Pronóstico de demanda de efectivo en cajeros automáticos aplicando redes neuronales artificiales

Abstract

Esta investigación propone un modelo basado en Redes Neuronales Artificiales del tipo Autorregresivo No Lineal con Entradas Exógenas (modelo NARX) capaz de pronosticar la demanda de efectivo en cajeros automáticos basado en la evolución de variables en serie de tiempo: El desarrollo de esta investigación se efectúa sobre la metodología estándar CRISPDM Y alineado a los procesos jerárquicos que se identifican en su despliegue Para la construcción de este modelo se obtuvieron registros sobre stock de billetes y pedidos de abastecimiento históricos con una frecuencia diaria, lo que permitió calcular la demanda histórica de efectivo de cinco cajeros automáticos pertenecientes a la red de distribución de una Empresa Financiera Local luego de realizar el análisis, limpieza y transformación de los datos, se desarrolló el modelo de solución propuesto con el que se logró construir la red neuronal artificial conformada por una capa de entrada; una oculta y una de salida adicionalmente se realizó la experimentación del modelo, ejecutándose 138,240 corridas del sistema por cada cajero automático analizado; identificándose los valores óptimos para los parámetros establecidos en el modelo En base a las pruebas realizadas se identificó el diseño óptimo del sistema propuesto, obteniendo un error MAPE promedio de validación en el pronóstico entre 7% Y 15%, resultado de conjugar los valores óptimos identificados Asimismo se detallan las conclusiones Y recomendaciones a tomar en cuenta para investigaciones futuras de la índole de Redes Neuronales Artificiales en series de tiempo.