Empleo de modelos predictivos en el precio de bolsa de la energía en Colombia
Los humanos dependemos de la energía para vivir: la utilizamos para cocinar los alimentos, prender la luz, transportarnos, fabricar los bienes que consumimos, comunicarnos a través de dispositivos móviles, entre otras. La energía es probablemente uno de los bienes más importantes para los humanos en...
- Autores:
-
Cárdenas Cárdenas, Juan Esteban
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2021
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/56573
- Acceso en línea:
- http://hdl.handle.net/1992/56573
- Palabra clave:
- Energía
Colombia
Modelos predictivos
Pronósticos
Redes neuronales
ARIMA
Ingeniería
- Rights
- openAccess
- License
- https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
id |
UNIANDES2_ebf30be2f5b0f7e86d2b9e1954a30416 |
---|---|
oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/56573 |
network_acronym_str |
UNIANDES2 |
network_name_str |
Séneca: repositorio Uniandes |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Empleo de modelos predictivos en el precio de bolsa de la energía en Colombia |
title |
Empleo de modelos predictivos en el precio de bolsa de la energía en Colombia |
spellingShingle |
Empleo de modelos predictivos en el precio de bolsa de la energía en Colombia Energía Colombia Modelos predictivos Pronósticos Redes neuronales ARIMA Ingeniería |
title_short |
Empleo de modelos predictivos en el precio de bolsa de la energía en Colombia |
title_full |
Empleo de modelos predictivos en el precio de bolsa de la energía en Colombia |
title_fullStr |
Empleo de modelos predictivos en el precio de bolsa de la energía en Colombia |
title_full_unstemmed |
Empleo de modelos predictivos en el precio de bolsa de la energía en Colombia |
title_sort |
Empleo de modelos predictivos en el precio de bolsa de la energía en Colombia |
dc.creator.fl_str_mv |
Cárdenas Cárdenas, Juan Esteban |
dc.contributor.advisor.spa.fl_str_mv |
Ábrego Pérez, Adriana Lourdes |
dc.contributor.author.spa.fl_str_mv |
Cárdenas Cárdenas, Juan Esteban |
dc.contributor.jury.spa.fl_str_mv |
Ábrego Pérez, Adriana Lourdes Bernal Rueda, Astrid Johanna |
dc.subject.keyword.spa.fl_str_mv |
Energía Colombia Modelos predictivos Pronósticos Redes neuronales ARIMA |
topic |
Energía Colombia Modelos predictivos Pronósticos Redes neuronales ARIMA Ingeniería |
dc.subject.themes.none.fl_str_mv |
Ingeniería |
description |
Los humanos dependemos de la energía para vivir: la utilizamos para cocinar los alimentos, prender la luz, transportarnos, fabricar los bienes que consumimos, comunicarnos a través de dispositivos móviles, entre otras. La energía es probablemente uno de los bienes más importantes para los humanos en la actualidad, pues nos permite constantemente mejorar nuestra calidad de vida. El sector energético es el que permite el funcionamiento de la mayoría de los otros sectores de la economía. Entonces, entendiendo que la energía es el inicio de muchos procesos importantes para los seres humanos, resulta útil estudiarla utilizando un enfoque analítico. En el caso de este proyecto de grado, la energía ha sido el campo para explorar cómo éstas herramientas pueden ser útiles y aplicables para atender problemáticas de la vida real. Para este trabajo, se utilizarán modelos predictivos que permitan pronosticar los precios de bolsa de la energía en Colombia una semana hacia adelante. Por medio de la construcción de estos modelos, se busca responder a la pregunta de: ¿cómo los modelos predictivos pueden ser útiles para pronosticar el comportamiento del precio de bolsa de la energía en Colombia y cuál es su potencial para mejorar la toma de decisiones de los distintos actores involucrados? El trabajo se estructura así: en la sección 1 se introduce el tema y la motivación para estudiar el tema. En la sección 2 se hace una revisión de literatura sobre el mercado de energía en Colombia y la implementación de modelos predictivos dentro de este. En la sección 3 se explica cuáles fueron los datos utilizados en el modelo y la metodología implementada durante el trabajo (que incluye modelos de redes neuronales y modelos ARIMA con regresores externos). En la sección 4 se discuten los resultados obtenidos a través de los diferentes modelos utilizados y se selecciona el mejor modelo. Finalmente, en la sección 5 se concluye sobre la pregunta de investigación y sobre el trabajo de grado. |
publishDate |
2021 |
dc.date.issued.none.fl_str_mv |
2021 |
dc.date.accessioned.none.fl_str_mv |
2022-03-23T21:51:32Z |
dc.date.available.none.fl_str_mv |
2022-03-23T21:51:32Z |
dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
dc.type.content.spa.fl_str_mv |
Text |
dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
format |
http://purl.org/coar/resource_type/c_7a1f |
status_str |
acceptedVersion |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/56573 |
dc.identifier.pdf.none.fl_str_mv |
26112.pdf |
dc.identifier.instname.spa.fl_str_mv |
instname:Universidad de los Andes |
dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Séneca |
dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
url |
http://hdl.handle.net/1992/56573 |
identifier_str_mv |
26112.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.rights.uri.*.fl_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf |
dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.extent.spa.fl_str_mv |
24 páginas |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
dc.publisher.spa.fl_str_mv |
Universidad de los Andes |
dc.publisher.program.spa.fl_str_mv |
Ingeniería Industrial |
dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería |
dc.publisher.department.spa.fl_str_mv |
Departamento de Ingeniería Industrial |
institution |
Universidad de los Andes |
bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/f4cc2bcd-04b0-48e9-a7df-47a86e1b0ff6/download https://repositorio.uniandes.edu.co/bitstreams/c719ec11-f716-48b4-802b-14206c4528d7/download https://repositorio.uniandes.edu.co/bitstreams/cba24c35-9e02-4c2f-af11-662b9cd44ca5/download |
bitstream.checksum.fl_str_mv |
b926ede41d73e843ffd49b0ce8d13727 fd800631021342b6310e8b70744c5c8c a09ce78c5458d9cef73023b590d23978 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio institucional Séneca |
repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
_version_ |
1812134073354682368 |
spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Ábrego Pérez, Adriana Lourdesd61481cb-e01e-47e1-b795-8e1ad9d8091d400Cárdenas Cárdenas, Juan Esteban79c097b7-c328-4ab0-979e-9ef9585459a4500Ábrego Pérez, Adriana LourdesBernal Rueda, Astrid Johanna2022-03-23T21:51:32Z2022-03-23T21:51:32Z2021http://hdl.handle.net/1992/5657326112.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Los humanos dependemos de la energía para vivir: la utilizamos para cocinar los alimentos, prender la luz, transportarnos, fabricar los bienes que consumimos, comunicarnos a través de dispositivos móviles, entre otras. La energía es probablemente uno de los bienes más importantes para los humanos en la actualidad, pues nos permite constantemente mejorar nuestra calidad de vida. El sector energético es el que permite el funcionamiento de la mayoría de los otros sectores de la economía. Entonces, entendiendo que la energía es el inicio de muchos procesos importantes para los seres humanos, resulta útil estudiarla utilizando un enfoque analítico. En el caso de este proyecto de grado, la energía ha sido el campo para explorar cómo éstas herramientas pueden ser útiles y aplicables para atender problemáticas de la vida real. Para este trabajo, se utilizarán modelos predictivos que permitan pronosticar los precios de bolsa de la energía en Colombia una semana hacia adelante. Por medio de la construcción de estos modelos, se busca responder a la pregunta de: ¿cómo los modelos predictivos pueden ser útiles para pronosticar el comportamiento del precio de bolsa de la energía en Colombia y cuál es su potencial para mejorar la toma de decisiones de los distintos actores involucrados? El trabajo se estructura así: en la sección 1 se introduce el tema y la motivación para estudiar el tema. En la sección 2 se hace una revisión de literatura sobre el mercado de energía en Colombia y la implementación de modelos predictivos dentro de este. En la sección 3 se explica cuáles fueron los datos utilizados en el modelo y la metodología implementada durante el trabajo (que incluye modelos de redes neuronales y modelos ARIMA con regresores externos). En la sección 4 se discuten los resultados obtenidos a través de los diferentes modelos utilizados y se selecciona el mejor modelo. Finalmente, en la sección 5 se concluye sobre la pregunta de investigación y sobre el trabajo de grado.Humans depend on energy to live: we use it to cook, turn on the lights, transport, produce the goods we consume, mobile communication, among others. Energy is probably one of the most important goods for humans today, as it allows us to constantly improve our quality of life. The energy sector is the one that allows most of the other sectors of the economy to function. So, understanding that energy is the beginning of many important processes for humans, it is useful to study it using an analytical approach. In this graduation project, energy is used to explore how these tools can be useful and applicable to address real-life problems. Predictive models are used to forecast the stock market prices of energy in Colombia a week ahead. Through the construction of these models, I intend to understand how predictive models can be useful to forecast the behavior of the market price of energy in Colombia and their potential to improve decision-making of the different actors involved? The work is structured in five sections. Section 1 introduces the topic and the motivation to study the topic. Section 2 provides a literature review on the energy market in Colombia and the implementation of predictive models in it. Section 3 explains the data used for the model and the methodology implemented (which includes neural network models and ARIMA models with external regressors). Section 4 discusses the results obtained through the different models used and selects the best model. Finally, section 5 concludes on the research question and the graduation project.Ingeniero IndustrialPregrado24 páginasapplication/pdfspaUniversidad de los AndesIngeniería IndustrialFacultad de IngenieríaDepartamento de Ingeniería IndustrialEmpleo de modelos predictivos en el precio de bolsa de la energía en ColombiaTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPEnergíaColombiaModelos predictivosPronósticosRedes neuronalesARIMAIngeniería201632806PublicationTHUMBNAIL26112.pdf.jpg26112.pdf.jpgIM Thumbnailimage/jpeg4951https://repositorio.uniandes.edu.co/bitstreams/f4cc2bcd-04b0-48e9-a7df-47a86e1b0ff6/downloadb926ede41d73e843ffd49b0ce8d13727MD53TEXT26112.pdf.txt26112.pdf.txtExtracted texttext/plain52335https://repositorio.uniandes.edu.co/bitstreams/c719ec11-f716-48b4-802b-14206c4528d7/downloadfd800631021342b6310e8b70744c5c8cMD52ORIGINAL26112.pdfapplication/pdf1983191https://repositorio.uniandes.edu.co/bitstreams/cba24c35-9e02-4c2f-af11-662b9cd44ca5/downloada09ce78c5458d9cef73023b590d23978MD511992/56573oai:repositorio.uniandes.edu.co:1992/565732023-10-10 19:48:54.603https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |