Las técnicas de predicción son un instrumento fundamental en la vida c otidiana de las empresas e instituciones. Se trata de una materia no t rivial, ideal para utilizar adecuadamente el enfoque científico con vi stas a la toma de decisiones en los negocios. Delimitado correctamente el histórico de datos del que se dispone, se aplica la metodología cu antitativa de series temporales de forma automatizada para obtener las predicciones adecuadas en las líneas de negocio. Predicciones de ingr esos, gastos, ventas, producción, inversión óptima y otras magnitudes son la esencia de la actividad económica y empresarial. El libro comie nza tratando los conceptos iniciales de series temporales para la pred icción, para posteriormente profundizar en la mayoría de las técnicas para la obtención de predicciones, tanto condicionales como incondicio nales. Se abordan, tanto los métodos autoprotectivos deterministas (Ho lt, Brown, Winters, etc.), como los estocásticos, incluyendo la metodo logía de Box y Jenkins para modelos ARIMA y los modelos del análisis d e la intervención. Finalmente, se tratan también los modelos causales para la obtención de predicciones. En cuanto al soporte computacional para el desarrollo de modelos de predicción, actualmente existe mucho software de aplicación en este campo. Se pueden utilizar desde hojas d e cálculo a programas profesionales especializados en la materia. La h oja de cálculo Microsoft Excel es una herramienta muy útil para la obt ención de predicciones sencillas y, en este libro, se intentará aprove char su potencialidad. También se tratan profundamente otros programas muy adecuados para la predicción que incorporan módulos automáticos, como SPSS y STATGRAPHICS, que serán utilizados a lo largo del texto. E n cuanto a la metodología, se presentarán conceptos teóricos concretos y concisos al principio de los temas, ilustrándolos con ejemplos que se adecuen convenientemente a la metodología y en índice creciente de dificultad. No son necesarios conocimientos previos de estadística, de matemáticas ni de software para trabajar con el contenido de este lib ro.INTRODUCCIÓN CAPÍTULO 1. CONCEPTOS INICIALES EN LA PREDICCIÓN ECO NÓMICA Y EMPRESARIAL. TENDENCIAS 1.1 PREDICCIONES Y SU TIPOLOGÍA 1.2 C ONCEPTO DE SERIE TEMPORAL. COMPONENTES 1.3 TENDENCIA DE UNA SERIE TEMP ORAL 1.4 SPSS Y LA TENDENCIA DE LAS SERIES TEMPORALES 1.5 STATGRAPHICS Y LA TENDENCIA DE SERIES TEMPORALES 1.6 EXCEL Y LA TENDENCIA DE SERIE S TEMPORALES CAPÍTULO 2. COMPONENTES ESTACIONAL Y CÍCLICA EN SERIES TE MPORALES 2.1 VARIACIONES ESTACIONALES EN UNA SERIE TEMPORAL 2.1.1 Méto do de desestacionalización de la tendencia 2.1.2 Métodos de desestacio nalización del índice estacional 2.1.3 Método de desestacionalización de las medias móviles 2.1.4 Método de las diferencias estacionales 2.2 VARIACIONES CÍCLICAS 2.3 SPSS Y LAS VARIACIONES ESTACIONALES 2.4 EXCE L Y LAS VARIACIONES ESTACIONALES 2.5 VARIACIONES CÍCLICAS CON SPSS: PE RIODO GRAMA Y DENSIDAD ESPECTRAL 2.6 VARIACIONES CÍCLICAS CON STATGRAP HICS: PERIODO GRAMA 2.7 DESCOMPOSICIÓN DE UNA SERIE EN SUS COMPONENTES 2.7.1 Descomposición de una serie con SPSS 2.7.2 Descomposición de un a serie con Statgraphics CAPÍTULO 3. PREDICCIÓN ECONÓMICA Y EMPRESARIA L. MÉTODOS AUTOPROYECTIVOS DETERMINISTAS 3.1 INTRODUCCIÓN A LOSMÉTODOS DETERMINISTAS PARA LA PREDICCIÓN 3.2 SUAVIZADO POR MEDIAS MÓVILES 3.3 SUAVIZADO EXPONENCIAL DE BROWN 3.4 SUAVIZADO LINEAL DE HOLT 3.5 SUAVI ZADO ESTACIONAL DEWINTERS 3.6 MÉTODOS AUTOPROYECTIVOS DETERMINISTAS DE PREDICCIÓN CON EL MODELIZADOR DE SPSS 3.7 MÉTODOS AUTOPROYECTIVOS DET ERMINISTAS DE PREDICCIÓN CON STATGRAPHICS CENTURION 3.8 MÉTODOS AUTOPR OYECTIVOS DETERMINISTAS DE PREDICCIÓN CON STATGRAPHICS 3.9 MÉTODOS AUT OPROYECTIVOS DETERMINISTAS DE PREDICCIÓN CON EXCEL CAPÍTULO 4. PREDICC IÓN ECONÓMICA Y EMPRESARIAL. MÉTODOS AUTOPROYECTIVOS ESTOCÁSTICOS 4.1 INTRODUCCIÓN A LOS MÉTODOS ESTOCÁSTICOS PARA LA PREDICCIÓN. 4.2 METODO LOGÍA DE BOX-JENKINS 4.2.1 Fases del modelado y tipología de modelos A RIMA(p,d,q) 4.2.2 Modelos AR(p), MA(q), ARMA(p,q) y ARIMA(p,d,q 4.2.3 Modelos de la función de transferencia 4.2.4 Identificación del modelo 4.2.5 Modelos ARIMA(p,d,q)(P,D,Q) estacionales 4.2.6 Estimación de mo delos ARIMA(p,d,q)(P,D,Q) 4.2.7 Diagnóstico, validación o contraste de modelos ARIMA(p,d,q)(P,D,Q) 4.2.8 Predicción en modelos ARIMA(p,d,q)( P,D,Q 4.3 SPSS Y LA METODOLOGÍA DE BOX-JENKINS 4.3.1 Identificación de modelos ARIMA con SPSS 4.3.2 Estimación, diagnosis y predicción de mo delos ARIMA con SPSS 4.3.3 El módulo automático de predicción de SPSS 4.4 STATGRAPHICS Y LA METODOLOGÍA DE BOX-JENKINS 4.4.1 Identificación de modelos ARIMA con Statgraphics 4.4.2 Estimación, validación y predi cción de modelos ARIMA con Statgraphics 4.4.3 El módulo automático de predicción de Statgraphics 4.5 STATGRAPHICS CENTURION Y LAMETODOLOGÍA DE BOX-JENKINS 4.5.1 Identificación, estimación, diagnosis y predicció n de modelos ARIMA con Statgraphics Centurion 4.5.2 El módulo automáti co de predicción de Statgraphi

Spécifications