Ejercicios · Series Temporales · Redes convolucionales e híbridos¶
Un filtro de tres pesos que recorre la ventana de doce meses, la red convolucional que aprende esos pesos y un híbrido que suma al SARIMA una red entrenada sobre su residuo, pronosticando 2025 sobre la diferencia con hace 12 meses. Cada enlace abre una actividad que se trabaja en el navegador, sin instalar nada.
Cada actividad empieza con la serie de análisis y unas claves que sirven para el ejercicio de esa página. Después viene una pregunta para responder antes de tocar nada, sigue con los controles y cierra con la explicación, que aparece cuando las preguntas quedan resueltas. Cada respuesta muestra su razón, se acierte o no. Las ventanas, los mapas, las sumas, la autocorrelación y el MAE se calculan en la página; los pronósticos y los residuos del SARIMA vienen de statsmodels y PyTorch, con el mismo código del notebook de la sesión, y se calcularon fuera de la página. Las cifras del backtest salen de la tabla de la sesión.
Cómo funcionan¶
El filtro paso a paso¶
La cuenta de un filtro de tres pesos sobre la ventana de enero o de marzo de 2025: en cada posición multiplica, suma y deja una casilla del mapa. Con los pesos de la media de tres meses, del cambio en dos meses y del último mes se trata de ver cuántas casillas tiene el mapa, dónde aparece una caída cuando la ventana se corre y qué cambia con el paso. Cierra con un filtro que aprende solo los pesos de la media y con una tabla de ventajas y limitaciones.
El híbrido paso a paso¶
El SARIMA de la sesión 5, sus residuos y el MLP que los pronostica, sumados mes a mes en 2025 junto a lo observado. Se trata de ver por qué se quitan los residuos de arranque, cuánto del error del SARIMA corrige la red y por qué corrige tan poco.
Una situación del curso¶
Sobre qué modelo vale un híbrido¶
El residuo del estacional ingenuo, del SARIMA y de la regresión lineal sobre la diferencia, con su correlograma. Se trata de predecir cuál guarda patrón, comprobarlo y decidir con esa cifra cuándo vale la pena poner una red encima de un modelo base.
Convolucionales¶
Núcleo y filtros¶
Una Conv1d con núcleos de 3, 6 y 12 meses y de 1 a 16 filtros, con el
pronóstico de 2025, la validación mínima, los parámetros y el MAPE del
backtest. Se trata de contar parámetros y de ver por qué la casilla de menor
MAPE no se escoge mirando la prueba.