Ajuste estacional mediante m�todos que emplean modelos ARIMA

     Estos  m�todos  suponen  que el componente estacional es generado
por un proceso estoc�stico, cuya identificaci�n se realiza  de  manera
similar  a  los  modelos  que representan la estructura regular de una
serie, con la salvedad de que  para  ello  se  examinan  los  "valores
estacionales"  de  las  funciones  de  autocorrelaci�n,  es decir, los
valores que corresponden a los rezagos de 4, 8, 12, ... si  los  datos
son trimestrales y 12, 24, 36, ... si  los datos son mensuales(8).  De
este  modo,  una serie podr�a requerir diferencias de orden estacional
si  los  "valores  estacionales"  de  la funci�n de autocorrelaci�n no
tienden a cero r�pidamente.

     Para  obtener  la  serie desestacionalizada se sigue el siguiente
procedimiento:

     Si Xt es una serie estacional de s periodos al a�o (4 para  datos
trimestrales  y  12  para  mensuales)  deber� eliminarse el componente
estacional para luego ajustar un modelo ARIMA a la parte no estacional
(ut).

     El  filtro estacional ARIMA deber� definirse teniendo en conside-
raci�n la siguiente expresi�n:

     �S(BS) = (1-BS)D Xt = �S(BS) ut     (2)

donde:

     �S(BS)  = 1-�f1,SBS - ... - �P,SBPS,

     �S(BS)  = 1-�1,SBS - ... - �Q,SBQS,

     B es el operador de rezagos

     � y � son coeficientes a estimar

     P    es el orden de la parte autorregresiva del modelo estacional
     Q    es el orden de la parte de promedio m�vil del modelo
          estacional
     D    es el orden de la parte integrada del modelo estacional

     Ajustando un modelo ARIMA tradicional a la serie
desestacionalizada ut se llega finalmente a la forma(9):

     �(B)�S(BS)(1-B)d(1-BS)DXt = �(B)�S(BS)et         (3)

     donde  et  es un proceso de ruido blanco y d es el orden de la
parte integrada del modelo no estacional.

NOTAS
�����
(8)  ver Novales, A. Cap. 13.
(9)  ver Aracena, F. y otros, pag. 14.