Predicción del PBI real nacional trimestral: redes neuronales autorregresivas vs metodología Box-Jenkins

Simple item page
dc.contributor.advisorSisniegas Gonzales, Manuel Antonio
dc.contributor.authorAngulo Elorreaga, Luis Alfredo
dc.date.accessioned9/6/2017 12:33
dc.date.available9/6/2017 12:33
dc.date.issued2013
dc.descriptionIn this paper contains a comparative approach between artificial intelligence_x000D_ techniques called neural networks, specifically Neural Networks autoregressive (ARNN)_x000D_ versus the Box-Jenkins methodology (ARIMA), in modeling macroeconomic_x000D_ series Gross Domestic Product (GDP) in quarterly periods of our country. We_x000D_ worked with a total of 74 data GDP quarterly national real based on prices in 1994,_x000D_ including from the 1st quarter of 1994 to the 2nd quarter of 2012 which were_x000D_ obtained from the official website of the National Institute of Statistics and_x000D_ Information. This will build the best model for quarterly GDP forecast both the Box-_x000D_ Jenkins methodology with neural networks as autoregressive and performed the_x000D_ comparison between these two models. The best model with autoregressive neural_x000D_ networks was the AR-NN model 5, whose structure is given by the second and fourth_x000D_ lags as input variables and two nodes in the hidden layer, and the best model with the_x000D_ Box-Jenkins methodology is the model SARIMA (2,1,2) x (2,1,2) 4 with constant._x000D_ The comparison between these models was performed using the model selection_x000D_ criteria such as: the adjusted determination coefficient ( ̅ ) for the calibration period,_x000D_ the Akaike Information Criterion (AIC) and the Schwarz Information Criterion_x000D_ (SIC), both for the calibration period as predictors. It was found that the model_x000D_ obtained by the Box-Jenkins methodology has better fit both the calibration period as_x000D_ in the prediction, thus gives best quarterly GDP predictions that the model obtained_x000D_ by autoregressive neural networkses_PE
dc.description.abstractEn el presente trabajo se contiene un abordaje comparativo entre la técnica de_x000D_ inteligencia artificial, denominada redes neuronales, específicamente las Redes_x000D_ Neuronales Autorregresivas (AR-NN); frente a la metodología de Box-Jenkins (ARIMA), en el modelamiento de la serie macroeconómica Producto Bruto Interno (PBI) en periodos trimestrales de nuestro país. Se trabajó con un total de 74 datos de PBI real nacional trimestral en base a precios del año 1994, comprendidos desde el 1º trimestre del año 1994 hasta el 2º trimestre del 2012 los cuales fueron obtenidos de la página oficial del instituto nacional de estadística e informática. Para ello se construyo el mejor modelo para el pronóstico del PBI trimestral tanto con la metodología de Box-Jenkins como con la Redes Neuronales Autorregresivas y se realizó la comparación entre estos dos modelos. El mejor modelo con las Redes Neuronales Autorregresivas fue el modelo AR-NN 5, cuya estructura esta dada por el segundo y cuarto rezago como variables de entrada y dos nodos en la capa oculta; y el mejor modelo con la metodología de Box-Jenkins es el modelo SARIMA (2,1,2)x(2,1,2)4 con constante. La comparación entre estos modelos se realizo mediante los criterios de selección de modelos como: el Coeficiente de Determinación Ajustado ( ̅ ), para el periodo de Calibración; el Criterio de Información de Akaike (CIA) y el Criterio de Información de Schwarz (CIS), tanto para el periodo de calibración como el de evaluación. Se obtuvo que el modelo obtenido mediante la metodología de Box-Jenkins posee mejor ajuste tanto en el periodo de calibración como en el de evaluación, por tanto brinda mejores predicciones del PBI trimestral que el modelo obtenido mediante las Redes Neuronales Autorregresivases_PE
dc.description.uriTesises_PE
dc.identifier.urihttps://hdl.handle.net/20.500.14414/8660
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.subjectRedes Neuronales, Metodología de Box- Jenkins, Autorregresivas,, PBI trimestrales_PE
dc.titlePredicción del PBI real nacional trimestral: redes neuronales autorregresivas vs metodología Box-Jenkinses_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:
ANGULO ELORREAGA, Luis Alfredo.pdf
Size:
3.3 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