Lección 8 del curso Pronósticos de Series de Tiempo con Suavizado Exponencial.
En la lección anterior vimos las diferentes familias de modelos de suavizado exponencial, que resultan de todas las posibles combinaciones de tendencia y estacionalidad que podemos tener en una Serie de Tiempo.
Y con esta amplia variedad de modelos disponibles surge una pregunta: ¿cómo podemos saber cuál modelo genera los mejores pronósticos sobre una Serie de Tiempo en particular?
Así que en esta lección veremos de forma práctica cómo realizar la selección de modelos de suavizado exponencial. Es decir, partiremos de una Serie que contiene el registro histórico de demanda de energía eléctrica e intentaremos encontrar el modelo de suavizado exponencial que genere los mejores pronósticos posibles:
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, el procedimiento para seleccionar un modelo de suavizado exponencial es el mismo que usaríamos para seleccionar cualquier modelo de generación de pronósticos de Series de Tiempo:
- Dependiendo de las características de la Serie escogemos un subconjunto de modelos candidatos
- Entrenamos y validamos cada modelo candidato. Si usamos validación cruzada, este proceso equivale a estimar el promedio y la desviación estándar de su desempeño (RMSE o MAPE)
- Y al final analizamos los desempeños individuales y seleccionamos aquel modelo que tenga el menor error promedio junto con la desviación estándar del error más baja.
Así que con todo esto hemos completado esta última lección del curso ¡te felicito por haber llegado hasta este punto!
A lo largo del curso hemos visto qué son y cómo usar los diferentes modelos de suavizado exponencial para generar pronósticos de Series de Tiempo. En últimas, a pesar de ser modelos relativamente simples resultan muy útiles en una gran variedad de situaciones siempre y cuando las Series de Tiempo tengan componentes de tendencia y/o estacionalidad consistentes y cuando nos interese generar pronósticos univariados.
Espero que te haya gustado este curso y, como de costumbre, te invito a contactarme a través de la Intranet para que me compartas tus sugerencias de nuevos cursos y tus comentarios para seguir mejorando el contenido de la Academia.
Y te invito igualmente a continuar tu formación tomando el siguiente curso en esta especialización acá en la Academia: Pronósticos de Series de Tiempo con ARIMA.
Todas las lecciones del curso Pronósticos de Series de Tiempo con Suavizado Exponencial