Académique Documents
Professionnel Documents
Culture Documents
Resumen-
I.
INTRODUCCION
MARCO REFERENCIAL
III. TAXONOMA
Dependiendo de aspectos como el horizonte temporal en
donde se busca analizar los precios, los modelos se pueden
clasificar inicialmente como:
Modelos explicativos: Buscan entender el comportamiento
histrico de los precios as como sus propiedades.
Modelos Predictivos: Se enfocan exclusivamente a
pronosticar su valor futuro, pasando por alto diferentes
aspectos que se tienen en cuenta en el modelado de series de
tiempo.
Dentro de la clasificacin mencionada anteriormente se
pueden desprender:
Mtodos estadsticos y de anlisis de series de tiempo:
Capturan las principales caractersticas de las series de
precios y analizan su comportamiento. En cuanto a las
tcnicas estadsticas existen dos grupos:
1) Mtodos cuantitativos
Fluctuaciones
estacionarias: Son movimientos
ascendentes y descendentes de la serie que se
repiten peridicamente
B. Modelo AR (Autoregresivo)
Son modelos autoregresivos los cuales forman una familia de
procesos que tales que una observacin depende de las
observaciones anteriores. Sea Yt la demanda de energa
elctrica en el perodo t, si se modela Yt como:
E. Modelo ARIMA
Son modelos paramtricos que tratan de obtener la
representacin de la serie en trminos de la interrelacin
temporal de sus elementos. El instrumento fundamental a la
hora de analizar las propiedades de una serie temporal en
trminos de la interrelacin temporal de sus observaciones es
el denominado coeficiente de autocorrelacin que mide la
correlacin, es decir, el grado de asociacin lineal que existe
entre observaciones separadas k periodos. La metodologa de
Box y Jenkins se puede resumir en 4 fases que se describen a
continuacin [10]:
1.
2.
3.
(Yt ) = 1 ((Yt-1 ) + ut
Donde es el valor de la media de t y ut es un trmino de
error aleatorio. Entonces se dice que Yt sigue un proceso
estocstico autoregresivo de primer orden o AR.
C. Modelo MA (Media mvil)
Es una combinacin lineal de trminos de error con ruido
blanco. En forma general sigue la siguiente expresin:
Yt = + 0 ut + 1 ut-1 + 2 ut-2 + + q ut-q
Donde es una constante y u es el trmino de error
estocstico con ruido blanco. En este caso Y en el periodo t
es igual a una constante ms un promedio mvil de los
trminos de error presente y pasados.
D. Modelo ARMA (Proceso autoregresivo y de media
mvil)
En este caso la caracterstica de Y es una combinacin de AR
y de MA, as Yt sigue un proceso ARMA (1, 1), donde hay
un trmino autorregresivo y uno de media mvil, se expresa
de la siguiente forma:
Yt = + 1 Yt-1 +0 ut + 1 ut-1
4.
1.
SERIES NO ESTACIONARIAS
Barrientos
et al. 2007
Regin
Tcnica/Modelo
Informaci
n
Hora,dia,
mes
Horario,
1:2001 11:2004
Murillo
et.al
(2003)
Demanda
de una
empresa
de
Colombia
ARIMA un modelo
para cada hora del
da
Hora
1:200112:2001
Castao
(2007)
Colombia
ARIMA con
intervenciones
Hora 12:00
1:19968:2002
UPME(200
4)
Colombia
No especificados
PIB,
tarifas de
la
energa,
crecimie
nto de la
poblaci
n
Colombia
Red neurodifusa
percepcin
multicapa
componentes
principales
PIB,
consumo
Mensual,
ACPM,
1:1999- 12:
tarifa de
2004
la
energa
Espaa
ARIMA
Mensual,
1980-1996
Lbano
Mensual
Variables
Medina y
Garca
(2005)
Chaveza
et al.
(1999)
Saad, Badr
y Nasr
(2001)
PIB,Tarifas
de la
energa,
crecimient
o de la
poblacin
Tabla No. 1
La figura 13 muestra la proyeccin del precio de la energa
usando como base la estimacin de la ecuacin inicial en la
columna 4 de la Tabla No. 1 donde se confirma la tendencia
al alza de los precios de la energa. Para obtener estas
predicciones se usaron pronsticos de las variables
independientes a travs de modelos ARIMA. Las curvas PL
y PU son las bandas de confianza inferior y superior, la lnea
del medio es la proyeccin.
10