Los modelos de series de tiempo son tecnicas cuantitativas con frecuencia utilizadas para realizar pronosticos de variables, dentro de los cuales se encuentran los modelos de suavizacion, en particular el de suavizacion con ajuste de tendencia, llamado tambien modelo de Holt, que requiere la definicion de los parametros a y b y conocidos como coeficientes de suavizacion y de los valores de inicio que son fundamentales para su actualizacion. En este articulo se propone una forma de obtener estos valores mediante la optimizacion del rango de la senal de rastreo (TSR) que permitan lograr un modelo mas confiable desde el punto de vista de la exactitud de los resultados y de su desempeno historico. Se realizan algunas comparaciones con modelos propuestos que utilizan la desviacion absoluta media (MAD) y el error cuadrado medio (MSE) las cuales son las medidas tradicionalmente utilizadas para determinar el grado de exactitud de un modelo, lograndose obtener un comportamiento mejor de modelo. Abstract: Time series models are quantitative techniques commonly used to forecast the behavior of variables. These models include the exponential smoothing with trend or Holt model that requires the definition of the smoothing constants a and b and the initialization values, both required for the model upgrade. This paper proposes a different way to obtain the parameter values and initial conditions of the Holts model, optimizing the tracking signal range (TSR), in order to achieve a more robust model from the viewpoint of accuracy of the results and historical performance. Some comparisons between the proposed approach and the traditional methods based on the mean absolute deviation (MAD) and the mean square error (MSE) are provided. These are the measures traditionally used to determine the degree of accuracy of a model, and a better model performance is obtained.