Details

Autor(en) / Beteiligte

• Rojas, Eduardo Rosas
• Arroyo, Jéssica Gámez
• Guzmán, Javier Lapa
• Pacheco, Christian Bucio

Titel

ALGORITMO PARA DESARROLLAR PRONÃ"STICOS AUTOMÁTICOS DE SERIES DE TIEMPO UNIVARIADAS. EL ÍNDICE NACIONAL DE PRECIOS AL CONSUMIDOR DE MÉXICO

Ist Teil von

• Investigación operacional, 2023-07, Vol.44 (3), p.417

Ort / Verlag

Editorial Universitaria de la Republica de Cuba

Erscheinungsjahr

2023

Link zum Volltext

Quelle

EZB Electronic Journals Library

Beschreibungen/Notizen

• The present study compares the accuracy of automatic univariate time series forecasting methods for the value of the National Consumer Price Index of Mexico, for which monthly data from 1969 to 2021 are used. Two of the main methods are presented in the study area: 1) The Exponential Smoothing State Spatial Models (ETS) and 2) The Autoregressive Integrated and Moving Average (ARIMA) models. A computational algorithm is developed for the identification of a data generating process to estimate the optimal parameters. The second method presents a better performance in the calculation of the predicted values. The results show the usefulness of automatic forecasting methods when proper procedures are followed. KEYWORDS: ARIMA models; exponential smoothing; model comparison. MSC: 37M10; 62P20. El presente estudio compara la precisión de los métodos automáticos de pronóstico de series de tiempo univariadas para el valor del Índice Nacional de Precios al Consumidor de México, para lo cual se utilizan datos mensuales de 1969 a 2021. Se presentan dos de los principales métodos en el área de estudio: 1) Los Modelos Espaciales de Estado de Suavizado Exponencial (ETS) y 2) Los modelos Autoregresivos Integrados y de Medias Móvil (ARIMA). Se desarrolla un algoritmo computacional para la identificación de un proceso de generación de datos para estimar los parámetros óptimos. El segundo método presenta un mejor desempeño en el cálculo de los valores pronosticados. Los resultados muestran la utilidad de los métodos automáticos de pronóstico cuando se siguen los procedimientos adecuados. PALABRAS CLAVE: modelos ARIMA; suavizado exponencial; comparación de modelos.