Series Temporales y Predicción: Métodos Clásicos, Multivariantes y Financieros
Prólogo
A Anita, que sostiene, con paciencia y sin pedir nada a cambio, cada hora que este libro le ha robado.
Este manual nació de la convicción de que el análisis de series temporales merece una formación más amplia y actualizada de la que habitualmente reciben los estudiantes de Economía. Aunque los programas docentes ofrecen una base sólida en los fundamentos clásicos de la disciplina, el extraordinario desarrollo experimentado por la econometría temporal durante las últimas décadas hace necesario ampliar ese horizonte e incorporar herramientas que hoy forman parte del trabajo cotidiano de investigadores, analistas y profesionales del ámbito económico y financiero.
La motivación para escribir este libro surgió de una constatación repetida durante años de docencia: los estudiantes adquirían una sólida formación en los modelos clásicos, pero apenas tenían ocasión de conocer muchas de las técnicas que hoy son habituales tanto en la investigación como en la práctica profesional. La metodología Box-Jenkins, los modelos ARIMA, el tratamiento de la estacionalidad y los modelos ARCH y GARCH constituyen una base imprescindible, pero el desarrollo reciente de la disciplina ha consolidado herramientas que rara vez encuentran espacio en un curso de grado: los modelos VAR para el análisis dinámico de sistemas económicos, la cointegración y los modelos de corrección del error para estudiar relaciones de largo plazo, el alisado exponencial y el marco ETS como referencia en la predicción empresarial, así como una amplia colección de métodos específicos para el análisis de series financieras, desde la medición del riesgo de mercado hasta la volatilidad realizada con datos de alta frecuencia y la teoría de valores extremos.
La estructura del manual responde precisamente a esa ambición. Los primeros bloques desarrollan con el rigor necesario los fundamentos sobre los que se construye toda la disciplina: los procesos estocásticos, la descomposición de las series temporales, la estacionariedad, los modelos AR, MA, ARMA y ARIMA, las raíces unitarias, los cambios estructurales y la modelización de la estacionalidad. A partir de ahí, el libro avanza progresivamente hacia técnicas que rara vez forman parte de los cursos universitarios tradicionales: los modelos VAR, la cointegración de Johansen y los VECM; los modelos GARCH y sus extensiones asimétricas; el alisado exponencial y el marco ETS; el aprendizaje automático aplicado a la predicción; la evaluación rigurosa de la capacidad predictiva mediante el contraste de Diebold-Mariano; y, finalmente, un bloque completo dedicado a las series financieras, con los hechos estilizados que las caracterizan, la medición del riesgo mediante Value at Risk y Expected Shortfall, el GARCH multivariante para carteras, la memoria larga, la volatilidad realizada con datos intradiarios y la teoría de valores extremos para el estudio del riesgo de cola.
Un enfoque práctico, no solo teórico
La teoría se presenta aquí con el rigor formal que merece —ninguna derivación se omite, ninguna notación se introduce sin explicarla y ningún resultado numérico se deja sin interpretar—, pero el hilo conductor de todo el manual es, deliberadamente, práctico. Tres series de datos reales, y no simuladas, acompañan al lector durante todo el recorrido: el IPC mensual de España, con su tendencia y su marcada estacionalidad; el PIB trimestral de España, protagonista de los capítulos dedicados a la no estacionariedad, la cointegración y los sistemas multivariantes; y el IBEX 35 diario, que toma el relevo en el bloque dedicado a la volatilidad y acompaña al lector hasta el último capítulo, con la heterocedasticidad, las colas gruesas y el riesgo extremo que caracterizan a las series financieras.
La intención ha sido que el lector construya conocimiento sobre un reducido conjunto de datos familiares, en lugar de enfrentarse en cada capítulo a ejemplos desconectados entre sí. Cada nueva técnica se aplica sobre series que ya conoce, permitiéndole apreciar cómo evoluciona el análisis a medida que aumentan la complejidad de los modelos y la profundidad de las preguntas que pueden responder.
Ese mismo compromiso práctico se extiende a los resultados. Cuando un modelo más sofisticado no supera a otro más sencillo, cuando un procedimiento clásico ofrece un mejor comportamiento predictivo que uno moderno o cuando la comparación entre modelos cambia de conclusión según el horizonte temporal o la ventana de evaluación elegidos, el manual lo muestra sin artificios. Un libro que solo presentara ejemplos “perfectos” ofrecería una visión distorsionada de la econometría aplicada. En el trabajo real con datos, los resultados no siempre confirman nuestras expectativas, y aprender a interpretar esas situaciones forma parte del proceso de formación de cualquier analista.
El repositorio: todo el código, todos los datos
Cada resultado numérico, cada tabla y cada gráfico de este manual proceden de código R ejecutable, no de una calculadora aparte ni de una hoja de cálculo externa. Ese código, junto con los datos reales sobre los que se ha ejecutado, está disponible públicamente en la siguiente dirección: https://github.com/carlanta/TimeSeries
El repositorio contiene, para cada capítulo, un script dedicado al desarrollo teórico de los conceptos y uno o varios casos prácticos que reproducen exactamente los análisis presentados en el libro sobre el IPC, el PIB o el IBEX 35. El lector puede clonar el proyecto, abrir mSeriesTemporales.Rproj en RStudio y ejecutar, paso a paso, cada ejemplo. No es necesario aceptar ningún resultado por autoridad: todas las tablas, figuras y estimaciones pueden reproducirse, modificarse y ampliarse.
Los datos macroeconómicos proceden del Instituto Nacional de Estadística (INE), mientras que las series financieras se han construido a partir de cotizaciones reales de mercado. Salvo aquellos ejemplos cuya finalidad es exclusivamente didáctica y que se identifican expresamente como simulaciones, todo el análisis desarrollado en estas páginas utiliza datos reales.
Carlos de Anta Puig — Madrid, 2026