelos con diferenciación tanto estacional como de primer orden, mientras que en la tabla anterior que contiene los valores de AICc, sólo comparamos modelos con diferenciación estacional pero sin diferenciación de primer orden.

A veces no es posible encontrar un modelo que supere todas las pruebas de los residuos. En la práctica, normalmente utilizaríamos el mejor modelo que pudiéramos encontrar, aunque no superara todas las pruebas.

Las predicciones del modelo ARIMA(3,0,1)(0,1,2)_{12} (que tiene el segundo valor más bajo de RMSE en el conjunto de pruebas y el mejor valor de AICc entre los modelos con diferenciación estacional únicamente) se muestran en la figura 9.26.

h02 |>
  model(ARIMA(log(Cost) ~ 0 + pdq(3, 0, 1) + PDQ(0, 1, 2))) |>
  forecast() |>
  autoplot(h02) +
  labs(
    x = "Mes",
    y = " $AU (millones)",
    title = "Ventas de recetas de corticosteroides (H02)"
  ) +
  guides(fill_ramp = guide_legend(title = "Nivel"))
Figura 9.26: Predicciones del modelo ARIMA(3,0,1)(0,1,2)_{12} aplicado a los datos de ventas mensuales de recetas de H02.

9.10 ARIMA vs ETS

Es un mito muy extendido que los modelos ARIMA son más generales que el suavizado exponencial. Mientras que los modelos de alisado exponencial lineal son casos especiales de los modelos ARIMA, los modelos de alisado exponencial no lineal no tienen equivalentes ARIMA. Por otra parte, también hay muchos modelos ARIMA que no tienen homólogos de alisado exponencial. En concreto, todos los modelos ETS son no estacionarios, mientras que algunos modelos ARIMA son estacionarios. La figura 9.27 muestra el solapamiento entre las dos clases de modelos.

Figura 9.27: Las clases de modelos ETS y ARIMA se solapan: los modelos ETS aditivos tienen formas ARIMA equivalentes.

Los modelos ETS con estacionalidad o tendencia no amortiguada, o ambas, tienen dos raíces unitarias (es decir, necesitan dos niveles de diferenciación para que sean estacionarios). Todos los demás modelos ETS tienen una raíz unitaria (necesitan un nivel de diferenciación para hacerlos estacionarios).

La tabla 9.4 muestra las relaciones de equivalencia de las dos clases de modelos. Para los modelos estacionales, los parámetros ARIMA tienen un gran número de restricciones.

Tabla 9.4: Relaciones de equivalencia entre los modelos ETS y ARIMA.
Modelo ETS Modelo ARIMA Parámetros
ETS(A,N,N) ARIMA(0,1,1) \theta_1=\alpha-1
ETS(A,A,N) ARIMA(0,2,2) \theta_1=\alpha+\beta-2
\theta_2=1-\alpha
ETS(A,A_d,N) ARIMA(1,1,2) \phi_1=\phi
\theta_1=\alpha+\phi\beta-1-\phi
\theta_2=(1-\alpha)\phi
ETS(A,N,A) ARIMA(0,1,m)(0,1,0)_m
ETS(A,A,A) ARIMA(0,1,m+1)(0,1,0)_m
ETS(A,A_d,A) ARIMA(1,0,m+1)(0,1,0)_m

El índice AICc es útil para seleccionar entre modelos de la misma clase. Por ejemplo, podemos utilizarlo para seleccionar un modelo ARIMA entre otros modelos ARIMA candidatos3 o un modelo ETS entre otros modelos ETS candidatos. Sin embargo, no puede utilizarse para comparar entre modelos ETS y ARIMA porque pertenecen a clases de modelos diferentes y la verosimilitud se calcula de formas distintas. Los ejemplos siguientes demuestran la selección entre estas clases de modelos.

Comparación de ARIMA() y ETS() en datos no estacionales

Podemos utilizar la validación cruzada de series temporales para comparar los modelos ARIMA y ETS. Consideremos la población australiana del conjunto de datos global_economy, tal como se introdujo en la sección 8.2.

aus_economy <- global_economy |>
  filter(Code == "AUS") |>
  mutate(Population = Population / 1e6)

aus_economy |>
  slice(-n()) |>
  stretch_tsibble(.init = 10) |>
  model(
    ETS(Population),
    ARIMA(Population)
  ) |>
  forecast(h = 1) |>
  accuracy(aus_economy) |>
  select(.model, RMSE:MAPE)
# A tibble: 2 × 5
  .model              RMSE    MAE   MPE  MAPE
  <chr>              <dbl>  <dbl> <dbl> <dbl>
1 ARIMA(Population) 0.194  0.0789 0.277 0.509
2 ETS(Population)   0.0774 0.0543 0.112 0.327

En este caso, el modelo ETS tiene mayor precisión en las medidas de rendimiento de validación cruzada. A continuación generamos y trazamos predicciones para los próximos 5 años generadas a partir de un modelo ETS.

aus_economy |>
  model(ETS(Population)) |>
  forecast(h = "5 years") |>
  autoplot(aus_economy |> filter(Year >= 2000)) +
  labs(x = "Año", title = "Población de Australia", y = "Personas (millones)") +
  guides(fill_ramp = guide_legend(title = "Nivel"))
Figura 9.28: Predicciones de un modelo ETS ajustado a la población australiana.

Comparación de ARIMA() y ETS() en datos estacionales

En este caso queremos comparar los modelos estacionales ARIMA y ETS aplicados a los datos trimestrales de producción de cemento (de aus_production). Dado que la serie es relativamente larga, podemos permitirnos utilizar un conjunto de entrenamiento y uno de prueba en lugar de la validación cruzada de series temporales. La ventaja es que es mucho más rápido. Creamos un conjunto de entrenamiento desde principios de 1988 hasta finales de 2007 y seleccionamos un modelo ARIMA y un modelo ETS utilizando las funciones ARIMA() y ETS().

cement <- aus_production |>
  select(Cement) |>
  filter_index("1988 Q1" ~ .)
train <- cement |> filter_index(. ~ "2007 Q4")

La siguiente salida muestra el modelo seleccionado y estimado por ARIMA(). El modelo ARIMA captura bien toda la dinámica de los datos, ya que los residuos parecen ser ruido blanco.

fit_arima <- train |> model(ARIMA(Cement))
report(fit_arima)
Series: Cement 
Model: ARIMA(1,0,1)(2,1,1)[4] w/ drift 

Coefficients:
         ar1      ma1   sar1     sar2     sma1  constant
      0.8886  -0.2366  0.081  -0.2345  -0.8979     5.388
s.e.  0.0842   0.1334  0.157   0.1392   0.1780     1.484

sigma^2 estimated as 11456:  log likelihood=-463.5
AIC=941   AICc=942.7   BIC=957.4
fit_arima |> gg_tsresiduals(lag_max = 16) +
  labs(x = "Trimestre", y = "Residuos de innovación")
Figura 9.29: Gráficos de diagnóstico de los residuos del modelo ARIMA ajustado a los datos de entrenamiento de la producción trimestral de cemento.
augment(fit_arima) |>
  features(.innov, ljung_box, lag = 8, dof = 5)
# A tibble: 1 × 3
  .model        lb_stat lb_pvalue
  <chr>           <dbl>     <dbl>
1 ARIMA(Cement)   0.783     0.853

El siguiente resultado también muestra el modelo ETS seleccionado y estimado por ETS(). Este modelo también captura bien toda la dinámica de los datos, ya que los residuos parecen ser ruido blanco.

fit_ets <- train |> model(ETS(Cement))
report(fit_ets)
Series: Cement 
Model: ETS(M,N,M) 
  Smoothing parameters:
    alpha = 0.7534 
    gamma = 1e-04 

  Initial states:
 l[0]  s[0] s[-1] s[-2]  s[-3]
 1695 1.031 1.045 1.011 0.9122

  sigma^2:  0.0034

 AIC AICc  BIC 
1104 1106 1121 
fit_ets |>
  gg_tsresiduals(lag_max = 16) +
  labs(x = "Trimestre", y = "Residuos de innovación")
Figura 9.30: Gráficos de diagnóstico de los residuos del modelo ETS ajustado a los datos de entrenamiento de la producción trimestral de cemento.
augment(fit_ets) |>
  features(.innov, ljung_box, lag = 8)
# A tibble: 1 × 3
  .model      lb_stat lb_pvalue
  <chr>         <dbl>     <dbl>
1 ETS(Cement)    5.49     0.704

El resultado que se muestra a continuación evalúa los resultados de predicción de los dos modelos que compiten en el conjunto de prueba. En este caso, el modelo ARIMA parece ser el modelo ligeramente más preciso basado en el conjunto de pruebas RMSE, MAPE y MASE.

# Generate forecasts and compare accuracy over the test set
bind_rows(
  fit_arima |> accuracy(),
  fit_ets |> accuracy(),
  fit_arima |> forecast(h = 10) |> accuracy(cement),
  fit_ets |> forecast(h = 10) |> accuracy(cement)
) |>
  select(-ME, -MPE, -ACF1)
# A tibble: 4 × 7
  .model        .type     RMSE   MAE  MAPE  MASE RMSSE
  <chr>         <chr>    <dbl> <dbl> <dbl> <dbl> <dbl>
1 ARIMA(Cement) Training  100.  79.9  4.37 0.546 0.582
2 ETS(Cement)   Training  103.  80.0  4.41 0.547 0.596
3 ARIMA(Cement) Test      216. 186.   8.68 1.27  1.26 
4 ETS(Cement)   Test      222. 191.   8.85 1.30  1.29 

A continuación generamos y trazamos las predicciones del modelo ARIMA para los próximos 3 años.

cement |>
  model(ARIMA(Cement)) |>
  forecast(h = "3 years") |>
  autoplot(cement) +
  labs(
    x = "Trimestre",
    title = "Producción de cemento en Australia",
    y = "Toneladas (miles)"
  ) +
  guides(fill_ramp = guide_legend(title = "Nivel"))
Figura 9.31: Predicciones de un modelo ARIMA ajustado a todos los datos disponibles de producción trimestral de cemento desde 1988.

9.11 Ejercicios

  1. La figura 9.32 muestra los ACF para 36 números aleatorios, 360 números aleatorios y 1.000 números aleatorios.

    1. Explique las diferencias entre estas figuras. ¿Indican todas ellas que los datos son ruido blanco?

      Figura 9.32: Izquierda: ACF de una serie de ruido blanco de 36 números. Centro: ACF de una serie de ruido blanco de 360 números. Derecha: ACF de una serie de ruido blanco de 1.000 números.
    2. ¿Por qué los valores críticos están a diferentes distancias de la media de cero? ¿Por qué las autocorrelaciones son diferentes en cada figura cuando cada una se refiere a ruido blanco?

  2. Un ejemplo clásico de serie no estacionaria son los precios de las acciones. Represente gráficamente los precios de cierre diarios de las acciones de Amazon (contenidas en gafa_stock), junto con el ACF y el PACF. Explique cómo cada gráfico muestra que la serie es no estacionaria y debe diferenciarse.

  3. Para las siguientes series, encuentre una transformación Box-Cox y un orden de diferenciación apropiados para obtener datos estacionarios.

    1. PIB turco de global_economy.
    2. Ingresos por alojamiento en el estado de Tasmania de aus_accommodation.
    3. Ventas mensuales de souvenirs.
  4. Para los datos de souvenirs, escribe las diferencias que elegiste anteriormente utilizando la notación del operador de desplazamiento hacia atrás.

  5. Para sus datos de ventas al por menor (del ejercicio 7 de la sección 2.10), encuentre el orden apropiado de diferenciación (después de la transformación si es necesario) para obtener datos estacionarios.

  6. Simule y represente gráficamente algunos datos de modelos ARIMA sencillos.

    1. Utilice el siguiente código R para generar datos a partir de un modelo AR(1) con \phi_{1} = 0,6 y \sigma^2 = 1. El proceso comienza con y_1 = 0.

      y <- numeric(100)
      e <- rnorm(100)
      for (i in 2:100) {
        y[i] <- 0.6 * y[i - 1] + e[i]
      }
      sim <- tsibble(idx = seq_len(100), y = y, index = idx)
    2. Elabore un gráfico temporal de la serie. ¿Cómo cambia el gráfico al cambiar \phi_1?

    3. Escriba su propio código para generar datos de un modelo MA(1) con \theta_{1} = 0.6 y \sigma^2 = 1.

    4. Cree un gráfico temporal para la serie. ¿Cómo cambia el gráfico a medida que cambia \theta_1?

    5. Genere datos de un modelo ARMA(1,1) con \phi_{1} = 0.6, \theta_{1} = 0.6 y \sigma^2 = 1.

    6. Genere datos a partir de un modelo AR(2) con \phi_{1} = -0,8, \phi_{2} = 0,3 y \sigma^2 = 1. (Nótese que estos parámetros darán una serie no estacionaria).

    7. Represente gráficamente las dos últimas series y compárelas.

  7. Considere aus_airpassengers, el número total de pasajeros (en millones) de las compañías aéreas australianas para el período 1970-2011.

    1. Utilice ARIMA() para encontrar un modelo ARIMA apropiado. ¿Qué modelo se ha seleccionado? Compruebe que los residuos parecen ruido blanco. Represente gráficamente las predicciones para los próximos 10 periodos.
    2. Escriba el modelo en términos del operador backshift.
    3. Represente las predicciones de un modelo ARIMA(0,1,0) con deriva y compárelas con la parte a.
    4. Represente las predicciones de un modelo ARIMA(2,1,2) con desviación y compárelas con las partes a y c. Elimine la constante y vea qué ocurre.
    5. Represente las predicciones de un modelo ARIMA(0,2,1) con una constante. ¿Qué ocurre?
  8. Para la serie del PIB de Estados Unidos (de global_economy):

    1. Si es necesario, encuentre una transformación Box-Cox adecuada para los datos;
    2. Ajuste un modelo ARIMA adecuado a los datos transformados utilizando ARIMA();
    3. Pruebe otros modelos plausibles experimentando con los órdenes elegidos;
    4. Elija el modelo que considere mejor y compruebe los diagnósticos residuales;
    5. Elabore predicciones con tu modelo ajustado. ¿Parecen razonables las predicciones?
    6. Compare los resultados con los que obtendría utilizando ETS() (sin transformación).
  9. Considere aus_arrivals, el número trimestral de visitantes internacionales a Australia de varios países para el período 1981 Q1 – 2012 Q3.

    1. Seleccione un país y describa el gráfico temporal.
    2. Utilice la diferenciación para obtener datos estacionarios.
    3. ¿Qué puede aprender del gráfico ACF de los datos diferenciados?
    4. ¿Qué puede aprender del gráfico PACF de los datos diferenciados?
    5. ¿Qué modelo sugieren estos gráficos?
    6. ¿Da ARIMA() el mismo modelo que elegiste? Si no es así, ¿qué modelo te parece mejor?
    7. Escriba el modelo en términos del operador de desplazamiento hacia atrás y, a continuación, sin utilizar el operador de desplazamiento hacia atrás.
  10. Elija una serie de us_employment, el empleo total en diferentes industrias en los Estados Unidos.

    1. Realice una descomposición STL de los datos y describa la tendencia y la estacionalidad.
    2. ¿Es necesario transformar los datos? En caso afirmativo, busque una transformación adecuada.
    3. ¿Son estacionarios los datos? En caso negativo, busque una diferenciación adecuada que produzca datos estacionarios.
    4. Identifique un par de modelos ARIMA que puedan ser útiles para describir la serie temporal. ¿Cuál de sus modelos es el mejor según sus valores AICc?
    5. Estime los parámetros de su mejor modelo y realice pruebas de diagnóstico de los residuos. ¿Se parecen los residuos a ruido blanco? Si no es así, intente encontrar otro modelo ARIMA que se ajuste mejor.
    6. Haga una predicción de los datos de los próximos 3 años. Obtén las últimas cifras de https://fred.stlouisfed.org/categories/11 para comprobar la exactitud de tus predicciones.
    7. Al final, los intervalos de predicción son tan amplios que las predicciones no resultan especialmente útiles. ¿Cuántos años de predicciones crees que son suficientemente precisos para ser utilizables?
  11. Elija una de las siguientes series temporales estacionales: la producción australiana de electricidad, cemento o gas (de aus_production).

    1. ¿Es necesario transformar los datos? En caso afirmativo, busque una transformación adecuada.
    2. ¿Son estacionarios los datos? En caso negativo, busque una diferenciación adecuada que produzca datos estacionarios.
    3. Identifique un par de modelos ARIMA que puedan ser útiles para describir la serie temporal. ¿Cuál de sus modelos es el mejor según sus valores AIC?
    4. Estime los parámetros de su mejor modelo y realice una prueba de diagnóstico de los residuos. ¿Se parecen los residuos a ruido blanco? Si no es así, intente encontrar otro modelo ARIMA que se ajuste mejor.
    5. Prediga los datos de los próximos 24 meses utilizando su modelo preferido.
    6. Compare las predicciones obtenidas utilizando ETS().
  12. Para la misma serie temporal que utilizó en el ejercicio anterior, pruebe a utilizar un modelo no estacional aplicado a los datos desestacionalizados obtenidos de STL. Compare las predicciones con las obtenidas en el ejercicio anterior. ¿Cuál cree que es el mejor enfoque?

  13. Para los datos del turismo australiano (de tourism):

    1. Ajuste modelos ARIMA para cada serie temporal.
    2. Elabore predicciones de los modelos ajustados.
    3. Comprueba las predicciones para las regiones de «Snowy Mountains» y «Melbourne». ¿Parecen razonables?
  14. Para sus series temporales de venta al por menor (Ejercicio 5 anterior):

    1. Desarrolle un modelo ARIMA estacional apropiado;
    2. Compare las predicciones con las que obtuvo en capítulos anteriores;
    3. Obtenga datos actualizados sobre el comercio minorista del sitio web de ABS (Cat 8501.0, Tabla 11), y compare sus predicciones con las cifras reales. ¿En qué medida fueron buenas las predicciones de los distintos modelos?
  15. Considere el número de pieles de liebre de raquetas de nieve comercializadas por la Compañía de la Bahía de Hudson entre 1845 y 1935 (conjunto de datos pelt).

    1. Elabore un gráfico temporal de la serie temporal.

    2. Suponga que decide ajustar el siguiente modelo: y_t = c + \phi_1 y_{t-1} + \phi_2 y_{t-2} + \phi_3 y_{t-3} + \phi_4 y_{t-4} + \varepsilon_t, donde \varepsilon_t es una serie de ruido blanco. ¿Qué tipo de modelo ARIMA es éste (es decir, qué son p, d y q)?

    3. Examinando el ACF y el PACF de los datos, explique por qué este modelo es apropiado.

    4. Los últimos cinco valores de la serie se dan a continuación:

      Año 1931 1932 1933 1934 1935
      Número de pieles de liebre 19520 82110 89760 81660 15760

      Los parámetros estimados son c = 30993, \phi_1 = 0.82, \phi_2 = -0.29, \phi_3 = -0.01 y \phi_4 = -0.22. Sin utilizar la función forecast(), calcule las predicciones para los tres años siguientes (1936–1939).

    5. Ajuste ahora el modelo en R y obtenga las predicciones utilizando forecast(). ¿En qué se diferencian de las suyas? ¿Por qué?

  16. La población de Suiza de 1960 a 2017 se encuentra en el conjunto de datos global_economy.

    1. Elabore un gráfico temporal de los datos.

    2. Decide ajustar el siguiente modelo a la serie: y_t = c + y_{t-1} + \phi_1 (y_{t-1} - y_{t-2}) + \phi_2 (y_{t-2} - y_{t-3}) + \phi_3( y_{t-3} - y_{t-4}) + \varepsilon_t donde y_t es la Población en el año t y \varepsilon_t es una serie de ruido blanco. ¿Qué tipo de modelo ARIMA es éste (es decir, qué son p, d y q)?

    3. Explique por qué se eligió este modelo utilizando la ACF y la PACF de las series diferenciadas.

    4. Los últimos cinco valores de la serie se dan a continuación.

      Año 2013 2014 2015 2016 2017
      Población (millones) 8.09 8.19 8.28 8.37 8.47

      Los parámetros estimados son c = 0.0053, \phi_1 = 1.64, \phi_2 = -1.17 y \phi_3 = 0.45. Sin utilizar la función forecast(), calcule las predicciones para los próximos tres años (2018–2020).

    5. Ajuste ahora el modelo en R y obtenga las predicciones del mismo modelo. ¿En qué se diferencian de las suyas? ¿Por qué?

9.12 Lecturas complementarias

  • El texto clásico que popularizó le modelado con ARIMA fue Box & Jenkins (1970). La edición más reciente es Box et al. (2015), y sigue siendo una referencia excelente para todo lo relacionado con ARIMA.
  • Brockwell & Davis (2016) ofrece una buena introducción a los fundamentos matemáticos de los modelos.
  • El algoritmo Hyndman-Khandakar para seleccionar automáticamente un modelo ARIMA se describe en Hyndman & Khandakar (2008).
  • Peña et al. (2001) describe algunos algoritmos automáticos alternativos al utilizado por ARIMA().


  1. Más concretamente, si \{y_t\} es una serie temporal estacionaria, entonces para todo s, la distribución de (y_t,\dots,y_{t+s}) no depende de t↩︎

  2. arc cos es la función coseno inversa. Usted debe ser capaz de encontrar en su calculadora. Puede ser etiquetado como acos o cos^{-1}↩︎

  3. Como ya se ha señalado, la comparación de criterios de información sólo es válida para modelos ARIMA de los mismos órdenes de diferenciación↩︎