Revistas de investigación UNMSM
Ir al contenido principal Ir al menú de navegación principal Ir al pie de página del sitio

Fundamentos para pronosticar una serie de tiempo estacionaria con información de su propio pasado

Palabras clave: series de tiempo, estacionariedad, raíz unitaria, ruido blanco, varianza

Resumen

Dado que el comportamiento del mercado es volátil, la presente investigación pretende coadyuvar a que inversionistas y organizaciones empresariales puedan realizar pronósticos con certeza y, en consecuencia, con el mínimo error posible, a fin de lograr el éxito en la gestión de sus proyectos y operaciones. Elementos como la tasa de inflación, el tipo de cambio, el precio de las acciones, los resultados económicos financieros, las ventas, entre otras variables, son preocupaciones para los inversionistas. Estos instrumentos financieros, por su estructura de datos, corresponden a las series de tiempo, las cuales toman valores o realizaciones, precisamente, a lo largo del tiempo y, a la vez, están espaciadas cronológicamente. El comportamiento previo es utilizado para pronosticar el valor de la serie, su rendimiento y volatilidad. Y ello debe considerar que pronosticar con las técnicas tradicionales tiene riesgos de imprecisión, por lo que es necesario hacerlo con modelos econométricos por su robustez y precisión, también conocidos como modelos univariados de series de tiempo.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Wilfredo Bazán Ramírez, Universidad Nacional Federico Villarreal (Lima, Perú)

Magíster en Finanzas e ingeniero industrial por la Universidad Nacional Federico Villarreal (Lima, Perú). Actualmente, es analista de Telefónica del Perú S. A. A. y docente contratado de la Escuela Profesional de Ingeniería Agroindustrial de la Facultad de Ingeniería Industrial y de Sistemas de la Universidad Nacional Federico Villarreal con certificaciones de PMP y CQRM. (Lima, Perú).

Publicado
2020-10-15
Cómo citar
Bazán Ramírez, W. (2020). Fundamentos para pronosticar una serie de tiempo estacionaria con información de su propio pasado. Industrial Data, 23(1), 207-228. https://doi.org/10.15381/idata.v23i1.16504
Sección
Sistemas e Informática