Holt-Winters en Excel: previsión paso a paso

Holt-Winters (suavizado exponencial triple) prevé una serie con tendencia y estacionalidad a partir de tres componentes que se actualizan cada mes: el nivel, la tendencia y un índice estacional por mes, cada uno con su parámetro de suavizado (alfa, beta y gamma, entre 0 y 1). En Excel bastan tres columnas de fórmulas sin complementos; la previsión a h meses es (nivel + h × tendencia) × índice del mismo mes del año anterior. Con 36 meses de ventas y alfa 0,3, beta 0,1 y gamma 0,3, el error medio del tercer año es del 3,33 %. DataHub Pro hace esta previsión, con su banda, desde tu archivo con una cuenta gratuita.

Pruébalo con tu propio archivo → · Actualizado el 1 de noviembre de 2026

Una media móvil sigue la tendencia pero se pierde en diciembre; unos índices estacionales repiten el patrón pero no se adaptan si el negocio crece más deprisa. Holt-Winters hace las dos cosas a la vez y se corrige solo con cada mes nuevo. Esta guía lo construye con fórmulas sobre 36 meses de ventas de ejemplo, explica qué hace cada parámetro, cómo elegirlos sin engañarte y en qué se diferencia del atajo PRONOSTICO.ETS de Excel.

The DataHub Pro Team · Analítica para pymes
Acerca de

Nota sobre separadores: las fórmulas de esta guía usan el punto y coma (;) para separar argumentos y los nombres de función en español. Según tu configuración regional, Excel puede usar la coma (,) en su lugar; en Excel en inglés los nombres de función también cambian (se indican entre paréntesis la primera vez).

Qué es Holt-Winters

Es el método que Charles Holt y Peter Winters publicaron entre 1957 y 1960 para prever ventas. Parte del suavizado exponencial simple (una media que da más peso a lo reciente) y le añade dos piezas: una tendencia, para que la previsión pueda subir o bajar, y un índice estacional por cada mes, para que el pico de diciembre vuelva a aparecer en el próximo diciembre.

Piensa en tres medias que se actualizan cada mes. El nivel dice dónde está la serie ahora, sin estacionalidad. La tendencia dice cuánto sube o baja cada mes. El índice estacional dice cuánto se aparta cada mes de lo normal (0,80 es un 20 % por debajo; 1,30, un 30 % por encima). Cada una tiene su parámetro: alfa para el nivel, beta para la tendencia y gamma para la estacionalidad. Un valor cerca de 1 hace caso sobre todo al último dato; cerca de 0, a la historia.

Funciona bien en series con tendencia y estacionalidad estables: ventas de una tienda, facturación mensual, demanda de energía, ingresos recurrentes con cierres de trimestre. Funciona mal cuando el negocio cambió de forma (un relanzamiento, una adquisición) o cuando la serie es puro ruido.

1.Paso 1: los datos

Fechas en A y ventas en B, un mes por fila y sin huecos. Necesitas al menos dos años completos: el primero sirve para arrancar los índices y el segundo para la tendencia inicial. Con tres o cuatro años el modelo tiene con qué corregirse. El ejemplo de esta guía (y del libro de práctica) son 36 meses, de enero de 2023 a diciembre de 2025:

Las medias de cada año son 1.087,42, 1.267,25 y 1.448,67: la serie crece y diciembre es siempre el mes más alto. Reserva cuatro celdas para los parámetros: alfa en J1 (0,3), beta en J2 (0,1), gamma en J3 (0,3) y la longitud de la estación en J4 (12 para datos mensuales). Las columnas de trabajo serán C (índice estacional), D (nivel), E (tendencia) y F (previsión a un mes).

2.Paso 2: índices estacionales iniciales

El índice de arranque de cada mes es su venta del primer año dividida entre la media del primer año. En C2, arrastrada hasta C13:

=B2/PROMEDIO($B$2:$B$13)

Enero sale 869 / 1.087,42 = 0,7991 y diciembre 1.410 / 1.087,42 = 1,2967. Los doce índices suman 12, porque su media es 1.

Un aviso honesto: este arranque sencillo exagera un poco la estacionalidad cuando hay tendencia, porque enero está al principio de un año que crece y diciembre al final. Aquí enero arranca en 0,80 cuando su peso real es algo mayor. No pasa nada grave: gamma va corrigiendo los índices año a año. Si quieres un arranque más fino, usa los índices de la previsión estacional con media móvil centrada.

3.Paso 3: nivel y tendencia iniciales

El nivel de partida es la media del primer año y la tendencia de partida es lo que creció la media de un año al siguiente, repartido entre doce meses:

D13:  =PROMEDIO(B2:B13)                                  ' nivel inicial: 1.087,42
E13:  =(PROMEDIO(B14:B25)-PROMEDIO(B2:B13))/$J$4           ' tendencia inicial: 14,99

(1.267,25 − 1.087,42) / 12 = 14,99: la serie sube unos 15 al mes.

4.Paso 4: las tres ecuaciones

Para cada mes a partir de la fila 14, primero la previsión que el modelo habría hecho el mes anterior y después las tres actualizaciones. El índice que se usa es el del mismo mes del año anterior, doce filas más arriba:

F14:  =(D13+E13)*C2                                      ' previsión a un mes
D14:  =$J$1*(B14/C2)+(1-$J$1)*(D13+E13)                  ' nivel
E14:  =$J$2*(D14-D13)+(1-$J$2)*E13                       ' tendencia
C14:  =$J$3*(B14/D14)+(1-$J$3)*C2                        ' índice estacional

Con los números de enero de 2024 (ventas 1.005):

La primera previsión se queda corta (881 frente a 1.005) precisamente por el índice de enero demasiado bajo del paso 2, y el modelo reacciona: sube el nivel, sube la tendencia y sube el índice de enero de 0,80 a 0,82. Arrastra las cuatro fórmulas hasta la fila 37. Al terminar, el nivel es 1.481,03 y la tendencia 10,09 al mes.

5.Paso 5: elegir alfa, beta y gamma

Mide el error con meses que el modelo prevé antes de verlos. La columna F ya es eso: cada previsión se hace con los datos hasta el mes anterior. El error porcentual absoluto en G26 es =ABS(B26-F26)/B26, y su media en el tercer año, el MAPE:

=PROMEDIO(G26:G37)        ' 3,33 % con alfa 0,3, beta 0,1 y gamma 0,3

Hay tres formas de elegir los parámetros:

• Valores por defecto. Alfa 0,3, beta 0,1 y gamma 0,3 son un punto de partida razonable para datos mensuales. Rara vez son los mejores, pero casi nunca hacen el ridículo.
• Solver. En Datos → Solver, minimiza la celda del MAPE cambiando J1:J3 con restricciones entre 0 y 1. Si no ves Solver, actívalo en Archivo → Opciones → Complementos.
• Rejilla. Prueba las 125 combinaciones de 0,1, 0,3, 0,5, 0,7 y 0,9 para cada parámetro y quédate con la de menor error.

La trampa está en qué error minimizas. Si eliges los parámetros con el mismo año con el que luego los juzgas, siempre parecerán buenos. Hazlo bien: elige con el segundo año y juzga con el tercero. En este ejemplo, la mejor combinación del segundo año es alfa 0,5 y beta 0,1 (gamma da igual en ese año, porque sus previsiones aún usan los índices de arranque). Con la misma gamma de 0,3, el tercer año da un MAPE del 3,47 %, peor que el 3,33 % de los valores por defecto. Es cierto que con gamma 0,7 bajaría al 3,13 %, pero eso solo se sabe mirando el propio tercer año, que es justo la trampa. Con tres años de datos, afinar los parámetros puede costar precisión en lugar de ganarla. Por eso conviene reservar siempre los últimos meses para comprobar, y desconfiar de un ajuste perfecto.

6.Paso 6: previsión y banda

A partir del último mes, la previsión a h meses es el último nivel, más h veces la última tendencia, por el índice del mismo mes del último año. En F38 (enero de 2026), arrastrada hasta F49:

=($D$37+(FILA()-37)*$E$37)*C26

FILA()-37 es h: 1 en enero, 12 en diciembre. C26 es el índice de enero de 2025 y se desplaza solo hasta C37 al arrastrar. El resultado va de 1.252 en enero a 2.032 en diciembre, 18.535 en todo 2026.

Para una banda aproximada del 95 %, calcula los errores de las previsiones a un mes en H (=B14-F14), su desviación típica con =DESVEST.M(H14:H37) (STDEV.S en inglés), que aquí es 74,03, y suma y resta 1,96 veces ese valor: ±145 sobre cada previsión. Es aproximada, porque supone errores normales y la incertidumbre real crece con el horizonte, pero es la banda que dibujan la mayoría de herramientas. Si necesitas la distribución completa de resultados, mira la simulación Monte Carlo en Excel.

El atajo PRONOSTICO.ETS

Excel 2016 y posteriores tienen una versión propia en una sola fórmula (FORECAST.ETS en inglés):

=PRONOSTICO.ETS(A38;$B$2:$B$37;$A$2:$A$37;12)

o, con un gráfico y la banda incluidos, Datos → Previsión → Hoja de previsión. Calcula sus propios parámetros y usa la variante aditiva del método. Con los mismos 36 meses, en Excel para Mac, da 1.395 en enero y 1.998 en diciembre, 19.854 en el año: un 7 % más que las fórmulas de esta guía, sobre todo porque mantiene una tendencia más fuerte. Ninguna de las dos cifras es “la buena”: compáralas con los meses que vayan llegando. PRONOSTICO.ETS es cómodo pero no deja ver ni ajustar qué hace; las fórmulas sí, y por eso se pueden explicar en una reunión.

Aditivo o multiplicativo

Las ecuaciones de esta guía son multiplicativas: la estacionalidad es un porcentaje y crece con el nivel (si vendes el doble, el pico de diciembre también es el doble). Es lo habitual en ventas e ingresos. Si la oscilación estacional se mantiene constante en unidades (temperaturas, plantilla), usa la forma aditiva: cambia las divisiones entre el índice por restas y la multiplicación final por una suma. La forma multiplicativa no admite ceros ni negativos, porque divide entre ellos.

Errores comunes

1. Pocos datos. Con menos de dos años los índices no tienen con qué comprobarse. Con 18 meses, quita la estacionalidad y usa solo nivel y tendencia (el método de Holt del suavizado exponencial).

2. Índice de la fila equivocada. El nivel y la previsión usan el índice de doce filas más arriba (C2 en la fila 14), no el de la fila anterior. Es el error más frecuente al arrastrar.

3. Reajustar los parámetros cada mes. Los parámetros son de la serie, no del mes. Cambiarlos cada vez da un ajuste perfecto hacia atrás y previsiones que bailan.

4. Prever a través de un cambio de negocio. Si el negocio cambió de forma, Holt-Winters seguirá proyectando la forma vieja. Usa solo los datos posteriores al cambio.

Preguntas frecuentes