Muchas de las técnicas usadas para generar pronósticos de Series de Tiempo se fundamentan en el conocimiento profundo de sus componentes. Generalmente, una serie de tiempo posee tres componentes esenciales: el nivel, la tendencia y la estacionalidad.
En este artículo, exploraremos en detalle la estacionalidad, así que además de entender su definición, veremos cómo diferenciarla de los ciclos y por qué es un factor determinante al momento de construir modelos predictivos.
¿Qué es una Serie de Tiempo Estacional?
Para comprender este concepto, consideremos un ejemplo hipotético en el sector retail: las ventas de una heladería recolectadas mensualmente durante tres años. Al graficar estos datos (tiempo en el eje horizontal y ventas en el vertical), observamos un patrón recurrente como el de la siguiente figura:
En esta gráfica podemos ver la presencia de picos máximos en el mes de agosto de cada año (2023, 2024, 2025, 2026), lo cual coincide con el verano en el hemisferio norte, la época de mayor temperatura. Y de igual forma, vemos que se alcanzan valles mínimos cada mes de enero.
¿Qué es entonces la estacionalidad en Series de Tiempo?
Podemos definir que una serie de tiempo es estacional cuando presenta picos máximos y valles mínimos que se repiten periódicamente y de manera predecible en el tiempo.
Esto quiere decir que existe una periodicidad constante en la Serie: la cantidad de tiempo entre un máximo y el siguiente (o entre mínimos consecutivos) es la misma, lo que hace que la Serie tenga una estructura predecible.
La Importancia de la Estacionalidad al analizar Series de Tiempo
Identificar la estacionalidad es crucial al momento de desarrollar modelos de Machine Learning o modelos clásicos para pronosticar Series de Tiempo.
Es decir, si detectamos que el comportamiento de la Serie se repite con cierta frecuencia, esta información se convierte en un factor clave que podemos presentar al modelo para que genere predicciones futuras mucho más precisas. O también, nos permite determinar qué tipo de modelo podríamos usar para aprovechar dicha estacionalidad.
Por ejemplo los modelos de suavizado exponencial con estacionalidad (o Holt-Winters) o los modelos SARIMA son modelos clásicos de Series de Tiempo que precisamente aprovechan la información de este componente estacional para generar pronósticos a futuro de los valores de la Serie.
Ejemplos Reales y la Importancia del Intervalo de Tiempo
En el mundo real, no existen series perfectamente estacionales de forma indefinida. La estacionalidad se observa claramente cuando analizamos intervalos de tiempo relativamente cortos . Si extendemos el eje temporal, suelen aparecer otros componentes.
Algunos ejemplos de esto son:
- El tráfico aéreo de pasajeros: si analizamos esta serie en intervalos de 2 o 3 años, veremos que presenta máximos y mínimos estacionales claros. Sin embargo, en un rango de 50 años, se observa que tanto los máximos como los mínimos son cada vez más elevados, revelando un componente de tendencia (que veremos en detalle en otro artículo). Por otra parte, si analizamos la serie en un intervalo de tiempo muy pequeño, por ejemplo unas pocas semanas, no lograremos apreciar ese componente estacional.
- Temperatura: en rangos de 4 o 5 años, muestra una periodicidad estable (especialmente fuera de la zona ecuatorial). Pero si analizamos 100 años consecutivos de datos de la temperatura veremos que el calentamiento global introduce un incremento constante en la serie.
- Consumo de electricidad: En países con estaciones marcadas, el consumo se dispara en invierno (calefacción) y verano (aire acondicionado), bajando en primavera y otoño. Al igual que los casos anteriores, un análisis a muy largo plazo puede verse alterado por cambios en los patrones climáticos globales, mientras que un análisis a corto plazo (por ejemplo de unas cuantas horas) no nos permitiría ver esos patrones estacionales.
Diferencia entre Estacionalidad y Ciclos
También resulta clave no confundir la estacionalidad con el comportamiento cíclico de una Serie de Tiempo.
Series Cíclicas
Tomemos como ejemplo el comportamiento de las acciones de Meta (anteriormente Facebook) durante un mes:
Aunque la gráfica muestra picos (máximos) y valles (mínimos), estos no se repiten periódicamente en el tiempo. Y por tanto, esta es una Serie de Tiempo cíclica pero no estacional.
A partir de este ejemplo podemos decir que:
Una serie es cíclica cuando alcanza máximos y mínimos, pero estos no ocurren en intervalos de tiempo constantes o predecibles.
De hecho, esta ausencia de periodicidad hace que las series cíclicas sean mucho más difíciles de predecir en comparación con las estacionales, donde la regularidad del tiempo facilita la generación de pronósticos precisos.
Conclusión
Como acabamos de ver, la estacionalidad de una Serie de Tiempo es la periodicidad que alcanzan los valores de la Serie a lo largo del tiempo. Y conocer si una serie es estacional resulta clave no sólo al momento de explorar y entender su comportamiento, sino también para determinar el tipo de modelo de generación de pronósticos que resultaría más adecuado en caso de que la Serie sea estacional.
Es importante recordar que, cuando extendemos los intervalos de tiempo en casos como la temperatura o el consumo de electricidad, la estacionalidad suele combinarse con otros dos componentes de igual importancia: el nivel y la tendencia, de loso cuales hablo en detalle en otro artículo.