Ayuda
Ir al contenido

Dialnet


Determinación de parámetros de modelos de previsión de demanda a través de los errores de acierto en horizonte rodante

  • Autores: Raúl Poler Escoto, Josefa Mula Bru, David Peidro Payá
  • Localización: Dirección y organización: Revista de dirección, organización y administración de empresas, ISSN 1132-175X, Nº Extra 37, 2008 (Ejemplar dedicado a: XII Congreso de Ingeniería de Organización. 2nd International Conference on Industrial Engineering and Industrial Management), págs. 76-82
  • Idioma: español
  • Títulos paralelos:
    • Parameterisation of demand forecasting models through out-of-sample errors on a rolling horizon
  • Enlaces
  • Resumen
    • español

      La Previsión de la Demanda es un proceso crucial para cualquier empresa sea proveedor, fabricante o minorista.

      En la literatura existe una gran cantidad trabajos de investigación sobre técnicas de previsión de series temporales.

      Sin embargo, en muchos casos, la selección del mejor modelo de previsión de series temporales para cada histórico a tratar sigue siendo un problema complejo. En este artículo se propone un nuevo procedimiento de determinación automática de parámetros de métodos de previsión de series temporales, basado en la determinación de los errores de acierto según un método de simulación de predicción ex-ante de horizonte rodante.

    • English

      Demand Forecasting is an essential process for any firm whether it is a supplier, manufacturer or retailer.A large number of research works about time series forecast techniques exists in the literature. In many cases, however, selecting the best time series forecasting model for each time series to be dealt with is still a complex problem. In this paper,we propose a new automatic procedure for the parameterisation of time series forecasting methods, based on out-of-sample errors calculation through ex-ante simulation in a rolling horizon.


Fundación Dialnet

Dialnet Plus

  • Más información sobre Dialnet Plus

Opciones de compartir

Opciones de entorno