SELECCIÓN DE UN MODELO DE SUAVIZACIÓN EXPONENCIAL PARA PRONOSTICAR EL PRECIO DE LAS ACCIONES DE UNA AEROLÍNEA (EXPONENTIAL SMOOTHING MODEL SELECTION TO FORECAST PRICES OF AN AIRLINE STOCK)

Joel Arturo Sanchez, Baltazar Pérez Cervantes, José Luis Hernández Juárez

Resumen


Resumen
El presente documento pretende brindar una orientación al analista de negocio y al inversionista para analizar, aplicar y seleccionar el modelo de pronóstico de suavización exponencial más apropiado, que permita mejorar su proceso de toma decisiones, y por lo tanto potenciar sus utilidades. El análisis propuesto servirá de apoyo para predecir el comportamiento del precio de las acciones de la aerolínea Controladora Vuela Compañía de Aviación SAB de CV (Volaris), tomando como base la información histórica correspondiente al periodo septiembre 2013- diciembre 2023. Se describen, aplican y contextualizan las técnicas de suavización exponencial simple, doble y triple (Holt Winters), demostrando que el método Holt Winters aditivo es el más adecuado debido a que arroja el índice de la raíz del error cuadrático medio (RMSE por sus siglas en Inglés) menor en comparación con las otras técnicas analizadas.
Palabras clave: modelos de pronóstico, series de tiempo, suavización exponencial.

Abstract
The present document is aimed to provide guidance for business analysts and investors to analyze, apply and select the proper exponential smoothing model, in order to improve the decision making process and thus, enhance benefits. The proposed analysis will serve as support to predict behavior of stock market prices of the airline Controladora Vuela Compañía de Aviación, SAB de CV (Volaris), based on its historical information corresponding the period September 2013 – December 2023. Exponential, double and triple exponential (Holt Winters) techniques are described and applied, probing that the additive Holt Winters method is selected since it shows the smallest root mean squared error (RMSE) in comparison with the other techniques explored.
Keywords: exponential smoothing, forecasting models, time Series.

Texto completo:

PDF

Referencias


Alipour, S., Russo, G., Morandi, A., Yazdani, M. (2024). A comprehensive machine learning-based investigation for the index-value prediction of 2G HTS coated conductor tapes. PROQUEST. https://www.proquest.com/docview/3054469039/DC1D8A5BEAB84FCCPQ/1?accountid=133045&sourcetype=Scholarly%20Journals

Bello, L., Martínez, S. (2007). Una metodología de series de tiempo para el área de la salud; caso práctico. Revista Facultad Nacional de Salud Pública. https://www.redalyc.org/pdf/120/12025215.pdf.

Bhattacharjee, A., Vishwakarma, G., Gajare, N., Singh, N. (2023). Time series analysis using different forecast methods and case fatality rate for COVID-19 pandemic. Sience Direct. https://www-sciencedirect-com.basesuas.idm.oclc.org/science/article/pii/S1757780223002214

Cabrera, J. (s.f.) Calibración de Modelos Hidrológicos. Instituto para la mitigación de los efectos del fenómeno del niño. https://www.imefen.uni.edu.pe/Temas_interes/modhidro_2.pdf

Contreras, A., Zúñiga, C., Martínez, J., Sánchez, D. (2016). Análisis de series de tiempo en el pronóstico de la demanda de almacenamiento de productos perecederos. Science Direct. https://www-sciencedirect-com.basesuas.idm.oclc.org/science/article/pii/S0123592316300754

Enríquez, L. y Rodríguez, M. (2021). Uso de técnicas de pronósticos para la planeación del inventario de una PYME comercializadora en Tlaxcala, México. REDALYC. https://www.redalyc.org/journal/6379/637968303002/63796830 3002.pdf

Fierro, C., Castillo, V., Torres, C. (2022). Análisis comparativo de modelos tradicionales y modernos para pronóstico de la demanda: enfoques y características. RIDE. https://www.ride.org.mx/index.php/RIDE/article/view /1203/3556.

Flores, K . (2023). ¿Cuánta aerolíneas hay en México en 2023 y cuáles son? El Debate. https://www.excelsior.com.mx/nacional/mexicana-vuelve-a-levantar-vuelo-13-anos-fuera-mercado/1627204.

Ibujés, J, Franco, A. (2019). Uso de las TICS y relación con los objetivos de Desarrollo Sostenible en Ecuador. REDALYC. https://www.redalyc.org/ journal/5045/504558496003/504558496003.pdf.

León, A., Betancour, J., Jaimes, F., Grisales, H. (2016). Ronda clínica y epidemiológica series de tiempo. Universidad de Antioquía Colombia. REDALYC. https://www.redalyc.org/pdf/1805/180546208012.pdf.

Mejía, E., Gonzáles, Salome. Predicción del consumo de energía eléctrica residencial en la Región Cajamarca mediante modelos Holt Winters. REDALYC. https://www.redalyc.org/journal/3291/329160723002/html/#:~: text=El%20enfoque%20de%20suavizaci%C3%B3n%20exponencial,aditivo%20y%20multiplicativo%20%5B8%5D.&text=La%20suavizaci%C3%B3n%20exponencial%20es%20probablemente,exponencial%20simple%2C%20doble%20o%20triple.

Munguía, Aldo (2024). Aerolíneas de bajo costo reinan en México. El Financiero. https://www.elfinanciero.com.mx/empresas/2024/01/18/ aerolineas-de-bajo-costo-reinan-en-mexico/.

Oliva de Con, F., Molina, R. (2020) Propuesta de procedimiento para la predicción del tipo de cambio a corto plazo mediante técnicas contrastadas. SCIELO. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2073-60612 020000200007.

Paredes, M. (2023). Mexicana vuelve a levantar el vuelo; la marca estuvo 13 años fuera del mercado. Excelsior. https://www.excelsior.com.mx/nacional/ mexicana-vuelve-a-levantar-vuelo-13-anos-fuera-mercado/1627204.

Pretel, C., Galvis, O, Rendón, l. Osorio, J. (2013). Dinámica de sistemas para la selección de un sistema de pronóstico con base en el impacto de excesos y faltantes. REDALYC. https://www.redalyc.org/pdf/4115/411534392004.pdf.

Sarmiento, E. (2008). Predicción con series de tiempo y regresión. Universidad de la Rioja. https://dialnet.unirioja.es/descarga/articulo /4780125.pdf.

Shao, Q., Aldhafeeri, A., Qiu, S., Khuder, S. (2023). A mutiplicative Holt-Winters model and autorgressive moving-average for hyponatremia mortality rates. Science Direct https://www-sciencedirect-com.basesuas.idm.oclc.org/science/article/pii/S2772442523001296#b11

Sidqi, F., Sumitra, I. (2019). Forecasting Product Selling Using Single Exponential Smoothing and Double Exponential Smoothing Methods. PROQUEST. https://www.proquest.com/docview/2561396758/458A053357054517PQ/1?accountid=133045&sourcetype=Scholarly%20Journals

Valdivia, L. (2016). Efectividad entre pronósticos: promedio móvil y suavizado exponencial, en la compra y venta de acciones. Revistas Universidad Nacional del Callao. https://revistas.unac.edu.pe/index.php/CYT/ article/view/50?articlesBySameAuthorPage=7.

Vesga, J., Contreras, M., Vesga, J. (2022). Uso del modelo Holt Winters como estrategia para la predicción de condiciones ambientales durante el procesamiento del cacao. Universidad EIA. https://revistas.eia.edu.co/ index.php/reveia/article/view/1593/1469.

Villavicencio, J. (s.f.) Introducción a las series de tiempo. Instituto de Estadísticas de Puerto Rico. http://www.estadisticas.gobierno.pr/iepr/LinkClick.aspx?fileticket=4_BxecUaZmg%3D

Volaris (2024). Stock quote & chart. Investor Relations Volaris. https://ir.volaris.com/stock-information/stock-quote-and-chart/.

Webster, A. (1998). Técnicas de suavización. Renán Quispe Llanos. https://renanquispellanos.com/assets/custom/2.2.0/Documentos/Aporte%20Intelectual/Tecnicas%20Prediccion/12.unidad9.pdf

Yu X., Wang, H., Wang, J, Wang, X. (2024). A common feature-driven prediction model for multivariate time series data. Science Direct. https://www.sciencedirect.com/science/article/abs/pii/S0020025524008818






URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es

Barra de separación

Licencia Creative Commons    Pistas Educativas está bajo la Licencia Creative Commons Atribución 3.0 No portada.    

TECNOLÓGICO NACIONAL DE MÉXICO / INSTITUTO TECNOLÓGICO DE CELAYA

Antonio García Cubas Pte #600 esq. Av. Tecnológico, Celaya, Gto. México

Tel. 461 61 17575 Ext 5450 y 5146

pistaseducativas@itcelaya.edu.mx

http://pistaseducativas.celaya.tecnm.mx/index.php/pistas