Redes neuronales artificiales para el análisis de inversión publicitaria de entidades financieras en el periodo 2015 – 2019

Abstract

En esta investigación se realizó el modelamiento de series de tiempo univariada procedentes de procesos estocásticos, mediante un enfoque no paramétrico utilizando redes neuronales. Especialmente se busca la modelización univariada de la inversión mensual de publicidad de una entidad financiera de enero 2015 a diciembre 2019. Los resultados en la estimación y pronósticos fueron evaluados mediante diversos indicadores basados en el análisis del residuo, obteniendo como resultado que la serie ajustada presenta mejores predicciones (AIC de la serie ajustada < AIC de la serie Original) que la serie original, por tal motivo es de mucha importancia hacer el tratamiento adecuado a la data original para obtener mejores pronósticos. Por otro lado, las entidades financieras (BBVA, BCP, Interbank y Scotiabank) obtuvieron un criterio de información de Akaike (AIC) de 502.674, 502.067, 502.377 y 502.85 de la serie original y 502.3, 370.07, 254.338 y 502.134 de la serie imputada. Además, el trabajo presenta el desarrollo teórico de los modelos de Redes Neuronales Artificiales como una introducción y continúa con la metodología de redes neuronales aplicados a series de tiempo multivariadas, incluyendo los métodos de evaluación y contraste.