Thesis:
Propuestas para mejorar el pronóstico de la inflación en países latinoamericanos mediante el uso de modelos híbridos que mezclan "Fuzzy Inference System", modelo autorregresivo de media móvil y descomposición de wavelet.

Simple item page

datacite.subject.fos	Engineering and technology
dc.contributor.department	Departamento de Industrias
dc.contributor.guia	Kristjanpoller Rodriguez, Werner David
dc.coverage.spatial	Campus Casa Central Valparaíso
dc.creator	Peirano Fuentealba, Rodrigo Giovanni
dc.date.accessioned	2025-09-09T14:20:45Z
dc.date.available	2025-09-09T14:20:45Z
dc.date.issued	2017
dc.description.abstract	El pronóstico de la inflación es un tema importante y relevante para las economías mundiales, ya que el análisis de esta variable macroeconómica puede derivar en decisiones importantes por parte de los bancos centrales y gobiernos de cada país, pero aun cuando es un tema relevante existe carencia de investigaciones y de nuevas metodologías respecto al pronóstico de esta variable, aún más si nos extendemos a investigaciones en países en desarrollo. El presente estudio propone nuevos modelos híbridos, en primer lugar un Fuzzy Inference System–AutoRegressive Moving Average model (FIS-ARMA) y también un Fuzzy Inference System–AutoRegressive Moving Average model que utiliza como variables de entrada las series entregadas por la técnica de descomposición WAVELET (FIS-ARMA WAVELET). Los resultados indican que existe un mejor desempeño en términos de Mean Square Error (MSE) de la combinación de estos modelos lineales y no lineales, sobre el uso de un modelo individual ARMA o sobre una red neuronal artificial con diferentes configuraciones.	es
dc.description.abstract	Inflation forecasting has been and will continue to be a relevant issue for the world’s economies, since different decisions and policies by central banks and governments of each country arise from and are related to this macroeconomic variable; however, even given its relevance, there is limited research with new methodologies to forecast it, and even fewer studies in emerging economies, where the Autoregressive Moving Average (ARMA) model remains the most commonly used approach. The present study proposes two new hybrid models, based on Fuzzy Inference Systems (FIS), to forecast inflation in four Latin American countries. The first model is a Fuzzy Inference System–Autoregressive Moving Average model (FIS-ARMA), while the second is a FIS-ARMA with time series preprocessing using Wavelet Decomposition (FIS-ARMA-WAVELET). The results indicate a higher accuracy in inflation forecasts, in terms of Mean Square Error (MSE), of the proposed models over the ARMA model and Artificial Neural Networks.	en_US
dc.description.degree	Magíster en Ciencias de la Ingeniería Industrial
dc.driver	info:eu-repo/semantics/masterThesis
dc.format.extent	130 páginas
dc.identifier.barcode	3560900231693
dc.identifier.doi	10.71959/g13j-w942
dc.identifier.uri	https://cris.usm.cl/handle/123456789/4075
dc.identifier.uri	https://doi.org/10.71959/g13j-w942
dc.language.iso	es
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 International	en
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	descomposicion de wavelet
dc.subject	Inflacion
dc.subject	Pronostico de series de tiempo
dc.subject	red neuronal artificial
dc.subject	sistema de inferencia difuso
dc.subject.ods	9 Industria, innovación e infraestructura
dc.title	Propuestas para mejorar el pronóstico de la inflación en países latinoamericanos mediante el uso de modelos híbridos que mezclan "Fuzzy Inference System", modelo autorregresivo de media móvil y descomposición de wavelet.
dspace.entity.type	Tesis
usm.identifier.thesis	4500015617

Files

Original bundle

Now showing 1 - 1 of 1

Name:: MC_RP_2017.pdf
Size:: 4.76 MB
Format:: Adobe Portable Document Format

Collections

Tesis de Postgrado