Return to search

Proyección del Precio del Cobre: ¿Herramientas de Inteligencia Computacional o Series de Tiempo? En Busca de Pronósticos Ajustados para el Precio del Cobre en el Corto y Mediano Plazo.

Esta tesis tiene como objetivo la entrega de evidencias respecto a la potencia de las redes neuronales como
herramienta para el pronóstico del precio anual del cobre. Con este fin se evaluó el desempeño predictivo,
fuera de muestra, de diferentes redes neuronales de tipo multilayer perceptron, construidas sobre la base del
precio rezagado del cobre y variables derivadas del mismo, tales como la última variación del precio y la
desviación estándar de los últimos periodos. Los resultados conseguidos se contrastaron con los generados
mediante la aplicación de los más tradicionales y exitosos modelos de series de tiempo (ARIMA, caminata
aleatoria y promedio móvil).
Adicionalmente, se construyeron modelos híbridos combinando modelos ARIMA y redes neuronales. En este
caso, los errores de pronóstico fuera de muestra de los modelos de series de tiempo sirvieron para entrenar
redes destinadas a la proyección de residuos. Con los residuos así pronosticados, se corrigieron las
proyecciones iniciales de los modelos de series de tiempo.
En términos generales, la metodología de trabajo aplicada en este estudio comprendió las siguientes tareas:
selección de datos (precio anual del cobre refinado de la Bolsa de Metales de Londres entre los años 1913 y
2006); aplicación de transformaciones en los datos (escalamiento y transformación logarítmica); aplicación de
redes neuronales, modelos de series de tiempo y modelos híbridos, junto con la programación de rutinas
computacionales para la realización de pronósticos con un alcance de hasta 6 años; evaluación de resultados e
identificación de las características de los modelos más exitosos.
La calidad de los pronósticos generados se midió comparando el promedio y la desviación estándar de los
errores porcentuales absolutos en el periodo comprendido entre los años 1977 y 2006, ventana de tiempo que
abarca tanto fases ascendentes como descendentes del precio.
Los resultados revelaron un mejor desempeño de los modelos de pronóstico basados en redes neuronales, con
una reducción relativa del promedio del error porcentual absoluto (MAPE) de 30% respecto de los mejores
modelos ARIMA y de hasta un 49% respecto a la caminata aleatoria, en pronósticos a más de dos años.
De este modo, se estableció que el modelamiento no lineal a través de redes neuronales es capaz de
aprovechar mejor la información contenida en los precios históricos considerados en el estudio.
Por otra parte, en pronósticos a 1 año, el menor error alcanzado con la aplicación de un modelo híbrido
(reducción relativa del MAPE de 1,5% respecto a redes neuronales, de 5,6% respecto a modelos ARIMA y de
13% respecto al camino aleatorio) evidenció que, mediante el trabajo conjunto con modelos de series de
tiempo y redes neuronales, es posible conseguir pronósticos de mayor precisión a los generados con cada
técnica por separado.
Finalmente, la comparación de los pronósticos publicados por un prestigioso analista del mercado del cobre
versus los resultados conseguidos con los mejores modelos seleccionados reveló la mayor precisión de estos
últimos, con reducciones relativas del MAPE de 33% y 43% en proyecciones a 1 y 2 años respectivamente.
El impacto que tiene el precio del cobre en la actividad minera (evaluación de proyectos, planificación de la
producción, evaluación y control de los resultados de gestión y de negocios) y en la economía de nuestro país
(alta participación del cobre en las exportaciones y en los ingresos fiscales), conjuntamente con los resultados
observados en este estudio, hacen atractivo continuar con la investigación en torno al uso de herramientas de
Inteligencia Computacional en el pronóstico del precio del cobre. Trabajos futuros podrían enfocarse en otras
estrategias de aprendizaje, arquitecturas alternativas, incorporación de otras variables explicativas (stocks en
semanas de consumos, índices de actividad económica, etc.), aplicación de heurísticas para el diseño de redes,
evaluación de diferentes modelos híbridos y la aplicación de máquinas de soporte vectorial.

Identiferoai:union.ndltd.org:UCHILE/oai:repositorio.uchile.cl:2250/102966
Date January 2007
CreatorsFoix Castillo, Cristián Isaac
ContributorsWeber Haas, Richard, Facultad de Ciencias Físicas y Matemáticas, Departamento de Ingeniería Industrial, Aburto Lafourcade, Luis Alberto, Medel García, Fabián, Silva Ramos, Enrique
PublisherUniversidad de Chile
Source SetsUniversidad de Chile
LanguageSpanish
Detected LanguageSpanish
TypeTesis
RightsAttribution-NonCommercial-NoDerivs 3.0 Chile, http://creativecommons.org/licenses/by-nc-nd/3.0/cl/

Page generated in 0.0018 seconds