Glosario
Validación temporal: qué es y cómo se hace
Definición
La validación temporal evalúa una previsión simulando que te encuentras en una fecha pasada: se entrena el método solo con los datos anteriores a esa fecha, se prevén las semanas siguientes y se comparan con lo vendido. Luego se avanza el punto de partida y se repite, promediando los errores. A diferencia de la validación cruzada normal, respeta el orden del tiempo, de modo que nunca se usa información del futuro para prever el pasado.
La validación temporal es la forma honesta de saber si una previsión funciona: se hace como si estuvieras en una semana del pasado, se prevé lo que viene, se compara con lo que ocurrió y se repite avanzando semana a semana. Nunca se usa el futuro para prever el pasado. Aquí va el método y un ejemplo.
Qué es exactamente
La validación temporal es una serie de pruebas en las que cada conjunto de entrenamiento contiene solo observaciones anteriores a las que se quieren prever. El manual de Hyndman y Athanasopoulos la describe así: una sucesión de conjuntos de prueba, cada uno normalmente de una sola observación, donde el entrenamiento no incluye nada posterior. La precisión se promedia sobre todos los conjuntos de prueba. Al mover el punto de partida hacia delante en el tiempo, también se llama evaluación con origen móvil.
La validación cruzada clásica de otros campos baraja los datos al azar y los reparte en trozos. En series temporales eso es una trampa: si entrenas con la semana 30 y pruebas en la semana 29, el modelo ha visto el futuro. La validación temporal prohíbe esa mezcla.
Es lo más parecido a lo que te va a pasar en la realidad: cada lunes decides con lo que sabes hasta ese lunes y la semana siguiente se verá si acertaste.
También se le llama
Validación cruzada de series temporales (time series cross-validation), evaluación con origen móvil (rolling origin), walk-forward en inglés o, en el lenguaje de planificación, «hacer un backtest por semanas».
Cómo se calcula
El procedimiento es siempre el mismo. Eliges cuántas semanas necesita el método como mínimo para entrenar y cuántas semanas hacia delante quieres prever (el horizonte, que conviene que coincida con tu plazo de entrega). Entrenas con las semanas iniciales, prevés, anotas el error, añades una semana de historia y vuelves a empezar. Al final promedias los errores.
Un ejemplo con una cadena de papelerías que quiere valorar una previsión para un cuaderno de tapa dura, con 20 semanas de historia. Entrena con las semanas 1 a 12 y prevé la 13. Luego entrena con 1 a 13 y prevé la 14. Sigue así hasta prever la 20 con las semanas 1 a 19. Son ocho pruebas. Si los errores absolutos de esas ocho previsiones son 5, 3, 6, 2, 4, 7, 1 y 4, el error medio es 4,0 unidades, y esa es la cifra que cuenta, porque cada una de las ocho previsiones se hizo sin conocer lo que iba a pasar.
Fíjate en lo que no se usó: las semanas 1 a 11 nunca se utilizan como semana de prueba, porque el método necesita un mínimo de historia para empezar. Esto es normal y lo señala el manual: las observaciones más tempranas no se evalúan.
Con un horizonte de varias semanas se repite lo mismo, guardando el error de la previsión a una semana, a dos, a tres, por separado. Así sabes cómo de fiable es lo que decides con la entrega de tu proveedor, que es el horizonte que importa.
Ojo con esto
Cuatro errores de método que estropean la validación sin avisar:
- Filtrar el futuro sin querer. Calcular la media, la temporada o la limpieza de atípicos sobre toda la historia y luego «prever» el pasado es hacer trampa; todo debe calcularse solo con lo anterior.
- Usar datos que no existían ese día. Si el precio o el festivo se conocía con antelación, vale; si es un dato que solo supiste después (una devolución, una corrección contable), no.
- Probar con muy pocas semanas. Con tres pruebas, una sola semana rara decide el resultado. Cuantas más pruebas independientes, más fiable es la cifra.
- Ignorar la temporada. Si todas las pruebas caen en temporada baja, el resultado no vale para agosto. Incluye al menos una temporada alta o evalúa por separado.
Dónde aparece en el sistema
Es la base de todo lo que el sistema dice de sí mismo. Cada vez que decimos «la previsión de este producto falla de media 4 unidades» o «este método gana al de la semana pasada», ese número sale de una validación temporal sobre tu historia, nunca de un ajuste sobre los mismos datos. También decide qué método se usa para cada producto: se prueban varios con origen móvil y se elige el que mejor habría previsto semanas que no había visto.
La simulación con tus datos es esa misma idea llevada a las decisiones: no solo comparamos previsiones, sino los envíos que habría propuesto el sistema con los que hiciste.
Términos relacionados
Backtest, sobreajuste, modo sombra, error de previsión, MASE y lead time. Para el contexto, la guía de previsión de demanda.
Preguntas frecuentes
¿En qué se diferencia de un backtest?
Son dos nombres para la misma idea cuando se aplica a previsiones: probar un método sobre el pasado sin mirar el futuro. «Backtest» se usa más para decisiones completas (qué habría pedido el sistema), «validación temporal» para medir el error de la previsión.
¿Cuánta historia hace falta?
La suficiente para entrenar y para tener varias pruebas. Con menos de un año de datos semanales es difícil validar métodos con temporada; en ese caso se validan métodos más sencillos y se avisa de la limitación.
¿Por qué no reservar simplemente los últimos meses?
Se puede (es una división de entrenamiento y prueba) y es mejor que nada, pero una sola prueba depende mucho de qué meses toquen. El origen móvil usa muchas pruebas y da una cifra más estable.
¿Se puede hacer en una hoja de cálculo?
Con paciencia, para un producto y un método sencillo, sí. Para un catálogo entero y varios métodos, se vuelve inmanejable y es donde compensa automatizarlo.