Suavización exponencial

Por tanto, de lo que se trata es de predecir qué va a pasar y lo que hace es suavizar la serie temporal. El objetivo es reducir las fluctuaciones y conseguir observar una tendencia que a veces no está clara a simple vista. Es muy utilizado, sobre todo, en previsión de ventas y ha demostrado una eficacia más que aceptable.

Veamos una forma de cálculo sencilla. La fórmula, que mostramos con detalle en el ejemplo, incluye una demanda real (Do) y un pronóstico (Po). Por otro lado, también se tiene en cuenta el factor de suavización (alfa) expresado en tantos por uno. La fórmula sería esta:

Lo que hacemos, como veremos al final, es suavizar la serie. Sumanos al pronóstico del período anterior (Po) la diferencia entre este y la demanda (Do) multiplicados por el factor de suavización (alfa). Con esto conseguimos valores con menor variabilidad y se podrá observar mejor la evolución de la serie temporal.

Por supuesto, existen modelos algo más complejos. Por un lado, el modelo Box-Jenkins y por otro, el de Holt-Winter. Este último es muy útil por su sencillez y fácil utilización. No vamos a entrar en detalles concretos, ya que nos excederíamos de nuestro objetivo de mostrar la economía de forma sencilla.

Las ventajas son sobre todo la sencillez y la facilidad de aplicación, pero hay algunas más. Mostramos las más relevantes a continuación:

• No necesita de muchos datos históricos, a diferencia de otros métodos como el ARIMA.
• Tiene una mayor precisión que otros al utilizar técnicas de modelado exponencial.
• Es un método que goza de gran flexibilidad, al utilizar datos de demanda que pueden ser elegidos por el investigador.
• El llamado alisado exponencial doble permite reducir los problemas de pronóstico cuando el factor de suavización es mayor a 0.5. Uno de sus pocos inconvenientes.

Imaginemos una empresa que vende patatas fritas. El director comercial de la matriz mexicana contacta con su homólogo en España. Este le indica que va a hacer un pronóstico de ventas para Valencia. Pero claro, el único indicador que tiene para comenzar son las ventas en una ciudad de México en que se puedan comparar datos. Utiliza un factor para suavizar la serie del 35%.

Como podemos observar en la figura, aplicando la fórmula obtenemos los valores del pronóstico. El primero (P1), de enero de 2015, son las ventas de México D.F de ese mes. La columna de la demanda son los datos reales de ese año. A partir de ahí, introduciendo la fórmula, se pueden ir creando el resto de datos de la columna de pronósticos.

Podemos comprobar que la suavización exponencial lo que hace es reducir las fluctuaciones y observamos que no parece que exista una tendencia clara. Sin embargo, el pronóstico se sitúa la mayor parte del tiempo por encima de la demanda real que se acabó produciendo. Aunque en un período posterior esta es bastante mayor.