<p>El problema de pronóstico de series de tiempo, consiste en predecir valores futuros que no están medidos, utilizando como variable de análisis los valores históricos de la serie. En este documento, se plantean distintos modelos para el problema del pronóstico de la rentabilidad del fondo A de AFP Cuprum, utilizando como variable de análisis los datos históricos del valor cuota.<br />Para resolver este problema, se plantea el uso de Redes Neuronales Artificiales de base radial, con función de activación Radial Multicuadrática. Como algoritmo de entrenamiento, se proponen dos metaheurísticas, Cuckoo Search (CS) y Modified Cuckoo Search (MCS), que se comparan ente sí utilizando la estrategia de pronóstico iterativa, que consiste en utilizar los valores pronosticados como datos conocidos para predecir los próximos.<br />Finalmente, con la metaheurística que obtuvo mejores resultados, se realiza un nuevo pronóstico utilizando la estrategia DirRec, que combina las arquitecturas y los principios subyacentes de las estrategias directa e iterativa. Posteriormente, se comparan los resultados obtenidos por todos los modelos propuestos, siendo el mejor de ellos el Recursivo Cuckoo Search, quien logró un 74,34% en la predicción del sentido para un horizonte de siete días</p>
<p>The problem of time series forecasting is to predict future values are not measured, using variable analyzes historical values of the series. In this paper, different models for the problem of forecasting the profitability of A Fund of AFP Cuprum, as variable analysis using historical data of share value.<br />To resolve this problem, the use of artificial neural networks radial basis with activation function Multiquadratic Radial. As training algorithm, two Metaheuristics, Cuckoo Search (CS) and Modified Cuckoo Search (MCS), which compares entity itself using iterative prognosis strategy, which consists in using known values predicted as data to predict the next values.<br />Finally, with the metaheuristic best performer, a new forecast is made using the DirRec strategy, that combines architectures and underlying principles of direct and iterative strategies. Subsequently, the results obtained for all the proposed models are compared, being the best of them Cuckoo Search Recursive, who achieved 74.34% in predicting sense for a seven-day horizon</p>
last modification
Licenciado en Ciencias de la Ingeniería
Ingeniero Civil en Informáticatítulo
INGENIERIA CIVIL INFORMATICA
<p>El problema de pronóstico de series de tiempo, consiste en predecir valores futuros que no están medidos, utilizando como variable de análisis los valores históricos de la serie. En este documento, se plantean distintos modelos para el problema del pronóstico de la rentabilidad del fondo A de AFP Cuprum, utilizando como variable de análisis los datos históricos del valor cuota.<br />Para resolver este problema, se plantea el uso de Redes Neuronales Artificiales de base radial, con función de activación Radial Multicuadrática. Como algoritmo de entrenamiento, se proponen dos metaheurísticas, Cuckoo Search (CS) y Modified Cuckoo Search (MCS), que se comparan ente sí utilizando la estrategia de pronóstico iterativa, que consiste en utilizar los valores pronosticados como datos conocidos para predecir los próximos.<br />Finalmente, con la metaheurística que obtuvo mejores resultados, se realiza un nuevo pronóstico utilizando la estrategia DirRec, que combina las arquitecturas y los principios subyacentes de las estrategias directa e iterativa. Posteriormente, se comparan los resultados obtenidos por todos los modelos propuestos, siendo el mejor de ellos el Recursivo Cuckoo Search, quien logró un 74,34% en la predicción del sentido para un horizonte de siete días</p>
<p>The problem of time series forecasting is to predict future values are not measured, using variable analyzes historical values of the series. In this paper, different models for the problem of forecasting the profitability of A Fund of AFP Cuprum, as variable analysis using historical data of share value.<br />To resolve this problem, the use of artificial neural networks radial basis with activation function Multiquadratic Radial. As training algorithm, two Metaheuristics, Cuckoo Search (CS) and Modified Cuckoo Search (MCS), which compares entity itself using iterative prognosis strategy, which consists in using known values predicted as data to predict the next values.<br />Finally, with the metaheuristic best performer, a new forecast is made using the DirRec strategy, that combines architectures and underlying principles of direct and iterative strategies. Subsequently, the results obtained for all the proposed models are compared, being the best of them Cuckoo Search Recursive, who achieved 74.34% in predicting sense for a seven-day horizon</p>