NxSMA - Filtro Promedio-Movimiento Estacional

Calcula Estacionalidad (aka. doble) promedio de movimiento (aka., K x M MA).

Sintaxis

NxSMA(X, Orden, K, M, EndPoints)

X

es la serie de datos de tiempo univariante (un despliegue de celdas de una dimensión (ej. filas o columnas).

Orden

es el orden de tiempo en las series de tiempo (ej. la fecha correspondiente a los primeros puntos de datos (la fecha más temprana = 1 (por defecto), la fecha más tardía = 0)).

Orden	Descripción
1	Ascendiente (el primer punto de dato corresponde a la fecha más temprana) (por defecto).
0	Descendiente (el primer punto de dato corresponde a la fecha más tardía).

K

es el número de términos (aka puntos) del segundo filtro promedio de movimiento. Si faltara, se asume K como 1.

M

es el número de términos (aka puntos) en el primer filtro promedio de movimiento (ej. distancia estacional). Si faltara o se omitiera, M se asume como 1.

EndPoints

es un valor lógico para aplicar ponderaciones asimétricas al final de las series de tiempo. Si faltara o se omitiera, EndPoints = Falso, y no se llevará a cabo ningún tratamiento para puntos finales.

Observaciones

1. La serie de tiempo es homogénea o igualmente espaciada.
2. La serie de tiempo puede incluir valores faltantes (ej. #N/A) en cualquiera de los finales.
3. NxSMA devuelve array-type value back to Excel. El usuario debe utilizar CTRL+ALT+ENTER para mostrar los valores resultantes.
4. El número de términos (es decir., K+N-1) en NxSMA debe ser un número impar. En efecto K y N pueden ser, ambos, tanto números impares como pares.
5. En la práctica, NxSMA es conocido como el filtro promedio de doble movimiento: que combina dos MA para formar un filtro de movimiento simétrico de dos caras.
6. ¿Por qué usar NxSMA? Cuando se trabaja con las series de tiempo, por lo general suavizamos para reducir efectos de estacionalidad, lo cual requiere que el período (aka ventana en movimiento) sea igual a la longitud estacional que, con frecuencia, es un número par, por ejemplo, 12 meses o 4 trimestres. En este caso, usamos el promedio doble de movimiento (ej. 2x4 para datos trimestrales, o 2x12 para datos mensuales, etc.).
7. Matemáticamente, el orden en que se aplican los filtros MA no importa y estos devolverán los mismos resultados. Para nuestra aplicación,
8. Los ponderados de los factores multiplicados del filtro NxSMA se derivan tomado la circunvolución de los dos filtros de movimiento promedio ( K-MA y N-MA).
9. Los ponderados o los factores de multiplicación de NxSMA se calculan de la siguiente forma: $$w_j=\left\{\begin{matrix} \frac{j}{K\times M} & j < K\\ \frac{1}{M}& K \leq j \leq M\\ \frac{M+K-j}{K\times M} & M+K > j > M \end{matrix}\right.$$
10. Por definición, la suma de todos los ponderados en SMA es igual a uno (1).
11. La función NxSMA está disponible empezando con la versión 1.66 PARSON.

Ejemplos de Archivos

Vínculos Relacionados

• Wikipedia - Autocorrelation function (ACF).

Referencias

• D. S.G. Pollock; Handbook of Time Series Analysis, Signal Processing, and Dynamics; Academic Press; Har/Cdr edition(Nov 17, 1999), ISBN: 125609906.
• James Douglas Hamilton; Time Series Analysis; Princeton University Press; 1st edition(Jan 11, 1994), ISBN: 691042896.
• Tsay, Ruey S.; Analysis of Financial Time Series; John Wiley & SONS; 2nd edition(Aug 30, 2005), ISBN: 0-471-690740.
• Box, Jenkins, and Reisel; Time Series Analysis: Forecasting and Control; John Wiley & SONS.; 4th edition(Jun 30, 2008), ISBN: 470272848.
• Walter Enders; Applied Econometric Time Series; Wiley; 4th edition(Nov 03, 2014), ISBN: 1118808568.