Por qué es importante
La mayoría de los datos económicos federales que ves llegan en dos presentaciones: ajustados estacionalmente (SA) y sin ajuste estacional (NSA). La diferencia importa porque el dato mensual o trimestral crudo es salvajemente estacional. El desempleo siempre sube en enero (despidos post-festivos). Las ventas de casas siempre llegan a su máximo en junio. Los permisos de construcción siempre se desploman en diciembre. Sin ajuste estacional, comparar enero con junio te diría menos sobre la economía y más sobre el calendario. El BLS y el Censo publican versiones SA de la mayoría de las series para comparaciones mes a mes y trimestre a trimestre. También publican versiones NSA para análisis interanuales y trabajo académico. La trampa crítica para inversionistas: el BLS LAUS (desempleo a nivel metropolitano) es NSA por defecto — así que no puedes comparar el dato metro de noviembre con el metro de diciembre directamente. Usa la comparación interanual en su lugar.
De un vistazo
- Qué es: Remover los patrones del calendario de una serie temporal para que puedas comparar entre meses o trimestres.
- Quién lo hace: BLS, Censo, FHFA y la mayoría de las agencias estadísticas federales. Usa una herramienta estadística estándar llamada X-13ARIMA-SEATS.
- SA = Ajustado Estacionalmente. Los cambios mes a mes son significativos.
- NSA = Sin Ajuste Estacional. Los cambios mes a mes mezclan tendencia y estacionalidad — usa YoY en su lugar.
- Trampa clave: El empleo del BLS CES es SA a nivel metro. El desempleo del BLS LAUS es NSA a nivel metro. Revisa qué serie estás jalando.
- Cómo identificarlo: Las notas al pie de las publicaciones federales siempre especifican "Ajustado Estacionalmente" o "Sin Ajuste Estacional". FRED etiqueta las series con "SA" o "NSA" en el nombre.
Cómo funciona
Qué hace realmente el ajuste. El ajuste estacional usa un método estadístico (X-13ARIMA-SEATS es el estándar de la Oficina del Censo) que descompone una serie temporal en tres componentes: tendencia (dirección de largo plazo), estacional (patrón de calendario predecible) y residual (todo lo demás). El componente estacional se resta, dejando tendencia más residual. Lo que ves en la serie SA publicada es "lo que la economía está haciendo después de remover lo que el calendario haría de todos modos". Para la mayoría de las series federales (viviendas iniciadas, desempleo nacional, IPC, ventas al menudeo, PIB), la SA es la versión publicada y la NSA se archiva. Para algunas series (desempleo a nivel metropolitano vía LAUS, algunos datos económicos locales), la NSA es la versión publicada y la SA no existe a esa granularidad.
Por qué el BLS LAUS a nivel metro es NSA. La respuesta corta: el tamaño de la muestra a nivel metropolitano no es lo suficientemente grande para identificar de forma confiable el componente estacional. El ajuste estacional requiere 5+ años de patrones estacionales estables para calibrarse. El desempleo nacional tiene eso. El desempleo metropolitano — sobre todo para metros más pequeños — tiene datos más delgados y una demografía cambiante que hace que el patrón estacional sea menos estable. En lugar de publicar una serie metro mal ajustada, el BLS publica NSA y deja el ajuste estacional al usuario. La implicación para inversionistas: si jalas el LAUS metropolitano de noviembre vs diciembre, vas a ver el desempleo subiendo — porque ese es el patrón estacional, no la tendencia subyacente. Para remover la estacionalidad, compara con el mismo mes de hace un año (YoY) en su lugar.
SA vs NSA afecta tu análisis de forma distinta según el caso de uso. Tres escenarios. Primero, monitoreo de tendencia mes a mes: DEBES usar SA. El MoM en NSA está dominado por oscilaciones estacionales. Segundo, comparación interanual de niveles: funciona SA o NSA — las comparaciones del mismo mes cancelan la estacionalidad. Tercero, análisis académico o de investigación: NSA es la verdad cruda y te deja aplicar tu propio método de ajuste. Para inversionistas inmobiliarios, la regla práctica: usa SA para seguimiento mensual, usa YoY sobre NSA cuando SA no esté disponible, y siempre revisa qué versión estás jalando.
Cuándo falla el ajuste estacional. Tres escenarios donde la SA puede engañar. Primero, quiebres estructurales en el patrón estacional — la pandemia cambió fundamentalmente los patrones de contratación estacional en hospitalidad y comercio minorista. Los modelos SA se han adaptado, pero las series SA prepandemia y pospandemia no son estrictamente comparables. Segundo, muestras pequeñas con patrones inestables — metros muy pequeños o industrias específicas donde el componente estacional no es identificable de forma confiable. Tercero, revisiones de datos — las series SA se revisan periódicamente cuando los datos nuevos mejoran el modelo estacional. Un valor SA de noviembre de 2024 que viste el mes pasado puede leerse distinto hoy. Para backtests, jala datos frescos en lugar de usar capturas archivadas.
Ejemplo práctico
Carlos Medina lee correctamente el desempleo metropolitano.
Carlos está siguiendo el desempleo en el área metropolitana de Austin antes de adquirir una propiedad multifamiliar. Jala datos del BLS LAUS desde FRED.
Su primera consulta muestra:
- Desempleo metropolitano de Austin, noviembre 2025: 3.2%
- Desempleo metropolitano de Austin, diciembre 2025: 3.6%
- Cambio MoM: +0.4 puntos porcentuales
Primer instinto: "El desempleo de Austin saltó 12% en un mes — algo anda mal en el mercado laboral". Pero entonces recuerda que el LAUS metropolitano es NSA. Los despidos de temporada festiva de diciembre en comercio, hospitalidad y almacenes producen un alza estacional predecible cada año — no es una señal sobre Austin específicamente.
Jala la comparación que realmente responde su pregunta:
- Desempleo metropolitano de Austin, diciembre 2025: 3.6%
- Desempleo metropolitano de Austin, diciembre 2024: 3.8%
- Cambio YoY: -0.2 puntos porcentuales
Ahora la lectura tiene sentido. El diciembre 2025 de Austin está 0.2 puntos MÁS BAJO que diciembre 2024. El mercado laboral está en realidad apretándose año sobre año, no debilitándose. Remover la estacionalidad comparando mismo-mes-con-mismo-mes muestra que Austin está en mejor forma ahora que hace un año — aunque el movimiento crudo MoM en el dato NSA adyacente a la SAAR se veía alarmante.
Si Carlos hubiera usado datos nacionales del BLS CES de empleo (que SÍ está ajustado estacionalmente a nivel nacional), podría haber hecho MoM directamente. Pero para preguntas a nivel metropolitano, NSA + YoY es la metodología correcta.
Pros y contras
- Hace que las comparaciones mes a mes y trimestre a trimestre sean significativas
- Estándar en todas las agencias estadísticas federales — convención consistente
- El método estadístico (X-13ARIMA-SEATS) está bien documentado y revisado por pares
- Las revisiones mejoran el modelo estacional con el tiempo
- Te deja separar la tendencia subyacente del ruido del calendario
- No está disponible en toda granularidad geográfica — el LAUS metro es NSA, el CES metro es SA
- Las revisiones pueden cambiar retroactivamente los valores SA históricos
- Los quiebres estructurales (pandemia, cambios importantes de política) pueden confundir el modelo estacional durante años
- Las series de muestra pequeña no pueden calcular de forma confiable los componentes estacionales
- Los lectores no técnicos suelen asumir que toda serie es SA y se confunden con datos NSA
Ten en cuenta
- El LAUS metropolitano es NSA, el CES metropolitano es SA: El BLS publica dos series de empleo a nivel metropolitano. El CES cuenta trabajos en nómina y está ajustado estacionalmente. El LAUS estima la tasa de desempleo y es NSA. Si estás comparando desempleo metropolitano mes a mes, estás leyendo ruido del calendario, no señal económica.
- Siempre revisa la nota al pie: Las publicaciones federales dicen "Tasa Anual Ajustada Estacionalmente" o "Sin Ajuste Estacional" en las notas. Los nombres de series de FRED incluyen "SA" o "NSA" para claridad. Cuando tengas duda, revisa.
- Las revisiones pueden mover la historia: Una serie SA que jalaste en marzo puede leerse distinto en mayo después de que el modelo estacional se actualice. Para trabajo publicado, cita la fecha de la consulta junto con el dato.
- Quiebres estructurales: La estacionalidad laboral y de vivienda de la era pandemia se rompió. Las series SA pre-2020 y las post-2022 usan factores estacionales distintos. Las comparaciones de horizonte largo tienen que reconocer esto.
- No compongas SA: Si una serie ya se publica como SAAR (por ejemplo, ventas de casas existentes), eso ya es SA más anualizado. No le pongas otro ajuste encima.
Preguntas frecuentes
Conclusión
El ajuste estacional es la columna vertebral estadística que hace legible el dato económico mes a mes. Para publicaciones federales, siempre jala SA cuando quieras rastrear dirección de corto plazo y sabe qué versión tienes. La trampa clásica del inversionista es comparar el desempleo metropolitano NSA entre meses — el movimiento es casi todo calendario, no economía. Cuando la SA no está disponible (el LAUS metropolitano es el caso canónico), usa comparaciones interanuales para remover la estacionalidad mediante coincidencia de mismo-mes. Se distribuye a través de FRED con cada serie etiquetada SA o NSA en el nombre. Documentación metodológica en bls.gov y census.gov.