Aplicación de la metodología box-jenkins univariante y multivariante al mercado eléctrico, turismo y construcción en España

  1. PARREÑO FERNÁNDEZ, JOSÉ
Zuzendaria:
  1. David de la Fuente García Zuzendaria

Defentsa unibertsitatea: Universidad de Oviedo

Fecha de defensa: 2002(e)ko apirila-(a)k 12

Epaimahaia:
  1. Cesáreo Hernández Iglesias Presidentea
  2. Camilo José Vázquez Ordás Idazkaria
  3. Alberto Luceño Vázquez Kidea
  4. Bernardo Prida Romero Kidea
  5. Ricardo del Olmo Martínez Kidea

Mota: Tesia

Teseo: 88740 DIALNET

Laburpena

En esta Tesis se aborda, en primer lugar, el estudio de la metodología Box-Jenkis de previsión de series temporales, en sus tres vertientes: univariante, función de transferencia y multivariante. En segundo lugar, se aplican herramientas de Data Mining al análisis de series temporales; en concreto, técnicas de detección y tratamiento de outliers. Después del estudio metodológico de estas herramientas, se procede a la aplicación práctica, en la que obtienen previsiones para varias series temporales pertenecientes a tres sectores de la economía española: Mercado Eléctrico, Sector Turístico y Sector de la Construcción. Para evaluar la calidad de las previsiones obtenidas, éstas se comparan con las obtenidas mediante otra técnica de previsión de reconocido prestigio, como son las Redes Neuronales Artificiales. En el Estudio del Mercado Eléctrico, se analizan series temporales correspondientes a precios y demandas de energía eléctrica: máximos y mínimos diarios, medios diarios y horarios. En el análisis de los sectores turístico y construcción, se analizan las series más representativas de ambos sectores, así como ciertas variables macroeconómicas que pueden tener influencia en el comportamiento de las variables específicas de cada sector, y que se modelizan conjuntamente con ellas. Por último, y con el objetivo de mejorar aún más la caliad de las previsiones obtenidas en los tres sectores analizados, se aplica una herramienta de Data Mining al análisis de las series estudiadas, en concreto, una técnica de detección y tratamiento de outliers que permite mejorar los modelos encontrados.