Examinando por Materia "Forecast"

Mostrando 1 - 5 de 5
  • Miniatura
    PublicaciónAcceso abierto
    Complemento en Excel® 2010 para el pronóstico no paramétrico de series de tiempo
    (Universidad EIA, 2011) Quintero Cataño, Jonathan; Jaramillo Betancur, Javier Vicente
    Today, it could be seen the need for people and companies to determinate the future environment that they have to face and with the goal to make decisions to take advantage over the rest, together with advances in technology that humanity has made and the massive use of Microsoft Excel ® which is a tool for data management, it is necessary to create an add-in in the program that allows forecasting of future observations of a time series under different methods that in the case of this project are in nonparametric forecasts. By the above, it was identified a mathematical and statistical algorithm that allows calculation of descriptive statistical measures and graphics, and also forecasting time series under non-parametric statistical methods in Visual Basic for Applications (VBA), it is included in Excel ® 2010.
  • Miniatura
    PublicaciónAcceso abierto
    Marco de implementación de modelos de pronóstico de ventas en empresas de e-commerce
    (Universidad EIA, 2023) Echeverri Castrillón, Simón; Salvit, Jordan
    RESUMEN: en este estudio se desarrollan y comparan tres modelos de diferentes naturalezas en el pronóstico de ventas de siete empresas que participan en E-Commerce: el Random Forest Regressor, ARIMA y un modelo diseñado en este trabajo, llamado Modelo de Promedio Lineal y Tasa de Tendencia, con el fin de permitirle a las empresas realizar un apropiado seguimiento de metas de ventas y tomar decisiones previendo escenarios futuros. Los modelos son desarrollados en Python utilizando librerías como Pandas, Scikit-Learn, y pmdarima. Las variables seleccionadas para predecir las ventas se basan en la fecha y los valores históricos de las ventas, por lo cual se adentra en el área de pronóstico de series temporales. Para implementar los modelos se dividen los datos de las siete empresas en datos de entrenamiento y prueba, siguiendo una división de 75% para entrenamiento y 25% para prueba. Para cada empresa, para cada uno de los modelos, se utilizan los datos de entrenamiento para encontrar la configuración óptima del mismo, utilizando posteriormente los datos de prueba para evaluar su desempeño, a través de la métrica MAPE. Se encuentra que el modelo más acertado para predecir las ventas de las empresas es Modelo de Promedio Lineal y Tasa de Tendencia, con un MAPE promedio de 18.98%, seguido por el Random Forest Regressor, con un MAPE promedio de 19.27%. Se encuentra que los pronósticos de las ventas futuras de las empresas, a pesar de ser aceptables en el corto plazo, convergen a una serie de valores fijos rápidamente. Se recomienda para futuros trabajos incluir variables exógenas para el pronóstico de las ventas, con el fin de reducir el MAPE y mejorar la precisión de los pronósticos.
  • Miniatura
    PublicaciónAcceso abierto
    Modelo de nowcasting para pronosticar la tasa de desempleo de Colombia utilizando Google Trends
    (Universidad EIA, 2021) Trespalacios Cárdenas, Lina María; García Suaza, Andrés Felipe
    RESUMEN: Debido a los niveles de incertidumbre que se crean en la economía, por la espera de los resultados de los indicadores de las variables macroeconómicas, se propone un modelo para pronosticar de manera semanal la tasa de desempleo en Colombia. La espera de los resultados de las variables que explican los movimientos del mercado y ciclos económicos puede perjudicar la toma de decisiones que se lleven a cabo en las entidades públicas; debido al retraso que tienen las entidades generadoras de estadísticas en publicar sus informes mensualmente. El desarrollo de un indicador que pronostique la tasa de desempleo en un “tiempo real” permite dar un panorama de cómo se puede estar comportando esta variable en el tiempo y así facilitar la toma de decisiones políticas, más que todo en tiempos donde el mercado no se encuentre en una estabilidad. Para el desarrollo del indicador de Now-cast se dará uso al indicador de Google Trends, en el cual se buscarán palabras claves que tengan relación con personas que se encuentren buscando empleo en un lugar determinado y en cierto horizonte temporal. Con los datos suministrados por Google Trends se procederá a realizar un modelo de regresión lineal en R studio. Una vez se tenga el modelo, se estimarán y se realizarán los pronósticos respectivos, se mide la eficiencia del pronóstico y se comparan con otros escenarios. Con lo anterior se espera lograr una buena predicción de la tasa de desempleo, el cual sea de uso útil para tomar medidas de control en el caso en que se muestre un incremento en la variable.
  • Miniatura
    PublicaciónAcceso abierto
    Outil De Previsions Des Couts Et Campagne Lmc 2015 Contrôle De Gestion
    (Universidad EIA, 2015) Hincapie Henao, Santiago
    Le contrôle de gestion doit avoir un suivi des coûts afin d’anticiper et organiser les avenirs financières de l’entreprise et assurer que le modèle économique et la stratégie soient mis en œuvre. Un de facteurs principaux de ce rôle est de prévoir et attribuer les coûts de l’organisation de manière cohérente à la réalité pour la prise de décision et l’alerte. Dans un premier temps, ce document présente l’amélioration de l’outil utilisé par le site de Rousset de STMicroelectronics pour faire les prévisions des coûts. Ensuite, il décrit la démarche mise en place pour le calcul de l’indicateur financier LMC pour l’année 2015, ainsi que son importance dans la stratégie financière de l’entreprise.
  • Miniatura
    PublicaciónAcceso abierto
    Pronóstico del IPC mediante una red neuronal artificial borrosa
    (Universidad EIA, 2019, 2019) González Peláez, Pablo; Patiño Pérez, Héctor Alejandro