Predicción de series temporales con redes neuronales: una aplicación a la inflación colombiana

Evaluar la capacidad de las redes neuronales en la predicción de series temporales es de sumo interés. Una aplicación que pronostique valores futuros de la serie de inflación colombiana permite mostrar que las redes neuronales pueden ser más precisas que las metodologías SARIMA de Box-Jenkins y el suavizamiento exponencial. Además, los resultados revelan que la combinación de pronósticos que hacen uso de las redes neuronales tiende a mejorar la capacidad de predicción.

• Autores: Santana, Juan Camilo
• Tipo de recurso: Article of journal
• Fecha de publicación: 2006
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/40269
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/40269; http://bdigital.unal.edu.co/30366/
• Palabra clave: Perceptron multicapas; modelos SARIMA; suavizamiento exponencial; combinación de pronósticos; componentes no observables; Multilayer perceptron; SARIMA models; Exponencial smoothing; Combination of forecasts; Unobservable components
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional