Forecast combination using Optimization techniques

Actualmente existen diversas metodologías de pronóstico, que van desde el conocimiento empírico hasta métodos innovadores, individuales o combinados, que demuestran resultados óptimos. Este documento se deriva de un proceso de investigación y presenta alternativas relacionadas con las combinaciones...

Full description

Autores:: Valencia-Cárdenas, Marisol
Correa-Morales, Juan Carlos

Tipo de recurso:: Book

Fecha de publicación:: 2020

Institución:: Universidad Nacional de Colombia

Repositorio:: Universidad Nacional de Colombia

Idioma:: eng

Description
Summary:	Actualmente existen diversas metodologías de pronóstico, que van desde el conocimiento empírico hasta métodos innovadores, individuales o combinados, que demuestran resultados óptimos. Este documento se deriva de un proceso de investigación y presenta alternativas relacionadas con las combinaciones de pronósticos, utilizando metaheurísticas, por ejemplo, mediante la búsqueda tabú y la programación evolutiva para optimizar el pronóstico. El documento presenta pronósticos combinados basados en la programación evolutiva utilizando mezclas de modelos de regresión bayesiana y modelos de regresión lineal clásico, el modelo de media móvil integrado autorregresivo, el suavizado exponencial y la regresión bayesiana. El documento presenta dos artículos derivados de investigación, la primera compara el algoritmo combinado con los resultados individuales de estos modelos individuales y con la combinación de Bates y Granger utilizando un indicador de error y el valor simétrico de error absoluto medio. Esos modelos y la combinación se aplicaron a la simulación de series temporales y a un caso real de ventas de productos lácteos, generando así pronósticos combinados multiproductos tanto para la simulación como para el caso real. La nueva combinación combinada con la metaheurística evolutiva mostró mejores resultados que los de los otros que se utilizaron. La segunda investigación utiliza series de tiempo simuladas, diseñando dos metaheurísticas basadas en la lista Tabú, que aprenden de los datos con base en el comportamiento estadístico de éstos, como el cluster, así como del mismo valor optimizado del error de ajuste, y se comparan las combinaciones de pronósticos con resultados de modelos individuales a tres tipos de series de tiempo.

Forecast combination using Optimization techniques

Publicaciones similares