Modelación de series económicas mediante métodos automáticos de regresión difusa
Analíti a
k
3
Revista de Análisis Estadístico
Journal of Statistical Analysis
Jun−07
Dic−07
Jun−08
Dic−08
Jun−09
Dic−09
Jun−10
−3
−2
−1
0
1
2
3
Mes
RILD
ADC 24
BT ADC 24
MCL G
BT MCL G
MCRC 12100
BT MCRC 12100
SARIMA
BT SARIMA
(a)
Contraste
ADC24
MCL G
MCRC12100
SARIMA
0
2
4
6
8
10
12
14
16
18
Modelos
(b)
Residuos de los modelos
ADC24
MCL G
MCRC12100
SARIMA
0
0.5
1
1.5
2
2.5
3
3.5
4
Modelos
(c)
Residuos del
back testing
Figura 8.
RILD, contraste
Jun−06
Dic−06
Jun−07
Dic−07
Jun−08
Dic−08
Jun−09
Dic−09
Jun−10
−2.5
−2
−1.5
−1
−0.5
0
0.5
1
1.5
2
2.5
Mes
Liquidez Pichincha
MCR 100−Gaussiana
Back testing
(a)
100 iteraciones
Jun−06
Dic−06
Jun−07
Dic−07
Jun−08
Dic−08
Jun−09
Dic−09
Jun−10
−2.5
−2
−1.5
−1
−0.5
0
0.5
1
1.5
2
2.5
Mes
Liquidez Pichincha
MCR 500−Gaussiana
Back testing
(b)
500 iteraciones
Figura 9.
Banco Pichincha, mínimos cuadrados recursivo (MCR)
Jun−06
Dic−06
Jun−07
Dic−07
Jun−08
Dic−08
Jun−09
Dic−09
Jun−10
−2.5
−2
−1.5
−1
−0.5
0
0.5
1
1.5
2
2.5
Mes
Liquidez Pichincha
ADC 12
Back testing
(a)
Centros
c
=
12
Jun−06
Dic−06
Jun−07
Dic−07
Jun−08
Dic−08
Jun−09
Dic−09
Jun−10
−2.5
−2
−1.5
−1
−0.5
0
0.5
1
1.5
2
2.5
Mes
Liquidez Pichincha
ADC 24
Back testing
(b)
Centros
c
=
24
Figura 10.
Banco Pichincha, agrupamiento difuso combinado
(ADC)
Analítika,
Revista de análisis estadístico
, 2 (2012), Vol. 3(1): 23-42
35