6 · Diferenciación
La diferenciación — restar el valor anterior — remueve una tendencia y es la 'd' de ARIMA. Una diferencia estacional de retardo m remueve un ciclo repetitivo.
La primera diferencia Δy_t = y_t − y_{t-1} remueve una tendencia lineal y normalmente vuelve estacionaria una serie — esa es la 'd' de ARIMA(p,d,q). La diferencia estacional y_t − y_{t-m} remueve un ciclo repetitivo de período m.
Sin esto:
Sin diferenciar alimentas una serie con tendencia directo a modelos AR/MA que asumen estacionariedad, y el ajuste persigue el desplazamiento en vez de la dinámica real a corto plazo.
Cuando la prueba ADF dice que una serie es no estacionaria por una tendencia, la cura estándar es la diferenciación: reemplaza cada valor por el cambio respecto al paso anterior.
Δy_t = y_t − y_{t-1}
Una tendencia constante (el nivel subiendo una cantidad fija cada paso) se convierte en una serie diferenciada aproximadamente constante — la pendiente se remueve, la media se aplana, y la serie típicamente pasa la prueba ADF. El número de veces que diferencias para alcanzar estacionariedad es exactamente la d en ARIMA(p, d, q). La mayoría de las series reales necesitan d = 0 o d = 1; d = 2 maneja una tendencia cuya pendiente misma cambia. Sobre-diferenciar es un riesgo real — inyecta autocorrelación negativa artificial — así que diferencia la cantidad mínima que pase ADF.
Una tendencia no es la única estructura repetitiva. Cuando una serie tiene estacionalidad con período m (12 para mensual-anual, 7 para diario-semanal), la diferenciación ordinaria no la remueve. En su lugar usa la diferenciación estacional, restando el valor de una estación completa atrás:
Δ_m y_t = y_t − y_{t-m}
Esto cancela el patrón repetitivo (cada valor menos el mismo punto del ciclo anterior) y es la D estacional en SARIMA(p,d,q)(P,D,Q)_m. Abajo tomamos una serie con tendencia, aplicamos primera diferencia y vemos colapsar el p-valor ADF por debajo de 0.05; luego tomamos una serie fuertemente estacional y mostramos que una diferencia estacional de retardo m es lo que la aplana.
Python (in browser)
La primera diferencia baja el p-valor ADF de una serie con tendencia bajo 0.05; una diferencia estacional de retardo 12 colapsa la varianza de un ciclo anual — la 'd' y 'D' de (S)ARIMA.
Python runs entirely in your browser via Pyodide (~6 MB on first Run, cached after).
Tu serie mensual tiene un fuerte ciclo anual pero casi ninguna tendencia a largo plazo. ¿Qué operación la vuelve estacionaria?
- La primera diferencia Δy_t = y_t − y_{t-1} remueve una tendencia lineal y normalmente logra estacionariedad — esa es la 'd' de ARIMA.
- La diferencia estacional y_t − y_{t-m} cancela un ciclo repetitivo de período m — la 'D' en SARIMA.
- Diferencia lo mínimo necesario (re-prueba ADF cada vez); sobre-diferenciar inyecta autocorrelación negativa artificial.
Los parámetros d y D de (S)ARIMA son exactamente estos pasos de diferenciación; auto_arima busca sobre ellos, y también diferencias manualmente antes de modelos AR/MA.
Si lo quitas: Omite la diferenciación y ARIMA intenta modelar una serie no estacionaria directamente — coeficientes inestables y pronósticos que se alejan de la realidad.