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 s...

Full description

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
id UNACIONAL2_5e5edc071ca1c1291973909393c58189
oai_identifier_str oai:repositorio.unal.edu.co:unal/40269
network_acronym_str UNACIONAL2
network_name_str Universidad Nacional de Colombia
repository_id_str
spelling Atribución-NoComercial 4.0 InternacionalDerechos reservados - Universidad Nacional de Colombiahttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Santana, Juan Camilodf6f618f-abe6-48df-ac70-a8ab3e87234e3002019-06-28T09:30:45Z2019-06-28T09:30:45Z2006https://repositorio.unal.edu.co/handle/unal/40269http://bdigital.unal.edu.co/30366/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.Evaluating the usefulness of neural network methods in predicting the Colombian Inflation is the main goal of this paper. The results show that neural networks forecasts can be considerably more accurate than forecasts obtained using exponential smoothing and SARIMA methods. Experimental results also show that combinations of individual neural networks forecasts improves the forecasting accuracy.application/pdfspaUniversidad Nacional de Colombiahttp://revistas.unal.edu.co/index.php/estad/article/view/29171Universidad Nacional de Colombia Revistas electrónicas UN Revista Colombiana de EstadísticaRevista Colombiana de EstadísticaRevista Colombiana de Estadística; Vol. 29, núm. 1 (2006); 77-92 Revista Colombiana de Estadística; Vol. 29, núm. 1 (2006); 77-92 0120-1751Santana, Juan Camilo (2006) Predicción de series temporales con redes neuronales: una aplicación a la inflación colombiana. Revista Colombiana de Estadística; Vol. 29, núm. 1 (2006); 77-92 Revista Colombiana de Estadística; Vol. 29, núm. 1 (2006); 77-92 0120-1751 .Predicción de series temporales con redes neuronales: una aplicación a la inflación colombianaArtículo de revistainfo:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/ARTPerceptron multicapasmodelos SARIMAsuavizamiento exponencialcombinación de pronósticoscomponentes no observablesMultilayer perceptronSARIMA modelsExponencial smoothingCombination of forecastsUnobservable componentsORIGINAL29171-104779-1-PB.pdfapplication/pdf189295https://repositorio.unal.edu.co/bitstream/unal/40269/1/29171-104779-1-PB.pdfc4177a218eb0a797fc9009364ce34f57MD51THUMBNAIL29171-104779-1-PB.pdf.jpg29171-104779-1-PB.pdf.jpgGenerated Thumbnailimage/jpeg4836https://repositorio.unal.edu.co/bitstream/unal/40269/2/29171-104779-1-PB.pdf.jpg292db4df36b1a99f633929dfb5ecde65MD52unal/40269oai:repositorio.unal.edu.co:unal/402692024-01-24 23:07:18.396Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co
dc.title.spa.fl_str_mv Predicción de series temporales con redes neuronales: una aplicación a la inflación colombiana
title Predicción de series temporales con redes neuronales: una aplicación a la inflación colombiana
spellingShingle Predicción de series temporales con redes neuronales: una aplicación a la inflación colombiana
Perceptron multicapas
modelos SARIMA
suavizamiento exponencial
combinación de pronósticos
componentes no observables
Multilayer perceptron
SARIMA models
Exponencial smoothing
Combination of forecasts
Unobservable components
title_short Predicción de series temporales con redes neuronales: una aplicación a la inflación colombiana
title_full Predicción de series temporales con redes neuronales: una aplicación a la inflación colombiana
title_fullStr Predicción de series temporales con redes neuronales: una aplicación a la inflación colombiana
title_full_unstemmed Predicción de series temporales con redes neuronales: una aplicación a la inflación colombiana
title_sort Predicción de series temporales con redes neuronales: una aplicación a la inflación colombiana
dc.creator.fl_str_mv Santana, Juan Camilo
dc.contributor.author.spa.fl_str_mv Santana, Juan Camilo
dc.subject.proposal.spa.fl_str_mv Perceptron multicapas
modelos SARIMA
suavizamiento exponencial
combinación de pronósticos
componentes no observables
Multilayer perceptron
SARIMA models
Exponencial smoothing
Combination of forecasts
Unobservable components
topic Perceptron multicapas
modelos SARIMA
suavizamiento exponencial
combinación de pronósticos
componentes no observables
Multilayer perceptron
SARIMA models
Exponencial smoothing
Combination of forecasts
Unobservable components
description 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.
publishDate 2006
dc.date.issued.spa.fl_str_mv 2006
dc.date.accessioned.spa.fl_str_mv 2019-06-28T09:30:45Z
dc.date.available.spa.fl_str_mv 2019-06-28T09:30:45Z
dc.type.spa.fl_str_mv Artículo de revista
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/article
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_6501
dc.type.coarversion.spa.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/ART
format http://purl.org/coar/resource_type/c_6501
status_str publishedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.unal.edu.co/handle/unal/40269
dc.identifier.eprints.spa.fl_str_mv http://bdigital.unal.edu.co/30366/
url https://repositorio.unal.edu.co/handle/unal/40269
http://bdigital.unal.edu.co/30366/
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.spa.fl_str_mv http://revistas.unal.edu.co/index.php/estad/article/view/29171
dc.relation.ispartof.spa.fl_str_mv Universidad Nacional de Colombia Revistas electrónicas UN Revista Colombiana de Estadística
Revista Colombiana de Estadística
dc.relation.ispartofseries.none.fl_str_mv Revista Colombiana de Estadística; Vol. 29, núm. 1 (2006); 77-92 Revista Colombiana de Estadística; Vol. 29, núm. 1 (2006); 77-92 0120-1751
dc.relation.references.spa.fl_str_mv Santana, Juan Camilo (2006) Predicción de series temporales con redes neuronales: una aplicación a la inflación colombiana. Revista Colombiana de Estadística; Vol. 29, núm. 1 (2006); 77-92 Revista Colombiana de Estadística; Vol. 29, núm. 1 (2006); 77-92 0120-1751 .
dc.rights.spa.fl_str_mv Derechos reservados - Universidad Nacional de Colombia
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.spa.fl_str_mv Atribución-NoComercial 4.0 Internacional
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv Atribución-NoComercial 4.0 Internacional
Derechos reservados - Universidad Nacional de Colombia
http://creativecommons.org/licenses/by-nc/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Universidad Nacional de Colombia
institution Universidad Nacional de Colombia
bitstream.url.fl_str_mv https://repositorio.unal.edu.co/bitstream/unal/40269/1/29171-104779-1-PB.pdf
https://repositorio.unal.edu.co/bitstream/unal/40269/2/29171-104779-1-PB.pdf.jpg
bitstream.checksum.fl_str_mv c4177a218eb0a797fc9009364ce34f57
292db4df36b1a99f633929dfb5ecde65
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
repository.mail.fl_str_mv repositorio_nal@unal.edu.co
_version_ 1814089962499342336

Publicaciones similares