Bibliographic citations
This is an automatically generated citacion. Modify it if you see fit
Angulo, L., (2013). Predicción del PBI real nacional trimestral: redes neuronales autorregresivas vs metodología Box-Jenkins [Tesis, Universidad Nacional de Trujillo]. https://hdl.handle.net/20.500.14414/8660
Angulo, L., Predicción del PBI real nacional trimestral: redes neuronales autorregresivas vs metodología Box-Jenkins [Tesis]. : Universidad Nacional de Trujillo; 2013. https://hdl.handle.net/20.500.14414/8660
@misc{renati/314378,
title = "Predicción del PBI real nacional trimestral: redes neuronales autorregresivas vs metodología Box-Jenkins",
author = "Angulo Elorreaga, Luis Alfredo",
publisher = "Universidad Nacional de Trujillo",
year = "2013"
}
Title: Predicción del PBI real nacional trimestral: redes neuronales autorregresivas vs metodología Box-Jenkins
Authors(s): Angulo Elorreaga, Luis Alfredo
Advisor(s): Sisniegas Gonzales, Manuel Antonio
Issue Date: 2013
Institution: Universidad Nacional de Trujillo
Abstract: En 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 Autorregresivas
Link to repository: https://hdl.handle.net/20.500.14414/8660
Note: In 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 networks
Discipline: Estadística
Grade or title grantor: Universidad Nacional de Trujillo.Facultad de Ciencias Físicas y Matemáticas
Grade or title: Ingeniero Estadístico
Register date: 9
This item is licensed under a Creative Commons License