Ajustar modelo ARIMA: tutorial en Excel

Este tutorial le mostrar cmo configurar e interpretar un modelo ARIMA - Autoregressive Integrated
Moving Average - en Excel usando el software XLSTAT.
Datos para ajustar un modelo ARIMA a una serie de tiempo
Una hoja Excel que contiene los datos y resultados de este ejemplo puede ser descargada haciendo
clic aqu. Los datos proceden de [Box, G.E.P. and Jenkins, G.M. (1976). Time Series Analysis: Forecasting
and Control. Holden-Day, San Francisco], y corresponden al trfico areo internacional (en miles de
pasajeros) de Enero de 1949 a Diciembre de 1960. El objetivo del anlisis es ajustar el modelo sobre los
datos de los 11 primeros aos y luego prever el trfico del ao 1960 con el modelo.

Se observa en este grfico que el nmero de pasajeros tiende a aumentar regularmente, que cada ao
repite un ciclo similar, pero que las variaciones dentro de un mismo ao son cada vez ms fuertes. Con el
fin de suprimir el aumento de las variaciones intra-anuales, escogemos el logaritmo Neperiano de los datos.
Se puede comprobar en el grfico a continuacin que el aumento de las variaciones intra-anuales es mucho
ms reducida.

Podemos ahora ajustar un modelo ARIMA(0,1, 1)(0,1,1) 12 que parezca apropiado para tener en cuenta el
componente tendencial y el cclico.
Configuracin del ajuste de un modelo ARIMA a una serie de tiempo
Para activar el cuadro de dilogo de los mtodos de suavizacin, inicie XLSTAT, luego seleccione el
comando XLSTAT / Time / ARIMA.
Una vez el botn presionado, aparece el cuadro de dilogo de los mtodos de suavizacin. Puede entonces
seleccionar los datos en la hoja Excel. La "Serie para analizar" corresponde a la serie estudiada, los datos
Log(Pasajeros). Se deja la opcin "Centrar" activada con el fin de permitir a XLSTAT centrar
automticamente la serie. Tras seleccionar la columna de los datos, precise el tipo de modelo ARIMA para
ajustar introduciendo las rdenes del modelo (p,d,q)(P,D,Q) s. El periodo de la serie est fijada a 12 ya que el
trfico parece tener ciclos anuales (12 meses). Por ltimo, en la casilla validacin introducimos el valor 12
ya que queremos que los 12 ltimos meses que corresponden al ao 1960 no sean tenidos en cuenta para
el ajuste del modelo pero que las previsiones sean calculadas para este periodo (validacin del modelo). La
opcin "Etiquetas columnas" est activada ya que la primera fila de la serie incluye el nombre de la serie.

Los clculos empiezan cuando haga clic en el botn "OK", luego aparecen los resultados.
Interpretacin de los resultados de un modelo ARIMA a una serie de tiempo
El primer cuadro proporciona estadsticas simples para la serie seleccionada. Luego se proporciona un
cuadro que permite evaluar la calidad del modelo tras optimisacin. Estos diferentes ndices permiten
eventualmente comparar diferentes modelos entre s.

En el cuadro siguiente se visualiza los parmetros del modelo. Se observa que los parmetros MA(1) y
SMA(1) parameters son sustancialmente diferente de 0, su intervalo de confianza a 95% no incluye el valor
0. Los intervalos de confianza estn calculados en la base de la matriz hessiana tras optimizacin, como la
mayora de los programas lo propone. El resultado asinttico se visualiza tambin con el fin de dar una
idea del alejamiento de la serie con respecto a un caso ideal. La constante del modelo est fijada, y es una
funcin de la media de la serie.

El modelo ARIMA se escribe entonces:

Y(t) = 0.001+Z(t-1)-0.333.Z(t-1)-0.544.Z(t-12)+0.181*Z(t-13) con Z(t) ) es un ruido blanco N(0, 0.001)
Y(t)=(1-B)(1-B12)X(t), y X(t) es la serie de partida.
La ecuacin que permite calcular las previsiones para la serie X(t) es: X(t+1) = Y(t+1)+X(t)+X(t-11)-X(t-12)
Tras el cuadro que proporciona los valores de los parmetros del modelo, un cuadro proporciona los
resutlados del ajuste, con la serie original y la serie del modelo ARIMA. Debido a restricciones vinculadas al
modelo, no tenemos previsiones para los trece primeros valores. Son arbitrariamente fijadas para el valor
de la serie observada. Para las doce ltimas observaciones, las previsiones (Validacin) del modelo son
visualizadas con un intervalo de confianza.

En el grfico a continuacin, se puede confirmar visualmente que las previsiones estn bien ajustadas a los
datos.