PREDICCIÓN ECONÓMICA Y EMPRESARIAL

INTRODUCCIÓN
CAPÍTULO 1. CONCEPTOS INICIALES EN LA PREDICCIÓN ECONÓMICA Y EMPRESARIAL. TENDENCIAS
1.1 PREDICCIONES Y SU TIPOLOGÍA
1.2 CONCEPTO DE SERIE TEMPORAL. COMPONENTES
1.3 TENDENCIA DE UNA SERIE TEMPORAL
1.4 SPSS Y LA TENDENCIA DE LAS SERIES TEMPORALES
1.5 STATGRAPHICS Y LA TENDENCIA DE SERIES TEMPORALES
1.6 EXCEL Y LA TENDENCIA DE SERIES TEMPORALES
CAPÍTULO 2. COMPONENTES ESTACIONAL Y CÍCLICA EN SERIES TEMPORALES
2.1 VARIACIONES ESTACIONALES EN UNA SERIE TEMPORAL
2.1.1 Método de desestacionalización de la tendencia
2.1.2 Métodos de desestacionalización del índice estacional
2.1.3 Método de desestacionalización de las medias móviles
2.1.4 Método de las diferencias estacionales
2.2 VARIACIONES CÍCLICAS
2.3 SPSS Y LAS VARIACIONES ESTACIONALES
2.4 EXCEL Y LAS VARIACIONES ESTACIONALES
2.5 VARIACIONES CÍCLICAS CON SPSS: PERIODO GRAMA Y DENSIDAD ESPECTRAL
2.6 VARIACIONES CÍCLICAS CON STATGRAPHICS: PERIODO GRAMA
2.7 DESCOMPOSICIÓN DE UNA SERIE EN SUS COMPONENTES
2.7.1 Descomposición de una serie con SPSS
2.7.2 Descomposición de una serie con Statgraphics
CAPÍTULO 3. PREDICCIÓN ECONÓMICA Y EMPRESARIAL. MÉTODOS
AUTOPROYECTIVOS DETERMINISTAS
3.1 INTRODUCCIÓN A LOSMÉTODOS DETERMINISTAS PARA LA PREDICCIÓN
3.2 SUAVIZADO POR MEDIAS MÓVILES
3.3 SUAVIZADO EXPONENCIAL DE BROWN
3.4 SUAVIZADO LINEAL DE HOLT
3.5 SUAVIZADO ESTACIONAL DEWINTERS
3.6 MÉTODOS AUTOPROYECTIVOS DETERMINISTAS DE PREDICCIÓN CON EL MODELIZADOR DE SPSS
3.7 MÉTODOS AUTOPROYECTIVOS DETERMINISTAS DE PREDICCIÓN CON
STATGRAPHICS CENTURION
3.8 MÉTODOS AUTOPROYECTIVOS DETERMINISTAS DE PREDICCIÓN CON STATGRAPHICS
3.9 MÉTODOS AUTOPROYECTIVOS DETERMINISTAS DE PREDICCIÓN CON EXCEL
CAPÍTULO 4. PREDICCIÓN ECONÓMICA Y EMPRESARIAL. MÉTODOS
AUTOPROYECTIVOS ESTOCÁSTICOS
4.1 INTRODUCCIÓN A LOS MÉTODOS ESTOCÁSTICOS PARA LA PREDICCIÓN.
4.2 METODOLOGÍA DE BOX-JENKINS
4.2.1 Fases del modelado y tipología de modelos ARIMA(p,d,q)
4.2.2 Modelos AR(p), MA(q), ARMA(p,q) y ARIMA(p,d,q
4.2.3 Modelos de la función de transferencia
4.2.4 Identificación del modelo
4.2.5 Modelos ARIMA(p,d,q)(P,D,Q) estacionales
4.2.6 Estimación de modelos ARIMA(p,d,q)(P,D,Q)
4.2.7 Diagnóstico, validación o contraste de modelos ARIMA(p,d,q)(P,D,Q)
4.2.8 Predicción en modelos ARIMA(p,d,q)(P,D,Q
4.3 SPSS Y LA METODOLOGÍA DE BOX-JENKINS
4.3.1 Identificación de modelos ARIMA con SPSS
4.3.2 Estimación, diagnosis y predicción de modelos ARIMA con SPSS
4.3.3 El módulo automático de predicción de SPSS
4.4 STATGRAPHICS Y LA METODOLOGÍA DE BOX-JENKINS
4.4.1 Identificación de modelos ARIMA con Statgraphics
4.4.2 Estimación, validación y predicción de modelos ARIMA con Statgraphics
4.4.3 El módulo automático de predicción de Statgraphics
4.5 STATGRAPHICS CENTURION Y LAMETODOLOGÍA DE BOX-JENKINS
4.5.1 Identificación, estimación, diagnosis y predicción de modelos ARIMA con Statgraphics Centurion
4.5.2 El módulo automático de predicción de Statgraphics Centurion
4.6 NOTAS SOBRE LA IDENTIFICACIÓNMANUAL DE MODELOS ARIMA GENERALES
CAPÍTULO 5. PREDICCIÓN ECONÓMICA Y EMPRESARIAL. MODELOS CON INTERVENCIÓN
5.1 EL ANÁLISIS DE LA INTERVENCIÓN
5.1.1 Variables impulso y escalón
5.1.2 Modelo de intervención general
5.2 OUTLIERSOVALORES ATÍPICOS
5.2.1 Tipos de outliers
5.2.2 Outliers aditivos (AO)
5.2.3 Outliers innovacionales (IO
5.2.4 Outliers de cambio en nivel (LS)
5.2.5 Outliers de cambio temporal (TC)
5.3 MODELOS DE INTERVENCIÓNCON EL MODELIZADOR AUTOMÁTICO DE SPSS
CAPÍTULO 6. PREDICCIÓN ECONÓMICA Y EMPRESARIAL. PREDICCIONES INCONDICIONALES
6.1 INTRODUCCIÓN
6.2 PECULIARIDADES DE LOS MODELOS DE REGRESIÓN CON SERIES TEMPORALES
6.3 MODELO DE REGRESIÓN LINEAL MÚLTIPLE CON DATOS DE SERIES
TEMPORALES
6.3.1 Fase de identificación del modelo, contrastes e intervalos de confianza
6.3.2 Fase de estimación del modelo, contrastes e intervalos de confianza
6.3.3 Fase de diagnosis. El análisis de los residuos
6.3.4 Fase de diagnosis. Autocorrelación, multicolinealidad y heteroscedasticidad
6.3.5 Fase de predicción
6.4 SPSS Y LOS MODELOS DE REGRESIÓN LINEAL
6.4.1 Estimación ponderada y homoscedasticidad en SPSS
6.5 EXCEL Y LOS MODELOS DE REGRESIÓN LINEAL
6.6 STATGRAPHICS Y LOS MODELOS DE REGRESIÓN LINEAL
6.7 STATGRAPHICS CENTURION Y LOS MODELOS DE REGRESIÓN LINEAL

Las técnicas de predicción son un instrumento fundamental en la vida cotidiana de las empresas e instituciones. Se trata de una materia no trivial, ideal para utilizar adecuadamente el enfoque científico con vistas a la toma de decisiones en los negocios. Delimitado correctamente el histórico de datos del que se dispone, se aplica la metodología cuantitativa de series temporales de forma automatizada para obtener las predicciones adecuadas en las líneas de negocio. Predicciones de ingresos, gastos, ventas, producción, inversión óptima y otras magnitudes son la esencia de la actividad económica y empresarial.
El libro comienza tratando los conceptos iniciales de series temporales para la predicción, para posteriormente profundizar en la mayoría de las técnicas para la obtención de predicciones, tanto condicionales como incondicionales. Se abordan, tanto los métodos autoprotectivos deterministas (Holt, Brown, Winters, etc.), como los estocásticos, incluyendo la metodología de Box y Jenkins para modelos ARIMA y los modelos del análisis de la intervención. Finalmente, se tratan también los modelos causales para la obtención de predicciones.
En cuanto al soporte computacional para el desarrollo de modelos de predicción, actualmente existe mucho software de aplicación en este campo. Se pueden utilizar desde hojas de cálculo a programas profesionales especializados en la materia. La hoja de cálculo Microsoft Excel es una herramienta muy útil para la obtención de predicciones sencillas y, en este libro, se intentará aprovechar su potencialidad.
También se tratan profundamente otros programas muy adecuados para la predicción que incorporan módulos automáticos, como SPSS y STATGRAPHICS, que serán utilizados a lo largo del texto.
En cuanto a la metodología, se presentarán conceptos teóricos concretos y concisos al principio de los temas, ilustrándolos con ejemplos que se adecuen convenientemente a la metodología y en índice creciente de dificultad.
No son necesarios conocimientos previos de estadística, de matemáticas ni de software para trabajar con el contenido de este libro.