Pronosticar una serie de tiempo no se trata solo de “ajustar un modelo” y obtener un número. En la práctica, los mejores resultados aparecen cuando dominas tres frentes que se complementan: (1) preprocesamiento, para que los datos estén “modelables”; (2) descomposición, para entender qué fuerzas mueven la señal (tendencia, estacionalidad, ruido); y (3) manejo de la incertidumbre, para que tus predicciones sean útiles en decisiones reales (con intervalos y probabilidades, no solo puntos).
Este artículo resume técnicas esenciales en esos tres pilares, con enfoque práctico para análisis y pronóstico.
1) Preprocesamiento: dejar los datos listos para modelar
El preprocesamiento transforma datos crudos en una base estable para construir pronósticos. Aquí se corrigen problemas típicos: faltantes, ruido, escalas inestables y no estacionariedad.
1.1 Formatos de datos: “compacto” vs “expandido”
En series de tiempo, el formato importa (y mucho), sobre todo cuando trabajas con aprendizaje automático:
- Formato expandido (largo): cada fila representa un instante de tiempo. Es el estándar para limpieza, gráficos, joins, resampling y la mayoría de operaciones.
- Formato compacto: la serie completa puede estar dentro de una sola fila (como una matriz/array dentro de una celda del DataFrame). Es útil para ahorrar memoria y ciertos pipelines modernos, pero suele ser menos amigable para manipulación directa.
Consejo: trabaja “expandido” para explorar y preparar; usa “compacto” cuando tu pipeline o framework lo requiera por eficiencia.
1.2 Valores faltantes: imputar con criterio (no por reflejo)
No todos los faltantes son iguales. Antes de imputar, vale la pena preguntarse: ¿el faltante representa un “cero real”, una ausencia de medición o un error?
Técnicas comunes:
- Relleno simple
- Forward fill: arrastra el último valor observado hacia adelante.
- Backward fill: usa el próximo valor observado hacia atrás.
- Útil para datos de sensores o estados que cambian lentamente, pero puede introducir sesgos si hay saltos bruscos.
- Interpolación
- Lineal para huecos cortos.
- Splines o polinomios cuando la dinámica es suave y continua.
- Riesgo: “inventar” formas que no existen si el hueco es grande.
- Imputación estacional
- Ideal cuando hay patrones fuertes (horarios, diarios, semanales).
- Ejemplo: imputar con el promedio de esa misma hora/día histórico (perfil estacional).
- También existe interpolación estacional que respeta la repetición del patrón.
Regla rápida: si la serie es estacional, imputar estacionalmente suele ser superior a forward fill.
1.3 Transformaciones: estabilizar varianza y domar el crecimiento
Muchas series tienen varianza que crece con el nivel (heterocedasticidad). Si no la estabilizas, el modelo “se pierde” en escalas cambiantes.
- Log y Box-Cox
- La transformación logarítmica convierte crecimiento exponencial en tendencia aproximadamente lineal.
- Box-Cox generaliza:
- log es un caso especial cuando ( \lambda = 0 )
Estas transformaciones ayudan a que el modelo vea una relación más estable entre pasado y futuro.
1.4 Diferenciación: hacer estacionaria la serie
Muchos modelos clásicos (y varios enfoques modernos) se benefician de una serie más estable en media y varianza.
La diferenciación elimina tendencia (y en variantes, estacionalidad):
- Una diferencia suele reducir tendencia lineal.
- Diferencia estacional (por ejemplo, con periodo 7 o 12) ayuda a remover estacionalidad.
Cuidado: diferenciar de más puede destruir estructura útil y amplificar ruido.
1.5 Ingeniería de características: convertir series en un problema supervisado
Si quieres usar modelos de regresión (árboles, boosting, redes), necesitas convertir la serie en columnas predictoras.
Tres pilares:
- Rezagos (lags): (x_{t-1}, x_{t-2}, \dots) como variables explicativas.
- Ventanas móviles (rolling windows): estadísticas de un historial reciente (media, std, min/max, percentiles).
- Incrustación temporal (time embedding):
- variables de calendario (día de semana, mes, feriados si aplica)
- o términos de Fourier para capturar ciclos suaves y continuos sin “cortes” artificiales.
Este paso suele ser la diferencia entre un modelo mediocre y uno muy competitivo.
2) Descomposición: entender la señal (no solo predecirla)
Descomponer una serie ayuda a separar lo que realmente está pasando:
- Tendencia: dirección de largo plazo
- Estacionalidad: patrón repetitivo (día/semana/mes)
- Ciclo: oscilaciones no estrictamente periódicas
- Ruido: componente irregular
Entender estos componentes mejora el modelado, la explicación del fenómeno y el diagnóstico de errores.
2.1 Suavizado: revelar estructura bajo el ruido
- Medias móviles
- Filtran ruido de alta frecuencia.
- Una media móvil simétrica puede revelar la tendencia subyacente.
- Suavizado exponencial
- Da mayor peso a observaciones recientes con decaimiento exponencial.
- Muy útil para capturar niveles y tendencias locales (y es base de varios métodos de pronóstico).
2.2 Métodos robustos: STL y MSTL
- STL (Seasonal-Trend decomposition using LOESS)
- Usa regresión local (LOESS) para separar tendencia y estacionalidad, incluso si son no lineales.
- Es robusto y muy interpretativo.
- MSTL
- Extiende STL para múltiples estacionalidades a la vez.
- Ejemplo típico: datos horarios con estacionalidad diaria y semanal simultánea.
Cuándo brilla MSTL: cuando ves patrones “encimados” (picos diarios + comportamiento distinto por día de semana).
2.3 Fourier y análisis espectral: detectar periodicidades ocultas
El análisis espectral descompone la serie como suma de ondas seno/coseno. El periodograma ayuda a identificar frecuencias dominantes.
Esto es clave cuando:
- la estacionalidad no es obvia a simple vista,
- hay ciclos largos,
- o necesitas decidir qué periodos incluir (por ejemplo, 7, 24, 365, etc.).
3) Incertidumbre: pronósticos útiles para decisiones reales
Un pronóstico puntual (“mañana será 120”) es insuficiente en el mundo real. Decidir inventario, capacidad, presupuesto o riesgo requiere responder: ¿qué tan seguro estás?
3.1 Intervalos de predicción
Un intervalo (ej. 95%) da un rango donde se espera que caiga el valor futuro con esa probabilidad.
En modelos clásicos como ARIMA, estos intervalos se derivan usando la varianza del error, lo que los hace muy convenientes cuando el modelo está bien especificado.
3.2 Pronóstico probabilístico paramétrico
Aquí el modelo no predice un único número, sino los parámetros de una distribución (por ejemplo, media y desviación estándar de una Gaussiana, o parámetros de Poisson/Student-T).
El entrenamiento se hace minimizando la verosimilitud logarítmica negativa (NLL): el modelo aprende a asignar alta probabilidad a lo que realmente ocurre.
Ventaja: además del “valor esperado”, obtienes una distribución completa para simulación y decisiones.
3.3 Regresión cuatílica
En lugar de asumir una distribución, el modelo aprende directamente percentiles (p10, p50, p90) usando pérdida pinball.
- Flexible ante colas asimétricas.
- Útil cuando la incertidumbre no es “normal” (lo cual es común).
3.4 Predicción conforme (Conformal Prediction)
Una técnica moderna que puede envolver cualquier modelo para construir intervalos con garantías de cobertura (por ejemplo, asegurar ~90% de cobertura bajo supuestos mínimos).
Funciona calibrando errores en un conjunto de validación/calibración y usando esos errores para ajustar el ancho del intervalo.
Valor real: intervalos con promesa estadística, incluso si el modelo base es complejo.
3.5 Monte Carlo Dropout (deep learning)
En redes neuronales, puedes aplicar dropout también en inferencia para generar múltiples predicciones para la misma entrada.
- La dispersión de esas predicciones estima incertidumbre epistémica (incertidumbre del modelo).
- Muy útil cuando el modelo “no ha visto” suficiente de un patrón o el régimen cambia.
Un flujo recomendado (de principio a fin)
- Explora la serie: frecuencia, outliers, estacionalidades posibles, rupturas.
- Preprocesa: imputación con criterio, estabiliza varianza (log/Box-Cox), diferencia si hace falta.
- Descompón: STL/MSTL para entender componentes y guiar el modelado.
- Modela: clásico (ARIMA/ETS) o ML con features (lags/rolling/Fourier).
- Cuantifica incertidumbre: intervalos + cuantiles / paramétrico / conformal / MC dropout.
- Valida bien: backtesting con ventanas temporales (no validación aleatoria).
Conclusión
Dominar series de tiempo es dominar un proceso, no un algoritmo. El preprocesamiento prepara la base, la descomposición revela la estructura, y el manejo de incertidumbre convierte el pronóstico en una herramienta de decisión.
Si aplicas estas tres áreas como una rutina, tus modelos no solo acertarán más: serán más estables, interpretables y defendibles cuando importen de verdad.
Deja un comentario