Ejemplos De Predicción

Ejemplos De Predicción
•
•
•
•
•
•
Ventas por una empresa para comprobar nivel de stocks
Rentabilidad de una inversión para determinar si buena inversión
Ventas de un nuevo producto para decidir su producción
Efectos de una medida de política económica
Población estudiantil de aquí a 15 años, para construcción colegios
Tipo de interés para decidir qué tipo de préstamo escoger
Se predice para decidir
A.Beyaert - Un.Murcia
1
Tipos De Predicción
• Según el horizonte:
– A corto, medio o largo plazo
– Longitud del plazo: concepto relativo
• Según el tipo de preguntas:
– Resultados de un acontecimiento
Ganador de unas elecciones, nota de un examen
A menudo basada en encuesta
– Momento de un acontecimiento
Fecha elecciones, fecha próxima recesión
A menudo basada en indicadores adelantados
– Predicciones de series temporales
Precio acciones en próximos meses , natalidad en próximos 15 años
Como mínimo , uso del pasado de la variable
A.Beyaert - Un.Murcia
2
Características básicas de las series temporales económicas
• Tendencias:
• deterministas
• estocásticas
• con cambio
• Estacionalidad
• Puntos atípicos
• Heteroscedasticidad condicional (ARCH)
• No linealidad
• Factores comunes (cointegración)
A.Beyaert - Un.Murcia
3
Tendencias: Indice Anual Del Output Real De
China
Fuente: Franses(1998)
5 0 0 0
4 0 0 0
3 0 0 0
2 0 0 0
1 0 0 0
0
1 9 5 5
1 9 6 0
1 9 6 5
1 9 7 0
A G R IC U L T U R E
C O M M E R C E
C O N S T R U C T IO N
A.Beyaert - Un.Murcia
1 9 7 5
1 9 8 0
1 9 8 5
IN D U S T R Y
T R A N S P O R T
4
Tendencias: stock anual de motocicletas
Países Bajos
fuente: Franses(1998)
300
250
200
150
100
50
50
55
60
65
70
75
80
85
90
M O TO RSTO CK
A.Beyaert - Un.Murcia
5
Tendencias: índice de producción industrial
USA
fuente: Franses(1998)
120
110
100
90
80
70
60
50
40
30
1960
1965
1970
1975
1980
1985
1990
IN D P R O D A D J
A.Beyaert - Un.Murcia
6
Estacionalidad:
ventas al por menor Países Bajos
fuente: Franses(1998)
140
120
100
80
60
40
20
0
1965
1970
1975
1980
1985
A.Beyaert
- Un.Murcia
RET
A IL S A L E S
1990
1995
7
Estacionalidad: gastos publicidad en la radio
Países Bajos
fuente: Franses(1998)
14000
12000
10000
8000
6000
4000
2000
0
25
50
75
100
125
A.Beyaert - Un.Murcia
R A D IO
150
175
200
8
Puntos atípicos:
precio relativo bien consumo (dato semanal)
fuente: Franses(1998)
125
120
115
110
105
100
95
25
50
75
P R IC E
A.Beyaert - Un.Murcia
100
9
Heteroscedasticidad condicional:
rendimientos índice Dow-Jones (semanal)
fuente: Franses(1998)
2 0 0
1 0 0
0
- 1 0 0
- 2 0 0
- 3 0 0
- 4 0 0
1 0 0
2 0 0
3 0 0
4 0 0
D D O W
5 0 0
6 0 0
7 0 0
J O N E S
A.Beyaert - Un.Murcia
10
Heteroscedasticidad condicional:
precio pimienta blanca (media mensual)
fuente: Franses(1998)
7000
6000
5000
4000
3000
2000
1000
74
76
78
80
82
84
86
88
90
92
94
W H IT E P E P P E R
A.Beyaert - Un.Murcia
11
No linealidad:
tasa de desempleo en Alemania
fuente: Franses(1998)
12
10
8
6
4
2
0
1965
1970
1975
U N E M P LO Y M E N T
1980
1985
1990
U N E M P LO Y M E N TA D J
A.Beyaert - Un.Murcia
12
Factores comunes:
precios pimienta blanca y negra
fuente: Franses(1998)
7000
6000
5000
4000
3000
2000
1000
0
74
76
78
80
82
84
86
88
90
92
W H IT E P E P P E R
BLACKPEPPER
A.Beyaert - Un.Murcia
94
13
Factores comunes:
publicidad en radio y televisión
fuente: Franses(1998)
100000
10000
1000
25
50
75
100
TV
125
150
175
200
R A D IO
A.Beyaert - Un.Murcia
14
Problema de predicción ≡ problema de cálculo de probabilidades
• T observaciones: ( x1 , x 2 , ! , x T )
• Predecir H valores futuros: ( x T +1 , x T + 2 , ! , x T + H )
• comportamiento estadístico de X de la fn de distribución conjunta de los datos:
D X ( x1 , x 2 , ! , x T , x T +1 , x T + 2 , ! , x T + H )
• f.distr. de valores futuros, condicionada al pasado:
D X 2 X1 ( x T +1 , x T + 2 ,!, x T + H x1 , x 2 ,! , x T )
DX (x T , x T+1 , x T+2 ,!, x T+H ) = DX2 X1 × DX1 (x1 ,!, x T )
con X1 y DX conocido, podemos calcular D X
2
X1
y la probabilidad
asociada a valores futuros de X e intervalos de predicción
A.Beyaert - Un.Murcia
15
En la práctica:
•
D X 2 X1 no se conoce
• Hay que estimarlo sobre la base de la realización X1
• Debe ser posible determinar
•
D X sobre base de D X1
requiere cierta permanencia en el proceso generador de los datos
•Predicción con éxito requiere :
• hay regularidades por capturar
• son informativas para futuro
• están incorporadas en método predictivo
• irregularidades excluidas
A.Beyaert - Un.Murcia
16
Marco de la predicción de serie temporal
(a) naturaleza del PGD:
- estacionario
- cointegrado estacionario
- evolutivo, no estacionario
(b) nivel de conocimiento
- PGD conocido, parámetros conocidos
- PGD conocido, parámetros desconocidos
- PGD desconocido, parámetros desconocidos
(c) dimensión del sistema
- proceso escalar
- proceso vectorial cerrado
- proceso vectorial abierto
(d) forma del análisis:
- resultados asintóticos
- resultados en muestra finita
(e) horizonte de predicción: - a 1 periodo vista
- multi-período
(f) linealidad del sistema:
- lineal
- no lineal
fuente: Clements y Hendry (1998)
A.Beyaert - Un.Murcia
17
A.Beyaert - Un.Murcia
18