Modelling tourism demand to spain with machine learning techniques: The impact of forecast horizon on model selection

• Oscar Claveria ^[1] ; Salvador Torra ^[1] ; Enric Monte ^[2]
  1. [1] Universitat de Barcelona

     Universitat de Barcelona

     Barcelona, España

     
  2. [2] Universitat Politècnica de Catalunya

     Universitat Politècnica de Catalunya

     Barcelona, España

     
• Localización: Revista de economía aplicada, ISSN 1133-455X, Vol. 24, Nº 72, 2016, págs. 109-132
• Idioma: inglés
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    El presente estudio evalúa la influencia de los horizontes predictivos sobre la precisión de las predicciones obtenidas mediante técnicas de inteligencia artificial basadas en aprendizaje automático. Para ello se compara la capacidad predictiva de diferentes modelos de Regresión de Soporte Vectorial (RSV) y de Redes Neuronales (RNA) con un modelo lineal utilizado como referencia. El análisis se centra en la demanda de turismo extranjero en España a nivel regional. La RSV entrenada con un kernel de función de base radial gaussiana supera al resto de modelos para las predicciones a más largo plazo. También se encuentra que los métodos de aprendizaje automático mejoran su capacidad predictiva con respecto a los modelos lineales a medida que aumenta el horizonte de predicción. Este resultado pone de manifiesto la idoneidad de la RSV para la predicción a medio y largo plazo.

  • English

    This study assesses the influence of the forecast horizon on the forecasting performance of several machine learning techniques. We compare the fo recast accuracy of Support Vector Regression (SVR) to Neural Network (NN) mo - dels, using a linear model as a benchmark. We focus on international tourism demand to all seventeen regions of Spain. The SVR with a Gaussian radial basis function kernel outperforms the rest of the models for the longest forecast horizons. We also find that machine learning methods improve their forecasting accuracy with respect to linear models as forecast horizons increase. This results shows the suitability of SVR for medium and long term forecasting.