Bogotá - Ciencias - Maestría en Ciencias - Estadística · 2024
Evaluación de la habilidad predictiva de la regresión de soporte vectorial en series de tiempo multivariadas
El estudio sobre la aplicación de la regresión de soporte vectorial (SVR) en series de tiempo multivariadas ha sido escaso, a pesar de las ventajas que ofrece este algoritmo en el análisis de series de tiempo univariadas, ya que facilita un modelado y pronóstico preciso, especialmente en situaciones donde las series son no lineales o no cumplen con los supuestos de los modelos tradicionales. Debido a estas ventajas, se presenta el interés por investigar si, en un contexto multivariado, el rendimiento de este algoritmo es más preciso para la predicción en comparación con un modelo clásico. Para ello, se ha desarrollado una rutina que permite implementar la regresión de soporte vectorial multivariada (MSVR), basada en el artículo ”Multi-step-ahead time series prediction using multiple-output support vector regression” (Bao, 2014), con el fin de evaluar la eficacia de la predicción en series multivariadas. Este algoritmo se ha adaptado considerando la estructura de autocorrelación presente en las series de tiempo multivariadas. Además, se ha puesto un énfasis especial en la selección del núcleo y los hiperparámetros óptimos, utilizando técnicas de búsqueda aleatoria que exploran eficientemente el espacio de posibles combinaciones de hiperparámetros para lograr predicciones precisas y generalizables (Texto tomado de la fuente).