[MÚSICA] [MÚSICA] [MÚSICA] Las series de tiempo, pertenecen al dÃa a dÃa de las aplicaciones financieras. Una serie de tiempo, es una sucesión de datos con orden cronológico determinado. A diferencia de lo que vimos en el módulo anterior, aquà si va a ser muy importante entender el orden en que se presenten los datos. Va a ser fundamental entender este orden, incorporarlo a la modelización para obtener una mejor capacidad predictiva. En este video, vamos a introducir a la serie de tiempo y vamos a empezar a reconocer sus componentes esenciales, esto va a permitir una mejor modelización, veámoslo. >> La serie de tiempo son tipos de datos que por definición pertenecen a una unidad de análisis a la cual podemos seguir en el tiempo. La serie de tiempo literalmente están en todos lados. En este ejemplo, tenemos a 6 paÃses a los cuales a cada uno podemos seguirlos en el tiempo, graficamos la serie de los producto bruto interno de cada paÃs, cada una de esta series es creciente pero por supuesto no sin fluctuaciones como por ejemplo la que tuvieron la mayorÃa de estos paÃses en 2015. Este es un ejemplo de una serie de frecuencia anual. En este caso, tenemos una serie de periodicidad mensual. FÃjense este es el estimador mensual de la producción para Argentina, tomé el caso de Argentina simplemente porque es el que tenÃa más a mano. Y en este caso algo podrÃa llamarnos la atención, el hecho de que esta serie tiene todas estas repeticiones, que si uno las ve con cuidado puede detectar que suceden en enero. Y esto sucede porque básicamente es el mes de enero donde la mayorÃa de la gente se toma vacaciones en Argentina, esto es lo que llamamos estacionalidad en una serie. Si vamos a proyectar o a predecir vamos a tener que tener esto en cuenta. En este caso tenemos 27 años de precio del aceite de soja, la cotización en dólares y vemos que por un lado hay bastante volatilidad en pequeños cortos de tiempo, es el hecho de que la serie acá sea más, el trazo sea más gruesa refleja eso que hay bastante volatilidad, pero también lo que podemos ver es que en general si estamos considerando esta serie en términos diarios de semanas, etcétera, a perÃodos de aumentos en general le siguen perÃodos de aumento y luego a perÃodos de decrecimiento, en general le siguen perÃodos de crecimiento de la serie, esto es a lo que le llamamos autocorrelación en series de tiempo. Aquà tenemos otro ejemplo, en este caso otra serie diaria del precio del Bitcoin. 4 años de precios del Bitcoin y también quizás podemos observar lo mismo, una serie que tiene mucha fluctuación pero también en perÃodos cortos de tiempo también observamos esto que hay bastante correlación a perÃodos de aumento, le siguen perÃodos de aumento y decrecimiento le sigue decrecimiento y asà sucesivamente. Quiero mostrarles ahora una serie de mayor frecuencia aún, acá tenemos una serie cada 15 minutos. En este caso tenemos un año de datos cada 15 minutos, en el caso de esta serie que no es una serie financiera pero que nos sirve como ejemplo, el caso de pasajeros que pasan por el molinete de Subte, ustedes pueden ver como es una serie que tiene un componente altamente repetitivo, como pueden ver parece haber una estacionalidad marcada que en este caso es una estacionalidad diaria, que coincide por supuesto con el horario pico en el que se viaja y también una clara correlación, ¿no? Una clara autocorrelación a perÃodos que de aumento le sigan perÃodos que donde hay disminución, etcétera. Aquà tenemos un ejemplo de otra serie en este caso por minuto y parece haber alguna volatilidad, pero también la serie parece presentar alguna tendencia. En definitiva entonces una primera cosa para notar sobre las series de tiempo es que existen patrones que se repiten o tienden a repetirse en muchas series de tiempo, repasemos cuáles son algunas de ellas. Tenemos la tendencia, veamos en este caso un Ãndice de precios y aquà en este caso hicimos una recta para mostrar una tendencia, pero también podrÃamos tener tendencias que no necesariamente son lineales. Tenemos lo que le llamamos estacionalidad o en inglés seasonality, como en el caso de la serie de producción que mostramos o en el caso de la serie de los pasajeros que mostramos. Tenemos lo que llamamos autocorrelación que son estos episodios de decrecimiento o a los que les siguen crecimientos o decrecimientos a los que le siguen decrecimiento o cualquier otro patrón recurrente que surja de este tipo. Y por supuesto también tenemos ruido, en este caso representado aquà por un ruido pequeño de alta frecuencia. Y en resumen, entonces la series de tiempo suelen presentar estos componentes, tendencia, estacionalidad, autocorrelación y una de las forma de pensar la modelización de serie de tiempo va a ser para nosotros va a ser modelar por separado cada uno de estos componentes y darle a cada uno de estos componentes su importancia respectiva. Otra cosa que vamos a notar también es que la importancia respectiva en general va a estar relacionada con la periodicidad en la que se presente la información. En los próximos videos entonces vamos a aprender a modelar cada uno de los componentes. [MÚSICA] [MÚSICA]