1 – Suavizado exponencial simple

Lección 1 del curso Pronósticos de Series de Tiempo con Suavizado Exponencial.

En esta primera lección del curso veremos qué son y cuáles son las principales características de los modelos de Suavizado Exponencial simple, que nos permiten realizar pronósticos de Series de Tiempo cuando éstas no tienen tendencia ni estacionalidad.

Comencemos entonces entendiendo de forma intuitiva en qué consiste el Suavizado Exponencial simple:

En esencia el Suavizado Exponencial simple genera un pronóstico como resultado de ponderar exponencialmente todos los datos históricos de la serie.

Y para realizar esta ponderación exponencial hacemos uso del parámetro 𝝰 (un valor entre 0 y 1) que permite establecer el nivel de importancia que daremos tanto a los registros históricos recientes como a los más antiguos al momento de realizar el pronóstico.

Así que teniendo claro este principio de funcionamiento, veamos todos los elementos matemáticos de estos modelos:

Muy bien, acabamos de ver las tres representaciones matemáticas más comunes que podemos usar para describir un modelo de Suavizado Exponencial simple: a través de una sumatoria, la forma promedio ponderado y la forma componente. Esta última resultará útil cuando veamos en detalle el Suavizado Exponencial aplicado a Series con tendencia y estacionalidad.

Además de las características ya mencionadas, también es importante tener en cuenta que los modelos de Suavizado Exponencial son modelos univariados y que no permiten el uso de variables exógenas como variables predictoras.

Así que con esto ya tenemos todos los elementos conceptuales esenciales para este primer método de generación de pronósticos. Así que en la próxima lección veremos de forma práctica cómo resolver un problema de pronósticos de Series de Tiempo usando el Suavizado Exponencial simple y la librería StatsForecast de Python.

Todas las lecciones del curso Pronósticos de Series de Tiempo con Suavizado Exponencial