Creación de mejores modelos de pronóstico con funciones de transferencia ( 2019-EU-30MP-089 )Nivel: Avanzado
Función laboral: Analista / Científico / Ingeniero
Jian Cao, ingeniero principal de sistemas, división JMP, SAS
Finalista del mejor artículo invitado
¿Cómo modelar y pronosticar la serie de tiempo cuando se interrumpe debido a intervenciones (por ejemplo, cambios en el proceso)? Si tiene indicadores adelantados u otras variables exógenas, ¿cómo puede incorporarlos en sus modelos ARIMA para hacer mejores pronósticos?
En este artículo intentaré desmitificar los modelos de función de transferencia en JMP con casos de uso clave: Regresión con errores ARIMA, Modelos de rezago distribuido y Modelos de intervención. Demostraré los beneficios de usar las funciones de transferencia sobre la regresión de mínimos cuadrados ordinarios y ARIMA para construir mejores modelos de pronóstico.
Lo mejor de la cumbreFugarseExploración de datosModelado PredictivoRe: Creación de mejores modelos de pronóstico con funciones de transferencia ( 2019-EU-30MP-089 )Jian, perdón por la respuesta tardía, gracias por tus comentarios y aportes, me ayudaron mucho. ¡Usando un modelo de serie de tiempo neuronal con el modelo ARMA para los residuos, obtuve un modelo de pronóstico R² = 99% final!
Re: Creación de mejores modelos de pronóstico con funciones de transferencia ( 2019-EU-30MP-089 )Franco,
El pronóstico para el primer período de tiempo t=1 es la intersección o 0 (si elige un modelo ARMA sin intersección). Desde t=2 en adelante, JMP usa una versión especial del filtro de Kalman para producir pronósticos. Los detalles estadísticos se pueden encontrar en el libro de Box & Jenkins et al. Series de Tiempo: Pronóstico y Control en el apartado 7.4 “ Función de probabilidad basada en el modelo de espacio de estado ”.
Re: Creación de mejores modelos de pronóstico con funciones de transferencia ( 2019-EU-30MP-089 )Hola Jian, gracias por la ayuda, perdón por la falsa alarma con respecto a la opción de función de transferencia borrosa, está bien, hice una entrada incorrecta.
Modelé muy bien (R² = 0,92) la ocupación real residual: modelé la ocupación con un modelo ARMA estacional, por lo que ahora puedo continuar con la función de transferencia.
Sin embargo, tengo una pregunta con respecto a la predicción residual de ARMA en la tabla de datos con la fórmula de predicción de la serie temporal ARMA guardada: observo que los residuos previstos están en la misma fila, es decir, en el mismo intervalo de tiempo que los residuos reales. Como la fórmula ARMA se basa en residuos pasados Y (Yt-1, Yt-2,.. Esperaría que en la columna de residuos predichos se dejen varias celdas en blanco, entonces, ¿cómo se puede hacer una estimación de residuos ARMA sin datos residuales pasados? Gracias de antemano por la ayuda. Franco
Re: Creación de mejores modelos de pronóstico con funciones de transferencia ( 2019-EU-30MP-089 )Extraño, la opción de función de transferencia está en mi lista de menú pero está borrosa y no puedo activarla.
Re: Creación de mejores modelos de pronóstico con funciones de transferencia ( 2019-EU-30MP-089 )Gracias, franco.
La opción Función de transferencia ha estado disponible desde JMP 7. Después de iniciar la serie temporal con las series de salida y entrada, se puede seleccionar desde el menú del triángulo rojo superior.
Re: Creación de mejores modelos de pronóstico con funciones de transferencia ( 2019-EU-30MP-089 )¡Buena presentación! Ahora trato de aplicar esto en mi proyecto sobre el modelado del nivel de ocupación del estacionamiento; con Neural Net logré un buen R² o 0,96, sin embargo, los residuos no son aleatorios y se pueden modelar con un modelo estacional ARMA (4,0,5) (0,0,1)6. Así que ahora quiero construir una función de transferencia para la ocupación del estacionamiento con como entrada el modelo de red neuronal y el modelo residual ARMA; ¿Me sorprende notar que la opción de modelo de transferencia no está activada? ¿Hizo algo mal? Estoy usando una versión regular de JMP 13.2.
Re: Creación de mejores modelos de pronóstico con funciones de transferencia ( 2019-EU-30MP-089 )¡Muy buen trabajo! Gracias a todos los profesores que tratan de enseñar Modelos "Multivariantes" de Pronósticos con JMP así como con SAS ETS.
