En este mismo blog ya he escrito varias entradas dedicadas a la prospectiva, mencionando no solo las técnicas clásicas y el software utilizado sino también las distintas escuelas que existen. El lector interesado puede echar un vistazo a las siguientes entradas de este mismo blog. Algunas de ellas tienen ya algunos años pero mantienen su validez:
Sobre fundamentos de Prospectiva:
http://elbuhoanaltico.blogspot.com.es/2012/05/fundamentos-de-prospectiva.html
Sobre técnicas y software en Prospectiva:
http://elbuhoanaltico.blogspot.com.es/2012/06/tecnicas-de-analisis-y-software-en.html
Sobre las diferentes escuelas en Prospectiva:
http://elbuhoanaltico.blogspot.com.es/2012/07/analisis-comparativo-de-las-escuelas-de.html
Pero hoy quisiera dedicar esta entrada a hablar de algo que suele pasar muy desapercibido o apenas mencionado en los cursos habituales al respecto. Me estoy refiriendo a la parte de análisis cuantitativo y, más en concreto, a la modelización de series temporales. Hoy nadie medianamente serio ni en los organismos públicos ni en la empresa privada se plantea hacer prospectiva sin ayudarse de datos cuantitativos y de la utilización de éstos mediante el análisis de series temporales. Variables como la temperatura, las precipitaciones, el Índice de Precios del Consumo, el PIB, el desempleo, el turismo y un largo etc pueden ser modelizadas mediante series temporales para dar respuesta a determinadas preguntas. Es trabajo del analista saber qué variables pueden ayudarle más o son más significativas a la hora de explicar su variable dependiente.
Personalmente, debo advertir que yo salí de la universidad creyendo saber modelar series temporales. Para mí sorpresa había una gran distancia entre lo que yo creía y la realidad, y eso a pesar de haber tenido toda una asignatura especialmente dedicada a este tema en el grado de Estadística. Algo que suele sucederle a la inmensa mayoría de los alumnos ¿Por qué?. Principalmente por dos razones. La primera es porque durante los créditos de esa asignatura el profesor apenas tiene tiempo de enseñarte los conceptos básicos de series temporales y la segunda es que la práctica, esto es, las series temporales reales, suelen ser muy diferentes a las que encuentras como ejemplos en los libros de texto. Yo he tenido la inmensa suerte de poder aprender a modelar series temporales de manos de otros analistas senior con años de experiencia. Y ya os adelanto que se aprende mucho más en un par de meses trabajando codo con codo con un analista senior que en años de universidad.
La modelización de series temporales tiene varias etapas. En un primer momento debemos tratar las series que nos dan o que hemos obtenido introduciendo las transformaciones necesarias. Algunas de estas transformaciones pueden ser sencillas, como la aplicación de logaritmos o tomar diferencias regulares o estacionales, pero otras son más complicadas. También se deben introducir las llamadas variables "dummie" para modelizar cambios abruptos o repentinos.
Otro paso es buscar el modelo que más se ajusta a nuestras series. Hay varios modelos clásicos como los AR, MA, ARMA o ARIMA. Cada uno de ellos tiene sus hipótesis y responde a unas funciones de autocorrelación (FAC) y autocorrelación parcial (FAP) concretas.
A continuación trataremos de realizar una estimación para explicar nuestra variable objetivo. Dicha estimación nos devolverá unos parámetros concretos para cada serie o variable independiente.
El paso final es establecer escenarios "What If" mediante la modificación de alguno de esos parámentros. Por ejemplo: ¿Cómo afectaría el incremento de un punto en el desempleo al malestar social? o ¿Qué sucede con la economía si el turismo aumenta en un 1%?
Para finalizar os dejo el enlace a un artículo donde se especifican las diferentes técnicas cualitativas y cuantitativas que pueden usarse en prospectiva. Todo un mundo para especializarse. Podéis echarle un vistazo al artículo mientras saboreáis un café o un té en una taza como las de abajo.
http://eulaks.eu/attach/VII_Metodolog%C3%ADa_Prospectiva.pdf
No hay comentarios:
Publicar un comentario