Mostrar el registro sencillo del objeto digital
dc.contributor | Bucio, Christian | |
dc.contributor.author | Ayala, Rey Francisco | |
dc.date.accessioned | 2020-02-05T23:59:37Z | |
dc.date.available | 2020-02-05T23:59:37Z | |
dc.date.issued | 2019-08-28 | |
dc.identifier.uri | http://hdl.handle.net/20.500.11799/105521 | |
dc.description.abstract | La necesidad de tener conocimiento sobre situaciones futuras y predecir otras nos lleva al desarrollo de pronósticos que, por lo general, son puramente numéricos sobre un contexto que es difícil cuantificar, como es el caso de la situación económica de un país considerando, por ejemplo el producto interno bruto (PIB) o el tipo de cambio de la moneda nacional respecto a una divisa extranjera. Los modelos econométricos como los ARIMA (p,d,q), de los que hacemos uso para generar un pronóstico, dan una representación matemática de una serie temporal que permite capturar las características del fenómeno real a partir de la información contenida en los datos, sin embargo, esta es su debilidad, dado que se basa únicamente en los datos de entrada y éstos son susceptibles a condiciones ajenas al fenómeno de estudio y que en casos son difíciles de cuantificar, por lo que su pronóstico suele ser distinto al compararlos con la realidad. Existen modelos y herramientas más robustas que el mencionado anteriormente, tal es el caso de las redes neuronales artificiales, que ofrecen un pronóstico que se aproxima más al valor real, sin embargo, por su robustez no resulta sencillo emplearlos. Partiendo de la idea de un proceso sencillo se toma el modelo ARIMA(1,1,1) que se aplica al tipo de cambio peso-dólar en el periodo 2016-2017, visto mediante ventanas temporales deslizantes, para hacer una filtración del modelo en el valor de los parámetros a través del tiempo, maximizando los aciertos. | es |
dc.language.iso | spa | es |
dc.publisher | Universidad Autónoma del Estado de México | es |
dc.rights | openAccess | es |
dc.rights.uri | http://creativecommons.org/licenses/by-nd/4.0 | es |
dc.subject | Modelo ARIMA | es |
dc.subject | ventanas temporales deslizantes | es |
dc.subject | tipo de cambio | es |
dc.subject.classification | CIENCIAS SOCIALES | es |
dc.title | Modelo Arima (1,1,1) aplicado al tipo de cambio (peso-dolar) mediante ventanas temporales deslizantes, en el periodo 2016-2017 | es |
dc.type | Tesis de Licenciatura | es |
dc.provenance | Académica | es |
dc.road | Verde | es |
dc.organismo | Economía | es |
dc.ambito | Local | es |
dc.cve.CenCos | 31501 | es |
dc.cve.progEstudios | 6 | es |
dc.modalidad | Tesis | es |