📊 statistics

Disaggregating Time-Series with Many Indicators: An Overview of the DisaggregateTS Package

Este artículo presenta el paquete R *DisaggregateTS*, que implementa tanto métodos clásicos como extensiones de alta dimensión para desagregar series temporales de baja frecuencia utilizando múltiples indicadores, ilustrando su aplicación en la estimación de emisiones de CO2.

Autores originales: Luke Mosley, Kaveh Salehzadeh Nobari, Giuseppe Brandi, Alex Gibberd

Publicado 2026-04-14

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Luke Mosley, Kaveh Salehzadeh Nobari, Giuseppe Brandi, Alex Gibberd

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

¡Claro que sí! Imagina que este artículo es como un manual de instrucciones para un "traductor de tiempo" muy especial. Vamos a desglosarlo usando una analogía sencilla: cocinar una sopa.

1. El Problema: La Sopa de "Sabores" vs. La Sopa de "Ingredientes"

Imagina que tienes una olla gigante con una sopa deliciosa (los datos económicos o ambientales que queremos estudiar, como el PIB o las emisiones de CO2).

Los datos de baja frecuencia (la realidad): Son como tomar un solo bocado de esa sopa cada tres meses (trimestral) o una vez al año. Estos bocados son muy precisos, sabrosos y confiables, pero... ¡son muy pocos! No sabes exactamente qué pasó el lunes o el martes de ese trimestre. Es como si solo supieras el sabor general del mes, pero no los detalles.
Los datos de alta frecuencia (los indicadores): Son como tener miles de ingredientes sueltos (ventas diarias, clima, tráfico, noticias) que cambian cada mes o incluso cada día. Hay muchísimos de estos ingredientes, pero a veces son un poco "ruidosos" o menos precisos por sí solos.

El dilema: Queremos saber el sabor exacto de la sopa cada mes (o cada día), pero solo tenemos los bocados precisos de cada trimestre. ¿Cómo hacemos para "rellenar" los huecos entre esos bocados sin inventar cosas?

2. La Solución Antigua: El Método "Chow-Lin" (El Chef Tradicional)

Antes, los chefs (los estadísticos) usaban una receta clásica llamada Chow-Lin.

Cómo funcionaba: Buscaban un par de ingredientes (indicadores) que se comportaran de manera muy similar a la sopa. Por ejemplo, si la sopa sube de sabor, también suben las ventas de pan.
La magia: Usaban una fórmula matemática para mezclar esos ingredientes y "dibujar" cómo debería haber sido la sopa en los meses intermedios.
El problema: Esta receta funcionaba genial si tenías pocos ingredientes (digamos, 5 o 10). Pero, ¿qué pasa si tienes miles de ingredientes (Big Data)? La receta se vuelve un caos. El chef se pierde, la mezcla sale mal y los cálculos se rompen porque hay demasiadas variables y muy pocos bocados de prueba.

3. La Nueva Solución: El Paquete "DisaggregateTS" (El Chef con Inteligencia Artificial)

Aquí es donde entra el artículo y el paquete de software llamado DisaggregateTS. Es como darle al chef un superpoder de selección para manejar la era del "Big Data" (donde tienes miles de indicadores).

El paquete ofrece dos trucos principales:

A. El Filtro Mágico (LASSO y "Sparse")

Imagina que tienes una caja de 1,000 ingredientes, pero solo 3 de ellos realmente importan para el sabor de tu sopa. El resto es ruido.

Lo que hace el paquete: En lugar de intentar usar los 1,000 ingredientes (lo cual es imposible matemáticamente), usa un algoritmo inteligente (llamado LASSO) que actúa como un filtro de oro.
La analogía: Es como si el chef tuviera una vara mágica que toca cada ingrediente y dice: "¡Tú no sirves, vete!", "¡Tú tampoco!", hasta que solo quedan los 2 o 3 ingredientes vitales.
Resultado: Con solo esos pocos ingredientes clave, puede reconstruir la sopa mes a mes con una precisión increíble, incluso si tienes 1,000 ingredientes disponibles.

B. El Chef Adaptativo (Adaptive-LASSO)

A veces, los ingredientes se parecen mucho entre sí (por ejemplo, "ventas de enero" y "ventas de febrero" son casi lo mismo). Esto confunde al filtro mágico.

La solución: El paquete tiene una versión "adaptativa" que es aún más lista. Si ve que dos ingredientes son gemelos, decide cuál es el verdadero líder y descarta al otro, asegurándose de no cometer errores.

4. ¿Para qué sirve esto en la vida real? (El Ejemplo de IBM)

El artículo prueba esto con un caso real: Las emisiones de CO2 de la empresa IBM.

El problema: IBM reporta sus emisiones de CO2 una vez al año (datos precisos pero lentos). Pero sus ventas y gastos se reportan cada trimestre.
La aplicación: Usando este paquete, los autores tomaron los datos anuales de CO2 y los "tradujeron" a datos trimestrales usando miles de indicadores financieros de IBM.
El resultado: El paquete logró identificar que, de todos los datos financieros, solo dos eran realmente importantes para predecir las emisiones: las ventas de los últimos 12 meses y el capital total de la empresa.
La diferencia: Si hubieran usado un método simple (como dibujar una línea recta entre los años), la gráfica de emisiones se vería aburrida y plana. Con el nuevo método, la gráfica muestra fluctuaciones reales que coinciden con la actividad económica de la empresa. ¡Es como ver la sopa en movimiento en lugar de solo en estática!

Resumen en una frase

El paquete DisaggregateTS es una herramienta que nos permite tomar datos económicos o ambientales lentos y precisos (como un reporte anual) y usar miles de datos rápidos y ruidosos (como noticias diarias) para reconstruir una historia detallada mes a mes, filtrando automáticamente el ruido y quedándose solo con lo que realmente importa.

Es como tener una lupa mágica que te permite ver los detalles de una película que solo te mostraban fotogramas cada tres meses.

1. El Problema

Las series temporales de baja frecuencia (ej. datos trimestrales o anuales), publicadas por organismos gubernamentales, suelen ser más precisas y fiables, pero menos oportunas que sus contrapartes de alta frecuencia (ej. datos mensuales). Para el pronóstico y el análisis económico, es necesario estimar series de alta frecuencia que sean consistentes con las observaciones de baja frecuencia.

El desafío principal radica en la desagregación temporal (interpolación de series de flujo o stock) en entornos de alta dimensionalidad. Tradicionalmente, los métodos de regresión asumen que el número de indicadores ( $d$ ) es menor que el número de observaciones de baja frecuencia ( $n$ ). Sin embargo, en la era de los "big data" y la disponibilidad masiva de datos administrativos, a menudo se tiene $d \gg n$ (más indicadores que observaciones). En este escenario, los estimadores de mínimos cuadrados ordinarios (MCO) o de mínimos cuadrados generalizados (GLS) clásicos fallan porque la matriz de diseño no es invertible (es de rango deficiente) o produce estimaciones de alta varianza.

2. Metodología

El artículo presenta y documenta el paquete R DisaggregateTS, que integra métodos clásicos y extensiones modernas para manejar la alta dimensionalidad.

A. Técnicas Clásicas (Baja Dimensión)

Se basan en la metodología de Chow y Lin (1971).

Modelo: Asume que la serie de alta frecuencia no observada ( $y_m$ ) sigue una regresión lineal con indicadores de alta frecuencia ( $X_m$ ) y un término de error que sigue un proceso AR(1).
Consistencia Temporal: Se utiliza una matriz de agregación ( $C$ ) para asegurar que la suma (o promedio) de las estimaciones mensuales coincida con la observación trimestral real.
Estimación: Se emplea un estimador GLS que requiere la estimación de parámetros de autocorrelación ( $\rho$ ) y varianza ( $\sigma^2$ ) mediante maximización de la verosimilitud perfilada.

B. Extensiones a Alta Dimensión (Sparse Temporal Disaggregation)

Para el caso donde $d > n$ , el paquete implementa las contribuciones de Mosley et al. (2022):

Regularización LASSO: Se añade una penalización $\ell_1$ $ℓ_{1}$ a la función de costo del GLS. Esto fuerza a que muchos coeficientes sean cero, seleccionando automáticamente los indicadores relevantes y resolviendo el problema de la matriz no invertible.
- Función de costo: Minimizar la suma de los residuos ponderados más una penalización proporcional a la norma $\ell_1$ de los coeficientes ( $\lambda_n \|\beta\|_1$ ).
Re-ajuste (Debiasing): Dado que el LASSO introduce un sesgo (subestima la magnitud de los coeficientes), se aplica un procedimiento de re-ajuste por mínimos cuadrados sobre el subconjunto de variables seleccionadas para obtener estimaciones insesgadas.
Selección de Parámetros:
- Se utiliza el algoritmo LARS para generar trayectorias de solución para diferentes valores de $\lambda$ .
- La selección óptima de $\lambda$ y $\rho$ se realiza mediante el Criterio de Información Bayesiano (BIC), preferido sobre la validación cruzada debido al pequeño tamaño de muestra en la frecuencia baja.
LASSO Adaptativo: Se incluye una variante adaptativa (Zou, 2006) que pondera la penalización para manejar situaciones de multicolinealidad extrema o violación de la "Condición de Irrepresentabilidad", mejorando la consistencia en la selección de variables.

3. Contribuciones Clave

Paquete DisaggregateTS: Desarrollo de una librería en R que unifica métodos clásicos (Denton, Chow-Lin, Fernandez, Litterman) con técnicas modernas de alta dimensión (spTD y adaptive-spTD).
Funcionalidad de Simulación: Inclusión de la función TempDisaggDGP() para generar datos sintéticos con estructuras de error AR(1) y diferentes niveles de dispersión, facilitando la evaluación de métodos.
Adaptación a Big Data: Extensión formal de la desagregación temporal a escenarios donde el número de predictores supera al número de observaciones, algo no cubierto adecuadamente por paquetes anteriores como Sax.
Guía de Implementación: Proporciona una guía práctica y ejemplos de código para aplicar estos métodos complejos en la práctica.

4. Resultados y Aplicaciones

El artículo valida los métodos mediante dos tipos de análisis:

Simulaciones:
- En escenarios de baja dimensión, el método de Chow-Lin recupera adecuadamente la serie.
- En escenarios de alta dimensión ( $d=100, n=17$ ), los métodos estándar fallan o producen resultados demasiado suaves. En contraste, el método adaptive-spTD logra recuperar las fluctuaciones reales de la serie y seleccionar correctamente las variables relevantes, demostrando superioridad frente a la interpolación lineal simple.
Aplicación Empírica: Intensidad de Carbono (IBM):
- Objetivo: Desagregar las emisiones anuales de GEI de IBM (17 observaciones) a datos trimestrales utilizando 112 indicadores financieros de alta frecuencia.
- Resultado: El modelo adaptativo seleccionó solo dos predictores no nulos: las ventas de los últimos 12 meses y el capital total de la empresa.
- Hallazgo: La serie desagregada temporalmente capturó la dinámica y volatilidad real de las emisiones, mientras que la interpolación lineal generó una serie excesivamente suave y poco realista. Esto permite calcular métricas de intensidad de carbono trimestrales más precisas.

5. Significado e Impacto

Este trabajo es fundamental para la finanza climática y la economía en la era del big data.

Permite a los analistas y reguladores generar estimaciones de alta frecuencia para indicadores críticos (como emisiones de carbono o PIB) que solo se publican anualmente.
Facilita el uso de grandes volúmenes de datos administrativos y financieros para mejorar la precisión de las estimaciones macroeconómicas y ambientales.
Ofrece una solución robusta al problema de la "maldición de la dimensionalidad" en series temporales, permitiendo que los modelos estadísticos tradicionales se adapten a la realidad de los datos modernos sin sacrificar la consistencia temporal.

En resumen, el paquete DisaggregateTS cierra la brecha entre la teoría de la desagregación temporal clásica y las necesidades de modelado en entornos de datos masivos, proporcionando herramientas esenciales para la medición precisa y oportuna de indicadores socioeconómicos y ambientales.