Desarrollo de modelos avanzados para la identificación de series temporales basados en la metodología Box-Jenkins con modelo Arima

Resumen

El presente proyecto significa un nuevo aporte en la aplicación de la metodología Box-Jenkins, en el punto donde la misma presenta grandes inconvenientes para la elección de la estructura del sistema, El objetivo principal es el desarrollo de una metodología que obtenga de forma utomática, y sin la intervención de un usuario experto, el modelo de la serie ARIMA utilizando para ello herramientas de computación avanzada como son la lógica difusa, las redes neuronales artificiales y los algoritmos genéticos. Gracias a la sinergia de dichos paradigmas, la técnica de modelado lienal de series temporales mediante ARIMA será mejorada gracias a la identificación automática, mediante sistemas expertos, de la estructura del modelo ARIMA (p,q). Otro aspecto importante será la determinación de la estacionalidad de la serie para poder trabajar con modelos más complejos como son los SARIMA. Como conclusiones y logros más importantes podemos destacar: Se ha creado un sistema experto para la determinación automática y eficiente de la estacionariedad de una serie temporal. En efecto, muchos programas comerciales en la actualidad requieren la introducción del orden de diferenciación de la serie temporal, sin embargo este puede ser un dato desconocido para el usuario. En este campo se ha realizado un sistema expero que permite al usuario la automatización del proceso de identificación del orden de diferenciación. Se ha realizado un sistema experto que permite identificar, no sólo si la serie temporal presentada es estacional o no, sino también el orden de la estacionalidad. Debido a que la información de los coeficientes de autocorrelación y autocorrelación parcial no permite una identificación satisfactoria de modelos mixtos ARMA, se realizaron diversos sistemas neuronales que utilizan las tablas Corner, EACF y SCAN como valores de entrada. Se comprobó el comportamiento del sistema ante un gran número de series te