Una serie de tiempo es un conjunto de valores observados, como datos de produccin o ventas, durante una serie de periodos temporales

secuenciales ordenada. Las Series de Tiempo son usadas por los auditores y otros analistas para obtener tendencias acerca de los datos con un componente estacional y para pronosticar valores en el futuro asumiendo que la tendencia detectada se seguir cumpliendo. El uso de esta tcnica se vio amenazado por el hecho de que sus pruebas slo podan ser aplicadas mediante programas estadsticos especializados pudiendo estos programas analizar slo un grupo a la vez. El anlisis de series de tiempo es el procedimiento por el cual se identifican y aslan los factores relacionados con el tiempo que influyen en los valores observados en las series de tiempo. Una vez identificados, estos factores pueden contribuir a la interpretacin de valores histricos de series de tiempo y a pronosticar valores futuros de series de tiempo. Este modelo en que se apoya el anlisis clsico de serie de tiempo se basa en el supuesto de que, el valor de la variable est determinado por los cuatro componentes tiene una relacin multiplicativa. As donde representa el valor de serie de tiempo observado. Y= T X C X E X I +

Un modelo clsico para una serie de tiempo, supone que una serie x (1),..., x(n) puede ser expresada como suma o producto de tres componentes: tendencia, estacionalidad y un trmino de error aleatorio. Existen tres modelos de series de tiempos, que generalmente se aceptan como buenas aproximaciones a las verdaderas relaciones, entre los componentes de los datos observados. Estos son: 1. Aditivo: X(t) = T(t) + E(t) + A(t) 2. Multiplicativo: X(t) = T(t) E(t) A(t) 3. Mixto: X(t) = T(t) E(t) + A(t) Donde: X(t) serie observada en instante t T(t) componente de tendencia E(t) componente estacional A(t) componente aleatoria (accidental)

GRAFICA DE SERIE DE TIEMPO UNA SERIE DE TIEMPO TIENE LAS SIGUIENTES COMPONENTES:

Tendencia, es la componente de largo plazo que constituye la base del crecimiento o declinacin de una serie histrica, como se presenta en la figura 1.1. Los fuerzas bsicas que producen o afectan la tendencia de una serie son: cambios en la poblacin, inflacin, cambio tecnolgico e incremento en la productividad. Figura 1.1 Grfica de una serie de datos con tendencia

Ciclicidad, es un conjunto de fluctuaciones en forma de onda o ciclos, de ms de un ao de duracin, producidos por cambios en las condiciones econmicas, como se presenta en la figura 1.2. Representan la diferencia entre los valores esperados de una variable (tendencia) y los valores reales (la variacin residual que flucta alrededor de la tendencia). Figura 1.2 Grfica de una serie de datos con Ciclicidad

Estacionalidad, las fluctuaciones estacionales se encuentran tpicamente en los datos clasificados por trimestres, mes o semana. La variacin estacional se refiere a un patrn de cambio, regularmente recurrente a travs del tiempo. El movimiento se completa dentro de la duracin de un ao y se repite a s mismo ao tras ao, como se presenta en la figura 1.3. Figura 1.3 Grfica de una serie de datos con estacionalidad.

Aleatoriedad, este comportamiento irregular est compuesto por fluctuaciones causadas por sucesos impredecibles o no peridicos, como el clima poco usual, huelgas, guerras, rumores, elecciones y cambio de leyes, como se presenta en la figura 1.4.

Figura 1. 4 Grfica de una serie de datos con aleatoriedad

Estacionaria, es aquella serie de datos cuyas propiedades estadsticas bsica, como media y la varianza, permanecen constantes en el tiempo, se dice que una serie que no presenta crecimiento o declinacin es estacionaria, como se presenta en la figura 1.5. Figura 1. 5 Grfica de una serie de datos estacionaria

TENDENCIA La Tendencia es el movimiento gradual de ascenso o descenso de los datos a lo largo del tiempo. Los cambios en la poblacin, ingresos, etc. influyen en la tendencia.

ANLISIS DE LA TENDENCIA El Anlisis de Tendencias es una tcnica estadstica utilizada por auditores para obtener tendencias en el comportamiento de los datos en un determinado perodo, y pronosticar valores futuros asumiendo que dicha tendencia se repetir en el tiempo. La tcnica para el Anlisis de Tendencias utilizada por el mdulo Mtodos Estadsticos Avanzados de IDEA se basa en la regresin lineal empleando mnimos cuadrados. Esta tcnica obtiene la lnea recta que mejor ajusta los datos y permite predecir nuevos valores en base a esta linea. El Anlisis de Tendencias puede ser utilizado como un componente de una serie de rutinas de monitorizacin continua. Por ejemplo puede ser utilizado para prueba de errores intencionales o no intencionales en los datos de ventas de los locales informados en un reporte. Un posible indicador de errores podra ser la disminucin en las ventas de un local cuando, en promedio, existe un crecimientoen las ventas de todos los locales. Otro uso del Anlisis de Tendencias puede ser el de proporcionar pronsticos para varias entidades contables dentro de un ambiente de monitorizacin continua. Estos pronsticos luego podran ser comparados con los nmeros reales y, de existir diferencias, habra un indicador de que estos nmeros se han desviado de la tendencia sugerida en el pasado con lo cual habra que prestarle una especial atencin. Tipos de tendencia La tendencia constante es cuando el valor no cambia en el tiempo y es un valor fijo aunque a veces no determinado y la tendencia variable es cuando cambian con el tiempo tanto en magnitud como en direccin y mide la variabilidad de las series de tiempo.

Un promedio mvil es una herramienta de anlisis tcnico que es un indicador de tendencias usado por inversores para confirmar la direccin de una tendencia subyacente.

ejemplo de promedio movil el caso en que debido a situaciones poltico-econmicas o devaluaciones o cambios en la poltica de comercializacin, generan grandes oscilaciones de las ventas en distintos perodos. Obviamente es el analista quien deber conocer los motivos de tales variaciones y, adems del nmero fro resultado de una frmula matemtica, tendr que evaluar los distintos motivos que llevaron a las mismas. Es en esos casos en que se debera, de alguna manera, "suavizar los altibajos" para obtener un resultado ms ajustado. Para ello es que se utiliza el Mtodo de los Promedios Mviles, con cuyos resultados se podr proyectar de acuerdo al documento "Pronstico de Ventas - Mtodos Cuantitativos para Pronosticar (I)". Tambin en este caso tomaremos como punto de partida la informacin histrica de las ventas durante un nmero dado de perodos. Analicemos una evolucin de ventas como la siguiente: Ao 1989 Ventas U$S x 1000 735

1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004

540 820 2.130 1.240 3.000 1.900 990 440 670 1.450 1.698 1.300 547 2.100 2.400

Como podr observarse en el grfico siguiente, la evolucin de las ventas ha sido ampliamente oscilante entre los distintos perodos: A los datos mencionados, aplicaremos el mtodo de los Promedios Mviles para suavizar la curva. Para calcular los promedios mviles, tomaremos las ventas de cada ao, le sumaremos las ventas del ao anterior y del posterior y calcularemos su promedio, es decir, dividiremos por tres (3). As obtendremos la siguiente tabla: Ao 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 Ventas U$S x Total Mvil 1000 735 200 820 2.130 950 3.290 1.900 990 320 670 1.450 1.698 1.300 547 2.100 2.400 1.755 3.150 3.900 6.370 6.140 6.180 3.210 1.980 2.440 3.818 4.448 3.545 3.947 5.047 585 1.050 1.300 2.123 2.047 2.060 1.070 660 813 1.273 1.483 1.182 1.316 1.682 Promedio Mvil (y)