Modelado y pronostico de una serie de tiempo contaminada empleando redes neuronales y procedimientos estadísticos tradicionales

Silvia Joekes (), Emanuel P. Barbosa () and Walter Robledo ()

Revista de la Sociedad Argentina de Estadística, 2005

Abstract: En este trabajo se presenta la aplicación de una red neuronal feedforward (AHA) a una serie de tiempo previamente estudiada en la literatura por diferentes investigadores (Brubacher, 1974; Martín, 1980; Stahlbut, 1985; Allende, 1989) llamada serie RESEX que presenta estacionalidad y valores extremos (outliers). Algunos elementos de la arquitectura de la red tales como la definición de las variables de entrada fueron sugeridos por el análisis previo de la serie y otros como el número de capas ocultas y de neuronas por capa surgieron a través de procedimientos numéricos. Para el entrenamiento de la red se utilizó el algoritmo de retropropagación (backpropagation) estándar y también un algoritmo de aprendizaje robusto para tratar adecuadamente con los valores extremos aditivos. Todos los modelos y métodos (tradicionales y de redes neuronales) fueron comparados considerando diferentes medidas de habilidad predictiva. En general, los resultados finales no fueron muy diferentes. El modelo estadístico mostró un menor error residual y menor porcentaje de error absoluto en el ajuste, mientras que la red robustamente entrenada presentó mejores pronósticos.

View list of references

Downloads: (external link)
http://www.s-a-e.org ... umen%209%20-%201.pdf

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Access Statistics for this article

More articles in Revista de la Sociedad Argentina de Estadística from Sociedad Argentina de Estadística
Series data maintained by Mauricio Sadinle ().