Estrategias de decisión para la selección de modelos de predicción

Abstract

En este trabajo vamos a analizar los resultados obtenidos en la competición M4 por una combinación lineal de predicciones presentada al concurso. Para cada serie consideramos dos predicciones, obtenidas a partir de los datos sin transformar y transformados mediante logaritmo, combinando ambas mediante la inversa de sus errores de ajuste (sMAPE). El análisis del sMAPE a posteriori nos lleva a concluir que una selección más eficiente entre los tres tipos de predicciones propuestas para cada serie hubiera mejorado considerablemente dicho error. Hemos incluido también como posible opción el método Naïve. Se propone en este trabajo un árbol de decisión, a partir de los errores de ajuste y los parámetros asociados a cada tipo de predicción (basados en el sMAPE), para seleccionar la mejor opción posible de las 4 incluidas para cada serie. También se ha valorado el papel de otros parámetros como el estadístico U de Theil o el tamaño de la serie

This paper analyze the results obtained in the M4-Competition by a linear combination of predictions submitted to the competition. For each time series we consider two forecasts, obtained from the raw data and its log-transformed time series. A linear combination of both forecasts is built using as weights the inverse of the averaged fitting errors (sMAPE). The analysis of the sMAPE leads us to conclude that a more efficient selection among the three types of proposed forecasts for each series would have considerably improved this error. We have also included the Naïve method as a possible option. A conditional tree is proposed in this paper, based on the adjustment errors associated with each type of forecast (based on the sMAPE), to select the best possible option from the 4 included for each series. The role of other parameters such as Theil’s U statistic or the size of the series has also be assessed