Suavización Exponencial Triple de Holt-Winters en Excel (TESMTH)

Échenle un vistazo al tutorial de Suavizado exponencial triple que está a continuación. La lista de reproducción contiene tutoriales que les enseñarán cómo utilizar el botón de optimización y a calcular la decomposición estacional.

Optimization On Optimization Off Decomposition

Este video les mostraremos cómo usar la Función de suavizado exponencial triple de Holt en NumXL con un botón de optimización para factores de suavizado.

Guion de Video

Escena 1:

Hola y bienvenidos a la serie de Tutoriales de Suavizado Exponencial. En este tutorial demostraremos la función de suavizado exponencial triple de Holt Winter en Microsoft Excel. Para los datos de la muestra estamos usando el grupo de Datos del Volumen de Pasajeros Internacionales por mes del libro de texto Box Jenkins.

El suavizado exponencial triple de Holt Winter funciona mejor con un conjunto de datos que exhiba una tendencia estable a lo largo del tiempo y la estacionalidad. Examinemos la gráfica de datos con respecto al tiempo. Fácilmente demuestra la presencia de tendencia y estacionalidad.

Así que estamos listos para empezar.

Seleccionemos la celda D11 que está vacía. Ingresemos el nombre de la función TESMTH(. En la celda o en la barra de herramientas de la ecuación, notemos que la herramienta de autocompletado en Microsoft Excel nos ayudará a encontrar la función correcta.

Una vez encontremos la función correcta hagamos clic en el botón FX localizado a la izquierda de la barra de herramientas de la ecuación. Esto invocará el cuadro de diálogo con los argumentos de la función para la función TESMTH. 

Escena 2:

Usando el cuadro de diálogo con los argumentos de la función especificamos el rango de celdas de ingreso y bloqueamos la referencia presionando F4. En el campo de orden especificamos 1 para el orden de tiempo en la serie o simplemente escribamos la primera observación en la serie de ingreso que corresponde a la fecha más reciente.

Para el parámetro de suavizado de nivel alfa podemos ingresar un valor entre 0 y 1 o hacer referencia a una celda existente. En este ejemplo hagamos referencia al valor en D1 y bloqueamos la referencia de la celda presionando F4.

Para el parámetro de suavizado de tendencia beta podemos también ingresar un valor entre 0 y 1 o hacer referencia a una celda existente. En este ejemplo hagamos referencia al valor en D2, bloqueamos la referencia de la celda presionando F4.

Para el parámetro de suavizado de índice de estación gamma podemos también ingresar un valor entre 0 y 1 o hacer referencia una celda existente. En este ejemplo hagamos referencia al valor en D3, luego bloqueemos la referencia de la celda presionando F4.

Para la longitud de estacionario duración L podemos también ingresar un valor entero positivo o hacer referencia a una celda existente. En este ejemplo hagamos referencia al valor en D5, luego bloqueemos la referencia de la celda presionando F4.

Para inhabilitar y deshabilitar el optimizador integrado de la función debemos ingresar un valor de verdadero o falso o hacer referencia a una celda en nuestra hoja de cálculo. Hagamos referencia a la celda D4, bloqueemos la referencia de la celda presionando F4.

Para el tiempo de pronóstico estaremos pronosticando el valor al final de los datos de ingreso, así que establezcamos T como 0 o mejor aún hagamos referencia a la celda en la columna A de manera que podamos cambiarla después del final de los datos de ingreso. Bloqueamos la celda para el movimiento de la columna presionando F4 hasta que el signo de dólar aparezca a la izquierda.

Para el tipo de retorno tejemos un espacio en blanco o ingresemos 0 para el pronóstico. Luego hagamos clic en aceptar.

Escena 3:

La función a roja no aplica ya que no tenemos datos suficientes.

Escena 4:

Copiamos las fórmulas en las celdas de abajo, incluso luego del final de los datos de muestra. No se preocupen por las celdas vacías que fueron seleccionadas luego del final de los datos de ingreso, la función las ignorada. Graficemos el pronóstico de suavizado de un paso. El pronóstico de suavizado exponencial triple hace un muy buen seguimiento de los datos. Incluso con valores sub óptimos para los parámetros de suavizado.

Para cuantificar el poder de pronóstico general del suavizado exponencial doble, usaremos tres funciones: error cuadrática medio (MSE), error porcentual absoluto medio (MAPE), y error escalado absoluto medio (MASE) como se muestran las celdas D4 a D6.

Como estamos manipulando datos estacionales el modelo de referencia en MASE debe ser estacional. Seleccionemos la celda D8. Hagamos clic en el botón FX localizado a la izquierda de la barra de herramientas de la ecuación.

Escena 5:

Notemos que el periodo estacional está establecido como 12 igual que la longitud estacional de nuestros datos demuestran. Hagamos clic en cancelar.

Escena 6:

Tratemos de cambiar los parámetros de suavizado, dejemos alfa en 5% y beta en 20% y cambiemos gamma a 60%. El MSE y el MASE muestran una mejora marginal.

Tratemos de cambiar los parámetros de suavizado, dejemos alfa en 5% y beta en 20% y cambiemos gamma a 70%. El MSE muestra una mejora marginal mientras MASE y MAPE permanecen igual.

Tratemos de cambiar los parámetros de suavizado, dejemos alfa en 5 y beta en 20% y cambiemos gamma a 80%. Ahora el MSE muestra el cambio hacia lo peor.

Ahora tratamos de cambiar beta, recuperemos gamma a su valor original de 50% y programamos beta como 20%. No hay una gran mejora.

Qué tal si programamos beta como 30%? Igual.

Configuramos beta como 40%. Ahora el MSE y el MASE se ven peor que antes.

Ahora cambiamos solamente alfa, recuperemos el antiguo valor de beta a 20% y configuremos alfa como 5%. Esta es una gran mejora, ambos tanto MSE como MASE bajaron un 5%.

Configuremos alfa en 10%. Vemos más mejoría.

En conclusión ajustar tres parámetros para el mejor ajuste es un serio problema, afortunadamente la función de suavizado de NumXL tiene un optimizado incluido para ayudarnos. En nuestro siguiente tutorial demostraremos su uso.

Escena 7:

Eso es todo por ahora, gracias por vernos!

 

Comentarios

El artículo está cerrado para comentarios.

¿Fue útil este artículo?
Usuarios a los que les pareció útil: 1 de 1