Resumen

La precisin de las previsiones de series temporales es ms importante y puede ayudar a las organizaciones a tomar decisiones actualizadas para una mejor planificacin y gestin. Varios enfoques economtricos y computacionales clsicos arrojan resultados prometedores para las tareas ordinarias de previsin de series temporales, pero no son satisfactorios en la previsin del precio del crudo. La descomposicin emprica de modos de conjuntos (EEMD) no slo resuelve el problema de la no linealidad y la no estacionariedad de la prediccin de series temporales, sino que tambin crea algunos problemas (es decir, mezcla y divisin de estados de nimo). En este estudio, proponemos un nuevo mtodo hbrido que combina la descomposicin de modo emprico de conjunto medio y el mtodo de grupo de tratamiento de datos (MEEMD-GMDH) para reducir los problemas de divisin de estados de nimo y predecir el precio del crudo. La MEEMD se consigue sustituyendo el operador de la media por el operador de la mediana durante el proceso de EEMD. A efectos de prueba y validacin de los distintos modelos, se utilizan los datos de precios de referencia del crudo con sello de dos asientos (es decir, Brent y West Texas Intermediate (WTI)). Para comprobar el rendimiento del modelo propuesto, se utilizan diferentes medidas de evaluacin, como el error cuadrtico medio (RMSE), el error medio absoluto (MAE), el error medio porcentual absoluto (MAPE) y la prueba de Diebold-Mariano (DM). Todas las medidas de precisin de la previsin confirman que nuestro modelo propuesto funciona bien en la previsin de los precios del crudo en comparacin con otros modelos hbridos.

• Materias:Algoritmos (Matemáticas) Ingeniería Algebra Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Engineering Algebra Mathematical logic mathematics
• Palabras claves:precisión; previsión de series temporales; organizaciones; decisiones; planificación; gestión; previsión del precio del crudo; descomposición empírica modal de conjunto; EEMD; no linealidad; no estacionariedad; mezcla de estados de ánimo; división; método híbrido; descomposición empírica modal de conjunto mediana; MEEMD-GMDH; problemas de división del humor; previsión; Brent; West Texas Intermediate; evaluación comparativa; medidas de evaluación; error cuadrático medio; RMSE; error absoluto medio; MAE; error porcentual absoluto medio; MAPE; prueba de Diebold-Mariano; medidas de precisión de la previsión; modelos híbridos.
• Keywords:accuracy; time series forecasting; organizations; decisions; planning; management; crude oil price forecasting; ensemble empirical mode decomposition; EEMD; nonlinearity; nonstationarity; mood mixing; splitting; hybrid method; median ensemble empirical mode decomposition; MEEMD-GMDH; mood splitting problems; forecast; Brent; West Texas Intermediate; benchmarked; evaluation measures; Root Mean Square Error; RMSE; Mean Absolute Error; MAE; Mean Absolute Percentage Error; MAPE; Diebold-Mariano test; forecasting accuracy measures; hybrid models