Estacionalidad de la actividad económica

Qué es

La estacionalidad es la parte del movimiento de una serie económica que se repite con el calendario: el mismo mes o trimestre empuja hacia arriba o hacia abajo todos los años, por razones que no dicen nada sobre si la economía está mejorando o empeorando. El hemisferio sur cosecha entre diciembre y marzo, febrero vacía las oficinas, diciembre concentra el comercio minorista. Nada de eso es información sobre el ciclo, pero todo eso aparece en los datos mensuales.

La idea de descomponer una serie en cuatro piezas —tendencia, ciclo, estacionalidad y componente irregular— es tan vieja como la estadística económica moderna (Persons, 1919), y Kuznets (1933) fue quien primero midió con detalle cuánto de la producción y el comercio se movía por el puro calendario. La descomposición puede ser aditiva (la estacionalidad suma o resta una cantidad fija) o multiplicativa (la escala en un porcentaje); en actividad económica casi siempre se usa la multiplicativa, porque el empujón de diciembre crece junto con la economía.

Que la estacionalidad sea "ruido" no significa que sea chica. Barsky y Miron (1989) mostraron que el ciclo estacional explica la mayor parte de la varianza del crecimiento trimestral del PIB estadounidense —más que el ciclo económico propiamente tal— y, más incómodo, que las correlaciones entre variables a frecuencia estacional se parecen mucho a las del ciclo de negocios. Es decir: la estacionalidad no es un velo delgado sobre la señal, es el grueso de lo que uno ve cuando mira un dato mensual crudo.

De ahí que los institutos de estadística no publiquen solo la serie original. El desestacionalizado se estima con procedimientos como X-13ARIMA-SEATS del Census Bureau (heredero de X-11 y X-12; Findley et al., 1998) o TRAMO/SEATS, que primero modelan la serie, corrigen datos atípicos y efectos calendario, y recién después extraen el factor estacional. Conviene no confundir las dos correcciones: la estacionalidad es el patrón anual repetido; el efecto calendario es cuántos días hábiles trae ese mes en particular, si cayó Semana Santa adentro, si el año fue bisiesto. Son la causa más frecuente de saltos aparatosos en las comparaciones interanuales.

Una distinción más, que el programa dejó implícita: no todo lo que hace saltar un mes es estacional. Una parada de mantención imprevista o un paro portuario caen en el componente irregular, y ninguna desestacionalización los quita —por definición, el ajuste solo remueve lo que se repite. Confundirlos lleva a leer como cambio de tendencia lo que fue una semana de una faena detenida.

Finalmente, el patrón estacional se mueve. Puede ser determinístico (factores fijos) o estocástico, con raíces unitarias en las frecuencias estacionales, un fenómeno formalizado por Hylleberg, Engle, Granger y Yoo (1990). Por eso los factores se re-estiman: cuando cambian los hábitos —el feriado que se toma menos, el comercio que abre el 1 de enero— el factor de hace quince años deja de servir y desestacionalizar con él introduce el error que pretendía corregir.

Cómo lo explicó el programa

En Buenos Días Mercado del 2 de mayo de 2025 (bdm-2025-05-02), a propósito de un Imacec que pasó de caer 0,1% a crecer casi 4% en un mes, Tomás Flores puso el foco exactamente donde corresponde: en el promedio, no en el dato.

"que un mes caiga cero uno y al mes siguiente crezca casi cuatro"

Su lectura fue que, promediando febrero y marzo, el año seguía en torno a 2%: el zigzag mensual venía de estacionalidad y de paradas puntuales, no de un giro del ciclo. El ejemplo que usó para separar sectores es el mejor resumen del concepto que uno puede pedir: la mantención de una correa en un yacimiento detiene la producción una semana entera, mientras la fabricación de fideos es estable y almacenable, a diferencia de una palta. Un bien perecible obliga a producir cuando el calendario manda; un bien almacenable permite producir parejo y guardar. La minería, además, concentra su volatilidad en eventos discretos y grandes.

El otro punto de Flores es el que más se ignora: la estacionalidad de las vacaciones de febrero prácticamente desapareció. Eso no es una anécdota, es estacionalidad móvil —el patrón cambió de nivel— y explica por qué un ajuste calibrado con la conducta de hace una década distorsionaría el febrero de hoy. Vale agregar que aquel contraste entre febrero y marzo de 2025 tenía además un efecto calendario grueso: febrero de 2024 fue bisiesto, y la Semana Santa de 2024 cayó en marzo mientras la de 2025 cayó en abril, de modo que el marzo comparado traía más días hábiles que su referencia.

Relación con otros conceptos

La estacionalidad es inseparable del Imacec y de cómo se lee: el Banco Central de Chile publica serie original y serie desestacionalizada, y cada una responde una pregunta distinta —la variación interanual del dato original versus la variación respecto del mes anterior en la serie ajustada—. Conecta con el ciclo económico, del que hay que distinguirla para no confundir calendario con impulso, y con el efecto base, que hace que un mes malo del año pasado infle mecánicamente el crecimiento de este. El contraste palta/fideos es, en rigor, el problema de los inventarios y el suavizamiento de la producción: almacenar permite desacoplar producción de demanda, y donde no se puede almacenar la estacionalidad pasa entera a la producción (Blinder y Maccini, 1991). Por último, se apoya en el análisis de series de tiempo y en la idea de promedio móvil, que es lo que Flores hizo a mano al promediar dos meses para recuperar la tendencia.

Fuentes y lecturas

• Kuznets, S. (1933), Seasonal Variations in Industry and Trade, National Bureau of Economic Research.
• Barsky, R. y Miron, J. (1989), "The Seasonal Cycle and the Business Cycle", Journal of Political Economy, 97(3).
• Hylleberg, S., Engle, R., Granger, C. y Yoo, B. (1990), "Seasonal Integration and Cointegration", Journal of Econometrics, 44(1-2).
• Findley, D., Monsell, B., Bell, W., Otto, M. y Chen, B.-C. (1998), "New Capabilities and Methods of the X-12-ARIMA Seasonal Adjustment Program", Journal of Business & Economic Statistics, 16(2).
• Ghysels, E. y Osborn, D. (2001), The Econometric Analysis of Seasonal Time Series, Cambridge University Press.