Modelos SARIMA(Arima Estacionales).¿Qué son y cómo usarlos para Predecir?
ฝัง
- เผยแพร่เมื่อ 7 ก.พ. 2025
- Los Modelos #SARIMA,también llamados Arima Estacionales, son un tipo de modelos econométricos que se usan para buscar patrones en las series temporales y poder hacer predicciones.
-
Son una variante de los Modelos #ARIMA cuya peculiaridad es que tiene en cuenta las estacionalidad de las series temporales para crear el modelo.
-
** Código R usado en el vídeo 👇👇
ricovictor.com...
** OTROS VÍDEOS QUE TE GUSTARÁN **
Arbitraje Estadístico con el Test de Cointegración de Johansen.
• Arbitraje Estadístico ...
Estrategia DE TRADING Cuantitativo con Modelos ARIMA
• Estrategia DE TRADING ...
MI CORREO: rico.a.victor@gmail.com
😍 MÁS CONTENIDOS EN MI WEB 👉 : ricovictor.com/
RECUERDA SUSCRIBIRTE a mi canal para no perderte los siguientes vídeos 👇
/ victorarico
** Grupo de Facebook Economía y Finanzas en Español ⤵️
/ 3202706399817389
Muy bueno, gracias
Gracias Luis!!!!
Muchas gracias
Gracias por comentar!!!
Hola Victor, puedes explicar las funciones de transferencia en modelos arimax? Gracias
muy buen vídeo, hay alguna manera de restringir que el modelo con el fin de que no entregue valores menores a cero en la predicción.
Gracias!! ¿te refieres una vez que ya has elegido el Modelo Sarima que has vas a usar para predecir?
Podría facilitarme el código? Es que acabo de buscarlo en su pagina web y me da error 404 :(
Holaa, muy buen video! el codigo de la fuerza universal no me funciona, me podria pasar el codigo por favor?
El código que yo usé lo subí a mi web. En este enlace lo puedes copiar :
ricovictor.com/index.php/2024/01/04/modelos-sarimaarima-estacionales-que-son-y-como-usarlos-para-predecir/
otra duda victor, vi que aplicaste el modelo arima a y pero y era la serie no estacionaria, que no debiste aplicarlo a dy? saludos
Si en el Modelo Arima pones el 1 en la parte integrada significa que hay una diferencia en la serie
Haz probado el modelo ARIMA en series de tiempo de criptoactivos? son mucho mas volatiles por lo que supongo que volver los datos estacionarios es mas complejo y por ende la prediccion menos eficiente pero no estoy seguro de mi hipotesis, si tienes un video al respecto o una opinion me gustaria leerla
No he hecho pruebas en Criptodivisas de manera detallada, más allá de ejemplos superficiales. Por tanto no sé como pudiera servir. Pero volver los datos estacionarios no va a ser más complejo ya que haciendo los retornos se van a volver estacionarios. Pero que obtengas los retornos estacionarios no te asegura nada ni que el modelo sea bueno para predecir. Lo mejor es probar,ver como va y a partir de ahí sacar conclusiones
Holaaaa! podrías crear otra Masterclass sobre cómo aplicar el Algoritmo CAT (Computerized Adaptive Testing) en R? Podrías indicarme si hay algún ejemplo o librería creada en R para desarrollar lo que pregunto? Te estaría muy agradecida si pudieras orientarme con respecto a esto. Un saludo
Hola María Isabel !! Pues la verdad con ese nombre no sé lo que es. Quizá sí lo haya hecho yo pero sepa que tiene un nombre específico. Si quieres escríbeme a mi correo explicandome exactamente como quieres usarlo y lo vemos. Es que hay muchas cosas que yo he probado por mi cuenta y luego me enterado que había paquete en R etc jaja
@@VictorARico Perfecto!, te escribiré a tu correo para explicarte más detalladamente mi pregunta. Mil gracias por responder!. Felices Fiestas!
@@maribelmed Igualmente!! Felices fiestas para ti también ❤️
# No he podido realizar sarima con auto.arima: esto se debe al formato de la base de datos, no se la causa pero cambie el formato de los datos que están en formato xts a un objeto ts,
#Convertimos "y" en un objeto ts
, para usar la función auto.arima
tsdata
Me aparece este error al correr el algoritmo que hiciste, que significa?? Pleasee es para mi tesis
Error in stats::arima(x = x, order = order, seasonal = seasonal, include.mean = include.mean, :
non-stationary seasonal AR part from CSS
Pues puede ser por la el tipo de serie que estés usando o por el formato. Realmente no lo sé seguro