Análisis de estrategias de ponderación para mejorar la precisión de las previsiones combinadas
Autores: Segura-Heras, José V.; Bermúdez, José D.; Corberán-Vallet, Ana; Vercher, Enriqueta
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Análisis de estrategias de ponderación para mejorar la precisión de las previsiones combinadas
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Combinación
Métodos de pronóstico
Algoritmo
Pesos
Conjunto de validación
Rendimiento
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 38
Citaciones: Sin citaciones
Este documento trata sobre la combinación ponderada de métodos de pronóstico utilizando estrategias inteligentes para lograr pronósticos precisos. En un esfuerzo por mejorar la precisión de los pronósticos, desarrollamos un algoritmo que optimiza tanto los métodos utilizados en la combinación como los pesos asignados a los pronósticos individuales, COmbEB. El rendimiento de nuestro procedimiento puede mejorarse al analizar por separado series temporales estacionales y no estacionales. Estudiamos las relaciones entre los errores de predicción en el conjunto de validación y los de los pronósticos ex-post para diferentes horizontes de planificación. Este estudio revela la importancia de establecer adecuadamente el tamaño del conjunto de validación. El rendimiento de la estrategia propuesta se compara con el de la mejor estrategia de predicción en el análisis de cada una de las 100,000 series incluidas en la Competencia M4.
Descripción
Este documento trata sobre la combinación ponderada de métodos de pronóstico utilizando estrategias inteligentes para lograr pronósticos precisos. En un esfuerzo por mejorar la precisión de los pronósticos, desarrollamos un algoritmo que optimiza tanto los métodos utilizados en la combinación como los pesos asignados a los pronósticos individuales, COmbEB. El rendimiento de nuestro procedimiento puede mejorarse al analizar por separado series temporales estacionales y no estacionales. Estudiamos las relaciones entre los errores de predicción en el conjunto de validación y los de los pronósticos ex-post para diferentes horizontes de planificación. Este estudio revela la importancia de establecer adecuadamente el tamaño del conjunto de validación. El rendimiento de la estrategia propuesta se compara con el de la mejor estrategia de predicción en el análisis de cada una de las 100,000 series incluidas en la Competencia M4.