En este trabajo, se utiliza un procedimiento de validación cruzada para identificar un modelo apropiado de Media Móvil Autoregresiva Integrada y un modelo de espacio estatal apropiado para una serie temporal. Se especifica un tamaño mínimo para el conjunto de entrenamiento. El procedimiento se basa en pronósticos de un paso y utiliza diferentes conjuntos de entrenamiento, cada uno conteniendo una observación más que el anterior. Se ajustan todos los posibles modelos de espacio estatal y todos los modelos ARIMA donde se permiten que los órdenes varíen de manera razonable considerando datos en bruto y datos transformados con logaritmo con diferenciación regular (hasta diferencias de segundo orden) y, si la serie temporal es estacional, diferenciación estacional (hasta diferencias de primer orden). Se calcula el valor del error cuadrático medio para cada modelo promediando los pronósticos de un paso obtenidos. Se selecciona el modelo que tenga el valor más bajo de error cuadrático medio y pase la prueba de Ljung-Box utilizando todos los datos disponibles con un nivel de significancia razonable entre todos los modelos ARIMA y de espacio estatal considerados. El procedimiento se ejemplifica en este documento con un estudio de caso de ventas al por menor de diferentes categorías de calzado de mujer de un minorista portugués, y su precisión se compara con tres enfoques de pronóstico confiables. Los resultados muestran que nuestro procedimiento pronostica consistentemente de manera más precisa que los otros enfoques y las mejoras en la precisión son significativas.