PREDICCIONES DEL PARQUE AUTOMOVILÍSTICO ESPAÑOL MEDIANTE SERIES TEMPORALES

Abstract

La importancia de las predicciones en la ciencia económica se ha puesto de manifiesta cada vez en las etapas de alta variabilidad e incertidumbre del futuro para la toma de decisiones. En este trabajo se analizaron diferentes técnicas de predicción econométrica como son los modelos univariantes de series temporales (metodología Box Jenkins), modelos de alisado exponencial, en concreto el modelo de alisado exponencial de Holt Winters, los modelos de análisis espectral o estimación de modelos basados en el patrón armónico de la seri temporal y, por último, la combinación de predicciones y la simulación estocástica depara obtener el rango de predicción. En cuanto a la modelización ARIMA se extrajeron varios modelos deparando resultados similares en la predicción, en base a esta familia de modelos se podría establecer que el número de matriculaciones es inferior al resto de metodologías, pero se estima un incremento leve del número de vehículos matriculados para el año 2021. Para las técnicas de alisado, se escoge el alisado exponencial de Holt Winters pues es la metodología de alisado capaz de adaptarse a la estacionalidad de la serie temporal. Los resultados obtenidos nos muestran un valor significativamente mayor de la predicción de las predicciones si las comparamos con las obtenidas por el modelo ARIMA y se estima un crecimiento superior del número de matriculaciones que la primera metodología empleada. La metodología de análisis espectral de la serie temporal permite aproximar el comportamiento sinusoidal de la serie a partir del análisis armónico en base a su frecuencia la cual se puede aproximar a partir del estudio del periodograma. Los resultados muestran una predicción superior a la obtenida a la metodología de Box Jenkins y se prevé un descenso del número de matriculaciones en los siguientes meses. En base a la combinación de las predicciones y la simulación de esta a partir de una combinación convexa de las estimaciones de los diferentes métodos se puede obtener el universo de trayectorias de las predicciones observándose que se encuentran contenidas entre un valor mínimo y máximo, donde la amplitud de las trayectorias es debido principalmente a los meses donde hay máximos o mínimos estacionales en la serie temporal. No obstante, el intervalo de confianza asociado nos muestra el 95% de las trayectorias más cercanas al promedio indicando que en el periodo de predicción se estima un crecimiento de al menos un 2% en el número de matriculaciones de automóviles.