Diseño de un modelo analítico de pronóstico del precio spot de energía en Colombia
El precio de bolsa de energía es uno de los commodities con más volatilidad en el mercado colombiano, debido a los diferentes factores que pueden influir en su determinación, como la composición de la oferta y la demanda, el clima y precios de combustibles, lo que convierte su predicción en un desaf...
- Autores:
- Tipo de recurso:
- Fecha de publicación:
- 2023
- Institución:
- Universidad del Rosario
- Repositorio:
- Repositorio EdocUR - U. Rosario
- Idioma:
- spa
- OAI Identifier:
- oai:repository.urosario.edu.co:10336/40137
- Acceso en línea:
- https://doi.org/10.48713/10336_40137
https://repository.urosario.edu.co/handle/10336/40137
- Palabra clave:
- Precio de energía
Modelos analíticos
Pronóstico
Mercado eléctrico
Energy price
Analytical models
Forecasting
Electricity market
- Rights
- License
- Attribution-NonCommercial-ShareAlike 4.0 International
id |
EDOCUR2_7d5588fd4f852694f7532a1e5d101013 |
---|---|
oai_identifier_str |
oai:repository.urosario.edu.co:10336/40137 |
network_acronym_str |
EDOCUR2 |
network_name_str |
Repositorio EdocUR - U. Rosario |
repository_id_str |
|
dc.title.none.fl_str_mv |
Diseño de un modelo analítico de pronóstico del precio spot de energía en Colombia |
dc.title.TranslatedTitle.none.fl_str_mv |
Design of an analytical model to forecast the spot price of energy in Colombia |
title |
Diseño de un modelo analítico de pronóstico del precio spot de energía en Colombia |
spellingShingle |
Diseño de un modelo analítico de pronóstico del precio spot de energía en Colombia Precio de energía Modelos analíticos Pronóstico Mercado eléctrico Energy price Analytical models Forecasting Electricity market |
title_short |
Diseño de un modelo analítico de pronóstico del precio spot de energía en Colombia |
title_full |
Diseño de un modelo analítico de pronóstico del precio spot de energía en Colombia |
title_fullStr |
Diseño de un modelo analítico de pronóstico del precio spot de energía en Colombia |
title_full_unstemmed |
Diseño de un modelo analítico de pronóstico del precio spot de energía en Colombia |
title_sort |
Diseño de un modelo analítico de pronóstico del precio spot de energía en Colombia |
dc.contributor.advisor.none.fl_str_mv |
Calvo López, John Pablo |
dc.subject.none.fl_str_mv |
Precio de energía Modelos analíticos Pronóstico Mercado eléctrico |
topic |
Precio de energía Modelos analíticos Pronóstico Mercado eléctrico Energy price Analytical models Forecasting Electricity market |
dc.subject.keyword.none.fl_str_mv |
Energy price Analytical models Forecasting Electricity market |
description |
El precio de bolsa de energía es uno de los commodities con más volatilidad en el mercado colombiano, debido a los diferentes factores que pueden influir en su determinación, como la composición de la oferta y la demanda, el clima y precios de combustibles, lo que convierte su predicción en un desafío, lo cual genera incertidumbre en los agentes del mercado eléctrico colombiano para la toma de sus decisiones transaccionales en la compra y venta de energía. Por tanto, el objetivo de este proyecto es desarrollar un modelo analítico de pronóstico del precio spot de energía para la organización COSENIT con el fin de abordar la necesidad de sus clientes de tener mayor certeza en sus decisiones estratégicas y comerciales en el mercado de eléctrico colombiano. |
publishDate |
2023 |
dc.date.accessioned.none.fl_str_mv |
2023-07-13T06:31:48Z |
dc.date.available.none.fl_str_mv |
2023-07-13T06:31:48Z |
dc.date.created.none.fl_str_mv |
2023-06-17 |
dc.type.none.fl_str_mv |
bachelorThesis |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
dc.type.document.none.fl_str_mv |
Trabajo de grado |
dc.type.spa.none.fl_str_mv |
Trabajo de grado |
dc.identifier.doi.none.fl_str_mv |
https://doi.org/10.48713/10336_40137 |
dc.identifier.uri.none.fl_str_mv |
https://repository.urosario.edu.co/handle/10336/40137 |
url |
https://doi.org/10.48713/10336_40137 https://repository.urosario.edu.co/handle/10336/40137 |
dc.language.iso.none.fl_str_mv |
spa |
language |
spa |
dc.rights.*.fl_str_mv |
Attribution-NonCommercial-ShareAlike 4.0 International |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.acceso.none.fl_str_mv |
Abierto (Texto Completo) |
dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ |
rights_invalid_str_mv |
Attribution-NonCommercial-ShareAlike 4.0 International Abierto (Texto Completo) http://creativecommons.org/licenses/by-nc-sa/4.0/ http://purl.org/coar/access_right/c_abf2 |
dc.format.extent.none.fl_str_mv |
87 pp |
dc.format.mimetype.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidad del Rosario |
dc.publisher.department.none.fl_str_mv |
Escuela de Administración Escuela de Ingeniería, Ciencia y Tecnología |
dc.publisher.program.none.fl_str_mv |
Maestría en Business Analytics |
publisher.none.fl_str_mv |
Universidad del Rosario |
institution |
Universidad del Rosario |
dc.source.bibliographicCitation.none.fl_str_mv |
Agudelo, Adriana P, López-Lezama, Jesús M, & Velilla, Esteban. (2015). Predicción del Precio de la Electricidad en la Bolsa mediante un Modelo Neuronal No-Lineal Autorregresivo con Entradas Exógenas. Información tecnológica, 26(6), 99-108. https://dx.doi.org/10.4067/S0718-07642015000600012 Barrientos Marín, J., & Toro Martínez, M. (2016). La hidrología como predictor del comportamiento del precio de energía en bolsa. Perfil de Coyuntura Económica, 25. https://doi.org/10.17533/udea.pece.n25a07 Barrientos, J., & Martínez, M. T. (2017). Análisis de los fundamentales del precio de la energía eléctrica: Evidencia empírica para Colombia. Revista de Economía del Caribe, 19, 33-59. Dejamkhooy, A., & Ahmadpour, A. (2022). Prediction and Evaluation of Electricity Price in Restructured Power Systems Using Gaussian Process Time Series Modeling. Smart Cities, 5(3), 889-923. https://doi.org/10.3390/smartcities5030045 Díez, I. C. (2015). Proyección de precios de energía eléctrica de mediano plazo en el mercado colombiano mediante la aplicación del índice de Lerner. [Trabajo de grado]. Universidad EAFIT, Medellín, Colombia Duque, J. P. B., García, J. J., & Velásquez, H. (2016). Efectos del cargo por confiabilidad sobre el precio spot de la energía eléctrica en Colombia. Cuadernos de Economía, XXXV (68), 491-519. Galindo, A. F. (2017). Modelamiento de los precios de la energía en bolsa en Colombia incorporando el efecto del ENSO. [Trabajo de grado]. Universidad de Los Andes, Bogotá D.C., Colombia. Galón, S., & Barrientos, J. (2021). Proyección del Precio Spot de la Electricidad Colombiana bajo un Enfoque Funcional. Revista internacional de economía y política energética, 11 (2), 67–74. Obtenido de https://www.econjournals.com/index.php/ijeep/article/view/10607 Grothe, O., Kächele, F., & Krüger, F. (2023). From point forecasts to multivariate probabilistic forecasts: The Schaake shuffle for day-ahead electricity price forecasting. Energy Economics, 120, 106602. https://doi.org/10.1016/j.eneco.2023.106602 Gunduz, S., Ugurlu, U., & Oksuz, I. (2023). Transfer learning for electricity price forecasting. Sustainable Energy, Grids and Networks, 34, 100996. https://doi.org/10.1016/j.segan.2023.100996 Hurtado Moreno, L., Quintero Montoya, O. L., & García Rendón, J. J. (2016). Estimación del precio de oferta de la energía eléctrica en Colombia mediante inteligencia artificial. Revista De Métodos Cuantitativos Para La Economía Y La Empresa, 18, Páginas 54 a 87. https://doi.org/10.46661/revmetodoscuanteconempresa.2205 IBM. (2023). Introducción al CRISP-DM. Recuperado de: https://www.ibm.com/docs/es/spss-modeler/saas?topic=guide-introduction-crisp-dm Jiang, P., Nie, Y., Wang, J., & Huang, X. (2023). Multivariable short-term electricity Price forecasting using artificial intelligence and multi-input multi-output scheme. Energy Economics, 117, 106471. https://doi.org/10.1016/j.eneco.2022.106471 Kuo, P., & Huang, C. (2018). An Electricity Price Forecasting Model by Hybrid Structured Deep Neural Networks. Sustainability, 10(4), 1280. https://doi.org/10.3390/su10041280 Lehna, M., Scheller, F., & Herwartz, H. (2022). Forecasting day-ahead electricity prices: A comparison of time series and neural network models taking external regressors into account. Energy Economics, 106, 105742. https://doi.org/10.1016/j.eneco.2021.105742 López, A. (2015). Comportamiento del mercado eléctrico colombiano por los intercambios de electricidad regional con la comunidad andina de naciones Can y caso de estudio con Ecuador. Recuperado de: http://hdl.handle.net/20.500.11912/2369. Lucas, A., Pegios, K., Kotsakis, E., & Clarke, D. (2020). Price Forecasting for the Balancing Energy Market Using Machine-Learning Regression. Energies, 13(20), 5420. https://doi.org/10.3390/en13205420 Marcjasz, G., Lago, J., & Weron, R. (2020). Neural networks in day-ahead electricity price forecasting: Single vs. multiple outputs. ArXiv, abs/2008.08006. Marin, J. B., Orozco, E. T., & Velilla, E. (2018). Forecasting electricity price in Colombia: A comparison between Neural Network, ARMA process and Hybrid Models. International Journal of Energy Economics and Policy, 8(3), 97–106. Retrieved from https://www.econjournals.com/index.php/ijeep/article/view/6181 Martın Mayorga, R. A., & Pineros Sánchez, L. F. (2020). Propuesta de un modelo con redes neuronales y metodología Box & Jenkins para el pronóstico del precio de bolsa de la energía en Colombia. https://repository.libertadores.edu.co/handle/11371/2654 Oviedo-Gomez, A., Londono-Hernandez, S. M., & Manotas-Duque, D. F. (2021). Electricity Price Fundamentals in Hydrothermal Power Generation Markets Using Machine Learning and Quantile Regression Analysis. International Journal of Energy Economics and Policy, 11(5), 66–77. Retrieved from https://www.econjournals.com/index.php/ijeep/article/view/11346 Rodrigo, J. (2023). Ciencia de Datos. https://www.cienciadedatos.net/ Santiago, Santiago, A. M., Vanstrahlengs, J. U., Otero, A. C., & Lombana, J. (2017). Pronóstico del precio de la energía en Colombia utilizando modelos arima con igarch. Revista de economía del Rosario, 20(1), 127-159 Singh, P., & Kottath, R. (2022). Influencer-defaulter mutation-based optimization algorithms for predicting electricity prices. Utilities Policy, 79, 101444. https://doi.org/10.1016/j.jup.2022.101444 Villada, F., Cadavid, D. R., & Molina, J. D. (2014). Electricity price forecasting using artificial neural networks. Revista Facultad De Ingeniería Universidad De Antioquia, (44), 111–118. https://doi.org/10.17533/udea.redin.18508 Wang, J., Liu, F., Song, Y., & Zhao, J. (2016). A novel model: Dynamic choice artificial neural network (DCANN) for an electricity price forecasting system. Applied Soft Computing, 48, 281-297. https://doi.org/10.1016/j.asoc.2016.07.011 Wang, J., Yang, W., Du, P., & Niu, T. (2020). Outlier-robust hybrid electricity price forecasting model for electricity market management. Journal of Cleaner Production, 249, 119318. https://doi.org/10.1016/j.jclepro.2019.119318 Weron, R. (2014). Electricity price forecasting: A review of the state-of-the-art with a look into the future. International Journal of Forecasting, 30(4), 1030-1081. https://doi.org/10.1016/j.ijforecast.2014.08.008 Yang, W., Wang, J., Niu, T., & Du, P. (2020). A novel system for multi-step electricity price forecasting for electricity market management. Applied Soft Computing, 88, 106029. https://doi.org/10.1016/j.asoc.2019.106029 |
dc.source.instname.none.fl_str_mv |
instname:Universidad del Rosario |
dc.source.reponame.none.fl_str_mv |
reponame:Repositorio Institucional EdocUR |
bitstream.url.fl_str_mv |
https://repository.urosario.edu.co/bitstreams/e10167b3-bd65-41ce-bfa8-05dc99a13754/download https://repository.urosario.edu.co/bitstreams/8cb13d57-d26a-48df-9882-f6ba09f1af88/download https://repository.urosario.edu.co/bitstreams/ba2dd192-c8de-4d91-a080-291ed6b55e4c/download https://repository.urosario.edu.co/bitstreams/fc0f868b-2741-4c6d-acd9-61e2920d7981/download https://repository.urosario.edu.co/bitstreams/eaa41eb0-3a74-4382-ac55-e1fac3d4832c/download |
bitstream.checksum.fl_str_mv |
b2825df9f458e9d5d96ee8b7cd74fde6 9f818f652bc8f5cb6f2e5a1d928a7332 5643bfd9bcf29d560eeec56d584edaa9 c829649124cd9ede062cb9e15ad0b072 46ba7513c48a8637f032da516edb6c19 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio institucional EdocUR |
repository.mail.fl_str_mv |
edocur@urosario.edu.co |
_version_ |
1814167573801992192 |
spelling |
Calvo López, John Pablo0bf1638c-a12e-4cf9-876a-ce604568a9ef-1Arias García, CristianMagíster en Business Analytics79c2d38e-51c8-465e-b405-7409a2f3c946-12023-07-13T06:31:48Z2023-07-13T06:31:48Z2023-06-17El precio de bolsa de energía es uno de los commodities con más volatilidad en el mercado colombiano, debido a los diferentes factores que pueden influir en su determinación, como la composición de la oferta y la demanda, el clima y precios de combustibles, lo que convierte su predicción en un desafío, lo cual genera incertidumbre en los agentes del mercado eléctrico colombiano para la toma de sus decisiones transaccionales en la compra y venta de energía. Por tanto, el objetivo de este proyecto es desarrollar un modelo analítico de pronóstico del precio spot de energía para la organización COSENIT con el fin de abordar la necesidad de sus clientes de tener mayor certeza en sus decisiones estratégicas y comerciales en el mercado de eléctrico colombiano.The energy stock price is one of the most volatile commodities in the Colombian market, due to the different factors that can influence its determination, such as the composition of supply and demand, weather and fuel prices, which turns its prediction into a challenge, which generates uncertainty in the agents of the Colombian electricity market to make their transactional decisions in the purchase and sale of energy. Therefore, the objective of this project is to develop an analytical model for forecasting the spot price of energy for the COSENIT organization in order to address the need of its clients to have greater certainty in their strategic and commercial decisions in the Colombian electricity market.87 ppapplication/pdfhttps://doi.org/10.48713/10336_40137 https://repository.urosario.edu.co/handle/10336/40137spaUniversidad del RosarioEscuela de AdministraciónEscuela de Ingeniería, Ciencia y TecnologíaMaestría en Business AnalyticsAttribution-NonCommercial-ShareAlike 4.0 InternationalAbierto (Texto Completo)http://creativecommons.org/licenses/by-nc-sa/4.0/http://purl.org/coar/access_right/c_abf2Agudelo, Adriana P, López-Lezama, Jesús M, & Velilla, Esteban. (2015). Predicción del Precio de la Electricidad en la Bolsa mediante un Modelo Neuronal No-Lineal Autorregresivo con Entradas Exógenas. Información tecnológica, 26(6), 99-108. https://dx.doi.org/10.4067/S0718-07642015000600012Barrientos Marín, J., & Toro Martínez, M. (2016). La hidrología como predictor del comportamiento del precio de energía en bolsa. Perfil de Coyuntura Económica, 25. https://doi.org/10.17533/udea.pece.n25a07Barrientos, J., & Martínez, M. T. (2017). Análisis de los fundamentales del precio de la energía eléctrica: Evidencia empírica para Colombia. Revista de Economía del Caribe, 19, 33-59.Dejamkhooy, A., & Ahmadpour, A. (2022). Prediction and Evaluation of Electricity Price in Restructured Power Systems Using Gaussian Process Time Series Modeling. Smart Cities, 5(3), 889-923. https://doi.org/10.3390/smartcities5030045Díez, I. C. (2015). Proyección de precios de energía eléctrica de mediano plazo en el mercado colombiano mediante la aplicación del índice de Lerner. [Trabajo de grado]. Universidad EAFIT, Medellín, ColombiaDuque, J. P. B., García, J. J., & Velásquez, H. (2016). Efectos del cargo por confiabilidad sobre el precio spot de la energía eléctrica en Colombia. Cuadernos de Economía, XXXV (68), 491-519.Galindo, A. F. (2017). Modelamiento de los precios de la energía en bolsa en Colombia incorporando el efecto del ENSO. [Trabajo de grado]. Universidad de Los Andes, Bogotá D.C., Colombia.Galón, S., & Barrientos, J. (2021). Proyección del Precio Spot de la Electricidad Colombiana bajo un Enfoque Funcional. Revista internacional de economía y política energética, 11 (2), 67–74. Obtenido de https://www.econjournals.com/index.php/ijeep/article/view/10607Grothe, O., Kächele, F., & Krüger, F. (2023). From point forecasts to multivariate probabilistic forecasts: The Schaake shuffle for day-ahead electricity price forecasting. Energy Economics, 120, 106602. https://doi.org/10.1016/j.eneco.2023.106602Gunduz, S., Ugurlu, U., & Oksuz, I. (2023). Transfer learning for electricity price forecasting. Sustainable Energy, Grids and Networks, 34, 100996. https://doi.org/10.1016/j.segan.2023.100996Hurtado Moreno, L., Quintero Montoya, O. L., & García Rendón, J. J. (2016). Estimación del precio de oferta de la energía eléctrica en Colombia mediante inteligencia artificial. Revista De Métodos Cuantitativos Para La Economía Y La Empresa, 18, Páginas 54 a 87. https://doi.org/10.46661/revmetodoscuanteconempresa.2205IBM. (2023). Introducción al CRISP-DM. Recuperado de: https://www.ibm.com/docs/es/spss-modeler/saas?topic=guide-introduction-crisp-dmJiang, P., Nie, Y., Wang, J., & Huang, X. (2023). Multivariable short-term electricity Price forecasting using artificial intelligence and multi-input multi-output scheme. Energy Economics, 117, 106471. https://doi.org/10.1016/j.eneco.2022.106471Kuo, P., & Huang, C. (2018). An Electricity Price Forecasting Model by Hybrid Structured Deep Neural Networks. Sustainability, 10(4), 1280. https://doi.org/10.3390/su10041280Lehna, M., Scheller, F., & Herwartz, H. (2022). Forecasting day-ahead electricity prices: A comparison of time series and neural network models taking external regressors into account. Energy Economics, 106, 105742. https://doi.org/10.1016/j.eneco.2021.105742López, A. (2015). Comportamiento del mercado eléctrico colombiano por los intercambios de electricidad regional con la comunidad andina de naciones Can y caso de estudio con Ecuador. Recuperado de: http://hdl.handle.net/20.500.11912/2369.Lucas, A., Pegios, K., Kotsakis, E., & Clarke, D. (2020). Price Forecasting for the Balancing Energy Market Using Machine-Learning Regression. Energies, 13(20), 5420. https://doi.org/10.3390/en13205420Marcjasz, G., Lago, J., & Weron, R. (2020). Neural networks in day-ahead electricity price forecasting: Single vs. multiple outputs. ArXiv, abs/2008.08006.Marin, J. B., Orozco, E. T., & Velilla, E. (2018). Forecasting electricity price in Colombia: A comparison between Neural Network, ARMA process and Hybrid Models. International Journal of Energy Economics and Policy, 8(3), 97–106. Retrieved from https://www.econjournals.com/index.php/ijeep/article/view/6181Martın Mayorga, R. A., & Pineros Sánchez, L. F. (2020). Propuesta de un modelo con redes neuronales y metodología Box & Jenkins para el pronóstico del precio de bolsa de la energía en Colombia. https://repository.libertadores.edu.co/handle/11371/2654Oviedo-Gomez, A., Londono-Hernandez, S. M., & Manotas-Duque, D. F. (2021). Electricity Price Fundamentals in Hydrothermal Power Generation Markets Using Machine Learning and Quantile Regression Analysis. International Journal of Energy Economics and Policy, 11(5), 66–77. Retrieved from https://www.econjournals.com/index.php/ijeep/article/view/11346Rodrigo, J. (2023). Ciencia de Datos. https://www.cienciadedatos.net/ Santiago,Santiago, A. M., Vanstrahlengs, J. U., Otero, A. C., & Lombana, J. (2017). Pronóstico del precio de la energía en Colombia utilizando modelos arima con igarch. Revista de economía del Rosario, 20(1), 127-159Singh, P., & Kottath, R. (2022). Influencer-defaulter mutation-based optimization algorithms for predicting electricity prices. Utilities Policy, 79, 101444. https://doi.org/10.1016/j.jup.2022.101444Villada, F., Cadavid, D. R., & Molina, J. D. (2014). Electricity price forecasting using artificial neural networks. Revista Facultad De Ingeniería Universidad De Antioquia, (44), 111–118. https://doi.org/10.17533/udea.redin.18508Wang, J., Liu, F., Song, Y., & Zhao, J. (2016). A novel model: Dynamic choice artificial neural network (DCANN) for an electricity price forecasting system. Applied Soft Computing, 48, 281-297. https://doi.org/10.1016/j.asoc.2016.07.011Wang, J., Yang, W., Du, P., & Niu, T. (2020). Outlier-robust hybrid electricity price forecasting model for electricity market management. Journal of Cleaner Production, 249, 119318. https://doi.org/10.1016/j.jclepro.2019.119318Weron, R. (2014). Electricity price forecasting: A review of the state-of-the-art with a look into the future. International Journal of Forecasting, 30(4), 1030-1081. https://doi.org/10.1016/j.ijforecast.2014.08.008Yang, W., Wang, J., Niu, T., & Du, P. (2020). A novel system for multi-step electricity price forecasting for electricity market management. Applied Soft Computing, 88, 106029. https://doi.org/10.1016/j.asoc.2019.106029instname:Universidad del Rosarioreponame:Repositorio Institucional EdocURPrecio de energíaModelos analíticosPronósticoMercado eléctricoEnergy priceAnalytical modelsForecastingElectricity marketDiseño de un modelo analítico de pronóstico del precio spot de energía en ColombiaDesign of an analytical model to forecast the spot price of energy in ColombiabachelorThesisTrabajo de gradoTrabajo de gradohttp://purl.org/coar/resource_type/c_7a1fEscuela de AdministraciónEscuela de Ingeniería, Ciencia y TecnologíaLICENSElicense.txtlicense.txttext/plain1483https://repository.urosario.edu.co/bitstreams/e10167b3-bd65-41ce-bfa8-05dc99a13754/downloadb2825df9f458e9d5d96ee8b7cd74fde6MD52ORIGINALDiseno-de-un-modelo-analitico-de-pronostico-AriasGarcia-Cristian-2023.pdfDiseno-de-un-modelo-analitico-de-pronostico-AriasGarcia-Cristian-2023.pdfapplication/pdf2784572https://repository.urosario.edu.co/bitstreams/8cb13d57-d26a-48df-9882-f6ba09f1af88/download9f818f652bc8f5cb6f2e5a1d928a7332MD54CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81160https://repository.urosario.edu.co/bitstreams/ba2dd192-c8de-4d91-a080-291ed6b55e4c/download5643bfd9bcf29d560eeec56d584edaa9MD55TEXTDiseno-de-un-modelo-analitico-de-pronostico-AriasGarcia-Cristian-2023.pdf.txtDiseno-de-un-modelo-analitico-de-pronostico-AriasGarcia-Cristian-2023.pdf.txtExtracted texttext/plain101687https://repository.urosario.edu.co/bitstreams/fc0f868b-2741-4c6d-acd9-61e2920d7981/downloadc829649124cd9ede062cb9e15ad0b072MD56THUMBNAILDiseno-de-un-modelo-analitico-de-pronostico-AriasGarcia-Cristian-2023.pdf.jpgDiseno-de-un-modelo-analitico-de-pronostico-AriasGarcia-Cristian-2023.pdf.jpgGenerated Thumbnailimage/jpeg2225https://repository.urosario.edu.co/bitstreams/eaa41eb0-3a74-4382-ac55-e1fac3d4832c/download46ba7513c48a8637f032da516edb6c19MD5710336/40137oai:repository.urosario.edu.co:10336/401372023-07-13 03:01:43.3http://creativecommons.org/licenses/by-nc-sa/4.0/Attribution-NonCommercial-ShareAlike 4.0 Internationalhttps://repository.urosario.edu.coRepositorio institucional EdocURedocur@urosario.edu.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 |