Pronósticos y comparación de una serie de tiempo con cambios estructurales mediante la red neuronal artificial de retropropagación resiliente y modelos no lineales

• Autor: Cárdenas Garro, José Antonio
• Formato: tesis de grado
• Fecha de Publicación: 2015
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: UNMSM-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.unmsm.edu.pe:20.500.12672/4297
• Enlace del recurso: https://hdl.handle.net/20.500.12672/4297
• Nivel de acceso: acceso abierto
• Materia: Cambios Estructurales; Series Temporales No Lineales; Red Neuronal de Retropropagación Resiliente; https://purl.org/pe-repo/ocde/ford#1.01.03

En esta investigación se propone una metodológica alternativa a la metodología de Box y Jenkins, donde se podrá evidenciar el modelamiento de series temporales no lineales, mediante el enfoque paramétrico y el enfoque No paramétrico. En el enfoque paramétrico me inclinaré por la extensión de los métodos de Box y Jenkins, es decir, los modelos ARCH, GARCH, TGARCH entre otros, para el modelado de series temporales no lineales, en la cual obtendré los pronósticos del año 2012 para la serie temporal:  Número de peruanos retornantes según año de regreso mediante medio de transporte aéreo. En el enfoque No paramétrico presentaré el método de la red neural de retropropagación resiliente para el modelado de series temporales no lineales, en la cual obtendré los pronósticos del año 2012 para la serie temporal:  Número de peruanos retornantes según año de regreso mediante medio de transporte aéreo. La serie de tiempo estudiada para esta investigación presenta un cambio estructural durante los años del 2000-2003, lo que induce a la no linealidad de la serie. La estimación de los dos enfoques serán comparados y se elegirá el enfoque que otorgue mejores pronósticos, la cual escogeré mediante indicadores de validación como por ejemplo el MAD (Desviación Media Residual) y SSE (Suma de los Cuadrados de los Residuos).