Redes neuronales recurrentes y modelos arima para el pronóstico de la inflación en el Perú

Simple item page
dc.contributor.advisorRisco Dávila, Carlos Alfonso
dc.contributor.authorChilón Ayay, Anghie Lizzeth
dc.date.accessioned7/7/2023 11:09
dc.date.available7/7/2023 11:09
dc.date.issued2023
dc.descriptionThe purpose of this research is to compare the ARIMA methodology and Recurrent _x000D_ Neural Networks to find the best model to forecast Inflation in Peru. The research consisted _x000D_ of a study sample from January 2000 to December 2021._x000D_ When designing the series model for each series, a forecast was made for all the _x000D_ months of the year 2022, which were compared with the real data to determine which _x000D_ methodology makes a better forecast. The results indicated that the previous LSTM recurrent _x000D_ neural network model obtained a lower forecast evaluation error compared to the ARIMA _x000D_ methodology, for which the RMSE, MAE, MAPE, EMC and MPE indicators were usedes_PE
dc.description.abstractLa presente investigación compara la metodología ARIMA y Redes Neuronales _x000D_ Recurrentes con el fin de encontrar el mejor modelo para el pronóstico de la inflación en el _x000D_ Perú. La investigación consta con una muestra de estudio desde enero de 2000 hasta _x000D_ diciembre de 2021._x000D_ Al diseñarse el modelo para cada serie, se procedió a pronosticar para todos los meses _x000D_ del año 2022, los cuales se compararon con los datos reales para determinar cuál _x000D_ metodología realiza un mejor pronóstico. Los resultados indicaron que el modelo de redes _x000D_ neuronales recurrentes LSTM logró obtener un menor error de evaluación de pronóstico a _x000D_ comparación de la metodología ARIMA, para ello se utilizaron los indicadores RMSE, _x000D_ MAE, MAPE, EMC y MPEes_PE
dc.description.uriTesises_PE
dc.identifier.urihttps://hdl.handle.net/20.500.14414/18318
dc.language.isospaes_PE
dc.publisherUniversidad Nacional de Trujilloes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/es_PE
dc.sourceUniversidad Nacional de Trujilloes_PE
dc.sourceRepositorio institucional - UNITRUes_PE
dc.subjectModelos ARIMAes_PE
dc.subjectRedes Neuronales Recurrenteses_PE
dc.subjectLSTMes_PE
dc.subjectInflaciónes_PE
dc.titleRedes neuronales recurrentes y modelos arima para el pronóstico de la inflación en el Perúes_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.disciplineEstadísticaes_PE
thesis.degree.grantorUniversidad Nacional de Trujillo.Facultad de Ciencias Físicas y Matemáticases_PE
thesis.degree.levelTítulo Profesionales_PE
thesis.degree.nameIngeniero Estadísticoes_PE
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
CHILON AYAY, Anghie Lizzeth.pdf
Size:
2.71 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Tesis de Estadística