Técnicas de pronóstico en el análisis estadístico de los datos grande

Muchas técnicas diferentes se han diseñado para predecir el valor futuro de una variable. Dos de ellos son modelos de regresión de series de tiempo y modelos de simulación.

modelos de regresión de series de tiempo

UN modelo de regresión de series de tiempo se utiliza para estimar la tendencia seguido de una variable en el tiempo, el uso de técnicas de regresión. UN La línea de tendencia muestra la dirección en la que una variable se está moviendo como transcurre el tiempo.

Video: TÉCNICAS DE PRONÓSTICO 1

A modo de ejemplo, la figura se muestra una serie temporal que representa la producción anual de una mina de oro (medida en miles de onzas por año) desde que la mina se abrió hace diez años.

La ecuación de la línea de tendencia se estima en

Video: Entrevista a Juan Ignacio Crespo (matemático financiero y economista)

Y = 0,9212x + 1.3333

dónde

x es el año.

Y es la producción anual de oro (medido en miles de onzas).

Esta línea de tendencia se calcula utilizando el análisis de regresión. La línea de tendencia muestra que, en promedio, la salida de la mina crece por 0.9212 mil (921,2 oz) cada año.

Usted podría utilizar esta línea de tendencia para predecir la salida el próximo año (el 11 año de operación) sustituyendo el 11 de X, como sigue:

Y = 0,9212x + 1.3333

Y = 0,9212 (11) + 1,3333 = 11,4665

Con base en la ecuación de línea de tendencia, se espera que la mina produzca 11,466.5 onzas de oro el próximo año.

Los modelos de simulación

Puedes usar simulación modelos para pronosticar una serie de tiempo. Los modelos de simulación son extremadamente flexibles, pero puede ser extremadamente lento de implementar. Su precisión también depende de los supuestos que se hicieron acerca de las propiedades estadísticas de los datos de series de tiempo.

Dos enfoques estándar para la previsión de series de tiempo financieras con modelos de simulación son simulación histórica y la simulación Monte Carlo.

simulación histórica

Histórico simulación es una técnica utilizada para generar una distribución de probabilidad de una variable a medida que evoluciona con el tiempo, en función de sus valores pasados. Si las propiedades de la variable que se está simulado permanecen estables en el tiempo, esta técnica puede ser muy precisa. Una desventaja de este enfoque es que el fin de obtener una predicción precisa, es necesario tener una gran cantidad de datos. También depende de la suposición de que el comportamiento pasado de una variable continuará en el futuro.

Como un ejemplo, esta figura muestra un histograma que representa los rendimientos de una acción más de los últimos 100 días.

Este histograma muestra la distribución de probabilidad de los rendimientos de las acciones sobre la base de los últimos 100 días de negociación. El gráfico muestra que el rendimiento más frecuente en los últimos 100 días fue una pérdida de 2 por ciento, el segundo más frecuente fue una pérdida de 3 por ciento, y así sucesivamente. Puede utilizar la información contenida en esta gráfica para crear una distribución de probabilidad para la más probable retorno de esta población en un día de negociación que viene.

simulación del Monte Carlo

Monte Carlo simulación es una técnica en la que los números aleatorios se sustituyen en un modelo estadístico con el fin de predecir los valores futuros de una variable. Esta metodología se utiliza en muchas disciplinas diferentes, incluyendo las finanzas, la economía y las ciencias duras, como la física. simulación de Monte Carlo puede funcionar muy bien, pero también puede ser extremadamente lento de implementar. Además, su precisión depende del modelo estadístico que se utiliza para describir el comportamiento de la serie temporal.