En este trabajo se llevará a cabo un análisis exhaustivo de una serie temporal utilizando diversos modelos con el objetivo de ajustar los datos y realizar predicciones futuras. Se emplearán varias técnicas para comparar su desempeño y determinar qué modelo se adapta mejor a nuestra serie, facilitando así pronósticos más precisos. Comenzaremos con el estudio teórico de enfoques clásicos como el de Holt-Winters, y avanzaremos hacia métodos más recientes como ARIMA, los modelos ARCH-GARCH, que permiten modelizar la varianza condicional y analizar la dispersión de los valores de la serie y, finalmente, el modelo Prophet (desarrollado por Facebook). La serie temporal que analizaremos es el Índice de Precios al Consumo (IPC) en España desde enero de 2002 hasta mayo de 2024. Estudiaremos el comportamiento de los valores a lo largo del tiempo y los ajustaremos a los métodos mencionados anteriormente. Para facilitar este análisis utilizaremos una interfaz desarrollada en el trabajo sinérgico de fin de grado de Ingeniería Informática, que permite realizar estudios de series temporales de manera sencilla e intuitiva. Esta interfaz ha sido creada utilizando las bibliotecas disponibles para el análisis de series temporales en Python. De esta manera, esperamos identificar el modelo que mejor se ajuste a la serie del IPC y realizar predicciones precisas sobre su evolución futura.
ABSTRACT
In this paper, a comprehensive analysis of a time series will be carried out using various models with the aim of fitting the data and making future forecasts. Several techniques will be employed to compare their performance and determine which model best fits our series, thus providing more accurate forecasts. We will start with the theoretical study of classical approaches such as Holt-Winters, and move towards more recent methods such as ARIMA, ARCH-GARCH models, which allow modelling the conditional variance and analysing the dispersion of the values of the series and, finally, Prophet (developed by Facebook). The time series we will analyse is the Consumer Price Index (CPI) in Spain from January 2002 to May 2024. We will study the behaviour of the values over time and adjust them to the methods mentioned above. To facilitate this analysis, we will use an interface developed in the synergic work of the Computer Engineering degree final project, which allows us to carry out time series studies in a simple and intuitive way. This interface has been created using the libraries available for time series analysis in Python. In this way, we hope to identify the model that best fits the CPI series and make accurate predictions about its future evolution.
En este trabajo se llevará a cabo un análisis exhaustivo de una serie temporal utilizando diversos modelos con el objetivo de ajustar los datos y realizar predicciones futuras. Se emplearán varias técnicas para comparar su desempeño y determinar qué modelo se adapta mejor a nuestra serie, facilitando así pronósticos más precisos. Comenzaremos con el estudio teórico de enfoques clásicos como el de Holt-Winters, y avanzaremos hacia métodos más recientes como ARIMA, los modelos ARCH-GARCH, que permiten modelizar la varianza condicional y analizar la dispersión de los valores de la serie y, finalmente, el modelo Prophet (desarrollado por Facebook). La serie temporal que analizaremos es el Índice de Precios al Consumo (IPC) en España desde enero de 2002 hasta mayo de 2024. Estudiaremos el comportamiento de los valores a lo largo del tiempo y los ajustaremos a los métodos mencionados anteriormente. Para facilitar este análisis utilizaremos una interfaz desarrollada en el trabajo sinérgico de fin de grado de Ingeniería Informática, que permite realizar estudios de series temporales de manera sencilla e intuitiva. Esta interfaz ha sido creada utilizando las bibliotecas disponibles para el análisis de series temporales en Python. De esta manera, esperamos identificar el modelo que mejor se ajuste a la serie del IPC y realizar predicciones precisas sobre su evolución futura.
ABSTRACT
In this paper, a comprehensive analysis of a time series will be carried out using various models with the aim of fitting the data and making future forecasts. Several techniques will be employed to compare their performance and determine which model best fits our series, thus providing more accurate forecasts. We will start with the theoretical study of classical approaches such as Holt-Winters, and move towards more recent methods such as ARIMA, ARCH-GARCH models, which allow modelling the conditional variance and analysing the dispersion of the values of the series and, finally, Prophet (developed by Facebook). The time series we will analyse is the Consumer Price Index (CPI) in Spain from January 2002 to May 2024. We will study the behaviour of the values over time and adjust them to the methods mentioned above. To facilitate this analysis, we will use an interface developed in the synergic work of the Computer Engineering degree final project, which allows us to carry out time series studies in a simple and intuitive way. This interface has been created using the libraries available for time series analysis in Python. In this way, we hope to identify the model that best fits the CPI series and make accurate predictions about its future evolution. Read More
Related posts:
Desarrollo de una interfaz para el análisis de series temporales
Estudio y desarrollo de la aplicación web “Planerasmus”
Prototipo de modelo predictivo implementado en KNIME Analytics Platform basado en aprendizaje profundo para la toma de decisiones en el mercado de valores financieros
Utilización de diagrafías para la caracterización-del agua de las formaciones en sondeos de captación de agua subterránea
Sistema para el estudio del funcionamiento de los sensores de baja presión
Clasificación inferida mediante datos: Titulación de Grado del autor del TFG