Lección 5 del curso Pronósticos de Series de Tiempo con Regresión.
En la lección anterior vimos qué son los intervalos de predicción y cómo dichos intervalos nos permiten cuantificar el grado de incertidumbre que tendrán los pronósticos generados por un modelo en particular.
En esta lección veremos cómo la descomposición de Series de Tiempo (en componentes como la tendencia y la estacionalidad) puede ser una herramienta útil al momento de generar pronósticos de Series de Tiempo.
En particular, veremos cómo al descomponer una Serie podemos ajustar un modelo para pronosticar cada componente y luego podemos combinar las predicciones individuales en un pronóstico conjunto para la Serie de Tiempo original:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Como acabamos de ver, la lógica de este enfoque de generación de pronósticos es simple. En particular, cuando la Serie de Tiempo exhibe componentes de tendencia y/o estacionalidad podemos usar este enfoque:
- Descomponemos la serie de tiempo para obtener sus componentes de tendencia y estacionalidad, así como el componente residual
- Posteriormente entrenamos un modelo especializado en cada uno de estos componentes
- Generamos un pronóstico con cada uno de los modelos
- Y al final combinamos los pronósticos obtenidos (bien sea sumando o multiplicando los pronósticos individuales) para de esta forma obtener el pronóstico de la Serie de Tiempo original
Y podemos incluso combinar los intervalos de predicción individuales para estimar de forma aproximada el intervalo de predicción del modelo combinado, así como usar el mismo enfoque de análisis de residuales para diagnosticar la calidad de las predicciones generadas por el modelo.
Así que con este enfoque podremos aprovechar la descomposición para generar pronósticos pronósticos sobre Series de Tiempo que exhiban estas características de tendencia y/o estacionalidad.
Teniendo claro este enfoque, en la próxima lección veremos diferentes métodos y métricas que nos permitirán medir la calidad de los pronósticos realizados sobre una Serie de Tiempo.
Todas las lecciones del curso Pronósticos de Series de Tiempo con Regresión