Ir al contenido
σestadistica.ar

estadistica.ar · Enciclopedia de Estadística en españolhttps://estadistica.ar/conceptos/modelos-arima

M04 · Índices y seriesAvanzadoProcedimiento

Modelos ARIMA

Procesos autorregresivos y de media móvil, cómo se identifican con la ACF y la PACF, y el ciclo de Box-Jenkins de punta a punta con una serie real.

Por Jorge Luis Montivero, Licenciado en Estadística · Mu3Sigma

1 · La idea

Un ARIMA pronostica una serie con su propio pasado: sin variables explicativas, solo con lo que la serie hizo antes y con los errores que el modelo cometió antes. Lo arma con dos piezas:

PiezaEl valor de hoy depende deNombre
ARlos valores de los períodos anterioresautorregresivo
MAlos shocks (errores) de los períodos anterioresmedia móvil

La I del medio es la diferenciación, que ya está explicada en estacionariedad y diferenciación: el modelo se ajusta sobre la serie diferenciada dd veces, porque las piezas AR y MA solo funcionan sobre una serie estacionaria.

2 · El proceso autorregresivo

Un AR(1) dice que el valor de hoy es una fracción del de ayer más un shock nuevo:

Yt=c+ϕ Yt−1+εtY_t = c + \phi\, Y_{t-1} + \varepsilon_t

donde εt\varepsilon_t es ruido blanco: independiente, de media cero y varianza constante. Para que la serie sea estacionaria hace falta ∣ϕ∣<1\lvert \phi \rvert < 1; con ϕ=1\phi = 1 es un paseo aleatorio, que es justamente lo que la diferenciación viene a resolver.

Un shock no desaparece de golpe: hoy pesa ϕ\phi, mañana ϕ2\phi^2, pasado ϕ3\phi^3. Por eso la autocorrelación decae geométricamente:

ρk=ϕk\rho_k = \phi^k

Un AR(pp) usa los pp valores anteriores: Yt=c+ϕ1Yt−1+⋯+ϕpYt−p+εtY_t = c + \phi_1 Y_{t-1} + \cdots + \phi_p Y_{t-p} + \varepsilon_t.

3 · El proceso de media móvil

Un MA(1) dice que el valor de hoy depende del shock de hoy y del de ayer, y de nada más:

Yt=μ+εt+θ εt−1Y_t = \mu + \varepsilon_t + \theta\, \varepsilon_{t-1}

Un shock afecta dos períodos y después se olvida por completo. Por eso la autocorrelación se corta: vale θ/(1+θ2)\theta/(1+\theta^2) en el rezago 1 y exactamente cero desde el 2. Ese primer valor nunca pasa de 0,5 en valor absoluto, que es otra forma de reconocer un MA(1).

4 · Cómo se los reconoce

Las dos piezas dejan huellas opuestas en la ACF y la PACF. Simulando 500 valores de cada una, con ϕ=θ=0,7\phi = \theta = 0{,}7:

AR(1) · ACF: decae −0,5 0,0 0,5 1,0 1 2 3 4 5 6 7 8 9 10 AR(1) · PACF: se corta en 1 −0,5 0,0 0,5 1,0 1 2 3 4 5 6 7 8 9 10 MA(1) · ACF: se corta en 1 −0,5 0,0 0,5 1,0 1 2 3 4 5 6 7 8 9 10 MA(1) · PACF: decae alternando −0,5 0,0 0,5 1,0 1 2 3 4 5 6 7 8 9 10 Rezago · barras: muestral (n = 500) · puntos: teórica · líneas cortadas: ±1,96/√n
El AR(1) deja una ACF que decae y una PACF con una sola barra; el MA(1) hace exactamente lo contrario.φ = θ = 0,7, n = 500, semilla 2026. Las barras son las autocorrelaciones muestrales; los puntos, las teóricas.Fuente: Simulación propia.
Rezago 1Rezago 2Rezago 3
AR(1) · ACF teórica0,7000,4900,343
AR(1) · ACF muestral0,7400,5070,333
AR(1) · PACF muestral0,742−0,092−0,021
MA(1) · ACF teórica0,47000
MA(1) · ACF muestral0,4820,006−0,021
MA(1) · PACF muestral0,483−0,2960,169

De ahí sale la tabla que se usa para identificar:

ModeloACFPACF
AR(pp)decaese corta después de pp
MA(qq)se corta después de qqdecae
ARMA(p,qp, q)decaedecae

5 · La notación completa

Un ARIMA(p,d,qp, d, q) junta todo: pp términos AR, dd diferencias y qq términos MA. Con datos estacionales se agrega la misma estructura en los rezagos del período, y queda un SARIMA:

ARIMA(p,d,q)(P,D,Q)m\text{ARIMA}(p, d, q)(P, D, Q)_m

donde PP, DD y QQ hacen lo mismo que pp, dd y qq pero con saltos de mm períodos: 12 en datos mensuales. Un MA estacional de orden 1, por ejemplo, relaciona el shock de este enero con el del enero anterior.

6 · El ciclo de Box-Jenkins, con las pernoctaciones

Box y Jenkins propusieron un procedimiento en cuatro pasos que se repite hasta que el modelo pasa el control. Con la serie de pernoctaciones hoteleras de 2007 a 2018, reservando 2019 para ver qué tan bien pronostica:

Paso 1 · Identificar

Primero, la diferenciación. La entrada de estacionariedad mostró que con una diferencia estacional la serie ya es estacionaria (ADF p=0,001p = 0{,}001), así que d=0d = 0 y D=1D = 1. Después, el correlograma de esa serie diferenciada (n=132n = 132, bandas de ±0,171):

Rezago1234…1213
ACF0,5120,4610,3500,319−0,360−0,135
PACF0,5160,2750,0610,077−0,4480,242

La lectura, con la tabla de la sección 4:

  • en los rezagos chicos la ACF decae despacio y la PACF se corta después del 2: parte no estacional AR(2);
  • en el rezago 12 la ACF tiene una barra negativa aislada: es la huella típica de un MA(1) estacional después de una diferencia estacional.

Candidato: ARIMA(2,0,0)(0,1,1)₁₂, y algunos vecinos para comparar.

Paso 2 · Estimar

Los coeficientes se estiman por máxima verosimilitud. Entre modelos con las mismas diferencias, se comparan con el AICc, que premia el ajuste y castiga la cantidad de parámetros.

Paso 3 · Diagnosticar

Si el modelo captó toda la estructura, lo que sobra tiene que ser ruido blanco. Se controla con la prueba de Ljung-Box sobre los residuos (24 rezagos, menos los grados de libertad de los parámetros estimados):

ModeloAICcLjung-Box ppVeredicto
(1,0,0)(0,1,1)₁₂3.638,90,062residuos al borde: le falta algo
(2,0,0)(0,1,1)₁₂3.631,50,568pasa
(1,0,1)(0,1,1)₁₂3.628,90,519pasa, y tiene el menor AICc

El elegido es el ARIMA(1,0,1)(0,1,1)₁₂, con ϕ=0,888\phi = 0{,}888, θ=−0,515\theta = −0{,}515 y Θ=−0,742\Theta = −0{,}742. Es el mismo que elige auto.arima() de R buscando solo. El que salió de la lectura a ojo, el (2,0,0), queda a 2,6 puntos de AICc: prácticamente empatados, que es lo normal entre candidatos razonables.

Paso 4 · Pronosticar

2 3 4 5 6 7 millones 2017 2018 2019 pronóstico ajuste
El pronóstico de 2019 con los datos hasta 2018: los doce meses observados caen dentro del intervalo del 95 %, y once de doce dentro del de 80 %.Pernoctaciones en hoteles y parahoteles, total país. Línea punteada: lo observado en 2019. Bandas: intervalos de predicción del 80 y 95 %.Fuente: INDEC, Encuesta de Ocupación Hotelera. ARIMA(1,0,1)(0,1,1)₁₂ estimado en R.

El pronóstico de 2019 erra un 5,09 % en promedio. El ingenuo estacional, que repite 2018, erra un 3,81 %.

¿Y el modelo de aerolínea, que el AICc no podía comparar? Es justo el caso para decidir con datos reservados. Sus residuos también pasan el Ljung-Box (p=0,49p = 0{,}49), y en 2019 erra un 3,60 %: mejor que el elegido y que el ingenuo. Un solo año es poco para decidir, así que conviene repetir la prueba desde varios orígenes: ajustar hasta diciembre de 2014 y pronosticar 2015, después hasta 2015 y pronosticar 2016, y así hasta 2019.

Modelo20152016201720182019Promedio
(1,0,1)(0,1,1)₁₂, el elegido3,274,795,072,795,094,20
(0,1,1)(0,1,1)₁₂, de aerolínea3,984,733,813,073,603,84
Ingenuo estacional3,834,735,103,273,814,15

El de aerolínea gana en promedio, aunque no todos los años. Las pruebas de raíz unitaria decían que con la diferencia estacional alcanzaba (d=0d = 0), y diferenciar otra vez igual pronostica mejor: que una prueba no rechace la estacionariedad no garantiza que el modelo sin la diferencia extra sea el mejor para pronosticar. Es la validación la que decide.

Lo que el ARIMA sí da, y el ingenuo no, es un intervalo de predicción. Los doce meses de 2019 caen dentro del intervalo del 95 % del elegido, y once de doce dentro del de 80 %. Con doce meses, y con errores que se arrastran de un mes al siguiente, eso no prueba que los intervalos estén bien calibrados: solo dice que no lo contradice (de un intervalo del 80 % se esperan unos 9,6 aciertos de 12). El intervalo del 95 % mide 0,84 millones para el mes siguiente y 1,06 millones a doce meses: se ensancha con el horizonte, porque cada mes suma la incertidumbre de los anteriores.

7 · Lo que un ARIMA no puede saber

Reestimado con toda la serie hasta diciembre de 2019, el modelo pronosticaba para junio de 2020 2,81 millones de pernoctaciones, con un intervalo del 95 % de 2,31 a 3,32 millones. Hubo 74.247.

8 · El software también decide

Con los mismos datos y el mismo modelo, SARIMAX de statsmodels, con su configuración por defecto, estima el MA estacional en Θ=−0,28\Theta = −0{,}28, contra el −0,74−0{,}74 de R. La diferencia viene de cómo trata los primeros valores de la serie (la inicialización difusa aproximada): con la difusa exacta estima −0,69−0{,}69, cerca de R.

Estimaciónϕ\phiθ\thetaΘ\Theta
R, Arima()0,888−0,515−0,742
statsmodels, inicialización exacta0,871−0,494−0,694
statsmodels, por defecto0,753−0,490−0,279

Un coeficiente que pasa de −0,74 a −0,28 no es un redondeo. Para colmo, el modelo mal estimado pronostica 2019 mejor (3,59 % contra 4,93 % con la inicialización exacta): otra vez, describir bien la historia y acertarle al año siguiente son cosas distintas. Cuando los resultados de un ARIMA se informan, conviene decir con qué programa y qué opciones se estimaron, y si hay dudas, ajustarlo en dos.

9 · Errores frecuentes

  • Ajustar un ARIMA sobre una serie no estacionaria sin diferenciar, o diferenciar de más (ver el −0,5 en el rezago 1, en estacionariedad).
  • Leer los órdenes con la función equivocada. El orden AR sale de la PACF y el MA de la ACF, no al revés.
  • Comparar por AIC modelos con distinto dd, en vez de decidir con datos reservados desde varios orígenes.
  • Saltearse el diagnóstico. Un modelo con residuos autocorrelacionados (Ljung-Box con pp chico) dejó estructura sin modelar, y sus intervalos son demasiado angostos.
  • Elegir el modelo con más parámetros porque baja un poco el error de ajuste.
  • No comparar contra el ingenuo estacional antes de defender el modelo.
  • Presentar el pronóstico sin intervalo, o el intervalo sin aclarar que supone que el régimen no cambia.
  • Confundir el MA de un ARIMA con una media móvil de suavizado.
  • Informar coeficientes sin decir el programa: los signos y las inicializaciones cambian entre programas.

10 · En el software

# R — pernoctaciones de la EOH 2007-2019, desde la API de series de datos.gob.ar
library(forecast)
url <- paste0("https://apis.datos.gob.ar/series/api/series/",
              "?ids=457.1_PERNOCTACILES_0_M_22_51&start_date=2007-01-01",
              "&end_date=2019-12-01&format=csv&limit=1000")
s  <- ts(read.csv(url)$pernoctaciones_totales, start = c(2007, 1), frequency = 12)
tr <- window(s, end = c(2018, 12))
te <- window(s, start = c(2019, 1))

# Identificar
ggtsdisplay(diff(tr, lag = 12))      # serie, ACF y PACF juntas

# Estimar y diagnosticar
m <- Arima(tr, order = c(1, 0, 1), seasonal = c(0, 1, 1))
m                                    # ar1 0.888, ma1 -0.515, sma1 -0.742
checkresiduals(m)                    # Ljung-Box y gráficos de residuos
auto.arima(tr)                       # la búsqueda automática llega al mismo

# Pronosticar, con intervalos del 80 y 95 %
f <- forecast(m, h = 12)
autoplot(f)

# Decidir d con datos reservados, no con AICc
aerolinea <- Arima(tr, order = c(0, 1, 1), seasonal = c(0, 1, 1))
eapm <- function(p) mean(abs(te - p) / te) * 100
eapm(f$mean)                                  #> 5.085
eapm(forecast(aerolinea, h = 12)$mean)        #> 3.603
eapm(snaive(tr, h = 12)$mean)                 #> 3.815
# Python — statsmodels, con la misma serie
import pandas as pd
from statsmodels.tsa.statespace.sarimax import SARIMAX
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf
from statsmodels.stats.diagnostic import acorr_ljungbox

url = ("https://apis.datos.gob.ar/series/api/series/"
       "?ids=457.1_PERNOCTACILES_0_M_22_51&start_date=2007-01-01"
       "&end_date=2019-12-01&format=csv&limit=1000")
# Sin un User-Agent de navegador, el servidor responde 403
d = pd.read_csv(url, parse_dates=["indice_tiempo"],
                storage_options={"User-Agent": "Mozilla/5.0"})
s = d.set_index("indice_tiempo")["pernoctaciones_totales"].astype(float)
s.index.freq = "MS"
tr = s[:"2018-12"]

plot_acf(tr.diff(12).dropna(), lags=24)
plot_pacf(tr.diff(12).dropna(), lags=24)

mod = SARIMAX(tr, order=(1, 0, 1), seasonal_order=(0, 1, 1, 12))
mod.ssm.initialize_diffuse()         # sin esto, en esta serie estima otro modelo
m = mod.fit(disp=False)
print(m.params.round(3))             # ar.L1 0.871, ma.L1 -0.494, ma.S.L12 -0.694
print(acorr_ljungbox(m.resid[13:], lags=[24], model_df=3))
print(m.get_forecast(12).summary_frame(alpha=0.05))

Seguir leyendo

Cómo citar: Montivero, J. L. (2026). Modelos ARIMA. estadistica.ar. https://estadistica.ar/conceptos/modelos-arima

estadistica.ar es gratuita y sin publicidad. Si te sirvió, podés invitar un cafecito por transferencia al alias mu3sigma. Asesoramiento estadístico, encuestas y capacitaciones: m3s.pro · WhatsApp +54 9 383 499-7929.

Cómo citar esta entrada

APA (7.ª edición)

Montivero, J. L. (2026). Modelos ARIMA. estadistica.ar. https://estadistica.ar/conceptos/modelos-arima

BibTeX

@misc{estadistica_ar_modelos_arima,
  author       = {Montivero, Jorge Luis},
  title        = {{Modelos ARIMA}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/modelos-arima}},
  note         = {estadistica.ar. Consultado el \today},
  urldate      = {2026-11-11}
}

Última actualización: 11 de noviembre de 2026. El contenido está bajo licencia CC BY-NC-SA 4.0: se puede reutilizar citando la fuente y sin fines comerciales.